Mistral libera los pesos de Large 4, un modelo abierto de un billón de parámetros

Mistral liberó los pesos de Mistral Large 4 el 29 de octubre y cumplió así lo que había prometido cuando el modelo entró en preview pública, el 6 de octubre. El checkpoint está en Hugging Face bajo una licencia MIT modificada, y no es la misma versión de la preview: Mistral dice que dedicó las últimas tres semanas a más aprendizaje por refuerzo, enfocado sobre todo en programación con agentes y ciberseguridad defensiva.

Eso lo convierte en uno de los modelos de pesos abiertos más grandes que cualquiera puede descargar hoy. También trae una condición de licencia y una serie de benchmarks reportados por la propia empresa que conviene mirar con atención antes de meterlo en producción.

Qué se liberó

Según la model card, Mistral Large 4 es un modelo Mixture-of-Experts con alrededor de 1 billón de parámetros totales (1T) y 49.000 millones activos por token (52.000 millones si se cuentan las capas de embeddings y de salida, de ahí el "A52B" del nombre del repositorio). Cada token pasa por 4 de 128 expertos más uno compartido. Acepta texto e imágenes, genera texto y soporta una ventana de contexto de 1M de tokens. Mistral dice que lo entrenó desde cero con 3.800 GPU NVIDIA Grace Blackwell en sus propios centros de datos en Europa.

• Pesos en FP8 y NVFP4; el checkpoint NVFP4 necesita GPU NVIDIA Blackwell
• Soporte desde el día uno en Transformers, vLLM, SGLang y llama.cpp, con cuantizaciones GGUF de la comunidad, según el post de integración de Hugging Face
• Un cabezal de borrador integrado para decodificación especulativa que propone tres tokens por vez
• Tres niveles de razonamiento: low, medium y high (el predeterminado). Low reemplaza al viejo modo "none", así que el razonamiento no se puede apagar del todo
• Precio de API de US$0,70 por millón de tokens de entrada, US$0,07 para entrada cacheada y US$2,10 de salida, vigente desde la liberación de los pesos

Mistral dice que un reporte técnico completo llega "pronto". Mientras tanto, lo que se sabe sobre datos de entrenamiento y post-entrenamiento se limita a lo que dicen la model card y el post de lanzamiento.

La licencia tiene una condición importante

La Mistral Ecosystem Open-Weight License da derechos al estilo MIT para usar, modificar, hacer fine-tuning y redistribuir el modelo, también con fines comerciales. La excepción: cualquier empresa que opere un negocio de "Model as a Service", es decir, que le dé a terceros control real sobre la inferencia o el post-entrenamiento mediante una API o un endpoint hosteado, necesita una licencia comercial aparte con Mistral. El uso interno queda exento, igual que los productos finales donde el modelo va integrado detrás de una función puntual. En la práctica, si lo corrés en tus servidores para tu equipo o tus apps, estás cubierto; si sos un proveedor de nube que lo revende como endpoint, no.

Qué dicen los benchmarks, y quién los corrió

Todas las cifras que siguen salen del post de lanzamiento de Mistral. Varias citan a Artificial Analysis, Cognition o Surge como evaluadores, pero Promptea no pudo abrir las páginas de esos evaluadores para confirmarlas, y el post de integración de Hugging Face cita algunos números distintos que parecen coincidir con la preview. Tomalas como cifras del fabricante hasta que haya resultados independientes.

• Programación: 48% en el Coding Agent Index de Artificial Analysis, que Mistral describe como prácticamente empatado con GLM-5.3 pero usando 47% menos tokens por tarea. En Terminal-Bench 4.0 subió 13 puntos respecto de la preview, hasta 41%, con 30% menos tokens de salida.
• Calidad de código: 19,7% en FrontierCode 2.0, el benchmark privado de Cognition, el valor más alto entre los modelos abiertos que graficó Mistral.
• Preferencia humana: en las comparaciones ciegas de código de Surge, Mistral dice que los evaluadores prefirieron Large 4 frente a GLM-5.3, Kimi K3 y DeepSeek V4.1 Flash, pero eligieron Claude Opus 5.5 por sobre él el 78% de las veces.
• Ciberseguridad: 51% en el Cyber Index de Artificial Analysis, y una tasa promedio de rechazo de 96,6% ante pedidos maliciosos de ciberseguridad tomados de JailbreakBench, StrongREJECT y AgentHarm.
• Seguridad de agentes: 97,1% de resistencia a ataques en el benchmark B3, contra 93,3% en la preview.

Fijate cómo plantea Mistral sus afirmaciones. Dice que Large 4 es el mejor modelo de pesos abiertos para programar, no el mejor modelo en general, y su propio gráfico de preferencia humana muestra una distancia clara con la frontera cerrada.

La advertencia de ciberseguridad

Mistral le apunta a los equipos de defensa: triage de vulnerabilidades, reproducción y parcheo sobre infraestructura que la organización controla. El post de lanzamiento también incluye una admisión poco común. Después de monitorear el tráfico vinculado a ciberseguridad durante la preview, Mistral dice que vio "un potencial de ayuda para ejecutar ataques reales" y que está ajustando sus guardrails, con más cambios previstos en los próximos meses.

Esa tensión es parte del lanzamiento. Los cambios de guardrails se aplican a la API de Mistral; los pesos que ya se descargaron funcionan con el comportamiento de seguridad con el que salieron. Por separado, Mistral le da a socios evaluados, como Orange Cyberdefense, acceso preliminar a una variante especializada en ciberseguridad para pentesting y red-teaming, con restricciones contractuales. Esa variante no forma parte de la liberación abierta.

Qué cambia para quienes desarrollan

Si usás agentes de programación, lo que vale la pena probar es la eficiencia en tokens más que el puntaje máximo. Si Large 4 realmente logra resultados parecidos en el Coding Agent Index con cerca de la mitad de los tokens que su rival abierto más cercano, el costo por tarea terminada baja aunque el precio por token sea el mismo. Los niveles de razonamiento son la palanca principal: Mistral recomienda low para tareas simples y deja high como predeterminado, así que si no lo tocás, pagás razonamiento máximo en cada llamada. La model card también aclara que max_completion_tokens cuenta los tokens de razonamiento además de la salida visible, así que un límite pensado para modelos sin razonamiento te puede cortar las respuestas.

Hostearlo vos mismo solo es realista si tenés hardware serio. La receta de despliegue lista de Hugging Face usa ocho GPU NVIDIA H200, y la versión NVFP4, más liviana, requiere placas de generación Blackwell. Para la mayoría, los pesos abiertos importan menos como algo para correr en local que como garantía: el modelo se puede auditar, ajustar y mantener funcionando pase lo que pase con la API de Mistral.