Mistral Large 4 llega con un billón de parámetros abiertos y contexto de un millón

Un billón de parámetros suena a titular construido solo para impresionar por el tamaño. Mistral Large 4, publicado con pesos abiertos en Hugging Face el 29 de octubre de 2026, es más interesante de lo que sugiere la cifra grande. El modelo suma un billón de parámetros en total, pero solo unos 49.000 millones están activos para cada token, 52.000 millones si se cuentan las incrustaciones y la capa de salida. Ese diseño busca el conocimiento de un modelo enorme con el coste de funcionamiento de uno mucho menor.

Llega además con una ventana de contexto de un millón de tokens y acepta entradas de texto e imagen. Un equipo podría entregarle un archivo técnico largo con diagramas, un paquete de documentos o una copia completa de un código y hacer preguntas sobre el conjunto entero. El contexto largo solo importa si el modelo puede ejecutarse a un coste sensato, y por eso la cifra de parámetros activos, los precios y las opciones de servicio merecen tanta atención como el billón de la etiqueta.

Entrenado desde cero en Europa

Mistral afirma que el modelo se entrenó desde cero en Europa con 3.800 tarjetas gráficas Nvidia Grace Blackwell. Entrenar desde cero es el camino más lento y más caro frente a adaptar un modelo existente, y da al creador un control total sobre la mezcla de datos y las decisiones de arquitectura desde el primer paso. Para las organizaciones europeas a las que importa dónde y cómo se hizo un modelo de referencia, ese origen es un dato concreto, no una frase de mercadotecnia.

La escala del hardware también señala una intención. Un entrenamiento repartido entre 3.800 tarjetas Grace Blackwell es un compromiso serio de infraestructura y sitúa a Mistral Large 4 en el nivel más alto de las publicaciones abiertas de este año. La pregunta con cualquier entrenamiento así es si el modelo terminado se gana su sitio en el uso diario, y Mistral ha publicado indicios tempranos que apuntan en la buena dirección para el trabajo técnico práctico.

En Terminal-Bench, una prueba que mide tareas reales en la línea de comandos, el modelo subió del 28,3 por ciento en su forma preliminar al 41 por ciento en el lanzamiento. Un salto así entre la versión previa y la final sugiere que las últimas fases de entrenamiento y ajuste hicieron un trabajo importante. Para los desarrolladores, las tareas de terminal son un buen indicador de utilidad, porque implican seguir pasos, recuperarse de pequeños errores y terminar trabajos, no solo responder preguntas. Es un enfoque de utilidad que también se aprecia en historias como la de Aviern, que construyó e hizo volar su avión de carga sin piloto en menos de dos meses.

Pesos abiertos con condiciones claras

El modelo se publica bajo un acuerdo modificado de estilo MIT llamado Mistral Ecosystem Open-Weight License. Las condiciones centrales son generosas: uso gratuito, modificación gratuita y uso comercial gratuito. Esa combinación importa para empresas emergentes y grupos de investigación que necesitan adaptar un modelo a sus propios datos y lanzar el resultado sin renegociar el acceso en cada paso.

Un límite se declara desde el principio. Ofrecer el modelo como servicio, el llamado Model-as-a-Service, necesita una licencia aparte. Construir un producto que usa el modelo es una cosa y revender el acceso al modelo en sí es otra, y Mistral traza esa línea con claridad y por adelantado. Las líneas claras ayudan a todo el mundo. Los equipos pueden planificar con unas condiciones que pueden leer antes, en lugar de descubrir límites después de construir un producto.

La distribución a través de Hugging Face mantiene sencillo también el lado práctico. Los pesos, la documentación y las herramientas de la comunidad están en el lugar que los desarrolladores ya consultan primero para los modelos abiertos. Eso acorta la distancia entre leer sobre el lanzamiento y ejecutar una primera prueba, que es donde los pesos abiertos o se convierten en parte de sistemas reales o se quedan en un marcador olvidado.

Precios y servicio, en cifras claras

Para los equipos que prefieren una API, Mistral fija 0,70 dólares por millón de tokens de entrada y 2,10 dólares por millón de tokens de salida. Esas cifras ponen la experimentación al alcance de equipos pequeños. Un prototipo que procesa un millón de tokens de entrada cuesta menos que un café, y eso cambia el comportamiento: la gente prueba antes con documentos reales en lugar de racionar cada llamada.

El alojamiento propio se sirve a través de vLLM y SGLang, las dos plataformas de servicio que muchos equipos de infraestructura ya usan para modelos abiertos. Esa compatibilidad es un beneficio discreto pero real. Significa que Mistral Large 4 puede encajar en los hábitos de despliegue, supervisión y escalado ya existentes, en lugar de exigir una plataforma nueva antes de que nadie pueda evaluarlo como es debido. En paralelo, otros fabricantes avanzan con máquinas listas para trabajar, como recogimos al contar que SynDexy entrega sus primeros robots humanoides C1 a fábricas de precisión.

La versión cuantizada fija una expectativa clara de hardware: cuatro tarjetas B200 o B300. Es hardware profesional, no un portátil, y Mistral no pretende lo contrario. Esa honestidad ayuda a planificar. Una empresa puede comparar el coste del despliegue cuantizado con las cifras de la API y elegir con fundamento entre alojar o comprar el acceso, según el volumen y las necesidades de datos.

Modelos más pequeños, prometidos para pronto

Mistral también ha prometido modelos destilados para portátiles en los próximos meses, derivados de este trabajo. Esa promesa importa para los muchos usuarios cuyo mejor flujo de trabajo es local: investigadores de campo, escritores que manejan borradores privados y desarrolladores que trabajan sin conexión. Si las versiones destiladas conservan una buena parte del comportamiento del modelo principal en un tamaño que un portátil puede manejar, el lanzamiento llegará mucho más allá de los centros de datos.

La destilación, bien hecha, es el modo en que los grandes entrenamientos se convierten en herramientas cotidianas. El modelo principal explora lo que es posible a gran escala y los modelos pequeños llevan las lecciones prácticas al hardware ordinario. Ver si esas versiones para portátil llegan a tiempo, y cómo rinden en las mismas tareas de terminal, será una prueba justa de todo el programa.

Qué pensar de este lanzamiento

Mistral Large 4 combina cuatro cosas que rara vez llegan juntas: pesos abiertos con uso comercial permitido, una ventana de un millón de tokens, entrada de imagen junto al texto y unos precios de API lo bastante bajos para experimentar a diario. Cualquiera de ellas llamaría la atención por separado. Juntas convierten al modelo en una opción real para los equipos que eligen una base abierta para el próximo año de trabajo.

El siguiente paso sensato para los equipos interesados es una prueba pequeña y honesta. Elige una tarea real con una respuesta buena conocida, un flujo de terminal, la revisión de un documento largo o el resumen de un archivo de soporte, y pásala por la API o por un despliegue cuantizado. Compara coste, velocidad y calidad con lo que usas hoy. Los pesos abiertos recompensan ese tipo de prueba directa, porque el modelo está ahí mismo, listo para probarlo.

Europa tiene ahora en circulación un modelo abierto de un billón de parámetros, creado desde cero y entrenado en su propio suelo, con precios pensados para un uso amplio. Que se convierta o no en tu opción habitual dependerá de tus pruebas, no de la cifra del titular. Pero el lanzamiento amplía el campo de opciones serias, y un campo más amplio de opciones serias es una buena noticia para todos los que construyen en él.

También publicado en: