La compañía ha lanzado una vista previa pública de su modelo de lenguaje grande más reciente, llamándolo Mistral Large 4, aunque algunos se refieren a él de manera informal como «le Chonk». Mistral AI afirma que el modelo, que incluye 1 billón de parámetros y opera con 49 mil millones de parámetros activos, es su oferta más grande y capaz hasta ahora.
La API de vista previa de Mistral Studio ya está en funcionamiento, y se prevé que los pesos completos se publiquen a finales del mes. El sistema subyacente fue diseñado teniendo en cuenta la codificación, la ciberseguridad y la comprensión multimodal. Según Mistral, ya iguala a los principales modelos de código abierto en todo el mundo y supera a todos los modelos de peso abierto producidos en los Estados Unidos o Europa.
Los Números Detrás de Le Chonk
El entrenamiento para ML4 comenzó desde cero en 3,800 GPUs NVIDIA Grace Blackwell alojadas en los propios centros de datos europeos de Mistral. Una gran parte de su material de entrenamiento cubre más de 160 idiomas, con todos los idiomas oficiales de la Unión Europea incluidos entre ellos.
El modelo obtuvo una puntuación de 61.7% en DeepSWE v1.1, 59.4% en SWE-Atlas-QnA y 28.3% en Terminal-Bench 4. Combinado, su puntuación de Coding Agent Index es de 49.8%, superando a DeepSeek V4 Pro 0813 y Qwen3.8 Max.
El Índice de Análisis Artificial de Ciberseguridad clasifica a ML4 entre los cinco mejores modelos del mundo en ciberseguridad, y lidera a todos los demás modelos de peso abierto fuera de China por un amplio margen. Cuando se probó su capacidad para reproducir una vulnerabilidad genuina encontrada en software de código abierto y luego solucionarla, ML4 obtuvo una puntuación de 82%, la puntuación más alta de cualquier modelo.
Por Qué el Apodo Le Chonk Se Queda
El apodo es juguetón, pero el modelo que describe no lo es en absoluto. Mistral dice que ML4 está diseñado para la «soberanía de la IA» — la idea de que los países y las empresas deberían controlar sus propios sistemas de IA en lugar de depender de proveedores extranjeros.
Las organizaciones pueden llevar a cabo sus propias operaciones de seguridad en sus propios servidores utilizando el diseño del modelo, sujeto a sus propias políticas. Mistral argumenta que las negativas a nivel de proveedor pueden impedir la investigación válida de vulnerabilidades y la respuesta a incidentes. La compañía también advierte que perder el acceso a una capacidad durante un incidente se convierte en un grave riesgo de seguridad.
Cómo ML4 Supera a los Modelos Cerrados
Cuando se trata de cómo el sistema se compara con sus rivales, el verdadero punto de interés radica en cómo responden varios modelos cerrados líderes a una prueba específica de reproducción de vulnerabilidades. Claude Opus 5.5 y GPT-6 Astra, por ejemplo, obtienen una puntuación cercana a cero en esa misma prueba, simplemente porque se niegan a llevarla a cabo.
El argumento en contra de rechazar el acceso se basa en el hecho de que demostrar que existe una falla es exactamente por donde suele comenzar la defensa de software — exactamente el tipo de trabajo que los filtros de seguridad en modelos cerrados pueden prevenir. Los atacantes ahora están recurriendo a esos mismos modelos para ayudar en sus propios esfuerzos ofensivos, y los equipos de seguridad necesitan herramientas que puedan mantenerse al día sin enfrentar las mismas denegaciones.
Las pruebas internas mostraron que ML4 es efectivo para analizar malware, clasificar vulnerabilidades por prioridad y elaborar reglas de detección. El modelo también manejó el 93% de los desafíos en Cybench, una colección de 40 ejercicios tomados de concursos de seguridad — una de las puntuaciones más altas registradas para un modelo de peso abierto.
El Camino a Seguir
Según Mistral, el modelo estará disponible en varias regiones alrededor del mundo, incluyendo un despliegue europeo que la compañía gestiona completamente de forma independiente, separada de otros proveedores de servicios digitales y regida por la ley europea. La compañía también está probando el modelo en entornos del mundo real junto con líderes en ciberseguridad, socios verificados y autoridades estatales, quienes utilizarán el mismo modelo con moderación reducida y capacidades cibernéticas mejoradas.
A medida que la compañía se acerca a la publicación de los pesos, ha dicho que compartirá más información sobre el diseño del modelo, su rendimiento en comparación con otros sistemas y cómo fue ajustado después del entrenamiento. ML4 está siendo posicionado como la base sobre la cual se construirá una nueva familia de modelos Mistral afinados.
La API de vista previa está actualmente en funcionamiento, y la empresa está alentando a las personas a probarla y ofrecer sus opiniones en línea.
Caja de Datos Clave
- Modelo: Mistral Large 4 («le Chonk»)
- Parámetros: 1 billón en total, 49 mil millones activos
- Hardware de entrenamiento: 3,800 GPUs NVIDIA Grace Blackwell
- Puntuaciones de codificación: 61.7% DeepSWE v1.1, 59.4% SWE-Atlas-QnA, 28.3% Terminal-Bench 4
- Índice de codificación: 49.8%
- Ranking de ciberseguridad: Top cinco a nivel mundial, lidera modelos sin pesos externos a China
- Puntaje de reproducción de vulnerabilidades: 82%
- Puntaje Cybench: 93%
- Lanzamiento de pesos: Final de este mes
Mistral ha construido un sistema cuyo nombre «le Chonk» es una broma, mientras que sus objetivos tienen un peso real. Está apostando a que los pesos abiertos — modelos que cualquiera puede ejecutar — responderán a las demandas de gobiernos y empresas que desean ejercer influencia sobre su propia IA. El desempeño del modelo en el trabajo de ciberseguridad respalda la seriedad de esa ambición.
Material fuente: “Mistral Large 4: “Le Chonk””, Mistral AI.
Recibe El Cuaderno.
Las mejores historias del día y cada veredicto nuevo, en español claro, en tu correo a las siete. Un correo al día, nada más.