Mistral Large 4 (Le Chonk): el nuevo modelo insignia de pesos abiertos de Mistral
Mistral anunció el 29 de octubre de 2026 la liberación de los pesos de Mistral Large 4, también llamado Le Chonk, su modelo insignia de 1 billón de parámetros. Se trata de un sistema multimodal nativo, entrenado desde cero sobre infraestructura europea, que pone especial énfasis en la programación, la ciberseguridad defensiva y la eficiencia del razonamiento. El lanzamiento llega después de una vista previa pública presentada a principios de octubre. Durante las tres semanas siguientes, Mistral continuó el entrenamiento mediante aprendizaje por refuerzo para mejorar la capacidad del modelo de resolver tareas complejas y reducir el consumo de tokens. De acuerdo con los resultados compartidos en el anuncio oficial de Mistral, la nueva versión encabeza varias evaluaciones de programación entre los modelos de pesos abiertos y mejora su resistencia frente a ataques dirigidos a sistemas de inteligencia artificial.
Rendimiento en programación: liderazgo entre modelos de pesos abiertos
La programación es una de las áreas principales de Mistral Large 4. En los resultados publicados por la compañía, Le Chonk alcanza el primer puesto entre los modelos abiertos en FrontierCode 2.0 de Cognition y Terminal-Bench 4.0. También consigue igualar el resultado de GLM-5.3 en el Artificial Analysis Coding Agent Index, pero utilizando considerablemente menos tokens por tarea.
Resultados en benchmarks de programación
| Benchmark | Mistral Large 4 | Comparación destacada |
|---|---|---|
| FrontierCode 2.0 de Cognition | 19,7% | Primer puesto entre modelos de pesos abiertos |
| Artificial Analysis Coding Agent Index | 48% | Empata con GLM-5.3 y utiliza un 47% menos de tokens por tarea en promedio |
| Terminal-Bench 4.0 | 41% | Mejora 13 puntos respecto a la vista previa y lidera entre modelos abiertos |
| Eficiencia en Terminal-Bench 4.0 | 30% menos tokens de salida | Reducción respecto a la versión preliminar |
En particular, el resultado de Terminal-Bench 4.0 combina una mejora de 13 puntos con una disminución del 30% en los tokens generados. Esto refleja el objetivo de Mistral de obtener mejores resultados sin incrementar necesariamente la extensión de las respuestas.
Preferencias de desarrolladores en evaluaciones ciegas
Mistral también presentó resultados de Surge Code, una evaluación basada en comparaciones ciegas por pares y preferencias humanas. En estas evaluaciones, Mistral Large 4 fue preferido frente a GLM-5.3, Kimi K3 y DeepSeek V4.1 Flash. Entre los modelos considerados, únicamente Claude Opus 5.5 quedó por delante.
Tres modos de razonamiento para distintos niveles de complejidad
Mistral Large 4 incorpora tres configuraciones de razonamiento que permiten adaptar el procesamiento a la dificultad de cada solicitud. | Modo | Uso previsto | Característica | |---|---|---| | Low | Tareas sencillas | Sustituye al anterior modo None | | Medium | Actividades cotidianas | Nivel intermedio de razonamiento | | High | Problemas complejos que requieren precisión | Configuración predeterminada |
El modo High se utiliza por defecto y está orientado a las solicitudes que requieren mayor profundidad de análisis.
Ciberseguridad defensiva: detección de vulnerabilidades y resistencia a ataques
La ciberseguridad defensiva constituye otra de las áreas destacadas del lanzamiento. Mistral Large 4 alcanza un 51% en el Artificial Analysis Cyber Index, una evaluación que considera la capacidad de localizar vulnerabilidades, reproducirlas y desarrollar correcciones conservando el funcionamiento del software. La compañía también comunicó mejoras en el rechazo de solicitudes maliciosas y en la resistencia frente a ataques contra agentes de inteligencia artificial.
Resultados de seguridad y ciberseguridad
| Evaluación | Mistral Large 4 | Comparación o alcance |
|---|---|---|
| Artificial Analysis Cyber Index | 51% | Descubrimiento, reproducción y corrección de vulnerabilidades |
| JailbreakBench, StrongREJECT y AgentHarm | 96,6% de rechazo promedio | Mayor tasa medida entre los modelos abiertos evaluados |
| Benchmark B3 de seguridad de agentes | 97,1% de resistencia | Frente al 93,3% de la vista previa |
En el benchmark B3, la resistencia del modelo pasa del 93,3% al 97,1%, lo que representa una mejora de 3,8 puntos porcentuales. Por otra parte, la tasa promedio de rechazo del 96,6% corresponde a solicitudes cibernéticas maliciosas medidas mediante JailbreakBench, StrongREJECT y AgentHarm.
Capacidades para investigación y trabajo empresarial
Además de la programación y la seguridad, Mistral publicó resultados relacionados con tareas profesionales y búsqueda de información. En Finch, Mistral Large 4 ocupa el segundo puesto entre los modelos abiertos, únicamente por detrás de Kimi K3. En BrowseComp, el modelo registra una mejora respecto al punto de control SFT utilizado como referencia.
Resultados en tareas empresariales y navegación
| Benchmark | Mistral Large 4 | Referencia |
|---|---|---|
| Finch | 73,3% | Segundo entre modelos abiertos, detrás de Kimi K3 |
| BrowseComp | 84,5% | Frente al 75% del punto de control SFT |
El aumento en BrowseComp equivale a 9,5 puntos porcentuales respecto al punto de control indicado.
Ejemplos de lo que puede hacer Mistral Large 4
Mistral acompañó el lanzamiento con ejemplos que ilustran las aplicaciones del modelo en distintas áreas técnicas.
1. Análisis y corrección de vulnerabilidades
En tareas de triaje de vulnerabilidades, el modelo puede investigar informes de seguridad, reproducir fallos dentro de un entorno aislado o sandbox y preparar parches.
2. Desarrollo web con agentes: Orbital Trace
Otro ejemplo es Orbital Trace, una aplicación web desarrollada mediante capacidades de programación agéntica. El proyecto consiste en un mapa tridimensional en vivo que representa aproximadamente 19.000 satélites y objetos de desecho orbital.
3. Un solucionador de química cuántica
Mistral también presentó la creación desde cero de un solucionador de química cuántica, que amplía las aplicaciones del modelo al desarrollo de herramientas de computación científica.
Dónde está disponible Mistral Large 4
Mistral distribuye Le Chonk mediante diferentes servicios, plataformas y opciones de implementación. | Plataforma o herramienta | Modalidad disponible | |---|---| | Mistral Studio | Acceso mediante console.mistral.ai | | API de Mistral | Uso del modelo mediante API | | OpenRouter | Acceso a través de la plataforma | | Hugging Face | Descarga de los pesos del modelo | | vLLM y SGLang | Despliegue con los pesos abiertos | | Vibe Code | Acceso desde chat.mistral.ai | | Endpoints de NVIDIA | Acceso mediante endpoints | | NVIDIA NIM | Implementación mediante contenedor | | NeMo AutoModel y TensorRT LLM | Integración mediante herramientas de NVIDIA | | Microsoft Foundry | Acceso con opciones de despliegue privado en Azure |
La distribución en Hugging Face es especialmente relevante para quienes necesitan desplegar Mistral Large 4 utilizando vLLM o SGLang. Por su parte, las opciones de Microsoft Foundry incluyen despliegues privados en Azure.
Licencia de pesos abiertos: usos permitidos y condiciones comerciales
Mistral Large 4 se distribuye bajo la licencia Mistral Ecosystem Open-Weight, descrita como una versión modificada de MIT. Esta licencia permite utilizar el modelo gratuitamente, modificarlo, realizar ajustes adicionales y comercializar aplicaciones basadas en él. La principal condición diferenciada afecta a los proveedores que ofrecen el modelo como servicio. Las organizaciones que quieran comercializar Mistral Large 4 bajo el esquema Model-as-a-Service (MaaS) necesitan obtener una licencia comercial independiente de Mistral.
Precio de Mistral Large 4 en la API
Mistral publicó tres tarifas para utilizar Le Chonk mediante su API, diferenciadas según el tipo de tokens procesados. | Tipo de tokens | Precio por millón | |---|---| | Entrada | 0,70 USD | | Entrada en caché | 0,07 USD | | Salida | 2,10 USD |
Estos precios corresponden al uso de Mistral Large 4 mediante la API de Mistral.
En contexto
Mistral Large 4 apareció inicialmente en vista previa pública a principios de octubre de 2026 y recibió tres semanas adicionales de aprendizaje por refuerzo antes de la liberación de sus pesos el 29 de octubre. El modelo fue entrenado desde cero en infraestructura europea y combina capacidades multimodales con distintas opciones de acceso y despliegue.
