Un billón de parámetros y gratis para descargar: Mistral Large 4, la IA europea que rechaza el 96,6 % de las peticiones de ciberataque y aun así preocupa

• Adrián Villellas @AdrianVillellas
• Ingeniero informático, divulgador y creador de contenido tecnológico desde 2017, escribiendo para blogs y medios tanto en español como en inglés.
• • 14/11/2026 14:56
  • Actualizado: 14/11/2026 14:56

Mistral AI publicó el 29 de octubre de 2026 los pesos de Mistral Large 4, su modelo de un billón de parámetros. La empresa francesa lo apoda «Le Chonk». Según su nota oficial, rechaza de media el 96,6 % de las peticiones maliciosas de ciberseguridad.

Esa tasa es la más alta que la compañía ha medido entre los modelos abiertos. Los pesos son los valores numéricos que hacen funcionar una red neuronal. Al publicarlos, Mistral permite que cualquier organización descargue el modelo y lo ejecute en sus máquinas.

128 expertos, cuatro activos

La ficha técnica en Hugging Face describe una arquitectura de mezcla de expertos con 128 bloques especializados. Solo cuatro de ellos trabajan en cada token, además de uno compartido. El token es el fragmento de texto, a menudo una palabra o parte de ella, con el que opera el modelo.

Cada token activa así unos 52.000 millones de parámetros, contando las capas de entrada y salida. La documentación de Mistral eleva el total a 1,05 billones. El sistema acepta texto e imágenes, responde con texto y admite un contexto de un millón de tokens.

Mistral lo entrenó desde cero con 3.800 procesadores gráficos NVIDIA Grace Blackwell. Esas máquinas están en centros de datos propios situados en Europa. La ficha añade que domina más de 160 idiomas, entre ellos todos los oficiales de la Unión Europea.

En los ejemplos de despliegue, el trabajo se reparte entre ocho tarjetas gráficas. Queda lejos de quienes ya montan una IA local en un miniordenador. La propia ficha sugiere usar la API de Mistral si el servicio local no rinde bien.

Por delante en Terminal-Bench

Tres semanas más de entrenamiento por refuerzo, que ajusta el modelo premiando los aciertos, mejoraron la vista previa. En Terminal-Bench 4.0, una prueba de programación en la línea de comandos, pasó del 28 % al 41 %. También gastó un 30 % menos de tokens de salida.

Con ese resultado encabeza a los modelos abiertos, según la empresa. En FrontierCode 2.0, la prueba privada de Cognition, logró un 19,7 %. Esa prueba valora si el responsable de un repositorio aceptaría el cambio propuesto.

El índice de agentes de programación de Artificial Analysis le da un 48 %, casi un empate con GLM-5.3. Mistral Large 4 consume, eso sí, un 47 % menos de tokens por tarea.

Los evaluadores humanos de Surge Code comparan las respuestas a ciegas. Prefirieron este modelo frente a GLM-5.3, Kimi K3 y DeepSeek V4.1 Flash. Claude Opus 5.5 ganó ese duelo, porque Mistral solo se impuso en el 22 % de los casos.

Un filtro entre defensa y ataque

La cifra del 96,6 % sale de las peticiones de ciberseguridad de tres baterías de pruebas, JailbreakBench, StrongREJECT y AgentHarm. En el gráfico oficial, Kimi K3 rechaza el 93,6 % y GLM-5.3 el 87,1 %. DeepSeek-V4-Pro se queda en el 50,7 %.

Ese mismo modelo debe seguir ayudando a quien protege sus sistemas. En el índice de ciberseguridad de Artificial Analysis obtiene un 51 % al localizar, reproducir y corregir vulnerabilidades. Ante ataques a sus propios agentes, como el robo de instrucciones internas, resistió el 97,1 % en la prueba B3.

Amy Chang, responsable de investigación de amenazas de IA en Cisco, defiende los modelos abiertos en la nota. A su juicio, permiten «estudiar cómo se comportan, incluido dónde podrían usarse de forma indebida». La agencia europea ENISA lo prueba para «identificar vulnerabilidades de seguridad, auditar código y analizar registros defensivos», según Laura Heuvinck, su jefa de comunicación.

Mistral reconoce un riesgo real

La empresa vigiló el uso relacionado con la ciberseguridad en su tráfico real. Observó que el modelo se negaba a colaborar en ataques contra objetivos activos. Aun así, escribe que ve «un potencial de ayuda para llevar a cabo ataques reales» y seguirá cambiando sus barreras durante meses.

Microsoft ya ha documentado cómo grupos de Corea del Norte usan la IA para fabricar cebos. Hugging Face, la plataforma que aloja estos pesos, sufrió además un ataque informático que OpenAI atribuye a uno de sus modelos.

Orange Cyberdefense y otros socios ya prueban una variante especializada en test de penetración y simulación de ataques. Mistral selecciona a quien accede y exige salvaguardas por contrato. Los ensayos solo pueden hacerse en sistemas propios o expresamente autorizados.

Mistral muestra pruebas de penetración y verificación de clientes con su plataforma Studio. Vídeo: Mistral

0,70 dólares por millón

Según su documentación, la API está disponible con carácter general desde el 5 de noviembre, y allí Mistral cobra 0,70 dólares por millón de tokens de entrada y 2,10 por millón de salida. La entrada en caché baja a 0,07 dólares. El desarrollador elige además entre tres modos de razonamiento, bajo, medio y alto, para equilibrar calidad y coste.

Los pesos llegan con una licencia derivada de la MIT que permite el uso comercial. Quien venda el modelo como servicio necesita un contrato aparte con Mistral. Belfius y Crédit Agricole figuran en la nota entre los bancos que valoran ejecutarlo en su infraestructura.

Rankings firmados por la propia empresa

Casi todas las cifras proceden de la documentación de Mistral. Las valoraciones de Cisco, ENISA o los bancos figuran en su propio comunicado. La nota tampoco detalla en qué consistió la ayuda a atacantes que menciona.

Sus gráficos también muestran terreno perdido, con DeepSeek-V4.1-Flash en un 57 % en ciberseguridad. Kimi K3 domina BrowseComp, la prueba de navegación web, con 91,2 frente a 84,5. En el índice general de Artificial Analysis, Mistral Large 4 suma 26 puntos, y la ficha admite que los mejores modelos abiertos de China puntúan más alto.

La nota se ha publicado en la web oficial de Mistral AI.

Crédito de la imagen: Mistral AI.