Mistral Small 4 Es un Solo Modelo que Hace el Trabajo de Tres — y es Completamente Open Source

Mistral lanzó Small 4 el 16 de marzo y supone un cambio de arquitectura genuino para la empresa. El modelo empaqueta 119.000 millones de parámetros totales en un framework Mixture-of-Experts con 128 expertos especializados, pero activa solo cuatro de ellos —6.000 millones de parámetros activos— por pasada. El efecto práctico: un modelo con la superficie de capacidades de un sistema de 119B corriendo al coste de inferencia de un modelo de 6B.

Esa compensación explica por qué MoE está ganando.

La historia más importante aquí es la consolidación. Hasta Small 4, Mistral mantenía tres modelos especializados distintos: Magistral para razonamiento, Pixtral para tareas multimodales y Devstral para generación de código agéntico. Los tres tenían requisitos de despliegue independientes. Small 4 los absorbe a todos. Un solo checkpoint, una sola huella de hardware, una sola llamada a la API. El parámetro reasoning_effort permite a los desarrolladores ajustar el modelo entre rápido-y-superficial y lento-y-profundo sin cambiar de modelo.

La licencia es Apache 2.0. Pesos completos, sin restricciones de uso, ajustables con datos propietarios. Para empresas que no pueden enrutar datos sensibles a través de APIs cerradas, esto es un avance significativo. El requisito mínimo son 4 GPUs Nvidia HGX H100, costosas pero al alcance de cualquier equipo de ML serio.

Especificaciones de rendimiento: en configuraciones optimizadas para latencia, Small 4 reduce el tiempo de finalización de extremo a extremo un 40% en comparación con ejecutar despliegues separados de Magistral, Pixtral y Devstral. En el ranking de codificación de Artificial Analysis, supera a GPT-5.4 Standard en tareas de código, aunque queda por debajo de Claude Opus 4.6 en benchmarks de razonamiento puro. Procesa texto e imágenes de forma nativa sin cambiar de modalidad.

Mistral también lanzó Forge junto a Small 4: una plataforma empresarial para entrenar versiones personalizadas de sus modelos con datasets propietarios. Es una infraestructura de fine-tuning como servicio gestionado. Es un producto distinto del modelo en sí, pero aclara la ambición comercial de Mistral: no solo publicar pesos abiertos y esperar que los desarrolladores los adopten, sino construir un pipeline completo desde modelo abierto hasta fine-tune empresarial y despliegue en producción.

La presión competitiva detrás de este lanzamiento es evidente. Llama 4 de Meta se espera en cuestión de semanas. Gemma 4 de Google ya está disponible. En un mercado donde los modelos de pesos abiertos convergen en capacidad, la consolidación —menos despliegues que cubran más casos de uso— se convierte en una ventaja competitiva real. Los desarrolladores que estandarizan en Small 4 para las tres verticales originales de Mistral crean una dependencia que los usuarios de modelos de un solo caso de uso no generan.

Mistral es una empresa francesa que ha sido consecuente y creíblamente open source de una manera que sus competidores más grandes no han sido. Small 4 es la expresión más clara de esa apuesta: máxima capacidad, mínima fricción de despliegue, cero barreras de licencia.