# mistral-large-4-le-chonk-2026-10-06

## Veille

Entrada de blog de **Mistral AI** (firmada «By Mistral», 11 minutos de lectura), fechada el **6 de octubre de 2026**, que anuncia la vista previa pública de **Mistral Large 4** (ML4, apodado «the Chonk» por el editor): un modelo nativamente multimodal con **1 billón de parámetros, 49.000 millones de ellos activos**, entrenado desde cero con **3.800 GPU NVIDIA Grace Blackwell** en los centros de datos europeos de Mistral. API de vista previa disponible en Mistral Studio; **pesos abiertos anunciados para fin de mes**.

## Titre Article

Introducing Mistral Large 4

## Date

2026-10-06

## URL

https://mistral.ai/news/mistral-large-4/

## Keywords

Mistral Large 4, ML4, the Chonk, Mistral AI, pesos abiertos, modelo MoE, multimodal, ciberseguridad, soberanía de la IA, Europa, código agéntico, DeepSWE, Terminal-Bench, Cybench, Artificial Analysis Cyber Index, aprendizaje por refuerzo, Mistral Forge, Harvey, vals.ai, robustez frente a inyección de prompts, 160 idiomas, série D

## Authors

Mistral AI — éditeur de modèles d'IA ; billet de blog de l'entreprise (« By Mistral »).

## Ton

Perfil: anuncio de producto de proveedor dirigido a responsables de decisiones técnicas y empresas, estructurado por dominios de capacidad (ciberseguridad, código agéntico, flujos de trabajo agénticos, multimodalidad, ciencia y matemáticas, trabajo de conocimiento, seguridad del modelo), con pestañas de benchmarks y cuatro demos interactivas. El texto alterna entre cifras, comparaciones nombradas y un argumento de soberanía («Forged in Europe. Built for AI sovereignty»). Utiliza un apodo familiar para el modelo y especifica el estado provisional del producto: vista previa, aprendizaje por refuerzo «todavía en curso», con la arquitectura, benchmarks adicionales y el método de post-entrenamiento prometidos junto con el lanzamiento de los pesos. Las evaluaciones citadas combinan terceros (Artificial Analysis, vals.ai, Surge AI, Lakera, HarveyAI) y evaluaciones internas.

## Pense-betes

- **Modelo**: 1 billón de parámetros, 49.000 millones activos, modelo nativamente multimodal, híbrido de instrucción y razonamiento; más de **160 idiomas**, incluidos todos los idiomas oficiales de la UE. Entrenado con el entorno de entrenamiento, personalización y aprendizaje por refuerzo ofrecido a los clientes a través de **Mistral Forge**, con empresas de los sectores financiero, industrial, logístico, farmacéutico y público.
- **Calendario**: vista previa de la API hoy, pesos antes de fin de mes. Antes de eso, pruebas en condiciones reales (red teaming) con responsables de ciberseguridad, socios verificados y autoridades estatales, con moderación reducida y capacidades cibernéticas ampliadas.
- **Ciberseguridad**: entre los cinco primeros modelos del AA Cyber Index y líder entre los modelos abiertos fuera de China; 82% en reproducción de vulnerabilidades más corrección, 93% en Cybench. La publicación explica que las negativas de los modelos cerrados bloquean la investigación de vulnerabilidades y la respuesta a incidentes, y que perder el acceso en mitad de una crisis es un riesgo; destaca el despliegue privado o on-premise.
- **Código y agentes**: 59,4% en SWE-Atlas-QnA, Coding Agent Index de 49,8%, por delante de DeepSeek V4 Pro 0813 y Qwen3.8 Max; 59,9% en AutomationBench (657 flujos de trabajo); 1.393 Elo en AA-Briefcase.
- **Multimodal**: capacidades visuales y agénticas combinadas (imágenes satelitales de gigapíxeles, planos técnicos); 42% frente al 41% de GPT-6 Astra en Dense 200 (anclaje visual).
- **Seguridad del modelo**: 93,3% de ataques bloqueados en el B3 de Lakera; puntuación KORA de 1,691 sobre 2; tasa de rechazo de solicitudes cibernéticas malintencionadas, según la publicación, más alta que la de todos los modelos abiertos comparados.
- **Aprendizaje por refuerzo**: biblioteca de entornos componibles (sandboxes de código, búsqueda web, API), verificación combinada (modelos de recompensa, pruebas, jueces LLM); con 3.000 GPU, alrededor de **33.000 millones de tokens al día**, de los cuales ~16.000 millones son entrenables; presupuestos de rollout de varios millones de tokens.
- **Qué sigue**: ML4 se presenta como el primer paso de la hoja de ruta financiada por la ronda **série D de 3 Md€** y como la base de una nueva generación de modelos especializados.
- ⚠️ **Alcance**: vista previa; no se publican la arquitectura detallada ni el método de post-entrenamiento. Las comparaciones son propias de Mistral, con elecciones de competidores específicas de la publicación, y varias puntuaciones se dan sin la tabla completa en el texto (gráficos con pestañas).

## RésuméDe400mots

Mistral AI anunció el 6 de octubre de 2026 la vista previa pública de Mistral Large 4, o ML4, apodado «the Chonk». El modelo tiene 1 billón de parámetros, 49.000 millones de ellos activos, es nativamente multimodal y fue entrenado desde cero con 3.800 GPU NVIDIA Grace Blackwell en los centros de datos europeos de la empresa. La API de vista previa está disponible en Mistral Studio; los pesos se publicarán antes de fin de mes, tras una fase de pruebas en condiciones reales con responsables de ciberseguridad, socios verificados y autoridades estatales, que obtienen acceso a una versión con moderación reducida y capacidades cibernéticas ampliadas.

Mistral presenta ML4 como cercano a los mejores modelos abiertos del mundo y claramente por delante de cualquier modelo abierto estadounidense o europeo, con resultados de referencia entre los modelos abiertos en ciberseguridad, finanzas y derecho, y resultados que superan a algunos modelos cerrados en anclaje visual (visual grounding).

En ciberseguridad, el modelo se sitúa entre los cinco primeros del Artificial Analysis Cyber Index y lidera los modelos abiertos fuera de China. En la prueba de reproducción de vulnerabilidades seguida de corrección, obtiene un 82%, la puntuación más alta citada, y un 93% en Cybench. La publicación explica que Claude Opus 5.5 y GPT-6 Astra obtienen puntuaciones cercanas a cero en esta prueba porque se niegan a realizar la tarea, mientras que defender el software a menudo empieza por demostrar que un fallo es real. Concluye que esto demuestra el valor de los modelos abiertos, desplegables de forma privada o on-premise, bajo la propia política de la organización.

En código agéntico, ML4 alcanza un 61,7% en DeepSWE v1.1, un 59,4% en SWE-Atlas-QnA y un 28,3% en Terminal-Bench 4, lo que da un índice combinado del 49,8%, por delante de DeepSeek V4 Pro 0813 y Qwen3.8 Max. Una evaluación humana a ciegas realizada por Surge AI lo sitúa segundo de cinco (3,74), por detrás de Claude Opus 5 (4,22). En flujos de trabajo agénticos, obtiene un 59,9% en AutomationBench y 1.393 Elo en AA-Briefcase. En trabajo de conocimiento, vals.ai lo sitúa por delante de GPT-6 Astra en finanzas y derecho, y supera a otros modelos abiertos en el benchmark jurídico de Harvey. La sección de seguridad cita un 93,3% de ataques bloqueados en el benchmark B3 de Lakera y una tasa de rechazo de solicitudes cibernéticas malintencionadas más alta que la de los modelos abiertos con los que se compara.

En cuanto a la metodología, Mistral describe una biblioteca de aprendizaje por refuerzo componible en la que se combinan sandboxes, búsqueda web, API y verificadores (modelos de recompensa, pruebas, jueces). Con 3.000 GPU, una ejecución de entrenamiento produce alrededor de 33.000 millones de tokens al día. ML4 es el primer paso de la hoja de ruta financiada por la ronda série D de 3 Md€ y servirá de base para modelos especializados. El precio es de 1,36 $ por millón de tokens de entrada y 4,18 $ por millón de tokens de salida.

## GrapheDeConnaissance

- Mistral AI —publie→ Mistral Large 4 (TECHNOLOGIE, 0.98)
- Mistral Large 4 —mesure→ 1 000 milliards de paramètres dont 49 milliards actifs (MESURE, 0.97)
- Mistral Large 4 —utilise→ GPU NVIDIA Grace Blackwell (TECHNOLOGIE, 0.95)
- Mistral AI —recommande→ déployer ML4 en privé ou sur site pour les opérations de sécurité (AFFIRMATION, 0.85)
- Mistral Large 4 —mesure→ 82 % sur reproduction puis correction de vulnérabilité (AA Cyber Index) (MESURE, 0.95)
- Mistral Large 4 —mesure→ 93 % sur Cybench (MESURE, 0.95)
- Mistral Large 4 —surpasse→ Claude Opus 5.5 (TECHNOLOGIE, 0.85)
- Mistral Large 4 —surpasse→ GPT-6 Astra (TECHNOLOGIE, 0.85)
- Mistral Large 4 —surpasse→ DeepSeek-V4-Pro (TECHNOLOGIE, 0.88)
- Claude Opus 5 —surpasse→ Mistral Large 4 (TECHNOLOGIE, 0.9)
- Mistral Large 4 —mesure→ 61,7 % sur DeepSWE v1.1 (MESURE, 0.95)
- Mistral Large 4 —mesure→ 3,74 sur 5 à l'évaluation humaine Surge AI (MESURE, 0.93)
- Mistral Large 4 —mesure→ 93,3 % d'attaques repoussées sur Lakera B3 (MESURE, 0.93)
- Mistral AI —affirme_que→ les refus des modèles fermés bloquent la recherche de vulnérabilités et la réponse à incident (AFFIRMATION, 0.9)
- Mistral Large 4 —utilise→ Mistral Forge (TECHNOLOGIE, 0.9)
- Mistral Large 4 —utilise→ apprentissage par renforcement (CONCEPT, 0.95)
- série D de 3 Md€ —permet→ la feuille de route de développement du modèle (AFFIRMATION, 0.88)
- Mistral Large 4 —permet→ souveraineté de l'IA (CONCEPT, 0.85)

---
Canonical: https://www.thekb.eu/es/fiches/mistral-large-4-le-chonk-2026-10-06/