Mistral Large 4 libera sus pesos: 63% menos costo por tarea

Mistral Large 4 ya se puede descargar: qué cambia respecto al preview

Mistral liberó los pesos descargables de Mistral Large 4 (ML4), su modelo de un billón de parámetros apodado "Le Chonk", bajo una licencia propia. El anuncio llegó después de unas tres semanas adicionales de aprendizaje por refuerzo y del feedback de clientes y socios de seguridad, según la cobertura de VentureBeat.

El dato que más le importa a un equipo técnico no es el salto de capacidad, sino el económico: la firma independiente Artificial Analysis reporta que el modelo actualizado cuesta US$2,06 por tarea del Intelligence Index, frente a los US$5,54 del preview. Es una reducción del 63%.

En su evaluación del 29 de octubre, Artificial Analysis otorga a ML4 en su configuración de razonamiento alto 26 puntos en Intelligence Index v5, un punto más que los 25 del preview. Eso lo deja un punto por encima de Muse Spark Open en xhigh, lo que convierte a ML4 en el modelo con pesos disponibles desarrollado fuera de China con mayor puntaje en esa medición.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

El matiz importa: sigue seis puntos por detrás de los líderes de pesos abiertos, DeepSeek V4.1 Flash 1017 y GLM-5.3, ambos evaluados en su máximo nivel de razonamiento. El liderazgo de Mistral es regional, no global.

Los números que definen el modelo

La identidad del modelo se mantiene: un sistema muy grande con activación dispersa que acepta información visual y textual y genera texto. Artificial Analysis lista una capacidad de contexto de 1 millón de tokens, con 1,05 billones de parámetros totales y 52.000 millones activos.

Hay un detalle que conviene aclarar porque generó confusión. El reporte original de VentureBeat citaba 49.000 millones de parámetros activos; la versión final cita 52.000 millones. La ficha de Mistral en Hugging Face explica que la cifra menor describe la actividad por token, mientras que la mayor también cuenta embeddings y capas de salida. Eso por sí solo no demuestra que Mistral haya ampliado el modelo durante el preview.

En eficiencia, el cambio es más nítido. Artificial Analysis reporta un promedio de 82.000 tokens de salida por tarea del Intelligence Index para el modelo final, frente a 135.000 del preview: una reducción del 39%. Los siete modelos de pesos abiertos que puntúan por encima de ML4 consumen entre 113.000 y 225.000 tokens de salida por tarea.

Las tarifas de API también bajaron a la mitad: US$0,70 por millón de tokens de entrada, US$0,07 para entrada cacheada y US$2,10 de salida, frente a los US$1,36, US$0,14 y US$4,18 anteriores.

¿Es realmente el mejor agente de código abierto?

Aquí conviene leer con cuidado, porque las cifras del proveedor y las del evaluador independiente no coinciden.

En el Coding Agent Index de Artificial Analysis, ML4 en razonamiento alto con el software Mistral Vibe obtiene 48 puntos y 8,5 millones de tokens por tarea. GLM-5.3 con Opencode saca 49 y consume 15,9 millones. DeepSeek V4.1 Flash 1017 con DeepSeek Harness queda en 46 con 16,7 millones.

Traducido: ML4 está un punto por detrás de GLM-5.3 y usa cerca de 47% menos tokens. Mistral describe los resultados como un empate efectivo; Artificial Analysis lo rankea segundo. Una diferencia de un punto no establece significancia estadística.

La brecha aparece cuando se comparan las evaluaciones de código del propio Mistral con las de Artificial Analysis. Mistral reporta 41% en Terminal-Bench 4.0 (subiendo desde un 28% autoinformado del preview), mientras que la evaluación del Intelligence Index de Artificial Analysis reporta 25% en esa misma prueba. En FrontierCode 2.0, el gráfico de Mistral coloca su 19,7% por delante del 19,3% de DeepSeek, pero Artificial Analysis reporta ML4 en 15%, por detrás de DeepSeek (29%) y GLM-5.3 (22%).

Son contextos de evaluación distintos y el material disponible no aísla la contribución exacta de cada diferencia de software o configuración. La conclusión práctica: no sustituyas el 41% del proveedor por el 25% del evaluador, ni presentes ninguno de los dos como rendimiento universal.

La licencia: dónde está la línea comercial

Este es el punto que más debería interesar a un founder que piensa en producción. La licencia de ecosistema de Mistral es una MIT modificada con una restricción comercial adicional, así que describir ML4 simplemente como "MIT" omite una condición material.

La sección 2 exige un acuerdo comercial separado antes del uso comercial del modelo o sus derivados si el licenciatario o cualquier afiliada opera un negocio de "modelo como servicio". La definición cubre dar acceso a terceros para inferencia o post-entrenamiento vía API, endpoint alojado u otros medios, cuando esos usuarios tienen control significativo sobre entradas, parámetros o datos de entrenamiento.

Dos exclusiones acotan esa definición: los productos de usuario final cuyas capacidades del modelo están únicamente embebidas en funciones o entornos específicos, y los servicios que solo retransmiten solicitudes a modelos alojados por terceros. La sección 3 exime aparte el uso interno que no pone el modelo a disposición de terceros.

Lo clave: la distinción es la actividad y el acceso, no el tamaño de la empresa. La licencia no fija ningún umbral de ingresos. Y tener permiso para ejecutar los pesos descargados no hace gratis los servicios alojados ni la infraestructura que requiere el autohospedaje.

Ciberseguridad: el argumento comercial detrás de los pesos abiertos

Mistral construyó buena parte del relanzamiento alrededor de la defensa. Artificial Analysis confirma un Cyber Index de 51 para ML4 en razonamiento alto, tercero entre los modelos de pesos abiertos actuales. DeepSeek V4.1 Flash 1017 lidera con 57 y MiMo-V2.6-Pro sigue con 56.

El desglose explica por qué un solo número de seguridad engaña. ML4 obtiene 79% en CyberGym-E2E-AA (por delante del 76% de DeepSeek y empatado con MiMo), pero queda por detrás en DeepsecBench-AA (15% vs 25% y 26%) y en CWE-Bench-AA (58% vs 69% y 63%). Para un equipo de seguridad, ese desglose es más útil que una afirmación de liderazgo general.

En alucinaciones, Artificial Analysis reporta una tasa del 28% en AA-Omniscience v1.1, frente al 41% del preview: una caída de 13 puntos porcentuales, igualando a Muse Spark Open. Pero su puntaje de precisión sigue en 26%, muy por debajo del 42% de Muse Spark Open. Producir menos respuestas sin respaldo no equivale a responder correctamente.

Pierre Stock, vicepresidente de ciencia de Mistral, dijo a TechCrunch que liberar los pesos significa que una empresa o un gobierno "puede tener acceso a inteligencia de frontera para defenderse de ciberataques, un acceso que por definición no puede ser cortado". El trade-off es explícito: dar más control a operadores legítimos también reduce el control del proveedor original sobre los despliegues posteriores.

¿Qué significa esto para tu startup?

La pregunta real no es si ML4 es el mejor modelo del mundo, sino si te conviene tener los pesos en tu infraestructura. Tres cosas concretas para evaluar esta semana:

Calcula tu costo por trabajo completado, no por token. El US$2,06 por tarea del Intelligence Index mide una tarea de benchmark, no tu flujo de trabajo. Corre tus propias tareas (las que ya tienes en producción) contra ML4 y contra tu modelo actual, y mide cuántas veces necesitas corregir el resultado. Un modelo más barato por token que falla más seguido sale caro.
Revisa la licencia antes de construir un producto sobre ML4. Si tu producto da a tus clientes acceso a inferencia o post-entrenamiento con control sobre entradas o parámetros, la sección 2 te obliga a un acuerdo comercial separado. Si el modelo está embebido dentro de una función específica de tu producto, quedas excluido. La diferencia puede definir tu modelo de negocio.
Prueba los tres niveles de razonamiento. ML4 ofrece configuraciones baja, media y alta. Un equipo puede reservar el razonamiento profundo para depurar un bug difícil y usar el nivel bajo para peticiones rutinarias. Si eso baja tu factura depende de cuántas veces un intento barato necesita corrección.

Para el contexto de mercado: Mistral recaudó 3.000 millones de euros a una valoración de más de 21.000 millones de euros en una ronda liderada por Samsung Electronics, según reportó Bloomberg (vía The Straits Times), con el fondo Scaleup Europe Fund de la UE y PSG Equity como colíderes. Eso casi duplica su valoración previa de 11.700 millones de euros de 2025.

El modelo se puede probar y personalizar en Mistral Studio, vía la API de Mistral, en OpenRouter, en Vibe Code, a través de endpoints alojados por Nvidia y en Microsoft Foundry con opciones de despliegue privado en Azure. Los pesos descargados se pueden servir con vLLM o SGLang.

La conclusión honesta: ML4 no es el modelo abierto más potente del mundo, y sus alternativas chinas siguen siendo más baratas en varias mediciones. Lo que sí cambió es que ahora existe una opción de pesos abiertos, desarrollada fuera de China, con un agente de código competitivo y un costo por tarea 63% menor que su propio preview. Para equipos que necesitan control sobre su infraestructura y no pueden depender de que un proveedor mantenga el acceso, esa combinación es la que vale.