Mistral abre los pesos de Large 4 para desafiar a la IA cibernética de EE. UU. y China

El 29 de octubre, Mistral puso a disposición para descarga los pesos de Large 4. Esto significa que las empresas y los gobiernos pueden implementar el modelo de ciberseguridad basado en IA internamente, en lugar de depender de compañías estadounidenses o chinas. Sin embargo, esta libertad tiene un precio. Dado que Mistral tiene poco control sobre el modelo, no puede determinar quién podrá utilizarlo ni con qué fines.

De la vista previa de la API a los pesos descargables

Mistral’s Large 4 se lanzó inicialmente a través de una API el 6 de octubre y sus pesos se publicaron para descarga el 29 de octubre. El acceso mediante API sigue siendo una opción de implementación disponible. Las especificaciones oficiales de Large 4 indican que cuenta con 1,05 billones de parámetros en total, de los cuales 52 mil millones son activos, lo que representa un ligero aumento respecto a los 49 mil millones mencionados anteriormente por Cryptopolitan.

Las empresas pueden personalizar y alojar el modelo por su cuenta. Sin embargo, quienes deseen revenderlo como servicio alojado necesitarán una licencia comercial separada. Esta independencia es fundamental en la propuesta de valor de Mistral. Como declaró el ejecutivo de la empresa Pierre Stock a TechCrunch, el acceso “no puede ser interrumpido”.

Lo que muestran las mediciones y lo que no

Según los informes de Mistral, Large 4 obtuvo un 48 % en el Coding Agent Index, situándose casi al mismo nivel que GLM-5.3. No obstante, Large 4 utilizó un 47 % menos de tokens por tarea. La compañía también reportó puntuaciones del 19,7 % en FrontierCode 2.0 y del 41 % en Terminal-Bench 4.0.

La situación es ligeramente distinta en ciberseguridad. Large 4 obtuvo un 51 en el Artificial Analysis Cyber Index, por detrás de Kimi K3.1 Pro (64), DeepSeek V4.1 Flash (57) y Grok 4.7 (56). Sin embargo, estas puntuaciones requieren contexto. El índice mide qué tan bien los modelos de IA encuentran y corrigen vulnerabilidades de seguridad. No evalúa su capacidad para llevar a cabo ciberataques.

Cuánto dista del límite cerrado

A pesar de las mejoras reportadas en Large 4 en programación y ciberseguridad defensiva, los principales modelos de pesos abiertos aún van por detrás de los sistemas cerrados más potentes. Un análisis de Epoch AI del 16 de octubre otorgó a GLM-5.3, el modelo líder de pesos abiertos, una puntuación de Cyber ECI de 160. Los modelos cerrados más fuertes obtuvieron una puntuación de 171. Al analizar el rendimiento histórico, Epoch estimó que los modelos de pesos abiertos iban entre seis y siete meses por detrás del límite cerrado. Sin embargo, su evaluación se realizó antes del lanzamiento final de Large 4.

El AI Security Institute del Reino Unido llegó a una conclusión similar. Estimó una brecha de cuatro a siete meses entre los modelos de peso abierto y sus rivales de peso cerrado, aunque sus pruebas difirieron de las de Epoch AI.

El problema va más allá de la cuestión de las capacidades defensivas. Como parte de sus pruebas controladas, Anthropic informó que GLM-5.3 explotó con éxito vulnerabilidades existentes en 50 de cada 410 ensayos. Los investigadores lograron eludir las funciones de seguridad del modelo en un 64%-100% de sus diversas simulaciones.

La propuesta de soberanía se enfrenta a la realidad de la adopción

Las empresas muestran mayor interés por controlar sus sistemas de IA, pero el gasto cuenta una historia diferente. Según los informes, el 42 % de las empresas encuestadas utilizó modelos de pesos abiertos en producción en septiembre, frente al 31 % en julio.

Aun así, los pesos abiertos representaron solo el 5 % del consumo medido de IA en octubre. Claude mantuvo el 29 %, mientras que Microsoft 365 Copilot representó el 36 %.

Futurum también descubrió que el origen del modelo influyó en las decisiones del 47 % de los usuarios en producción. Sin embargo, su encuesta se centró principalmente en América del Norte, lo que limita las conclusiones más amplias.

Para las empresas, una mayor independencia también implica asumir más responsabilidades. PwC ha advertido que las empresas que optan por pesos abiertos deben gestionar su propia seguridad y mantenimiento.

Salvaguardas que no pueden ser retiradas

Esa responsabilidad se vuelve especialmente importante cuando los modelos de IA pueden realizar tareas sensibles de ciberseguridad. Mistral afirma que Large 4 rechaza el 96,6 % de las solicitudes cibernéticas dañinas. Sin embargo, esas salvaguardas pueden eliminarse una vez que se descarga el modelo. AISI también advierte que los desarrolladores no pueden monitorear ni retirar copias alojadas de forma privada.

Moonshot ha adoptado un enfoque diferente. La empresa eliminó el material de formación en ciberseguridad de Kimi K3.1 Pro antes de su lanzamiento previsto de pesos el 4 de noviembre. Su puntuación interna en la prueba de evaluación ofensiva cayó posteriormente del 90,5 % al 81,0 %. Sin embargo, esos resultados no han sido verificados de forma independiente.

A fecha del 30 de octubre, ningún ataque cibernético documentado públicamente ha sido vinculado a los nuevos pesos de Large 4.