Mistral AI presenta Large 4, su modelo multimodal de peso abierto más potente hasta ahora

Mistral AI ha lanzado, todavía en fase de pruebas pública, su modelo multimodal de peso abierto de mayor envergadura y potencia hasta ahora. Le han llemado Mistral Large 4 (ML4) o Le Chonk. Desde la compañía señalan que quienes lo deseen pueden probar su API preliminar en Mistral Studio, y que los pesos estarán disponbiles a partir de finales de este mes de octubre.

Large 4 es un modelo multimodal con un billón de parámetros y 49.000 millones de parámetros activos. Desde Mistral destacan su rendimiento en programación, flujos de trabajo agénticos y comprensión multimodal. Además, aseguran que su rendimiento ya ha alcanzado el nivel de los modelos de código abierto más potentes a nivel mundial, y que supera a cualquier modelo de peso abierto desarrollado hasta ahora en EEUU o Europa.

ML4 se ha entrenado utilizando el método de aprendizaje por refuerzo desde cero en 3.800 GPU NVIDIA Grace Blackwell en los centros de datos de Mistral en Europa, y su versión de prueba se aloja en la misma infraestructura. Mistral Large 4 combina rendimiento con pesos abiertos y autodespliegue, lo que ofrece tanto capacidad como autonomía para realizar tareas avanzadas bajo las políticas de cada empresa. Entre ellas, tareas de seguridad.

El modelo estará disponible en distintas regiones de todo el mundo, y contará con una implementación europea gestionada al completo por Mistral, con independencia de otros proveedores de servicios digitales y conforme a la legislación europea. Ha sido entrenado en más de 160 idiomas, entre los que según Mistral están todos los oficiales de la Unión Europea. Podrá ejecutarse tanto en una nube privada como en las instalaciones e infraestructura local de una empresa.

En el campo de la ciberseguridad, ML4 ha logrado un resultado en el banco de valoración idependiente Artificial Analysis Cyber Index que le coloca entre los cinco mejores modelos del mundo, y en el primer puesto entre los modelos de peso abierto desarrollados fuera de China. En pruebas internas demostró ser útil para analizar malware, priorizar vulnerabilidades y redactar reglas de detección.

Por otro lado, ML4 ejecuta agentes de uso general que recogen información, usan herramientas y producen resultados a lo largo de flujos de trabajo complejos. En cuanto a multimodalidad, razona en documentos complejos gráficos e imágenes naturales, y aporta visión a sectores en los que es fundamental la percepción, como la ingeniería o la observación de la Tierra.

Este modelo puede combinar además la localización visual con capacidades de IA agéntica. Así, puede inspeccionar imágenes satelitales de varios gigapíxeles o analizar planos de ingeniería. ML4, además, localiza objetos en escenas naturales densas, verifica piezas mecánicas en planos técnicos, extrae pruebas de archivos PDF y escanea imágenes geoespaciales de grandes dimensiones para buscar objetos en ellas.

Mistral Large 4 cuenta con capacidades científicas elevadas, desarrolladas a través de la combinación de métodos basados en IA con la experiencia de los investigadores de la compañía en campos STEM como las matemáticas, la física y la química. También muestra competencias desarrolladas en programación orientada a agentes de IA para tareas científicas como análisis de datos, modelización y simulación de la realidad física. Además, la compañía asegura que muestra más solidez que modelos anteriores en capacidades matemáticas, tanto en razonamiento formal como en matemáticas aplicadas.

Es capaz de crear, editar y corregir hojas de cálculo y documentos complejos, y en pruebas realizadas a través de evaluadores externos (vals.ai) en tareas representativas de los ámbitos jurídico y financiero tanto en pruebas de referencia jurídicas como financieras supera a GPT-6-Astra. En el banco Legal Agent de HarveyAI, supera a todos los modelos de código abierto, según Mistral.

En el campo de la seguridad, los resultados de las pruebas a las que Mistral ha sometido a ML4 muestran un nivel de protección elevado frente a inyecciones indirectas de prompts, y en el B3 AI Security Benchmark público de Lakera, ML3 resiste el 93,3% de los ataques. Además, la compañía asegura que interactúa con los usuarios con mayor responsabilidad que los modelos anteriores de Mistral y muestra propensión a rechazar peticiones maliciosas relacionadas con la ciberseguridad.