Mistral AI entró el martes en la siguiente fase de la contienda entre IA abierta y cerrada con Mistral Large 4, un modelo multimodal de un billón de parámetros apodado «Le Chonk». La empresa francesa afirma que el lanzamiento busca mantener a Europa relevante mientras los desarrolladores chinos dominan muchos modelos abiertos y grupos estadounidenses como OpenAI y Anthropic conservan su ventaja en sistemas cerrados.¹

La propuesta es deliberadamente política además de técnica. ML4 se presenta como la «tercera vía en IA» defendida por el presidente francés Emmanuel Macron: una alternativa europea que puede alojarse y modificarse localmente, a diferencia de los sistemas cerrados estadounidenses, sin depender de tecnología china.² Mistral afirmó que su modelo es especialmente adecuado para ciberseguridad, programación, fabricación, finanzas y trabajo multimodal, y sostiene que figurará entre los sistemas de pesos abiertos más potentes una vez que se publiquen sus parámetros principales.¹

Sin embargo, por ahora el modelo no es abierto. Mistral ha puesto ML4 en vista previa a través de un punto de acceso público restringido para desarrolladores, responsables de ciberseguridad y autoridades estatales, con una publicación más amplia de los pesos prevista para finales de este mes tras las pruebas de seguridad. Pierre Stock, vicepresidente de ciencia de Mistral, dijo que la empresa trabajaría con «socios y gobiernos de confianza» para garantizar que los pesos puedan usarse «para defender, pero no para llevar a cabo ataques maliciosos».²

Esa cautela refleja una contradicción central en la estrategia de Mistral. La empresa sostiene que los pesos abiertos facilitan la auditoría de los modelos, aunque reconoce que las potentes capacidades cibernéticas exigen un despliegue controlado. El cofundador Guillaume Lample afirmó que esas capacidades podrían ayudar a gobiernos y empresas a contrarrestar a actores que «eluden las restricciones de los modelos cerrados para llevar a cabo ciberataques».¹

Mistral también vende eficiencia. Entrenó ML4 en sus centros de datos europeos con 4.000 GPU Nvidia Grace Blackwell durante dos meses; Stock dijo que eso fue «dos o tres veces menos que nuestros competidores chinos» y mucho menos que sus rivales de código cerrado.² Aún queda por responder si esa austeridad se traduce en liderazgo en los benchmarks, la prueba de la apuesta europea.