La reciente evaluación del Índice de Inteligencia v4.3.2, con fecha del 6 de octubre de 2026, ha revelado que Mistral Large 4 Preview obtuvo una puntuación de 38. Este resultado lo sitúa por debajo de cinco modelos chinos de código abierto, los cuales lograron puntuaciones que oscilan entre 39 y 46. Sin embargo, los resultados del modelo de Mistral en pruebas de ciberseguridad muestran un panorama más diverso.

Mistral Large 4 Preview frente a modelos de código abierto

En el Índice de Inteligencia, Mistral Large 4 Preview obtuvo 38 puntos. Este puntaje lo coloca por debajo de varios competidores asiáticos. Por ejemplo, el Xiaomi MiMo-V2.6-Pro lidera este grupo con 46 puntos, superando a Mistral por ocho unidades. A continuación, te presento una tabla con las puntuaciones de los modelos destacados:

Modelo Puntuación del Índice de Inteligencia Xiaomi MiMo-V2.6-Pro 46 Z.ai GLM-5.3 (max) 45 Moonshot Kimi K3 (max) 44 Z.ai GLM-5.3-Flash 42 DeepSeek V4.1 Flash (max) 39 Mistral Large 4 Preview 38

Es importante recordar que estas puntuaciones provienen de un índice específico y una comparación con fecha determinada. No representan un veredicto absoluto sobre el rendimiento general de los modelos en todas las tareas posibles. Las métricas de ciberseguridad, por ejemplo, ofrecen una clasificación diferente.

Resultados de ciberseguridad: Un panorama variado

En el Cyber Index, Mistral Large 4 Preview alcanzó una puntuación de 50, igualando al Z.ai GLM-5.3-Flash. El Cyber Index es una medida agregada, mientras que CWE-Bench-AA, DeepsecBench-AA y CyberGym-E2E-AA son pruebas de componentes individuales. Aquí te muestro los resultados detallados:

Modelo y variante Cyber Index CWE-Bench-AA DeepsecBench-AA CyberGym-E2E-AA Grok 4.7 (xhigh) 56 68% 27% 74% Xiaomi MiMo-V2.6-Pro 56 63% 26% 79% OpenAI GPT-6 Luna (max) 53 57% 24% 78% Z.ai GLM-5.3-Flash 50 56% 20% 74% Mistral Large 4 Preview 50 51% 16% 81.7%

El 81.7% obtenido en CyberGym-E2E-AA es el resultado más sólido de Mistral en estas pruebas de componentes, aunque no reemplaza la puntuación agregada del Cyber Index. Los otros resultados individuales, 51% en CWE-Bench-AA y 16% en DeepsecBench-AA, demuestran la importancia de considerar cada prueba por separado para interpretar el perfil completo del modelo.

Demostraciones de codificación y su relevancia

Además de los benchmarks estandarizados, se realizaron demostraciones de codificación que ofrecen una perspectiva práctica del rendimiento de Mistral Large 4 Preview. En una de estas pruebas, una recreación de Wikipedia se ubicó en el puesto 13 de un ranking, mientras que un mundo de juego de LEGO South Park quedó en el noveno lugar. Estas demostraciones mostraron un rediseño de estilo móvil con algunos problemas de animación y dificultades en la jugabilidad, como el movimiento y la física.

Otra ejecución de ocho tareas en KingBench 3, utilizando OpenCode a través de OpenRouter, reportó una puntuación de 42/80 (52.5%) después de correcciones de permisos. En esta prueba, una simulación de ascensor y una mesa plegable en Three.js funcionaron correctamente. Sin embargo, las ejecuciones predeterminadas de un estuche de lentes de contacto y una tarea de conteo no produjeron archivos ni respuestas. Las ejecuciones de reintento y reparación fueron excluidas de la puntuación final.

Estos resultados específicos de tareas proporcionan una visión práctica de los prototipos generados, pero son demostraciones realizadas por los creadores y no sustituyen las puntuaciones estandarizadas de los índices.

La versión preliminar y la liberación de pesos de Mistral

La comparación de benchmarks evaluó Mistral Large 4 Preview a través de la API de Mistral. La empresa tenía previsto liberar los pesos del modelo para finales de octubre de 2026, según su plan inicial al anunciar la versión preliminar. Este lanzamiento permitiría a la comunidad acceder y experimentar directamente con el modelo.

La evaluación de modelos de IA es un proceso complejo que requiere considerar múltiples métricas y contextos de uso para obtener una imagen completa de su rendimiento y capacidades.