Ecosia, el buscador verde, deja Mistral por modelos chinos

Ecosia deja Mistral y ficha modelos abiertos chinos

Ecosia, el buscador alemán que destina sus beneficios a proyectos ambientales, dejará de usar Mistral como proveedor de inteligencia artificial y pasará a modelos abiertos como Qwen (Alibaba), GLM (Zhipu AI) y Kimi (Moonshot AI). El anuncio lo hizo su fundador y CEO, Christian Kroll, en una entrevista con Politico que recoge Xataka, con un argumento que incomoda a Europa: según Kroll, esos modelos "cuestan la mitad y nos dan más rendimiento".

Para un founder, el titular relevante no es geopolítico sino operativo. Un cliente de tamaño medio está diciendo en público que cambió de proveedor de IA por precio y rendimiento, y que la etiqueta de "IA europea" no compensó la factura. Ecosia ya había migrado de ChatGPT a Mistral a mediados de año; ahora hace el movimiento inverso, en dirección a Asia.

Por qué Ecosia deja Mistral: los cuatro argumentos de Kroll

En la entrevista, Kroll enumera cuatro motivos:

• Calidad insuficiente. Sostiene que los modelos de Mistral "van un año por detrás de la competencia".
• Problemas técnicos. Reporta servidores saturados y lo atribuye a una cuestión de escala: "Ecosia es un cliente demasiado grande para Mistral".
• Objetivos climáticos. El peso de la energía nuclear en el mix eléctrico francés no encaja con los compromisos ambientales de la compañía.
• Soberanía discutida. Argumenta que Mistral no es soberano porque depende de inversores internacionales de gran tamaño, como Nvidia.

El cuarto punto es el más paradójico, porque Ecosia construyó parte de su identidad sobre la independencia de las tecnológicas no europeas. Y el tercero es el que invita a levantar una ceja, por lo que viene después.

La contradicción energética: nuclear francesa contra carbón chino

Según RTE, el gestor de la red eléctrica francesa, la nuclear aportó el 68,1% de la electricidad de Francia en 2025 y la producción baja en carbono alcanzó el 95,2%, con emisiones estimadas por debajo de 20 gramos de CO2 por kWh. Alemania, que se posicionó contra la nuclear y todavía carga con el carbón, se mueve en el rango de los 300 gramos de CO2 por kWh.

Del otro lado, según la IEA, el 70% de la electricidad que alimentó los centros de datos chinos en 2025 vino del carbón. El país quiere que las renovables cubran el 80% de ese consumo para 2030, pero hoy la realidad es otra.

Kroll no detalla si su objeción a la nuclear francesa es por seguridad, residuos o emisiones directas. Lo que sí queda claro es que el argumento ambiental es difícil de sostener si el destino son modelos servidos desde infraestructura china.

El otro problema: censura y sesgo de entrenamiento

Hay una segunda contradicción, esta vez de producto. Los modelos chinos tienen filtros conocidos sobre temas sensibles: preguntas sobre Taiwán o sobre Tiananmén no reciben respuesta directa. Para un buscador eso no es un detalle menor, porque la utilidad del producto depende de que responda.

Rasmus Rothe, director de la Asociación Alemana de IA, declaró a Politico que buena parte de esa censura puede eliminarse reentrenando el modelo. El problema de fondo, apunta, es el sesgo de los datos de entrenamiento, mucho más difícil de corregir que un filtro de salida.

Kroll matizó después, en una entrevista con EU-Startups, que la decisión no es "China sí, Francia no", sino un giro hacia modelos abiertos. Mencionó a Melious, una empresa alemana que da acceso a más de 60 modelos abiertos vía API, reparte consultas entre proveedores europeos y opera con energía verde. El plan sería usar modelos desarrollados fuera, pero servidos desde infraestructura europea.

Mistral Large 4: ¿la respuesta llega a tiempo?

La respuesta de Mistral fue rápida. Su científico jefe animó públicamente a Ecosia a probar el nuevo modelo, incluso con acceso anticipado. Y en esos mismos días la compañía presentó Mistral Large 4, un modelo de 1 billón de parámetros que, según TNW, es el sistema de pesos abiertos más potente fuera de China. Usa unos 49.000 millones de parámetros activos por tarea y se entrenó en centros de datos europeos con alrededor de 4.000 GPUs Nvidia Grace Blackwell.

En el benchmark de coding agéntico DeepSWE, Large 4 marcó 62%, por delante de GLM-5.3 (61%), DeepSeek-V4-Pro (57%) y Qwen 3.8 Max (51%), según los datos preliminares que reporta TNW. Los pesos se publicarán el 27 de octubre. El detalle importante: son cifras que la propia Mistral reporta y que todavía no pasaron por una evaluación independiente.

El respaldo financiero existe. Mistral cerró en septiembre una ronda de 3.000 millones de euros —anunciada el 8 de septiembre de 2026 y liderada por Samsung con unos 1.000 millones— que llevó su valoración por encima de los 21.000 millones de euros, según Yahoo Finance. La ronda anterior, la Serie C de septiembre de 2025 liderada por ASML, la había valorado en 11.700 millones.

Pero la paradoja de la soberanía sigue ahí. El centro de datos principal de Mistral en Bruyères-le-Châtel funciona con 13.800 GPUs Nvidia GB300 repartidas en 44 megavatios, según Yahoo Finance. Y el CNAS Sovereign AI Index señala que Nvidia provee el hardware del 45% de los proyectos de IA soberana que se monitorean en el mundo. La soberanía europea, hoy, se construye sobre silicio estadounidense.

¿Qué significa esto para tu startup?

La lección no es "usa modelos chinos". Es que la elección de proveedor de IA dejó de ser una decisión técnica y pasó a ser una decisión de arquitectura, coste y riesgo.

• Mide con tus propios prompts, no con rankings. Kroll dice que los modelos abiertos le cuestan la mitad y rinden más; Mistral dice que Large 4 lidera en coding. Ambos pueden tener razón para casos de uso distintos. Arma un set de 30 a 50 tareas reales de tu producto y corre el mismo test contra dos o tres proveedores antes de firmar nada.
• Diseña para cambiar de modelo. Ecosia pasó de ChatGPT a Mistral y ahora a modelos abiertos en menos de un año. Si tu producto depende de una sola API, cada cambio de proveedor es una reescritura. Usa una capa de abstracción o un router multi-proveedor, como el que ofrece Melious, para que el cambio sea una línea de configuración.
• Prueba los temas incómodos antes de producción. Si tu producto responde preguntas abiertas, testea explícitamente temas sensibles y mide cuántas veces el modelo evade. Un filtro que aparece en el 5% de las consultas puede ser tolerable en un chatbot interno y catastrófico en un buscador.
• Si vendes a sector público o banca, la jurisdicción es parte del contrato. Dónde se ejecuta el modelo y bajo qué ley se protegen los datos pesa tanto como el benchmark. La jugada de "modelo de fuera, infraestructura europea" que evalúa Ecosia es una plantilla razonable para ese tipo de cliente.

Conclusión

Ecosia no está eligiendo bando: está eligiendo factura. El caso deja tres señales para el ecosistema hispanohablante. Primero, la soberanía tecnológica se está vendiendo como argumento comercial y no siempre resiste el escrutinio, ni el energético ni el de dependencia de proveedores. Segundo, los modelos abiertos ya son una opción de producción real, no un experimento de laboratorio, y eso baja el costo de entrada para startups con presupuesto limitado. Tercero, la ventaja competitiva dejó de estar en qué modelo usas y pasó a estar en qué tan rápido puedes cambiarlo.

Si estás definiendo tu stack de IA este trimestre, la pregunta útil no es cuál es el mejor modelo del mundo, sino cuál es el mejor para tus tareas, a qué costo y qué tan caro te sale salir de él.

Fuentes

• Xataka: Un motor de búsqueda alemán ha rechazado a Mistral apostando por modelos IA chinos open-source en su lugar
• TNW: Europe's Mistral launches Large 4 to challenge China's lead in open AI models
• Yahoo Finance: Mistral AI's 3B Series D Makes It Europe's Sovereign AI Champion