Mistral Large 4

Artículo original ↗ Discusión en Hacker News ↗

Mistral ha lanzado “Mistral Large 4” (“Le Chonk”), un modelo europeo de lenguaje de casi 1 billón de parámetros, que pronto tendrá pesos abiertos, y que aspira a igualar a modelos abiertos chinos líderes como GLM-5.3 y DeepSeek en benchmarks de razonamiento, programación, visión y ciberseguridad, a la vez que rebaja a muchas ofertas propietarias occidentales en precio. Los comentaristas lo ven como un paso importante para la “IA soberana” de la UE y el despliegue on-premise, pero señalan que aún va por detrás de los mejores modelos cerrados de OpenAI y Anthropic, cuestionan algunas elecciones de benchmarks y el diseño de los gráficos, y debaten si su mayor coste frente a los modelos abiertos chinos limitará la adopción. El lanzamiento también reaviva debates más amplios sobre el estancamiento tecnológico de Europa, su postura regulatoria, privacidad frente a vigilancia y la dependencia geopolítica de stacks de IA estadounidenses y chinos.

Rendimiento del modelo y benchmarks

  • Muchos ven a Mistral Large 4 como un salto sólido respecto a modelos Mistral anteriores, con buena capacidad de visión y puntuaciones especialmente fuertes en ciberseguridad (p. ej., CyberGym-E2E), además de resultados competitivos en algunos leaderboards de pesos abiertos.
  • Otros señalan que todavía va por detrás de los modelos frontier cerrados (Astra, Opus 5.5, GPT‑6 Sol) y que está aproximadamente entre 9 y 12 meses por detrás en métricas agregadas como VALS o Artificial Analysis.
  • Las puntuaciones de omnisciencia e ingeniería de software se destacan como relativamente débiles; algunas pruebas independientes (p. ej., trivia / Redactle, kimbench, tareas de programación) informan resultados claramente peores que los de los mejores modelos cerrados o chinos.
  • Varias personas advierten que los propios gráficos de Mistral están “cerca del chart-crime” (ordenados para favorecer visualmente su barra) y son cherry-picked.

Comparación con otros modelos de pesos abiertos

  • Se compara con frecuencia frente a GLM-5.3, DeepSeek V4.1 Flash, Kimi K3, MiMo v2.6 Pro, Qwen3.8-Flash-Next, etc.
  • Consenso aproximado:
    • GLM-5.3 / MiMo / K3 siguen siendo la “frontera de Pareto” de los pesos abiertos.
    • Mistral Large 4 está cerca de GLM-5.3 en competencia general y ciberseguridad, pero por lo general por debajo de K3 y MiMo en benchmarks amplios.
    • DeepSeek V4.1 Flash suele ganar en relación precio-rendimiento y velocidad para programación, aunque algunos lo consideran más débil en no inglés y en resumir.

Precio, eficiencia y uso

  • El precio de lanzamiento (50% de descuento) lo hace temporalmente más barato que GLM-5.3 y K3, pero más caro que GLM-5.3-Flash y DeepSeek Flash; cuando termine el descuento, se convertirá en uno de los pesos abiertos más caros.
  • Algunos sostienen que los modelos de precio medio quedan presionados: la mayoría de los usuarios o bien compra los mejores modelos cerrados o bien los modelos chinos fuertes más baratos.
  • Otros dicen que, para empresas de la UE, especialmente defensa e infraestructura crítica, los modelos “soberanos” entrenados y alojados en la UE justifican el sobreprecio.
  • Algunos se quejan de los límites de suscripción de Mistral y de la falta de planes acumulables.

Entrenamiento, pesos abiertos y distillation

  • Mistral dice que ML4 se entrenó desde cero en 3.800 GPUs Grace Blackwell en sus propios centros de datos europeos; el RL sigue en curso y se promete una versión final junto con los pesos abiertos.
  • Sigue el debate sobre cuánto todos los laboratorios, incluido Mistral, dependen implícitamente de la investigación y las técnicas chinas, y si alguien está haciendo distillation a partir de modelos cerrados chinos o estadounidenses. Las opiniones están divididas y la evidencia no está clara.

Soberanía, política y confianza

  • Un subhilo amplio sostiene que contar con un laboratorio europeo fuerte es estratégicamente importante para evitar la dependencia de proveedores estadounidenses y chinos, especialmente dadas las restricciones de exportación, los controles de contenido y los poderes de vigilancia.
  • Otros replican que la “soberanía” de la UE suele ser proteccionismo regulatorio que disfraza una innovación más débil, y que los laboratorios de EE. UU. y China también reciben fuertes subsidios (directos o indirectos).
  • Una larga digresión compara el rendimiento económico de EE. UU. vs la UE, la calidad de vida, la privacidad, la vigilancia y las protecciones de libertad de expresión; cada lado afirma que el otro es peor, sin un consenso claro.

Seguridad, capacidades cibernéticas y guardrails

  • Se elogia a Mistral por ser mucho menos restrictivo en tareas de ciberseguridad que los laboratorios estadounidenses, que a menudo rechazan consultas de búsqueda de exploits o de estilo pentest, distorsionando los benchmarks de ciberseguridad.
  • Algunos argumentan que unos modelos cibernéticos abiertos potentes hacen más seguros a los defensores; otros temen un uso ofensivo más fácil y señalan que actores a nivel estatal probablemente disponen de modelos no divulgados aún más capaces.

Marca, UX y percepciones

  • El nombre “Le Chonk / Le Chaton Fat” y el video de lanzamiento gustan mucho por ser juguetones y no tomarse demasiado en serio, en contraste con el branding más solemne, casi religioso, de algunos laboratorios estadounidenses.
  • Los informes de UX son mixtos: algunos encuentran el modelo rápido y agradable (especialmente en francés), mientras que otros ven razonamiento débil, ajustes de “reasoning effort” rotos y signos de sobreajuste a benchmarks.