RespuestasPublicado25 fuentes
Mistral abre los pesos de «Le Chonk»: avances en programación y cautela en ciberseguridad
Mistral publicó los pesos de Large 4 el 29 de octubre. La empresa informa que su resultado en Terminal Bench 4.0 pasó del 28 % al 41 % tras más entrenamiento por refuerzo.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Mistral publicó los pesos de Large 4 el 29 de octubre. La empresa informa que su resultado en Terminal Bench 4.0 pasó del 28 % al 41 % tras más entrenamiento por refuerzo.
- El modelo multimodal tiene 1,05 billones de parámetros en total. Su licencia es una versión modificada de la MIT, por lo que conviene revisar sus condiciones antes de ofrecerlo como servicio alojado.
- Mistral también informa un 51 % en el Cyber Index y una tasa media de rechazo del 96,6 % ante solicitudes cibernéticas maliciosas.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What are the key details and implications of France’s Mistral releasing the open weights of its flagship Mistral Large 4 model, nicknamed “L. Article summary: Mistral released the open weights of Mistral Large 4, “Le Chonk,” on October 29, following its October 6 preview, and claims leading open-weight performance in coding and defensive cybersecurity.[9] The available evidenc. Topic tags: general, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Mistral publicó el 29 de octubre los pesos de Mistral Large 4, apodado «Le Chonk», después de presentar una versión preliminar el día 6. La empresa lo describe como una alternativa de pesos abiertos con mejores resultados en programación y ciberseguridad defensiva. Las cifras reportadas son llamativas, pero corresponden a pruebas concretas: no demuestran que el modelo sea el mejor para todos los trabajos ni para cualquier tipo de usuario.4
7
9
18
Qué cambió desde la versión preliminar
Según Mistral, el entrenamiento adicional por refuerzo elevó el resultado de Large 4 en Terminal-Bench 4.0 del 28 % al 41 %: una mejora de 13 puntos porcentuales.21
31 En el Coding Agent Index de Artificial Analysis, la compañía reporta un 48 %, empatado con GLM-5.3; en esa comparación, Large 4 habría usado un 47 % menos de tokens por tarea.
31
35
Son resultados de evaluaciones específicas. No permiten concluir cómo rendirá el modelo en cualquier proyecto de programación, y usar menos tokens no significa automáticamente que el coste total de operación sea menor. La información disponible tampoco ofrece una comparación numérica equivalente y bien sustentada con Mythos 5.1, el modelo cerrado de Anthropic.
Un modelo multimodal de gran tamaño
La documentación de Mistral describe Large 4 como un modelo multimodal de mezcla de expertos, con 1,05 billones de parámetros en total y un codificador de visión de 1.600 millones.17 La cifra total requiere contexto: la descripción del modelo en Hugging Face indica que activa 49.000 millones de parámetros por token, o 52.000 millones si se cuentan también las capas de embeddings y de salida.
20
Al presentar la versión preliminar, Mistral afirmó que entrenó el modelo con 3.800 GPU Nvidia Grace Blackwell en sus centros de datos europeos.6 La versión publicada ofrece tres niveles de razonamiento —bajo, medio y alto— para ajustar cuánto procesamiento dedicar a una tarea.
34
Pesos abiertos, licencia propia
Los pesos están disponibles en Hugging Face bajo la Mistral Ecosystem Open-Weight License, cuyo texto la define como una versión modificada de la licencia MIT.18
32 Por eso, «pesos abiertos» no significa que cualquier modalidad de redistribución o servicio alojado quede cubierta automáticamente por los términos habituales de la MIT. Quienes quieran comercializar un servicio deberían revisar la licencia y confirmar qué condiciones se aplican a su caso.
32
36
Disponer de los pesos permite obtener el modelo, en vez de depender únicamente del acceso a través de la API de un proveedor. Esto puede abrir la posibilidad de alojarlo en infraestructura propia o modificarlo. La publicación, por sí sola, no indica qué recursos necesitará cada despliegue.
Ciberseguridad: cifras que no son una garantía
La cobertura del lanzamiento recoge un 51 % en el Cyber Index de Artificial Analysis y una tasa media de rechazo del 96,6 % ante solicitudes cibernéticas maliciosas.31
33 Son resultados reportados de evaluaciones, no una garantía de que el modelo rechazará toda petición dañina ni de que publicar sus pesos elimine el riesgo de uso indebido.
Además, medir capacidades de seguridad defensiva y medir la resistencia ante solicitudes maliciosas son cosas distintas. Las cifras deben leerse junto con los detalles de las pruebas y las necesidades de cada implementación; por sí solas, no resuelven los riesgos de un modelo cuyos pesos están disponibles.
Qué aporta el lanzamiento y qué no demuestra
Large 4 suma otra opción europea de pesos abiertos a un mercado con modelos abiertos y cerrados desarrollados en distintas regiones. Mistral ha destacado tanto la infraestructura europea de entrenamiento como sus resultados frente a competidores de pesos abiertos.6
15
18 Para quienes evalúan el modelo, la diferencia práctica es poder acceder a sus pesos para examinarlos y desplegarlos; el origen de la empresa no basta para determinar la calidad del sistema.
La conclusión más sólida es más acotada: Mistral reporta avances relevantes en pruebas de programación entre la versión preliminar y la publicada, además de un resultado competitivo en un índice de agentes de código junto con un menor uso de tokens en una comparación. Puede valer la pena probar Large 4 con tareas propias. Pero esos datos no prueban una superioridad general, no verifican de forma independiente todas las afirmaciones de ciberseguridad y no sustituyen la revisión de la licencia ni de los riesgos de despliegue.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Mistral abre los pesos de «Le Chonk»: avances en programación y cautela en ciberseguridad"?
Mistral publicó los pesos de Large 4 el 29 de octubre. La empresa informa que su resultado en Terminal Bench 4.0 pasó del 28 % al 41 % tras más entrenamiento por refuerzo.
¿Cuáles son los puntos clave a validar primero?
Mistral publicó los pesos de Large 4 el 29 de octubre. La empresa informa que su resultado en Terminal Bench 4.0 pasó del 28 % al 41 % tras más entrenamiento por refuerzo. El modelo multimodal tiene 1,05 billones de parámetros en total. Su licencia es una versión modificada de la MIT, por lo que conviene revisar sus condiciones antes de ofrecerlo como servicio alojado.
¿Qué debo hacer a continuación en la práctica?
Mistral también informa un 51 % en el Cyber Index y una tasa media de rechazo del 96,6 % ante solicitudes cibernéticas maliciosas.