La respuesta corta
Mistral ha puesto su modelo más grande a disposición para descarga: los pesos abiertos de Mistral Large 4 se publicaron en Hugging Face el 29 de octubre de 2026. Es un modelo Mixture-of-Experts nativamente multimodal con alrededor de 1 billón de parámetros, de los que 52 mil millones están activos por token, y Mistral lo presenta como el mejor modelo abierto para programación agéntica y ciberdefensa. Para los equipos que ya evalúan los modelos de Mistral, el cambio es que un modelo cercano a la frontera puede ahora ejecutarse íntegramente dentro de su propio cortafuegos.
¿Qué ha publicado exactamente Mistral?
Los pesos completos del modelo, no solo una API. Mistral Large 4, al que la empresa apoda «Le Chonk», es un modelo Mixture-of-Experts híbrido de instrucciones y razonamiento entrenado desde cero en infraestructura europea. Según SiliconANGLE, se entrenó con 3,800 GPU NVIDIA Grace Blackwell y recibió tres semanas más de aprendizaje por refuerzo tras la versión preliminar. Los checkpoints están publicados en Hugging Face en formatos FP8 y NVFP4 y se ejecutan en servidores de inferencia abiertos habituales como vLLM y SGLang.
El modelo ofrece tres modos de razonamiento (bajo, medio y alto), de modo que los equipos pueden equilibrar coste y latencia frente a profundidad en cada solicitud. Además del autoalojamiento, está disponible a través de la API y Studio de Mistral, OpenRouter, contenedores NVIDIA NIM y despliegues privados en Microsoft Foundry. Esa variedad importa a quien planifique una integración de IA generativa: puede crear el prototipo con un endpoint alojado y llevar después el mismo modelo a su propia infraestructura sin reescribir prompts ni evaluaciones.
¿Qué rendimiento ofrece en programación y seguridad?
Mistral afirma que Large 4 es el modelo de pesos abiertos más potente para programación. En el Artificial Analysis Coding Agent Index obtiene un 48 %, empatado con el chino GLM-5.3 pero con un 47 % menos de tokens por tarea, un dato que también destaca TechCrunch. En Terminal-Bench 4.0 alcanza el 41 %, un salto de 13 puntos respecto a la versión preliminar, y en las pruebas de programación con preferencia humana de Mistral solo Claude Opus 5.5 fue preferido por encima de él. En seguridad, obtiene un 51 % en el Artificial Analysis Cyber Index y, según los datos de Mistral, rechaza el 96.6 % de las solicitudes cibernéticas maliciosas.
Hay dos advertencias. La mayoría de estas cifras proceden de Mistral o de clasificaciones que la propia empresa cita, y un modelo abierto que sigue por detrás de los mejores sistemas cerrados en tareas de programación difíciles puede bastar para la revisión de código, la clasificación de incidencias y las herramientas internas, pero no para todos los flujos de trabajo con agentes. Además, las posiciones en los benchmarks no dicen nada sobre cómo maneja el modelo sus lenguajes, frameworks y el tamaño de su repositorio.
¿Por qué importa ahora un modelo abierto y soberano?
Mistral vende tanto control como capacidad. Según TechCrunch, la empresa se dirige a grandes empresas y gobiernos que quieren una «defensa cibernética soberana» que puedan ejecutar en sus propios sistemas; Pierre Stock, VP of Science de Mistral, lo describió como un acceso que «no se puede cortar, por definición». Para los compradores que han visto a proveedores cerrados cambiar precios, retirar modelos o restringir regiones con poco aviso, un modelo que se puede fijar a una versión exacta y alojar uno mismo elimina toda una categoría de riesgo de proveedor.
La licencia lo hace viable. Con las condiciones MIT modificadas, las empresas pueden hacer fine-tuning de Large 4 e integrarlo en productos comerciales; solo los proveedores que revenden el modelo como servicio alojado necesitan un acuerdo aparte. Es más permisiva que varios lanzamientos abiertos de la competencia y permite que un equipo de plataforma interno se estandarice en un único modelo para asistentes de código, clasificación de incidencias de seguridad y flujos de trabajo documentales.
Qué significa para los equipos de software de EE. UU. y la UE
Para los equipos de la UE, el autoalojamiento mantiene el código fuente, los prompts y los registros en la infraestructura que usted elija, lo que simplifica las cuestiones de residencia de datos del RGPD y las revisiones de riesgo de terceros de DORA para clientes financieros. No exime al modelo del cumplimiento normativo: los modelos abiertos de propósito general siguen sujetos al Reglamento de IA de la UE (AI Act), y la empresa que despliega el modelo sigue siendo responsable del registro, la supervisión y las políticas de uso. Los equipos que necesiten ayuda para identificar esas obligaciones pueden empezar con una revisión de cumplimiento del Reglamento de IA de la UE antes del despliegue.
Para los equipos de EE. UU., el efecto principal está en el coste y en la capacidad de negociación. Los precios de la API de Mistral son inferiores a los de la mayoría de los modelos de frontera cerrados, y un checkpoint abierto da a compras una alternativa real al negociar con proveedores cerrados. La contrapartida es operativa: un modelo de un billón de parámetros necesita nodos multi-GPU, decisiones de cuantización, monitorización y responsables de guardia. Para muchas cargas de trabajo, un endpoint alojado o un modelo más pequeño seguirá siendo más barato, así que la decisión debe basarse en el coste medido por tarea, no en el atractivo de poseer los pesos.
¿Qué deberían hacer los equipos ahora?
- Evalúe el modelo con su propio trabajo. Ejecute Large 4 junto a su modelo actual de programación o seguridad en las mismas tareas y compare la tasa de éxito, los tokens y el tiempo de revisión.
- Empiece con la versión alojada y decida después. Use la API o un despliegue en nube privada para probar la calidad antes de comprar o reservar capacidad de GPU.
- Calcule con honestidad el coste del autoalojamiento. Incluya las GPU, el almacenamiento, los ingenieros y el tiempo de guardia, no solo el ahorro por token.
- Pida al equipo jurídico que revise la licencia. Confirme que su uso no es un caso de Model-as-a-Service que requiera un acuerdo comercial aparte.
- Mantenga el stack independiente del modelo. Coloque los prompts, las evaluaciones y el enrutamiento tras una única interfaz para que cambiar de modelo siga siendo un cambio de configuración.
- Documente la gobernanza. Registre la versión del modelo, los flujos de datos y la supervisión humana para el Reglamento de IA de la UE (AI Act) y las auditorías de clientes.
Nada de esto constituye asesoramiento jurídico, y sus obligaciones dependen del sector y de la jurisdicción. Pero la dirección es clara: los modelos abiertos están ya lo bastante cerca de la frontera como para que el autoalojamiento sea una opción seria para el trabajo de programación y seguridad, y los equipos que se beneficiarán serán los que primero lo prueben con sus propias cargas de trabajo. Qué significa para el mercado español: para las empresas españolas, un modelo de pesos abiertos que se ejecuta en sus propios servidores facilita mantener los datos bajo el control que exigen el RGPD y la LOPDGDD, supervisados por la AEPD. La AESIA, la autoridad española de supervisión de la inteligencia artificial, será la referencia para las obligaciones del Reglamento de IA de la UE, y las entidades del sector público y sus proveedores deberán encajar cualquier despliegue en el Esquema Nacional de Seguridad (ENS). Para bancos y aseguradoras, la evaluación de proveedores que exige DORA se aplica también a un modelo autoalojado.
Preguntas frecuentes
¿Qué es Mistral Large 4?
Mistral Large 4, apodado Le Chonk, es el modelo más grande de Mistral AI hasta la fecha. Es un modelo Mixture-of-Experts nativamente multimodal con alrededor de 1 billón de parámetros totales y 52 mil millones activos por token, entrenado desde cero en centros de datos europeos. Mistral lo lanzó en versión preliminar a principios de octubre de 2026 y publicó los pesos abiertos el 29 de octubre de 2026.
¿Se puede usar Mistral Large 4 gratis con fines comerciales?
En gran medida, sí. Los pesos se distribuyen bajo la Mistral Ecosystem Open-Weight License, una licencia MIT modificada que permite a las empresas usar, modificar, hacer fine-tuning y crear productos comerciales sobre el modelo. La principal restricción afecta a los proveedores de Model-as-a-Service, que necesitan una licencia comercial aparte antes de vender acceso alojado al modelo. Aun así, los equipos jurídicos deberían revisar la licencia en función de su despliegue concreto.
¿Qué tal programa Mistral Large 4?
Mistral informa de un 48 % en el Artificial Analysis Coding Agent Index, empatado con GLM-5.3 pero con un 47 % menos de tokens, y de un 41 % en Terminal-Bench 4.0, frente al 28 % de la versión preliminar. En las pruebas de preferencia humana, según la empresa, solo Claude Opus 5.5 fue preferido por encima de él. Son cifras del proveedor y de clasificaciones; el rendimiento en sus propios repositorios requiere una evaluación propia.
¿Podemos ejecutar Mistral Large 4 en nuestra propia infraestructura?
Sí. Los pesos están en Hugging Face en checkpoints FP8 y NVFP4 y se ejecutan en vLLM o SGLang, de modo que el modelo puede funcionar dentro de su propio centro de datos o de su cuenta en la nube. Un modelo de un billón de parámetros requiere una capacidad de GPU considerable, por lo que muchos equipos empezarán con la API de Mistral a $0.70 por millón de tokens de entrada y $2.10 por millón de tokens de salida, o con despliegues privados en NVIDIA NIM y Microsoft Foundry.
¿Qué supone para el cumplimiento normativo en la UE?
El autoalojamiento mantiene los prompts, el código y los registros en la infraestructura que usted elija, lo que ayuda con la residencia de datos del RGPD y con normas sectoriales como DORA. No elimina obligaciones: los modelos abiertos de propósito general siguen sujetos al Reglamento de IA de la UE (AI Act), y la empresa que despliega el modelo sigue siendo responsable de cómo se usa, se registra y se gobierna.
Fuentes
Mistral AI — Mistral Large 4 (Le Chonk) is now open weight (en inglés) (fuente primaria, 29 de octubre de 2026)
TechCrunch — Mistral releases weights for its trillion-parameter AI model, targeting cybersecurity (en inglés) (29 de octubre de 2026)
SiliconANGLE — Mistral releases open weights for Mistral Large 4 (en inglés) (29 de octubre de 2026)
The Next Web — Mistral releases open weights for its 1 trillion-parameter Large 4 model (en inglés) (29 de octubre de 2026)