Mistral lanza un modelo de 1 billón de parámetros para rivalizar con laboratorios cerrados y abiertos de IA

El laboratorio francés de inteligencia artificial (IA) Mistral AI lanzó el martes Mistral Large 4 (ML4), un nuevo modelo multimodal de gran escala que, según la empresa, busca superar tanto a sus rivales estadounidenses como a los chinos, siguiendo lo que el presidente francés Macron ha descrito como “una tercera vía en la IA”.

En medio de una creciente división entre los modelos cerrados que pueden desconectarse y los modelos abiertos cada vez más desarrollados en China, Mistral posiciona a ML4 como una alternativa a ambos. Apodado “Le Chonk” por sus 1 billón de parámetros, el modelo definitivamente no es pequeño, pero todavía no es de pesos abiertos. Por ahora, solo se puede acceder a él mediante un punto de acceso público con barreras de seguridad; Mistral tiene previsto poner sus pesos a disposición en tres semanas, una vez que se complete la validación de seguridad.

“Mientras tanto, trabajaremos con socios y gobiernos de confianza para asegurarnos de que los pesos de código abierto puedan usarse para defenderse, pero no para [llevar a cabo] ataques maliciosos”, dijo a TechCrunch Pierre Stock, vicepresidente científico de Mistral.

Las preocupaciones de seguridad han aumentado en los últimos meses, en particular entre la audiencia principal de Mistral, compuesta por empresas e instituciones. Al mismo tiempo, dijo Stock, un modelo de pesos abiertos es más fácil de auditar.

Otro aspecto notable, según Stock, es que ML4 se entrenó por completo con la capacidad de cómputo propia de Mistral, utilizando 4000 GPU de Nvidia, “dos o tres veces menos que nuestros competidores chinos, y significativamente menos que los competidores de código cerrado”.

Con los resultados de los benchmarks todavía pendientes, Mistral espera que ML4 se ubique entre los mejores de su clase entre los modelos de pesos abiertos, especialmente fuera de China, aunque no exclusivamente allí, dijo Stock. Gracias a un entrenamiento enfocado, la empresa también cree que el modelo podría superar a sus rivales cerrados en áreas específicas importantes para sus clientes, incluidas aquellas donde las capacidades multimodales agregan valor. Stock señaló la ciberseguridad y las finanzas como casos de uso optimizados, junto con el diseño de chips, un enfoque vinculado a dos de los principales respaldos de Mistral: la fabricante neerlandesa de equipos de semiconductores ASML, que lideró su ronda de Serie C, y Samsung, que lideró su ronda de Serie D el mes pasado con una valoración de 21.000 millones de euros (unos USD 24.390 millones).

En el momento de esa ronda, Mistral había buscado transmitir que alojar modelos chinos en su plataforma no era un giro hacia convertirse en un mero proveedor de inferencia. Con Le Chonk ya en su catálogo, la empresa dice que considera que debería seguir siendo vista también como un laboratorio de vanguardia.

Por qué importa

Mistral apuesta a que un modelo entrenado con muchísima menos capacidad de cómputo que sus rivales chinos y de código cerrado, combinado con un lanzamiento de pesos abiertos por etapas, puede mantener a Europa relevante en una carrera de IA de vanguardia cada vez más dividida entre esos dos bandos.