La francesa Mistral AI presentó el 6 de octubre de 2026 su nuevo modelo insignia, Mistral Large 4, apodado internamente "le Chonk". Por ahora es una vista previa pública disponible solo por la API de Mistral y Mistral Studio, con un precio de 1.36 dólares por millón de tokens de entrada y 4.18 por millón de salida. Lo que lo vuelve noticia para empresas es la promesa que acompaña al lanzamiento: los pesos del modelo se publicarán a fin de octubre, es decir, cualquiera podrá descargarlo y correrlo en su propia infraestructura.
Para una PyME mexicana que no quiere mandar contratos, nóminas o datos de clientes a un servicio de IA de terceros, eso abre una opción que hasta ahora estaba reservada a modelos mucho más pequeños. Pero hay matices importantes.
Qué se sabe
| Dato | Detalle |
|---|---|
| Lanzamiento | 6 oct 2026, vista previa pública |
| Dónde se usa hoy | API de Mistral y Mistral Studio |
| Tamaño | Alrededor de 1 billón de parámetros, arquitectura de mezcla de expertos (MoE) |
| Parámetros activos | 52 mil millones por token según Mistral; varios medios reportan 49 mil millones |
| Entrada | Multimodal (texto e imágenes); modelo híbrido de instrucciones y razonamiento |
| Idiomas | Más de 160, según Mistral |
| Precio de la vista previa | 1.36 USD por millón de tokens de entrada; 4.18 USD por millón de salida |
| Pesos abiertos | "A fin de mes", sin fecha exacta |
| Licencia | Sin publicar |
| Entrenamiento | 3,800 GPU NVIDIA Grace Blackwell en centros de datos europeos, según Mistral (Axios reportó 4,000) |
Las cifras de tamaño no coinciden del todo entre fuentes: Mistral habla de 1 billón de parámetros con 52 mil millones activos, mientras que varios medios técnicos reportan 1.05 billones con 49 mil millones activos. Algunos también citan una ventana de contexto de 1 millón de tokens, dato que no aparece en el anuncio de Mistral. Mistral además aclara que el entrenamiento por refuerzo sigue en curso, así que la versión final puede rendir distinto a la vista previa.
Cómo se compara, según Mistral
En las pruebas que publicó la propia empresa, Large 4 queda segundo de cinco en una evaluación humana de programación (3.74 puntos frente a 4.22 de Claude Opus 5) y dice superar a GPT-6-Astra en evaluaciones de finanzas y legales, aunque en esas no da cifras. Son resultados del fabricante: útiles para ubicarlo, no para decidir una compra.
Por qué los pesos se liberan después
Mistral eligió un lanzamiento por etapas: antes de publicar los pesos, está haciendo pruebas de ataque con empresas de ciberseguridad, socios verificados y autoridades estatales, que reciben el modelo con menos filtros para medir qué tanto puede ayudar a un atacante. La empresa reporta 93% de los retos resueltos en Cybench, una batería de 40 ejercicios de seguridad, y presume una tasa de rechazo de solicitudes ciberofensivas mayor que la de otros modelos abiertos.
Es una señal de la época: un modelo que cualquiera puede descargar no se puede "apagar" después, así que el fabricante quiere medir el riesgo antes de soltarlo.
Qué significa para una PyME en México
Lo bueno
- Una opción de primer nivel que se puede controlar. Hasta ahora, quien quería IA de punta tenía que usar servicios en la nube de terceros. Con pesos abiertos, un proveedor de nube o un integrador podrá ofrecerte el modelo en infraestructura dedicada, con la región y las condiciones que tú negocies. Es el debate que explicamos en IA en la nube vs. IA privada.
- Menos dependencia de un solo proveedor. Si tus flujos usan la API de OpenAI, Anthropic o Google y mañana cambian precios o retiran un modelo, tener un modelo abierto de respaldo reduce el riesgo.
- Precio competitivo en la API. Para tareas pesadas de análisis de documentos, 1.36 USD por millón de tokens de entrada es un precio a considerar; aun así, para tareas simples hay opciones más baratas, como Claude Haiku 5.5.
Lo que hay que tener claro
- No es para un servidor de oficina. Con alrededor de un billón de parámetros, aun comprimido a 4 bits solo los pesos ocupan del orden de 500 GB de memoria de GPU. Eso es un clúster de centro de datos, no una tarjeta gráfica en el site.
- "Abierto" no es "libre de todo". La licencia no se conoce. Si resulta ser una licencia propia con restricciones comerciales, cambia la ecuación.
- La API de Mistral no es lo mismo que el modelo en tu infraestructura. Si usas la API hoy, tus datos viajan a los servidores de Mistral, principalmente en Europa. Revisa términos y aviso de privacidad como con cualquier otro servicio, sobre todo si tratas datos personales bajo la ley mexicana. Más contexto en nube soberana y control de datos.
Qué hacer ahora
- No migres nada todavía. Es una vista previa con entrenamiento en curso. Espera los pesos, la licencia y las primeras pruebas independientes.
- Haz la lista de casos de uso que hoy no mandas a la nube por confidencialidad: contratos, expedientes de empleados, información de clientes, costos. Esos son los candidatos a un modelo abierto en infraestructura controlada.
- Si ya usas IA por API, prueba Large 4 con un caso real y datos de prueba, en paralelo a tu modelo actual. Compara calidad y costo por tarea, no por token.
- Pregunta a tu proveedor de nube si planea ofrecer Large 4 cuando salgan los pesos, en qué región y con qué contrato de tratamiento de datos.
- Considera modelos abiertos más pequeños para lo cotidiano. Para resumir correos o clasificar facturas no hace falta un modelo de un billón de parámetros.
Si quieres ordenar esa decisión antes de que salgan los pesos, nuestro equipo de consultoría puede ayudarte a clasificar tus casos de uso y, si hace falta, a diseñar la infraestructura en cloud para correr modelos abiertos con control.
