Mistral Large 4: el modelo abierto de 1 billón de parámetros

Mistral lanza Large 4, su primer modelo de un billón de parámetros, con pesos abiertos el 27 de octubre

Mistral publicó el 6 de octubre la vista previa pública de Mistral Large 4 (ML4), su primer modelo con un billón de parámetros totales, que la compañía francesa abrirá a la comunidad como pesos abiertos el 27 de octubre tras tres semanas de pruebas con desarrolladores, equipos de ciberseguridad y autoridades gubernamentales. El nombre clave interno, «Le Chonk», es un guiño al meme viral «Le Chaton Fat» que circuló en X y Reddit desde junio de 2026, según reportó VentureBeat.

El lanzamiento llega en un momento de fortaleza financiera: en septiembre, Mistral cerró una Serie D de 3.000 millones de euros a una valoración post-money superior a 21.000 millones de euros (unos US$24.000 millones), la mayor ronda de capital de una tecnológica europea, según Mistral, Unite.AI y Reuters.

Qué hay dentro del modelo

• 1 billón de parámetros totales con una arquitectura sparse Mixture-of-Experts que activa solo 49.000 millones de parámetros por inferencia.
• Entrenado desde cero durante aproximadamente dos meses sobre 4.000 GPUs Nvidia Grace Blackwell en centros de datos propios en Europa, según VentureBeat.
• Cobertura lingüística: más de 160 idiomas, incluidos todos los oficiales de la Unión Europea.
• Acepta entradas multimodales pero produce solo salida en texto, confirmó el cofundador y chief scientist Guillaume Lample en entrevista con VentureBeat.
• Licencia: una licencia propia de Mistral (la compañía no publicó pricing de API en los materiales revisados por VentureBeat).

Qué dice la ficha de benchmarks

Mistral presentó resultados preliminares que lo posicionan como uno de los pesos abiertos más competitivos fuera de China. Cifras clave reportadas por VentureBeat:

• 62% en DeepSWE v1.1, frente a 44% de Beam (Reflection AI), 51% de Qwen 3.8 Max, 57% de DeepSeek V4 Pro 0813 y 61% de GLM-5.3.
• 15% en el Legal Agent Benchmark de Harvey, por encima de los 12,92% de Kimi K3, 10,83% de MiMo V2.6 Pro y 8,33% de GLM-5.3 según el leaderboard de Vals.ai.
• 67% en Finch (benchmark de flujos financieros y contables aceptado en ACL 2026), igualado con DeepSeek V4 Pro 0813 y por encima del 65% de GLM-5.3.
• 42% en Dense200 y 73% en DIOR-RSVG para tareas de visual grounding.

Pero hay matices que Mistral no destaca en sus gráficos. El leaderboard público de DeepSWE, al elegir la mejor configuración publicada para cada modelo, coloca actualmente a GLM-5.3 y Kimi K3 en torno al 69%, y a GPT-6 Astra, Gemini 3.8 Flash y Claude Opus 5 cerca del 74%. Es decir, el 62% de ML4 luce competitivo contra pesos abiertos occidentales, pero no establece un liderazgo absoluto de codificación entre todas las configuraciones modelo-agente disponibles.

Cómo se compara con Beam, el otro gran lanzamiento abierto de la semana

Reflection AI presentó el 5 de octubre a Beam, un modelo de 501.000 millones de parámetros totales (23.000 millones activos) con pesos previstos bajo Apache 2.0 para finales de octubre, según Unite.AI y Help Net Security. En DeepSWE v1.1, Beam obtiene 44,4 puntos, por debajo del 44,0 de GLM 5.2 y a 29,8 puntos de DeepSeek V4.1 Flash. Reflection admite que Beam no lidera en puntaje bruto, pero argumenta que usa 3-4 veces menos cómputo de inferencia que rivales como Qwen 3.8-Max.

En Terminal Bench v2.1, Beam alcanza 80,1, contra 81,0 de GLM 5.2, 88,3 de Kimi K3 y 90,6 de DeepSeek V4.1 Flash. La narrativa de Reflection es eficiencia: puntajes comparables a GLM 5.2 con una fracción del cómputo de generación.

De dónde viene Mistral y por qué importa la Serie D

La Serie D de 3.000 millones de euros fue liderada por Samsung Electronics, con Scaleup Europe Fund (gestionado por EQT) y PSG Equity como co-líderes, según Mistral y Unite.AI. Entre los nuevos participantes están Advent, BlackRock y el Gran Ducado de Luxemburgo; los inversores existentes que reiteraron apoyo incluyen a16z, ASML, Belfius, BNP Paribas CIB, Bpifrance, Carmignac, DST Global, Eurazeo, General Catalyst, Headline, Hillspire, Index Ventures, Korelya Capital, Lightspeed, NVIDIA, Phoenix Court y Salesforce Ventures, de acuerdo con Unite.AI.

En términos comparativos, la Serie D casi duplica la valoración de la Serie C de septiembre de 2025, que fue de 1.700 millones de euros a 11.700 millones de euros post-money, según Unite.AI. Reuters reportó la nueva valoración en aproximadamente US$24.000 millones, mientras Crunchbase News la cifró en US$3.500 millones levantados y un acumulado de US$7.500 millones desde la fundación en 2023.

Mistral dice operar en 20 países y servir a más de 125 empresas globales, entre ellas Airbus, ASML y HSBC, según Unite.AI. TechCrunch destaca que Mistral también trabaja con BMW y que mantiene una alianza estratégica expandida con Microsoft desde julio. La francesa se ha posicionado como una «tercera vía» en IA: ni el stack estadounidense dominado por OpenAI, Anthropic y Google, ni el ecosistema chino.

Por qué Mistral se siente cómoda liberando pesos

El modelo de negocio de Mistral ya no se apoya en la exclusiva del checkpoint. Lample explicó a VentureBeat que los clientes necesitan cada vez más despliegue, infraestructura, personalización y soporte de ingeniería alrededor de flujos de trabajo de IA complejos. La apuesta es que los pesos se commodityficarán y el valor se desplazará hacia los sistemas empresariales construidos alrededor.

Ese cambio de tesis coincide con un movimiento del mercado: según TechCrunch, Mistral también está alojando modelos open-weight de terceros, incluidos chinos, y presentó en agosto herramientas de enrutamiento regional que permiten a los clientes elegir dónde se procesan sus consultas. La estrategia full-stack de Mistral —pesos abiertos, infraestructura de cómputo propia, productos empresariales y servicios de personalización— apunta directamente a un cliente corporativo que no quiere atarse al roadmap de un único proveedor estadounidense.

Qué significa esto para tu startup

1. Decide según la duración real de la tarea, no según el puntaje de moda. Si tu producto ejecuta tareas de ingeniería de software, análisis documental o flujos financieros que un humano experto completa en menos de 8 horas, el 62% de ML4 y el 44% de Beam ya son operacionalmente útiles según el análisis de Mozilla. Para cargas de razonamiento sostenido o contexto de un millón de tokens con alta fidelidad de recuperación, los modelos cerrados siguen justificando su prima.

2. Planifica una arquitectura soberana antes de que la necesites. Mistral, junto con Aleph Alpha (fusionada con Cohere en Canadá) y Cosine en Reino Unido, está construyendo la opción europea. Si tu startup maneja datos bajo GDPR, contratos con gobiernos europeos, o requisitos de residencia de datos en la UE, la promesa de «datos que se quedan dentro de la organización, modelos controlables, cómputo privado y sistemas auditables» de Mistral no es marketing: responde a cláusulas contractuales reales.

3. Apunta a un test reproducible con pesos reales antes del 27 de octubre. El pretexto del release escalonado de ML4 existe precisamente porque Mistral reconoce que las cifras de sus gráficos no se replican idénticamente en leaderboards independientes como DeepSWE o Artificial Analysis. Cuando los pesos caigan el 27 de octubre, valida el modelo contra tu propio set de evaluación interno antes de mover tráfico productivo.

4. Negocia APIs con fecha de deflación en el contrato. Con Mistral, Beam y DeepSeek V4 Pro 0813 cerrando la brecha, los proveedores de modelos cerrados están viendo presión de precios a la baja. Si cierras un contrato enterprise a 12-24 meses con un proveedor cerrado, incluye una cláusula de revisión vinculada a benchmarks de modelos abiertos de tu propio uso.

Lo que todavía no sabemos

• Pricing de la API de ML4 — Mistral no lo publicó en los materiales que VentureBeat revisó.
• Resultados independientes de Finch y Dense200/DIOR-RSVG — VentureBeat no pudo ubicar cifras públicas para los modelos exactos que Mistral incluye en sus gráficos.
• Aparecerá ML4 en Artificial Analysis o en el leaderboard DeepSWE antes del 27 de octubre — al cierre de la nota todavía no estaba, por lo que el reclamo de liderazgo abierto fuera de China sigue siendo provisional.
• Capacidades multimodales completas — el modelo acepta entradas visuales y de audio, pero solo emite texto; qué planes hay para salida multimodal no se detalla.

Fuentes

• Mistral debuts Large 4 ‘Le Chonk’ — VentureBeat (fuente original)
• Mistral Raises €3B Series D to Expand Sovereign AI — Unite.AI
• Mistral raises €3B as sovereign AI becomes big business — TechCrunch
• Mistral AI Raises $3.5B At $24B Valuation — Crunchbase News
• Reflection AI Unveils Beam, a 501B-Parameter Open-Weight Model — Unite.AI
• Reflection’s Beam trails top open models on coding tests — Help Net Security

Artículos relacionados:

Reflection AI presenta Beam: 501B parámetros, 23B activos Reflection Beam: 501B open-weight frente a DeepSeek y GLM Google Beam llega a 6 países y suma red con Industrious Beam: el modelo open-weight de 501B parámetros de Reflection Reflection AI lanza Beam, el modelo abierto que reta a China