Mistral libera los pesos de Le Chonk y corta a la mitad el precio de la API
Mistral liberó el 29 de octubre los pesos de Mistral Large 4 (Le Chonk), tres semanas después de la preview pública, con otra corrida de reinforcement learning encima. En el mismo anuncio recortó casi a la mitad el precio de la API, de USD 1,36 por millón de tokens de input y USD 4,18 de output a USD 0,70 y 2,10, con cached input a USD 0,07. El modelo es un MoE nativamente multimodal de 1 billón de parámetros con 52.000 millones activos, y los pesos ya están en Hugging Face.
La licencia: MIT, con una condición
Los pesos salen bajo la licencia Mistral Ecosystem Open-Weight, una MIT modificada. Según el anuncio de la empresa, el modelo se puede usar, modificar, fine-tunear y comercializar sin costo, con una sola condición: si una empresa lo sirve como un servicio Model-as-a-Service, tiene que comprar una licencia comercial aparte de Mistral. Si lo self-hosteás para tus propios workloads, la condición no te alcanza. También está disponible por la API de Mistral, OpenRouter, Microsoft Foundry y contenedores NVIDIA NIM, para los que quieren el modelo sin la infraestructura.
Lo que cambiaron tres semanas de RL
Los números de coding se movieron. En el Artificial Analysis Coding Agent Index, la evaluación independiente de coding agéntico, Mistral Large 4 saca 48, prácticamente empatado con GLM-5.3 en la punta de la clase open-weights, pero usa 47% menos de tokens por tarea en promedio, según Mistral. En Terminal-Bench 4.0 el puntaje pasó de 28% en la preview a 41%, con los tokens de output 30% abajo. El FrontierCode 2.0 de Cognition es un benchmark privado, pero Mistral reporta una delantera de 19,7% en él; mide si un mantenedor del repo mergearía el cambio que armó el agente. En una evaluación ciega side by side corrida por Surge, los evaluadores lo prefirieron a GLM-5.3, Kimi K3 y DeepSeek V4.1 Flash, solo detrás de Claude Opus 5.5.
El modelo ahora trae además tres modos de reasoning, Low, Medium y High (el default), para hacer el trade entre costo y precisión por tarea en vez de quedarte con una sola configuración.
El lado cyber, y el dato que no conviene saltarse
La seguridad defensiva era el hilo más fuerte de la preview, y sigue siendo la historia. En el Artificial Analysis Cyber Index, que mide si un modelo encuentra, reproduce y parchea vulnerabilidades en un codebase, Mistral Large 4 lidera con 51%. En la batería de jailbreaks, el modelo se niega al 96,6% de las peticiones cyber maliciosas en promedio, la tasa más alta que Mistral mide entre modelos abiertos.
Hay un caveat, y Mistral lo dice sin rodeos. Al monitorear el tráfico live, el modelo se negaba a ejecutar ataques black-box contra objetivos reales, pero la empresa vio un potential de hacer uplift para llevar a cabo ataques reales, y está modificando los guardrails durante los próximos meses. También está dando una variante cyber optimizada del modelo a partners empresariales vetados, con las pruebas restringidas a sistemas propios o explícitamente autorizados.
Si lo vas a correr vos
El cálculo de self-deployment ahora es real. El modelo se descarga de Hugging Face, se sirve con vLLM o SGLang, y la cláusula MaaS de la licencia significa que la única forma de ponerlo detrás de tu propia API pública es con un acuerdo comercial aparte. Si no querés el capex, el precio de la API a la mitad y el cached input a USD 0,07 son los números para comparar contra tu proveedor actual. Los resultados publicados más fuertes están en coding agéntico y seguridad defensiva, así que mandá el tráfico de prueba ahí antes de cualquier workload de producción.
Fuente: mistral.ai
Más noticias
¿Tenés algo en mente?
Empecemos a hablar