Mistral presenta Codestral, un modelo de 22.000 millones para programar

Mistral AI ha presentado este miércoles Codestral, un modelo de lenguaje de 22.000 millones de parámetros diseñado específicamente para trabajar con código. La compañía francesa entra así de lleno en la carrera por los asistentes de programación, uno de los usos comerciales más extendidos de la inteligencia artificial generativa.

Codestral puede escribir funciones a partir de instrucciones en lenguaje natural, explicar programas, detectar errores y completar fragmentos que faltan dentro de un archivo. Mistral afirma que admite más de 80 lenguajes de programación y ofrece una ventana de contexto de 32.000 tokens, la unidad en que estos sistemas dividen el texto y el código que reciben.

Completar código, no solo generarlo desde cero

La característica más relevante del lanzamiento es el soporte de fill-in-the-middle, o relleno intermedio. En vez de limitarse a continuar un texto desde la última línea, el modelo puede recibir el código anterior y posterior a un hueco para proponer qué debería ir entre ambos.

Es una función especialmente útil en un entorno de desarrollo. Un programador rara vez empieza una aplicación desde una página vacía: normalmente modifica una función existente, añade una comprobación o sustituye un bloque concreto. Para hacerlo bien, el sistema necesita entender tanto lo que se ha escrito antes como las restricciones que impone lo que viene después.

Ese enfoque aproxima Codestral a productos como GitHub Copilot y a las extensiones de programación integradas en editores como Visual Studio Code o los entornos de JetBrains. La generación de código ha dejado de ser una demostración llamativa para convertirse en una herramienta cotidiana en equipos de software, aunque su resultado sigue requiriendo revisión humana.

Un modelo más pequeño que los grandes modelos generales

Los 22.000 millones de parámetros sitúan a Codestral por debajo de muchos modelos generalistas de última generación, pero esa comparación no explica por sí sola su utilidad. Los parámetros son valores ajustados durante el entrenamiento y, como regla general, permiten captar patrones más complejos; no garantizan que un modelo sea mejor para cada tarea.

Un sistema especializado puede resultar competitivo si ha sido entrenado con una gran proporción de repositorios, lenguajes y problemas de programación. Mistral sitúa a Codestral por delante de otros modelos abiertos de código en pruebas como HumanEval, un conjunto de ejercicios cortos que mide si el programa generado resuelve correctamente una tarea.

Estas pruebas sirven para comparar capacidades básicas, pero no equivalen al trabajo de un desarrollador en un proyecto real. En producción pesan también la capacidad de comprender una base de código extensa, la seguridad, las dependencias externas y la facilidad para corregir una respuesta equivocada. Un programa que parece correcto puede contener errores sutiles o abrir vulnerabilidades.

Disponible por API, con límites para los pesos descargables

Mistral ofrece Codestral mediante una API, el servicio que permite a una aplicación enviar solicitudes al modelo de forma programática. El precio anunciado es de 1 dólar por millón de tokens de entrada y 3 dólares por millón de tokens generados. La empresa también ha publicado los pesos del modelo para su descarga.

Sin embargo, esos pesos no se distribuyen con una licencia abierta para cualquier finalidad. Codestral se publica bajo la Mistral AI Non-Production License, que permite usos de investigación y pruebas, pero no autoriza desplegar el modelo descargado en producción ni utilizarlo internamente con fines empresariales. Las organizaciones que quieran ese tipo de uso deben negociar una licencia comercial con Mistral.

La distinción importa porque limita una de las ventajas habituales de los modelos con pesos accesibles: ejecutarlos en infraestructura propia, adaptar el sistema a código privado y evitar enviar información a un proveedor externo. La API da acceso inmediato al modelo, pero deja la ejecución y las condiciones de servicio en manos de Mistral.

Una apuesta por el software como puerta de entrada

El lanzamiento refuerza la estrategia de Mistral de alternar modelos de propósito general con versiones orientadas a tareas concretas. Para la compañía, el código es un terreno atractivo: los desarrolladores usan estas herramientas con frecuencia, pueden comprobar parte de sus resultados al ejecutar pruebas y representan una vía directa hacia contratos empresariales.

Para los equipos técnicos, Codestral añade otra opción a evaluar junto a los servicios de OpenAI, Microsoft, Google, Anthropic y los modelos abiertos de Meta o DeepSeek. La comparación no debería reducirse al resultado de un benchmark: conviene medir la calidad sobre el código propio, el coste por uso, la privacidad de los datos y, en este caso, las restricciones de licencia antes de integrarlo en un producto.