Mistral AI lanza Mistral 7B, un modelo abierto que reta a los grandes
La startup francesa Mistral AI ha publicado Mistral 7B, un modelo de 7.000 millones de parámetros bajo licencia abierta que supera a Llama 2 13B en varios benchmarks. Lo ha distribuido sin anuncio previo, mediante un enlace de descarga directa.
Mistral AI, la startup francesa fundada hace apenas unos meses por antiguos investigadores de Meta y DeepMind, ha publicado hoy Mistral 7B, un modelo de lenguaje de 7.000 millones de parámetros que, según ha anunciado la compañía, supera a Llama 2 13B en todos los benchmarks evaluados pese a tener casi la mitad de tamaño.
La cifra importa porque invierte la lógica habitual del sector: hasta ahora, más parámetros solía significar más capacidad. Mistral 7B contradice esa correlación directa y, en algunas pruebas, incluso se acerca al rendimiento de Llama 34B, un modelo cinco veces mayor.
Quién está detrás
Mistral AI fue fundada este mismo año en París por Arthur Mensch, exinvestigador de Google DeepMind, junto a Guillaume Lample y Timothée Lacroix, ambos procedentes de Meta AI. La compañía captó notoriedad en junio, cuando cerró una ronda semilla de 105 millones de euros, una de las rondas semilla más comentadas del sector europeo de inteligencia artificial hasta ese momento, antes incluso de tener un producto público. Mistral 7B es su primera entrega tangible desde entonces.
Cómo lo han lanzado
A diferencia de los grandes anuncios corporativos que suelen acompañar los lanzamientos de modelos, Mistral AI ha optado por una vía minimalista: compartir un enlace de descarga directa (un torrent) en su cuenta de la red social X, sin nota de prensa extensa ni presentación previa. Es un gesto deliberado que remite a la cultura de código abierto de los laboratorios de investigación, y que contrasta con el hermetismo de OpenAI o el despliegue controlado de Google con Bard.
El modelo se distribuye bajo licencia Apache 2.0, una de las licencias abiertas más permisivas que existen: permite uso comercial sin restricciones y sin necesidad de compartir modificaciones. Esto lo diferencia de Llama 2, cuya licencia de Meta impone condiciones de uso comercial más estrictas para determinadas escalas de negocio.
Por qué rinde tan bien siendo pequeño
Según ha detallado la compañía, Mistral 7B incorpora dos técnicas de eficiencia poco habituales combinadas en un modelo de este tamaño: grouped-query attention (GQA), que acelera la inferencia agrupando las consultas de atención del modelo para reducir el coste computacional, y sliding window attention (SWA), un mecanismo que permite procesar secuencias de texto más largas sin disparar el uso de memoria, al limitar la ventana de contexto que cada token debe considerar directamente.
El resultado práctico es un modelo que se puede ejecutar con muchos menos recursos que sus competidores de mayor tamaño, algo relevante para empresas y desarrolladores que no disponen de la infraestructura de un gigante tecnológico.
Qué significa para el sector
El lanzamiento llega en un momento en que el debate sobre modelos abiertos frente a cerrados se ha intensificado. Meta abrió la puerta con Llama y Llama 2, pero Mistral AI va un paso más allá en las condiciones de licencia y demuestra que un equipo pequeño y una startup de apenas meses de vida pueden competir en rendimiento con laboratorios mucho mejor financiados.
Para desarrolladores y empresas, la promesa es doble: un modelo más barato de operar y con menos restricciones legales para su uso comercial. Para el ecosistema europeo de inteligencia artificial, escaso de actores con visibilidad global, Mistral AI se convierte de la noche a la mañana en una referencia a seguir de cerca.
