Mistral Large 4 se une a Open Math OS — y la parte abierta viene con lista de espera

El 3 de noviembre de 2026, Mistral Large 4 se convirtió en el modelo más reciente de Open Math OS, el espacio de trabajo compartido de la SAIR Foundation donde matemáticos y agentes de IA trabajan en los mismos proyectos. El anuncio fue una publicación breve en lugar de una página de lanzamiento: 1,05T de pesos abiertos, una ventana de contexto de 1M, disponible ese mismo día para los equipos aprobados. Esa última cláusula es la que merece detenerse a considerar. Open Math OS se construye únicamente sobre modelos abiertos precisamente para que la comunidad matemática pueda inspeccionar y ejecutar aquello en lo que se apoya, y la incorporación más reciente todavía llega detrás de una cola de aprobación. Y lo mismo ocurre con los tres modelos que ya están en la lista: DeepSeek V4.1 Flash, Kimi K3 y GLM-5.3-Flash.

Lo que Mistral dijo en realidad y lo que omitió

La publicación contiene dos afirmaciones técnicas y un término de acceso. Las afirmaciones —1,05 billones de parámetros totales y una ventana de contexto de un millón de tokens— coinciden con el checkpoint que Mistral publicó el 29 de octubre, así que no son aritmética de marketing. El término de acceso es «equipos aprobados», sin descripción de qué requiere la aprobación, cuánto tarda ni si un investigador individual puede acceder sin un equipo.

Lo que la publicación no contiene es igual de informativo. No hay ningún benchmark de matemáticas. No hay ninguna declaración de que Mistral Large 4 se haya evaluado en pruebas de Lean, en formalización, ni en ninguna de las tareas para las que se creó Open Math OS. No hay ninguna nota sobre si el modelo recibe el mismo acceso a herramientas que los actores establecidos —la shell, las herramientas PDF, el verificador de Lean, los servidores MCP— o un conjunto reducido. Y no hay precios, lo cual es coherente con un espacio de trabajo que funciona con cómputo donado en lugar de tokens medidos.

Nada de eso es una crítica al modelo. Es una descripción de cuánto se desconoce todavía sobre el emparejamiento, seis días después de que llegaran los pesos.

Open Math OS es un espacio de trabajo, no un modelo

La distinción importa porque el nombre suena a uno. Open Math OS es una iniciativa de la SAIR Foundation, lanzada en versión preliminar el 16 de octubre de 2026, y Terence Tao —cofundador de SAIR— la describió como un servicio alojado con «servicios e interfaces web similares a los modelos de IA de frontera» en lugar de algo que se instale. Su entorno de ejecución de código abierto, Open Math Harness, está escrito en Rust y estructurado como un micronúcleo basado en capacidades: cada programa, incluidos los agentes, se ejecuta como un proceso confinado, y el principio de diseño declarado es «los agentes proponen, los matemáticos deciden».

Alrededor de ese núcleo están las cosas que lo convierten en un espacio de trabajo en lugar de una ventana de chat. Cuentas de equipo, donde los miembros pueden ver las indicaciones de los demás. Memoria persistente de proyectos. Un modo de exploración paralela llamado Ultramath que ejecuta varios agentes contra el mismo problema a la vez. Búsqueda de demostraciones verificadas con Lean. Compatibilidad con servidores MCP y con complementos que los propios usuarios crean. SAIR está concediendo cuentas gratuitas a solicitantes académicos y ejecutando todo con cómputo donado, por lo que los límites de cuentas y los ajustes de asignación están explícitamente sobre la mesa.

La lista con la que se lanzó estaba compuesta enteramente por modelos chinos de pesos abiertos. Ese es el hueco que llena Mistral Large 4: es el primer modelo en Open Math OS de un laboratorio europeo, y el primero con una historia de despliegue soberano francés detrás. Para una fundación cuyo discurso es el control comunitario de los datos, contar con una opción no china y no estadounidense es un verdadero aporte, no una casilla marcada.

La pregunta sobre la licencia que nadie en el hilo planteó

Mistral Large 4 no es Apache 2.0, y eso supone un cambio respecto a su predecesor. Sus pesos se distribuyen bajo la Mistral Ecosystem Open-Weight License, una licencia MIT modificada que permite el uso, la modificación, el ajuste fino y la comercialización, con una excepción. Quien ofrezca el modelo en la modalidad de modelo como servicio deberá obtener una licencia comercial independiente de Mistral.

Open Math OS es un servicio alojado que permite a los equipos invocar un modelo a través de una interfaz web. Que ese arreglo sea "modelo como servicio" en el sentido de la licencia, o quede bajo la exención para productos de usuario final integrados, o encaje en la excepción limitada para simplemente retransmitir solicitudes a modelos alojados en otro lugar, es una cuestión legal que SAIR no ha abordado públicamente. Mistral tampoco ha dicho nada. Es totalmente posible —incluso probable— que haya un acuerdo comercial detrás del anuncio que ninguna de las partes ha descrito. Pero un lector que vio "pesos abiertos" y asumió que la cuestión del alojamiento estaba resuelta debería saber que no lo está, porque la misma cláusula se aplicará a cada laboratorio que quiera construir un espacio de trabajo compartido sobre este modelo.

Por qué una ventana de 1M es más que una línea de ficha técnica aquí

Las ventanas de contexto suelen venderse por volumen de documentos, y un millón de tokens suena a un archivador. En un espacio de trabajo de matemáticas formales, la versión útil es distinta. Un proyecto acumula un archivo Lean, sus importaciones, un estado de demostración, la discusión en torno a una táctica fallida y el propio historial de sesión del agente. Todo eso tiene que estar en el mismo marco para que un agente haga algo más que adivinar. Los hilos que sobreviven durante días son el sentido de un espacio de trabajo compartido; una ventana que los trunca convierte cada sesión en un arranque en frío.

Eso es un argumento de por qué Mistral Large 4 encaja en el diseño, no una prueba de que rinda. Es fácil confundir ambas cosas en una semana de lanzamiento, y la publicación de Mistral no ayuda: presenta la ventana como una cifra destacada junto al número de parámetros, lo cual es gramática de ficha técnica, no una evaluación.

Lo que obtiene un equipo aprobado y lo que aún queda por decir

• Evaluación — no hay resultados matemáticos publicados de Mistral Large 4 en Open Math OS; Tao describió los modelos de lanzamiento de la lista como aproximadamente un año por detrás de la frontera y buenos en formalización Lean de tamaño medio, lo cual es una afirmación sobre capacidades, no una puntuación.

• Paridad de herramientas — no se especifica si el nuevo modelo recibirá Ultramath, búsqueda de demostraciones y todo el conjunto de herramientas científicas, o un subconjunto limitado mientras se evalúa.

• Límites — no hay límites de velocidad, cuotas ni topes de contexto publicados dentro del espacio de trabajo, donde la plataforma puede recortar una ventana de 1M independientemente de lo que soporte el modelo.

• Política de datos — Tao escribió en octubre que SAIR quería «primero recopilar algunos datos de uso antes de finalizar nuestras políticas». Es una afirmación honesta y también una razón para leer los términos actuales antes de incluir una demostración no publicada en un proyecto.

• Selección — no hay explicación de cómo un equipo elige un modelo por proyecto, si la elección es por chat o por proyecto, o si SAIR enruta entre ellos automáticamente.

El patrón es coherente: el anuncio describe un modelo que se añade a una gama, no una capacidad que se demuestra. Si estás decidiendo si presentar una solicitud, ese es el estado honesto de la evidencia.

Si lo que quieres son los modelos en lugar del espacio de trabajo

Open Math OS es la parte interesante de esta historia, pero no es la única forma de acceder a los modelos que ejecuta. GLM-5.3-Flash está en el catálogo de OrcaRouter al precio de lista del proveedor, y Kimi K3 también — dos de los tres modelos con los que se lanzó el espacio de trabajo, invocables desde una sola API junto con más de otros 200, con conmutación automática por error entre proveedores y 0% de recargo sobre la tarifa propia del proveedor. El DSL de enrutamiento los combinará en una sola llamada si deseas un panel en lugar de una única respuesta, lo que es una aproximación bastante buena de lo que hace Ultramath dentro del espacio de trabajo sin el verificador Lean conectado.

Mistral Large 4 no está en nuestro catálogo, y no vamos a pretender lo contrario. Si quieres ese modelo en concreto, hoy las opciones son la propia API de Mistral, los checkpoints de pesos abiertos en Hugging Face o los socios de alojamiento externos del proveedor. La disyuntiva es real: el espacio de trabajo te ofrece el proyecto compartido, las herramientas y la verificación de pruebas; la API te ofrece solo el modelo, a un precio que puedes medir.

Qué ver a continuación

Tres cosas convertirían esto de una actualización de la lista en un resultado. Una evaluación por modelo dentro de Open Math OS —incluso una pequeña, un conjunto de formalizaciones en Lean puntuadas de la misma manera para los cuatro modelos— sería la primera evidencia pública sobre qué modelo debería elegir un matemático para cada tarea. Una política de acceso publicada resolvería la tensión entre «abierto» y «aprobado». Y una declaración de SAIR o Mistral sobre cómo encaja el acuerdo de alojamiento con la cláusula de modelo como servicio les diría a todos los demás laboratorios si pueden construir lo mismo.

Hasta entonces, el resumen preciso es limitado: un modelo de pesos abiertos de un billón de parámetros con una ventana de 1M es ahora una de las opciones en un espacio de trabajo de investigación que sigue siendo, según la propia descripción de su fundador, una versión muy temprana.