✨︎ Resumen (TL;DR):
- Mistral publicó el 29 de octubre los pesos de Large 4, apodado “Le Chonk”, en Hugging Face.
- El modelo obtuvo 48% en el Coding Agent Index y quedó prácticamente empatado con GLM-5.3, según la compañía.
- Ejecutarlo fuera de la API es posible, pero ofrecerlo como “Model as a Service” requiere un acuerdo comercial separado.
Mistral publicó el 29 de octubre los pesos de Large 4 en Hugging Face, tres semanas después de ofrecerlo en vista previa mediante su API. El acceso a los archivos permite ejecutar el modelo en infraestructura propia. La versión final registró 48% en el Coding Agent Index de Artificial Analysis, según Mistral, y quedó prácticamente empatada con GLM-5.3 en esa prueba de programación con agentes.
Large 4 es un modelo de IA que acepta texto e imágenes como entrada y produce respuestas en texto. Su publicación cambia el punto de acceso: el despliegue ya no depende exclusivamente de una llamada a la API de Mistral.
Los pesos llegan antes de terminar octubre
Mistral presentó Large 4 el 6 de octubre y prometió publicar sus pesos antes de que terminara el mes. La ficha disponible en Hugging Face ya muestra los archivos del modelo y la licencia, así que una instalación propia dejó de ser una posibilidad reservada a la API.
El tamaño del sistema impone una condición práctica. Large 4 tiene aproximadamente un billón de parámetros totales y activa 49,000 millones por token, o 52,000 millones si se incluyen las capas de entrada y salida, de acuerdo con Mistral.
El modelo procesa texto e imágenes, pero responde en texto. Mistral también ofrece una variante cuantizada para GPU Nvidia Blackwell, con menor necesidad de memoria. La publicación de los pesos no elimina la exigencia de contar con recursos de cómputo adecuados.
El 48% pertenece a una batería de pruebas
Mistral atribuye a la versión final un 48% en el Coding Agent Index de Artificial Analysis, prácticamente empatado con GLM-5.3. En la misma comparación, la compañía dice que Large 4 utilizó en promedio 47% menos tokens por tarea.
En Terminal-Bench 4.0, una de las evaluaciones incluidas, el resultado subió 13 puntos porcentuales frente a la vista previa y llegó a 41%.
Artificial Analysis construye esa medición con el mismo peso para tres evaluaciones: cambios en repositorios de software, tareas en una terminal y preguntas que exigen rastrear código. Por eso, el 48% es una puntuación compuesta bajo esa batería y su configuración de agentes, no una tasa universal de éxito para cualquier proyecto.
Una organización que valore el modelo tendría que contrastar esos resultados con sus propias tareas. La afirmación sobre el empate con GLM-5.3 y el ahorro de tokens proviene del anuncio de Mistral, no de una garantía general de desempeño.
Ciberseguridad: 51% y un riesgo difícil de retirar
En ciberseguridad, Mistral informa 51% en el Cyber Index de Artificial Analysis. La prueba está orientada a localizar, comprobar y corregir vulnerabilidades.
La compañía también dice que observó potencial de uso indebido en ataques reales durante las pruebas y que ajustará sus salvaguardas. La publicación de los pesos vuelve más difícil controlar ese acceso: Pierre Stock, vicepresidente de ciencia de Mistral, señaló a Reuters que el acceso a las copias del modelo no puede retirarse de la misma manera que el acceso a una API.
La licencia separa el uso propio del servicio comercial
La licencia Mistral Ecosystem Open-Weight permite usar, modificar y distribuir Large 4, incluidos usos comerciales en términos generales. Sin embargo, exige un acuerdo comercial separado a las empresas que operen un negocio de “Model as a Service” antes de usar el modelo comercialmente.
El texto de la licencia excluye de esa definición el uso interno y los productos finales que integren las capacidades de Large 4 solo en funciones específicas.
Para quien quiera adoptarlo, la diferencia es concreta. Los pesos ya pueden ejecutarse fuera de la plataforma de Mistral, pero el modelo de negocio elegido, el acuerdo aplicable y el hardware disponible determinarán cómo puede aprovecharse Large 4.
