Mistral liberó «Le Chonk», su modelo de IA de un billón de parámetros, y lo exhibe programando aplicaciones enteras

La empresa francesa Mistral AI publicó el 29 de octubre los pesos de Mistral Large 4, un modelo de inteligencia artificial multimodal de un billón de parámetros al que apoda «Le Chonk». Los pesos son los parámetros que el modelo aprendió durante el entrenamiento, y con ellos cualquiera puede descargarlo y ejecutarlo en sus propios servidores. La compañía lo presenta como su modelo más capaz para programación con agentes y ciberseguridad^[1]. En los días siguientes, su cuenta oficial en X difundió demostraciones en las que el modelo escribe aplicaciones completas a partir de una instrucción breve^[5][6].

El modelo salió el 6 de octubre en una versión preliminar a la que solo se accedía por la API de la empresa. Ese día Mistral anunció que liberaría los pesos a fin de mes^[2][4]. Según la compañía, lo entrenó desde cero con 3.800 procesadores gráficos Grace Blackwell de NVIDIA en sus centros de datos europeos^[2].

Qué se puede descargar

Los archivos están en Hugging Face con el nombre Mistral-Large-4-1T-A52B, que resume su arquitectura: un billón de parámetros en total, de los cuales solo una parte trabaja en cada paso. Según la ficha del modelo, usa 49.000 millones de parámetros por token, o 52.000 millones si se cuentan las capas de entrada y de salida (embeddings); el posteo del 6 de octubre da la primera cifra y el anuncio preliminar, la segunda^[3][4][2]. Ese diseño reduce el cálculo necesario frente a un modelo que activa todos sus parámetros. También hay una versión comprimida en formato NVFP4. La ficha indica que procesa texto e imágenes, admite un contexto de un millón de tokens y maneja más de 160 idiomas^[3].

El modelo se distribuye con la licencia Mistral Ecosystem Open-Weight, que la empresa describe como una versión modificada de la licencia MIT. «El modelo es de uso, modificación, ajuste y comercialización libres, con una única condición: las empresas que operen una oferta de modelo como servicio deben obtener una licencia comercial aparte de Mistral», dice el anuncio. Quien quiera vender el acceso al modelo a terceros necesita entonces un permiso, y el resto de los usuarios no. En la API de Mistral, el precio es de US$ 0,70 por millón de tokens de entrada, US$ 0,07 por millón de tokens de entrada en caché y US$ 2,10 por millón de tokens de salida^[1].

El rendimiento, según la empresa

Mistral informa que el modelo obtuvo 48% en el índice de agentes de programación de Artificial Analysis. Lo considera «en la práctica empatado» con GLM-5.3, el modelo abierto mejor ubicado, pero dice que el suyo usa en promedio 47% menos tokens por tarea. En Terminal-Bench 4.0 pasó de 28% en la versión preliminar a 41%, con 30% menos tokens de salida^[1]. Gastar menos tokens abarata cada tarea para quien paga el uso. En una evaluación a ciegas de preferencias humanas sobre código, la empresa lo ubica solo detrás de Claude Opus 5.5, de Anthropic^[1]. Todas estas cifras las publica Mistral, que eligió las pruebas y los modelos con los que se compara.

Ciberdefensa y sus riesgos

Según el anuncio, el modelo resistió el 97,1% de los ataques en la prueba de seguridad de agentes B3, contra 93,3% en la versión preliminar. También rechazó en promedio el 96,6% de los pedidos maliciosos de ciberseguridad, una tasa que Mistral considera la más alta entre los modelos abiertos que midió. La empresa da a Orange Cyberdefense una variante especializada para pruebas de penetración y evaluación de vulnerabilidades, con controles contractuales y restringida a sistemas propios o expresamente autorizados^[1]. En la versión preliminar, Mistral había informado 82% en una prueba de reproducir y corregir fallas de seguridad, y afirmó que Claude Opus 5.5 y GPT-6 Astra obtienen casi cero en esa prueba porque se niegan a hacerla^[2].

La propia empresa admite un riesgo. Observó que el modelo se negaba a atacar sistemas reales en funcionamiento, pero ve «un potencial de ayuda para llevar a cabo ataques reales» y dice que está modificando sus salvaguardas^[1]. Como los pesos ya se pueden descargar, esas salvaguardas rigen en los servicios de Mistral, pero quien ejecute el modelo en servidores propios puede modificarlo.

Las demostraciones

El 2 de noviembre, Mistral mostró que, con una instrucción breve, el modelo escribió desde cero un programa de química cuántica, validó sus resultados y armó una visualización en tres dimensiones. Según la empresa, el modelo eligió por su cuenta cómo romper la molécula y qué orbitales mostrar^[5]. El 3 de noviembre presentó Orbital Trace, un rastreador en 3D y en tiempo real de unos 19.000 satélites y fragmentos de basura espacial. La empresa dice que el modelo construyó la aplicación, la probó como un usuario, la hizo más rápida y superó una verificación estricta^[6]. El 4 de noviembre publicó otra prueba: «¿Puede Mistral Large 4 encontrar una vulnerabilidad crítica, probarla y corregirla?», sobre Django, un marco de trabajo (framework) para crear sitios web en Python^[7]. Los posteos no dicen cuántos intentos ni cuánta intervención humana requirió cada demostración.