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).
By Mistral
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.