Puntos clave
- Mistral Large 4 (Le Chonk) emplea una arquitectura Mixture-of-Experts granular de 1,05 billones de parámetros totales y 52.000 millones activos, con soporte multimodal nativo (texto y visión), ventana de contexto de 1M de tokens y más de 160 idiomas.
- Alcanza el puesto #1 entre los modelos de pesos abiertos en el benchmark de programación agéntica FrontierCode de Cognition y fija una nueva referencia de eficiencia de Pareto en Artificial Analysis.
- Orientado a la ciberdefensa además del código, ha sido puesto a prueba por firmas como CrowdStrike, Cloudflare, Rubrik y Zscaler, liderando los modelos abiertos en ciberseguridad, finanzas y derecho.
- Sus pesos se pueden descargar en huggingface.co/mistralai, personalizar con conocimiento propio mediante Mistral Forge y desplegar en infraestructura privada.
Datos rápidos
| Arquitectura | MoE granular (1,05T totales / 52B parámetros activos) |
|---|---|
| Contexto y Modalidad | Ventana de 1M de tokens, texto + visión nativo, 160+ idiomas |
| Benchmark de Código | #1 entre modelos abiertos en FrontierCode de Cognition |
| Validación en Ciberseguridad | Probado por CrowdStrike, Cloudflare, Rubrik y Zscaler |
| Distribución y Ajuste | Pesos abiertos en Hugging Face; personalizable con Mistral Forge |
| Categoría | IA y modelos |
| Creador | Mistral AI |
| Sitio oficial | huggingface.co ↗ |
| Popularidad | 🔥 797,1K Popularidad |
| Publicado | |
| Última actualización |
Un MoE de 1,05 billones de parámetros que activa 52.000 millones por token
El lanzamiento estrella de Mistral AI del 29 de octubre de 2026 combina su nombre oficial en el catálogo de Hugging Face —Mistral Large 4— con el apodo interno empleado en el anuncio, Le Chonk. Su arquitectura Mixture-of-Experts (MoE) granular reúne alrededor de 1,05 billones de parámetros totales (indicados como 1T en la ficha del repositorio), pero activa únicamente 52.000 millones en cada paso de inferencia. Esa proporción permite conservar la capacidad de un modelo de escala billonaria manteniendo el coste por token y la latencia bajo control.
Según detalla el perfil oficial de Mistral en Hugging Face, Large 4 ha sido entrenado desde cero como un modelo generalista multimodal nativo capaz de procesar texto e imagen, con una ventana de contexto de un millón de tokens y fluidez en más de 160 idiomas. El mismo 29 de octubre, Artificial Analysis incorporó las evaluaciones de Mistral Large 4 en sus variantes Medium y High, destacando que establece un nuevo listón de eficiencia de Pareto entre calidad y coste.
Liderazgo abierto en FrontierCode y pruebas reales en ciberdefensa
Mistral articula la propuesta de Le Chonk sobre dos pilares técnicos: la ingeniería de software con agentes y la ciberdefensa. En programación, el modelo se sitúa en el puesto #1 entre todos los modelos de pesos abiertos dentro de FrontierCode, el benchmark de programación agéntica de Cognition que mide la resolución de tareas complejas y el uso de herramientas sobre repositorios completos.
En materia de seguridad defensiva, el modelo ha pasado por pruebas de validación junto a cuatro compañías de referencia mundial en ciberseguridad e infraestructura: CrowdStrike, Cloudflare, Rubrik y Zscaler. Además, la documentación en Hugging Face subraya que lidera el segmento de pesos abiertos no solo en ciberseguridad, sino también en finanzas y sector legal.
- Built to build (FrontierCode #1)
Encabeza los modelos abiertos en el benchmark FrontierCode de Cognition y bate la marca de eficiencia de Pareto en Artificial Analysis.
- Built to defend (Ciberdefensa)
Evaluado en entornos exigentes de defensa informática por CrowdStrike, Cloudflare, Rubrik y Zscaler.
- Built for sovereignty (Pesos abiertos + Forge)
Descarga directa en Hugging Face para despliegue propio y ajuste mediante preentrenamiento, postentrenamiento y aprendizaje por refuerzo en Mistral Forge.
Descarga en Hugging Face y personalización empresarial con Mistral Forge
Los pesos del modelo están publicados en huggingface.co/mistralai dentro de la colección Frontier bajo el repositorio mistral-large-4. Para bancos, despachos jurídicos o equipos de seguridad que no pueden enviar código fuente ni registros de incidentes a APIs externas, disponer de los pesos permite alojar un modelo de frontera directamente en servidores propios o nubes privadas.
Cuando se necesita ir más allá del modelo base, Mistral ofrece su plataforma Mistral Forge. A través de Forge, las organizaciones pueden entrenar variantes fundamentadas en su propio conocimiento interno abarcando etapas de preentrenamiento, postentrenamiento y aprendizaje por refuerzo, adaptando así los 52.000 millones de parámetros activos a sus repositorios o políticas de seguridad antes de llevarlo a producción.
Guía paso a paso
Acceder al repositorio en Hugging Face
Entra en huggingface.co/mistralai, localiza Mistral Large 4 (mistral-large-4) dentro de la sección Frontier y descarga los pesos del modelo.
Preparar el entorno de inferencia para 52B activos
Configura tu infraestructura de servidores para alojar el MoE de 1,05T aprovechando el enrutamiento de 52B parámetros activos y la ventana de 1M de tokens.
Especializar el modelo con Mistral Forge
Si trabajas con código propietario o datos regulados de finanzas, derecho o seguridad, utiliza Mistral Forge para ajustar el modelo antes de desplegarlo.
Preguntas frecuentes
¿Le Chonk y Mistral Large 4 son el mismo modelo?
Sí. Le Chonk es el nombre utilizado por Mistral AI en su anuncio de lanzamiento de pesos abiertos, mientras que en el catálogo oficial de Hugging Face figura como Mistral Large 4.
¿Cuántos parámetros tiene y qué ventana de contexto soporta?
Cuenta con una arquitectura MoE granular de unos 1,05 billones de parámetros totales (1T en la ficha) y 52.000 millones activos por token, soporte multimodal nativo (texto y visión), 1 millón de tokens de contexto y más de 160 idiomas.
¿Qué resultados avalan su rendimiento en código y ciberseguridad?
Es el #1 entre los modelos abiertos en FrontierCode de Cognition, fija un nuevo récord de eficiencia de Pareto en Artificial Analysis y fue validado por CrowdStrike, Cloudflare, Rubrik y Zscaler.
¿Se puede alojar en servidores propios y entrenar con datos privados?
Sí. Los pesos se descargan desde Hugging Face para desplegarlos donde necesites, y Mistral Forge permite personalizarlo mediante preentrenamiento, postentrenamiento y aprendizaje por refuerzo.
