Mistral AI publicó los pesos abiertos de Mistral Large 4 (Le Chonk), su modelo insignia de un billón de parámetros y multimodal por naturaleza. La compañía francesa lo posiciona como el mejor modelo de peso abierto para programación, con avances notables en ciberseguridad defensiva, eficiencia de razonamiento y un precio de 0.70 dólares por millón de tokens de entrada.

¿Qué es Mistral Large 4 y por qué importa su lanzamiento?

Mistral Large 4 debutó a inicios de octubre de 2026 en vista previa pública y la respuesta superó las expectativas de la empresa. Tras tres semanas adicionales de aprendizaje por refuerzo (una técnica de entrenamiento que premia las respuestas correctas del modelo), la compañía francesa libera ahora los pesos de la versión mejorada, con ganancias aceleradas en programación y ciberseguridad defensiva sin señales de saturación.

El modelo fue entrenado desde cero en infraestructura europea, con un linaje claro desde su concepción hasta su liberación. Ese detalle no es menor: Mistral lo presenta como una base confiable para la llamada IA soberana, un concepto que la empresa ya había impulsado con su alianza con HUMAIN y el lanzamiento de Agentic Search, y que ahora consolida como categoría propia.

Su identificador oficial, Mistral-Large-4-1T-A52B, revela una arquitectura mixture-of-experts (mezcla de expertos, donde solo se activa una fracción del modelo por consulta): un billón de parámetros totales con 52 mil millones activos, el equilibrio que explica su eficiencia de costos.

Lidera los benchmarks de programación de peso abierto

Los números se comparan mejor cara a cara. Esta tabla resume los resultados que la propia Mistral reporta frente a sus competidores directos de peso abierto:

En el Artificial Analysis Coding Agent Index el empate con GLM-5.3 tiene un matiz que vale la pena señalar: Mistral Large 4 consume 47% menos tokens por tarea en promedio. Esa eficiencia se traduce directamente en costos de inferencia más bajos para agentes de programación que operan a escala.

En Terminal-Bench 4.0, orientado a flujos de trabajo en terminal, el modelo mejoró 13 puntos porcentuales respecto a su vista previa hasta 41%, tomando la delantera entre modelos de peso abierto mientras reduce 30% sus tokens de salida.

¿Cómo equilibrar costo y precisión en el razonamiento?

Para dar control sobre ese balance, Mistral Large 4 incorpora tres modos de razonamiento:

• Low: tareas simples; sustituye al modo anterior sin razonamiento.
• Medium: uso diario.
• High (predeterminado): casos más exigentes que requieren precisión y razonamiento profundo.

Más allá de los benchmarks, la preferencia humana respalda al modelo. En evaluaciones ciegas por pares de Surge Code, los revisores prefirieron las respuestas de Mistral Large 4 frente a GLM-5.3 y Kimi K3 en 64% de los casos, frente a DeepSeek V4.1 Flash en 56%, y solo quedó por detrás de Claude Opus 5.5, que ganó 78% de las comparaciones.

¿Por qué destaca en ciberseguridad defensiva?

Aquí quizá está el diferenciador más contundente. Mistral Large 4 obtiene 51% en el Artificial Analysis Cyber Index, que evalúa la capacidad de descubrir vulnerabilidades en un código, reproducirlas, validarlas y parchearlas sin romper funcionalidades existentes.

Lo interesante es que logra esto sin negarse innecesariamente a tareas defensivas legítimas. Al mismo tiempo, sus barreras de seguridad integradas rechazan 96.6% de las solicitudes maliciosas de ciberseguridad, la tasa más alta que la empresa mide entre modelos abiertos. Mistral reconoce, con transparencia poco común, que detectó potencial de uso ofensivo en su tráfico real y que está modificando sus barreras en consecuencia.

Las voces del sector lo confirman. Stephanie Cohen, directora de estrategia de Cloudflare, declaró: “Cuando las amenazas se mueven a velocidad de máquina, la defensa humana no puede mantener el ritmo… La resiliencia comienza con la autonomía”. Por su parte, Booz Allen Hamilton reportó tasas de detección de vulnerabilidades comparables con otros modelos de frontera y una curva de costo convincente, con despliegue que respeta requisitos estrictos de residencia de datos.

Mejoras para el trabajo empresarial

El modelo también progresa en métricas de uso empresarial general:

• Finanzas: 73.3% en FinWorkBench (Finch), segundo solo entre modelos abiertos detrás de Kimi K3, con mejoras en creación y edición de hojas de cálculo para contabilidad.
• Navegación web: 84.5% en BrowseComp, superando a GLM-5.3 (82.5%) y DeepSeek V4.1 Flash 1017 (83.4%).
• Seguridad de agentes: resiste 97.1% de los ataques del benchmark B3, frente a 93.3% de la vista previa, colocándose en la cima de la frontera de código abierto.

Los agentes que funcionan con el modelo pueden, por ejemplo, leer reportes de vulnerabilidades entrantes, investigar el código fuente, reproducir fallas en un entorno aislado y escribir parches iterativos hasta que un exploit de prueba deja de funcionar. También construye, sin ayuda humana, aplicaciones completas como un mapa 3D en vivo de aproximadamente 19,000 satélites y desechos orbitales que usa en un navegador para detectar sus propios errores.

¿Dónde descargar y usar Mistral Large 4?

Las opciones son variadas y todas verificables en la publicación oficial:

• Pesos abiertos en Hugging Face para despliegue propio con vLLM o SGLang.
• Endpoints hospedados por NVIDIA y contenedores NIM optimizados para servir el modelo.
• Disponibilidad a través de Microsoft Foundry con opciones de despliegue privado para desarrolladores de Azure.

La licencia Mistral Ecosystem Open-Weight es una versión modificada de MIT: el modelo es gratuito para usar, modificar, ajustar y comercializar, con una sola condición: los negocios que ofrezcan un servicio de modelo-como-servicio deben obtener una licencia comercial separada de Mistral.

El precio de la API quedó fijado en 0.70 dólares por millón de tokens de entrada, 0.07 para entrada en caché y 2.10 para tokens de salida. Además, puede probarse en Vibe Code, pidiéndole construir una función o corregir un error en tu propio repositorio.

El legado de Mistral sigue creciendo

Mistral Large 4 servirá de fundamento para una nueva generación de modelos especializados y optimizados, siguiendo la estela de lanzamientos recientes como Voxtral y Timestral. Lo cierto es que la empresa ha recorrido un camino largo desde que presentó Mistral Large 2 y desde los experimentos con Codestral para generar código.

Para organizaciones que necesitan poseer, personalizar y controlar su inteligencia artificial, este lanzamiento marca un punto de inflexión: la frontera del código abierto acaba de moverse un paso más cerca del código cerrado.