El punto de control Le Chonk de Mistral, con 1 billón de parámetros, llega a Hugging Face

El 29 de octubre de 2026, Mistral AI publicó los pesos de Mistral Large 4, su modelo insignia nativamente multimodal de 1 billón de parámetros, conocido como Le Chonk, y puso el punto de control a disposición para su descarga desde Hugging Face, para alojarlo por cuenta propia y a través de su API y las plataformas de sus socios, con una licencia de pesos abiertos basada en la licencia MIT y modificada.

El lanzamiento llega tras la vista previa pública del modelo, el 6 de octubre de 2026, cuando Mistral presentó por primera vez el sistema de mezcla de expertos de 1,05 billones de parámetros. En su anuncio, Mistral afirmó que había incorporado los comentarios recibidos durante la vista previa y que seguía ampliando el aprendizaje por refuerzo, lo que produjo, según la empresa, avances importantes en programación, ciberseguridad defensiva y eficiencia del razonamiento. La compañía describió Mistral Large 4 como el mejor modelo de pesos abiertos para programación y afirmó que los avances seguían acelerándose, sin señales de saturación.

Licencia, precios y disponibilidad

Los pesos se publicaron en Hugging Face bajo la Licencia de Pesos Abiertos del Ecosistema Mistral, una versión modificada de la licencia MIT. Según sus términos, el modelo se puede usar, modificar, ajustar y comercializar de forma gratuita, con una condición: las empresas que ofrezcan un modelo como servicio deben obtener de Mistral una licencia comercial independiente antes de utilizarlo con fines comerciales.

Según la documentación del modelo de Mistral, el acceso a la API cuesta 0,70 $ por cada millón de tokens de entrada, 0,07 $ por cada millón de tokens de entrada almacenados en caché y 2,10 $ por cada millón de tokens de salida. El modelo está disponible con el nombre mistral-large-4 a través de la API de Mistral y Mistral Studio, así como en OpenRouter, el asistente de programación Vibe Code de Mistral, los puntos de conexión alojados por NVIDIA con un contenedor NVIDIA NIM optimizado y Microsoft Foundry. Mistral afirmó que Foundry ofrece opciones de implementación privada para desarrolladores de Azure, y Tina Schuchman, vicepresidenta corporativa de Foundry en Microsoft, declaró que Microsoft es el primer proveedor de servicios en la nube que ofrece Mistral Large 4 a sus clientes.

Pruebas de programación y modos de razonamiento

Mistral afirmó que Mistral Large 4 encabeza la prueba privada FrontierCode 2.0 de Cognition, que evalúa la calidad del código de principio a fin y si el responsable de mantenimiento de un repositorio aceptaría integrar el cambio propuesto por un agente. El modelo obtuvo una puntuación del 19,7 %, por delante de los modelos de pesos abiertos incluidos en la comparación, entre ellos GLM-5.3, Kimi K3 y DeepSeek V4.1 Flash.

En el índice Coding Agent Index de Artificial Analysis, Mistral informó de una puntuación del 48 % y describió el resultado como prácticamente igual al del principal modelo de pesos abiertos, GLM-5.3, aunque utilizando, en promedio, un 47 % menos de tokens por tarea. En Terminal-Bench 4.0, la empresa informó de una mejora de 13 puntos porcentuales respecto de la vista previa pública, hasta alcanzar el 41 %, con lo que pasó a encabezar los modelos de pesos abiertos y redujo al mismo tiempo los tokens de salida en un 30 %. En las evaluaciones a ciegas de preferencias humanas por pares de Surge Code citadas por Mistral, se prefirió el modelo a GLM-5.3, Kimi K3 y DeepSeek V4.1 Flash; entre los modelos evaluados, solo quedó por detrás de Claude Opus 5.5.

El modelo admite tres modos de razonamiento: bajo, medio y alto; el modo alto es el predeterminado. Mistral afirmó que el modo bajo sustituye al modo de razonamiento anterior, «None», y es adecuado para tareas sencillas; el modo medio está pensado para el uso cotidiano, y el alto, para los casos más difíciles que exigen un razonamiento exhaustivo. Así, los desarrolladores pueden equilibrar el rendimiento y el costo.

Resultados de ciberseguridad y cambios en las barreras de seguridad

Mistral informó de una puntuación del 51 % en el índice Cyber Index de Artificial Analysis, que mide la capacidad de un modelo para descubrir vulnerabilidades en una base de código, reproducirlas y validarlas, y corregirlas sin alterar la funcionalidad existente. La empresa afirmó que el modelo realiza tareas legítimas de seguridad defensiva sin rechazos innecesarios y que sus barreras de seguridad integradas distinguen entre las tareas defensivas y las ofensivas maliciosas. Mistral informó de una tasa media de rechazo del 96,6 % ante solicitudes maliciosas relacionadas con la ciberseguridad en las indicaciones de temática cibernética de JailbreakBench, StrongREJECT y AgentHarm, y señaló que es la más alta que ha medido entre los modelos abiertos.

El anuncio también reveló que, tras la vista previa, Mistral supervisó en el tráfico en vivo el uso relacionado con la ciberseguridad. La empresa afirmó haber observado que el modelo se negaba a cooperar con ataques de caja negra contra objetivos reales, pero considera que existe potencial para potenciar la ejecución de ataques reales y está modificando las barreras de seguridad en consecuencia; prometió más novedades en los próximos meses. Socios empresariales de diseño, como Orange Cyberdefense, están recibiendo acceso de vista previa a una variante especializada de Mistral Large 4, optimizada para pruebas de penetración, evaluación de vulnerabilidades y ejercicios de equipo rojo, sujeta a verificaciones y salvaguardias contractuales que limitan las pruebas a sistemas propios o para los que se cuente con autorización explícita, y que deben realizarse en entornos controlados.

El anuncio incluyó declaraciones sobre las evaluaciones de directivos de Booz Allen Hamilton, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik y Zscaler. Brad Medairy, presidente de la división de ciberseguridad nacional de Booz Allen Hamilton, afirmó que las pruebas mostraron que el modelo igualaba las tasas de exhaustividad en la detección de vulnerabilidades de otros modelos cibernéticos de vanguardia, según la prueba de referencia interna de la empresa para el análisis de seguridad del código fuente.

Arquitectura y entrenamiento

Según la ficha del modelo, Mistral Large 4 es un modelo granular de mezcla de expertos con aproximadamente 1 billón de parámetros en total y unos 52.000 millones de parámetros activos por token (49.000 millones sin contar las incrustaciones y las capas de salida), con 128 expertos enrutados, cuatro activos por token y un experto compartido. Admite una ventana de contexto de 1 millón de tokens y acepta texto e imágenes como entrada, con texto como salida, mediante un codificador visual de 1.600 millones de parámetros, de estilo Pixtral, entrenado para procesar imágenes de tamaños y relaciones de aspecto variables. Mistral afirma que el modelo se entrenó desde cero con 3.800 GPU NVIDIA Grace Blackwell en los centros de datos propios de la empresa en Europa y que domina de forma nativa más de 160 idiomas, incluidos todos los idiomas oficiales de la Unión Europea.

El punto de control incluye un cabezal de borrador integrado DSpark para la decodificación especulativa, que propone bloques de tres tokens y que, según las mediciones de Mistral, ofrece un rendimiento hasta 1,9 veces mayor que servir únicamente el modelo de destino; también está disponible un punto de control cuantizado NVFP4 diseñado para GPU Blackwell. En Artificial Analysis Intelligence Index v5, la ficha del modelo indica una puntuación de 26, descrita como la más alta entre los modelos occidentales de pesos abiertos, aunque señala que los principales modelos chinos de pesos abiertos obtienen puntuaciones superiores en el índice agregado. Mistral también informó que su puntuación en Finch (FinWorkBench) subió al 73,3 %, la segunda más alta entre los modelos abiertos, por detrás de Kimi K3; que BrowseComp alcanzó el 84,5 % a partir de un punto de control de ajuste fino supervisado que obtuvo un 75 %; y que la resistencia a los ataques llegó al 97,1 % en el B3 Agent Security Benchmark, frente al 93,3 % de la versión preliminar.

Mistral afirmó que Mistral Large 4 servirá de base para una nueva generación de modelos Mistral especializados y optimizados, y señaló lanzamientos recientes como Voxtral y Timestral.