-
Mistral libera los pesos de Large 4: un billón de parámetros, licencia MIT modificada y el mejor modelo abierto en agentes de código (29/10)
Lo que soltó Mistral tres semanas después del preview público del 6 de octubre es un modelo multimodal de cerca de un billón de parámetros totales con 52.000 millones activos por paso, entrada de texto e imagen, salida de texto y código, y entrenado íntegramente en Europa; siguieron haciendo RL después del preview, con las mejoras concentradas en código y ciberdefensa. La licencia es MIT modificada: uso, modificación y despliegue comercial libres, pero quien lo revenda como servicio administrado necesita licencia aparte. Los números, en orden de utilidad: 48 en el Coding Agent Index de Artificial Analysis, empatado con GLM-5.3 pero gastando 47% menos tokens, contra 62 de Claude Code con Opus 5.5; 41% en Terminal-Bench 4.0, desde 28% del preview, contra 40% de GLM-5.3 y 67% de Kimi K3.1 Pro; 19,7% en FrontierCode 2.0, el mejor entre los abiertos, contra 46% de Opus 5.5; y 26 en el índice de inteligencia v5, abajo de los 32 de DeepSeek V4.1 Flash y GLM-5.3 y lejos de los 59 de Gemini 4 Carbon. El precio de API bajó a 0,70 dólares por millón de tokens de entrada y 2,10 de salida, contra 1,36 y 4,18 del preview, y el costo por tarea del índice cayó de 5,54 a 2,06 dólares. Para autohospedarlo hacen falta ocho B300 según los docs de SGLang, o cuatro GB300 en la variante comprimida. Las salvedades, varias: la afirmación de ser el modelo abierto líder en ciber no se sostiene ni con el gráfico propio —51% en el Cyber Index, tercero detrás de DeepSeek V4.1 Flash con 57% y MiMo-V2.6-Pro con 56%—, en pruebas ciegas de Surge le ganó a Opus 5.5 en solo 22% de los enfrentamientos, la variante de pentesting queda limitada a socios con revisión y restricciones contractuales, y los pesos de Kimi K3.1 Pro se esperan para el 4 de noviembre, lo que podría borrar su ventaja en código. The Decoder · TechCrunch · Mistral
The Decoder TechCrunch Mistral DeepSeek Claude Gemini Kimi Claude Code
-
Nemotron 3.5 Transcribe: Nvidia abre un modelo de voz de 30B con 4B activos que transcribe 40 idiomas y se maneja con prompts de texto (28/10)
Lo que lo diferencia de un ASR común es que toma instrucciones: transcribe, identifica hablantes, traduce, acepta términos técnicos como nombres de fármacos a modo de pista —y debería usarlos solo si aparecen en el audio— y además responde preguntas sobre el contenido de la grabación. Los límites de forma: 40 idiomas para transcribir, 31 para traducir desde o hacia inglés, 13 para identificar hablantes, grabaciones de hasta una hora con hasta ocho voces. Corre en una sola GPU, de un DGX Spark a hardware de datacenter, y procesa 100 horas de audio en menos de tres minutos en una RTX PRO 6000 Blackwell Server Edition a precisión NVFP4. Los números: 5,33% de WER promedio en el Open ASR Leaderboard de inglés en Hugging Face, primero entre los de pesos abiertos; 2,81% en Artificial Analysis, pegado al Voxtral Small de Mistral con 2,77% que es mucho más grande; 32,4% de cpWER en VoiceArena con habla superpuesta, el mejor de 14 sistemas, contra 34,2% del propio Multitalker Parakeet y 71,9% de Deepgram Nova-3. Lo accionable es la receta de especialización: en habla médica con acento indio el error bajó de 30,8% a 23,8% solo afinando el prompt y después a 11,8% con fine-tuning, y en hablantes no vistos de 22,44% a 12,17%, con unas 14 horas de GPU en una sola GB300; la especialización empeora un poco el inglés general. El dataset Granary v2 tiene unas 844.000 horas en 48 idiomas, contra 643.000 en 25 de la versión anterior, y publican las herramientas para armarlo. Lo que no hace: no soporta tiempo real, está pensado para audio grabado, y el question-answering sobre audio se entrenó solo en inglés. Pesos, dataset y demo en Hugging Face; el artículo no dice la licencia, así que hay que mirar el model card. The Decoder · Hugging Face
-
Robótica: Enact levanta 30 millones de dólares pre-seed para robots que sienten fuerza con sus propios actuadores, sin piel artificial ni sensores táctiles (23/10)
La fundó en marzo Manuel Yves Galliker, que viene de 1X y Physical Intelligence y dice haber liderado el equipo que le enseñó a caminar al NEO. La apuesta es co-desarrollar motores, control y modelo en vez de vender software sobre hardware ajeno, con el objetivo de medir fuerza más de 1.000 veces por segundo para tareas de contacto: asentar sellos, insertar cables, manejar tornillos. Lideraron Notion Capital y redalpine, y entre los ángeles están Yann LeCun y Arthur Mensch, el CEO de Mistral. Humanoids Daily
-
Mistral lanza Voxtral 3: cuatro modelos de voz, SDK de agentes sobre LiveKit y transcripción a 0,004 dólares el minuto (20/10)
La familia son cuatro piezas con precio por minuto: Voxtral Small Transcribe 3 a 0,004, Mini Transcribe 3 —4.000 millones de parámetros, por lotes— a 0,0035, Mini Transcribe Realtime 3 a 0,008 y Mini TTS 3 a 13 dólares por millón de caracteres; la API de agente de voz sale a 0,04 el minuto con Mistral Small 4 razonando, o 0,08 con un modelo más grande. La transcripción cubre más de 50 idiomas, incluidos los 24 oficiales de la UE, y el TTS más de 35 idiomas con 50 dialectos. Lo accionable es el SDK: está construido sobre LiveKit y corre escucha, razonamiento, tool calling y salida de voz como un solo pipeline de streaming donde cada etapa es un modelo separado, así que se puede cambiar el LLM, la voz o el idioma sin reescribir el agente, con soporte SIP y WebRTC. Los números son autoinformados y hay que leerlos con cuidado: en FLEURS a 45 idiomas Mistral se pone en torno a 4,0-4,1% de WER contra 15-16% de Whisper large-v3, pero el gráfico empareja valores y etiquetas de forma ambigua, los evals de TTS son internos y juzgan "calidad por dólar", y la página no dice en ningún momento que los pesos sean abiertos. Mistral · MarkTechPost
-
Mistral abre Timestral, su primera familia de modelos fundacionales de series temporales: cuatro tamaños de 5M a 209M y pesos abiertos (18/10)
Es forecasting zero-shot con transformer causal por parches, atención temporal y de variate, ventana de hasta 32.768 pasos, 21 cuantiles de salida por paso y soporte de covariables; el de 209M usa 24 capas y embedding de 768. El dato que lo vuelve usable es la velocidad en CPU: sobre un servidor común con 8 hilos, pronosticar un día desde tres semanas de datos cada 15 minutos tarda 10 ms con el de 5M y 140 ms con el de 209M, o sea que esto corre sin GPU. Licencias separadas: los pesos van con MIT modificada y el código de inferencia con Apache 2.0, se instala por pip desde GitHub con Python 3.10+ y torch 2.4+, y el fine-tuning sobre datos propios pasa por Mistral Forge. Los benchmarks son autoreportados y conviene mirarlos con pinzas: el de 209M dice quedar primero entre modelos zero-shot preentrenados en GIFT-Eval, TIME y fev-bench, pero la ventaja de MASE en GIFT-Eval sobre t0-gamma es de 0,003, y algunas cifras de los competidores salen de model cards ajenas. En la API de Mistral figura como Public Preview. MarkTechPost
-
Anthropic contestó el mismo día con Claude Haiku 5.5, hasta 90% más barato y con el precio base calcado al de GPT-6 Luna (07/10)
Abajo de 100.000 tokens cuesta 0,10 de entrada y 0,50 de salida por millón, contra 1,00 y 5,00 de Haiku 4.5; arriba de ese umbral pasa a 0,50 y 2,50. La lectura fina es que Luna cobra lo mismo en la franja baja pero mantiene ese precio hasta 272.000 tokens de entrada, casi el triple de ventana barata. En benchmarks propios Haiku 5.5 le gana a Luna en los cuatro que publicaron —1.620 contra 1.437 en GDPval-AA v2.1, 72,4% contra 48,9% en OSWorld 2.1, 39,2% contra 16,4% en Terminal-Bench 4.0, 46,4% contra 42,4% en FrontierCode 1.1— y pierde con Sonnet 5.5 en todos. El detalle que cambia el cálculo: el modelo trae niveles de esfuerzo ajustables con medio por defecto, y ese 39,2% de Terminal-Bench es a esfuerzo máximo; a esfuerzo medio cae a unos 20%. Además las lecturas de caché de Sonnet 5.5 bajaron de 0,20 a 0,10. Sigue de la tanda de lanzamientos de esta semana: con Mistral Large 4 el martes y estos dos el miércoles, la pelea se corrió del benchmark al precio por token. VentureBeat · MarkTechPost
-
Mistral presentó Large 4, apodado "Le Chonk": 1 billón de parámetros entrenados con solo 4.000 GPUs Nvidia (06/10)
Es multimodal y se entrenó entero en cómputo propio de Mistral, con dos a tres veces menos GPUs que los competidores chinos y mucho menos que los de pesos cerrados, según Pierre Stock, VP de ciencia. Por ahora solo se llega por un endpoint público con guardarraíles; los pesos abiertos salen en tres semanas, después del testeo de seguridad, y Mistral dice que va a trabajar con socios y gobiernos para que sirvan para defender y no para atacar. Está optimizado para ciberseguridad, finanzas y diseño de chips, lo último por el respaldo de ASML y Samsung. Los benchmarks todavía no están, así que el posicionamiento como "tercera vía" entre los cerrados estadounidenses y los abiertos chinos es por ahora una promesa. TechCrunch
-
Un estudio de Aleph Alpha midió 967 temas tabú y encontró que los modelos chinos dan respuestas balanceadas entre el 17% y el 41% de las veces (04/10)
Probaron Qwen de Alibaba, DeepSeek y Kimi de Moonshot sobre Tiananmen, Taiwán y Xinjiang; el resto de las respuestas repite doctrina de Estado, esquiva o se niega —DeepSeek V4 Pro rechaza dos tercios de las preguntas—. Contra eso, Claude Sonnet 5 da respuestas balanceadas el 70% de las veces y Mistral Small el 92%. Lo más interesante es el derrame: preguntado por censura en Estados Unidos, Qwen 3.6 arranca equilibrado y cierra defendiendo la postura china sobre gobernanza de internet. Y el dato que vale para quien destila datos sintéticos: Nemotron Cascade 2 de Nvidia mostró patrones de línea partidaria en 17% de las respuestas, y Aleph Alpha lo atribuye a unos 3.500 de sus 9,3 millones de ejemplos de entrenamiento generados con DeepSeek y Qwen. Conviene leerlo con la salvedad obvia: Aleph Alpha vende "IA soberana" y compite justo en ese mercado. The Decoder
The Decoder DeepSeek Moonshot AI Alibaba Nvidia Claude Qwen Kimi
-
Inferencia local: llama.cpp sumó soporte de Nemotron 3 Puzzle y un 2,71x en modelos cuantizados a IQ3_S, pero conviene quedarse en la build b11199 (27/09)
El relevamiento diario de infraestructura marca regresiones reportadas en los backends ROCm, SYCL y CUDA en las builds posteriores, así que el salto de rendimiento y la estabilidad todavía no viajan juntos. En vLLM entraron GLM-5.3-Flash-DFlash2 y MiniCPM-V 4.7, y hay un problema abierto que vale mirar antes de subir a producción: deadlock del motor V1 bajo carga concurrente cuando se combina decodificación especulativa con cuantización FP8. LiteLLM optimizó la capa de proxy con operaciones Redis en lote y sumó soporte de batch de Mistral. La recomendación del informe es directa: fijar builds estables y evitar por ahora la inferencia gestionada de Ollama Cloud Pro, que muestra 95% de fallas. AI Infrastructure Digest
-
Mozilla metió un asistente de IA en Firefox y lo hizo correr sobre modelos de Mistral (16/09)
Se llama Firefox Smart Window, está en beta y sirve para búsquedas complejas, recordar contenido ya visitado y resumir información de las pestañas abiertas. Sale primero en Francia y Norteamérica, con Reino Unido y Alemania más adelante este año. El gancho es la privacidad: las conversaciones no se guardan en los servidores de Mozilla por defecto y Mistral se compromete a no almacenar datos. Para Mistral es la vía para salir del cliente empresarial y llegar al usuario final; las dos empresas insisten en que el navegador tiene que seguir siendo un lugar donde compitan varios proveedores y el open source tenga lugar propio. The Decoder · Mistral
-
Mistral levanta 3.000 millones de euros con Samsung a la cabeza, la ronda más grande de la historia tecnológica europea (08/09)
La Serie D lleva la valuación arriba de 21.000 millones de euros, casi el doble de los 12.000 millones que valía cuando ASML puso 1.300 millones en septiembre de 2025. Coliderean el Scaleup Europe Fund (gestionado por EQT) y PSG Equity, y entran Advent, fondos de BlackRock y el Gran Ducado de Luxemburgo; a16z, Nvidia, ASML y General Catalyst siguen adentro. El dato incómodo es que los modelos no acompañan: Mistral Medium 3.5 queda atrás de Qwen y Kimi entre los abiertos y no compite con los cerrados de EE.UU. La apuesta es enteramente empresarial —opera en 20 países con más de 125 clientes como Airbus, ASML y HSBC— y el motor es la demanda europea de bajar la dependencia de proveedores estadounidenses. Mistral AI · The Decoder
-
Se viraliza una patente de Mistral sobre "code implemented tool calls"
(discusión de hoy; patente otorgada el 30/06). La comunidad de HN descubrió hoy la patente US12670045, que cubre la técnica de hacer tool calling generando código en vez de llamadas JSON — un patrón que usan varios frameworks de agentes. Genera debate sobre qué implica para el ecosistema open source de agentes. USPTO · HN
-
Jensen Huang debuta en X defendiendo los modelos abiertos (24-25/07)
El CEO de Nvidia usó su primer posteo para compartir una carta firmada por 25 empresas —Nvidia, Microsoft, Meta, IBM, Dell, Mistral, Mozilla, Hugging Face, Linux Foundation, Perplexity, Y Combinator— argumentando que "los modelos abiertos fortalecen la seguridad y la ciberseguridad, aceleran la innovación y habilitan la soberanía". El timing no es casual: Washington está debatiendo restringir modelos open-weight chinos como Kimi K3. Es el lobby pro-open-weights más coordinado que se vio hasta ahora. Post original · Fortune · VideoCardz
Post original Fortune VideoCardz Meta Microsoft Hugging Face Nvidia Dell Kimi Linux
-
Microsoft y Mistral amplían su alianza estratégica
Las dos empresas anunciaron el 21 de julio una expansión con un compromiso multimillonario para levantar infraestructura de IA en Europa. Los modelos Medium 3.5 y OCR 4 de Mistral ya están disponibles en Microsoft Foundry, reforzando la apuesta europea por "soberanía" tecnológica frente a los labs estadounidenses. buildfastwithai
-
AI Safety Index 2026: Anthropic a la cabeza, varios reprueban
El Future of Life Institute publicó su índice anual de seguridad: Anthropic obtuvo la nota más alta (C+), OpenAI y Google DeepMind quedaron en C, Meta en D+, y xAI, DeepSeek y Mistral esencialmente reprobaron. El informe señala que varios labs habrían retrocedido en compromisos de seguridad previos. ThursdAI
ThursdAI OpenAI Anthropic Google Google DeepMind Meta xAI DeepSeek
-
Mistral entra a la IA embodied con un modelo de robótica de 8B
Mistral lanzó un modelo de 8B parámetros que guía robots mediante instrucciones en lenguaje natural, su primer paso hacia la IA encarnada y uno de los releases más comentados de la semana. llm-stats
-
Ola open-weight de julio: Inkling y compañía
Además de Kimi K3, el mes concentró varios lanzamientos abiertos: Thinking Machines liberó Inkling (975B totales / 41B activos, licencia Apache 2.0, pesos en Hugging Face al lanzamiento) el 15 de julio, posicionado como modelo general de razonamiento y código competitivo con cerrados mainstream. También suenan la V4 oficial de DeepSeek para mediados de mes y una familia MoE dispersa de Mistral en early access. - -
-
Los modelos chinos de peso abierto aprietan en costo
DeepSeek V4 (open-weight, contexto de 1M de tokens, ~US$1,74 por millón de entrada) se ubica cerca de la paridad con modelos frontera en matemática y Q&A, mientras Qwen3-Coder-Next y Mistral Medium 3.5 apuntan a agentes de código a precios bajos. CNBC reporta que empresas de EE.UU. empiezan a adoptar modelos chinos ante la suba de costos de OpenAI y Anthropic. MindStudio · CNBC
-
Meta debuta la serie Muse con "Muse Spark"
Meta presentó Muse Spark (nombre en código "Avocado"), el primer modelo de su nueva serie Muse desarrollada por Meta Superintelligence Labs, en su intento de recortar distancia con Google y OpenAI tras inversiones multimillonarias en talento. Mistral/contexto de mercado
-
Mistral lanzó OCR 4 y empuja su jugada de IA empresarial
La startup europea presentó OCR 4, un producto comercial de extracción de documentos con precio por página, bounding boxes, scores de confianza, clasificación de bloques y despliegue self-hosted para clientes corporativos. Apunta de lleno al mercado empresarial (SLAs, acuerdos de procesamiento de datos, auditorías de cumplimiento) y compite con Google Document AI, Amazon Textract y Azure Document Intelligence, en un contexto donde los controles de exportación de EE.UU. refuerzan el argumento de soberanía de IA europea. VentureBeat