El laboratorio francés de IA Mistral lanzó el 6 de octubre Mistral Large 4, su modelo más grande y potente hasta la fecha, con el nombre en clave interno «Le Chonk» (que significa «gato gordo»), en un desafío directo a los modelos cerrados de frontera de EE. UU. y a los modelos chinos de pesos abiertos.
Punto uno: una arquitectura de mezcla de expertos de un billón de parámetros. El modelo tiene 1 billón de parámetros en total y solo activa 49B en cada inferencia; es multimodal de forma nativa, admite más de 160 idiomas y su ventana de contexto llega a 1 millón de tokens. La vista previa pública de la API ya está disponible.
Punto dos: entrenamiento eficiente en Europa. El modelo se entrenó desde cero en los centros de datos europeos propios de Mistral con unas 3800 GPU Nvidia Grace Blackwell, y según se informa con solo entre la mitad y un tercio de la capacidad de cómputo de entrenamiento de los competidores chinos.
Punto tres: capacidad destacada en ciberseguridad. Obtuvo un 82 % en el benchmark CyberGym-E2E y un 93 % en Cybench, mientras que modelos cerrados como Claude y GPT puntuaron casi cero en esa prueba por negarse a responder. El director ejecutivo, Artur Mensch, afirmó que la idea de que «Europa no puede competir» no se sostiene. Se espera que los pesos abiertos completos se publiquen a finales de octubre.
Enlace original: ver el original. El texto es un resumen y se ofrece solo como referencia.
