Mistral presenta su nuevo rival para los modelos DeepSeek R1 y OpenAI o3

Ante la intensificación de la competencia en el campo de los modelos de razonamiento, Mistral AI, una startup francesa en auge, presenta su adaptación a los desafíos planteados por actores como DeepSeek y OpenAI. Con el lanzamiento de su nueva gama de herramientas, que incluye el modelo Magistral, Mistral busca consolidarse en un mercado donde el rendimiento y la innovación se han vuelto cruciales.

Mistral AI busca competir con modelos como DeepSeek R1 y OpenAI o3 ofreciendo soluciones adaptadas a las diversas necesidades de desarrolladores y empresas. Este enfoque se enmarca en un contexto tecnológico en rápida evolución, donde la velocidad y la eficiencia de las respuestas de los modelos de razonamiento pueden marcar la diferencia. Profundicemos en esta prometedora innovación y descubramos qué diferencia a Mistral de sus competidores.

Presentamos Magistral: Un nuevo modelo de razonamiento de Mistral AI

El modelo Magistral, lanzado recientemente por Mistral AI, está disponible en dos variantes: Magistral Small y Magistral Medium. La primera, disponible bajo una licencia abierta Apache 2.0, está diseñada con 24 mil millones de parámetros, mientras que la segunda es una versión propietaria. Estos modelos se basan en una arquitectura robusta, construida sobre la plataforma Mistral Small and Medium 3.1, lo que proporciona una base competitiva en el mercado. A diferencia de otras empresas que dependen de datos preexistentes, Mistral AI ha optado por un enfoque único. La startup ha desarrollado su propio proceso de aprendizaje, utilizando la técnica de Aprendizaje por Refuerzo a partir de Recompensas Verificables (RLVR). Esta decisión estratégica demuestra el compromiso de Mistral con la creación de modelos de alto rendimiento adaptados a las necesidades modernas. Adopción de un enfoque innovador para el aprendizaje. El método adoptado por Mistral AI para entrenar sus modelos se basa en principios de optimización de políticas, evitando el uso de técnicas comunes como la Optimización de Políticas Próximas. En cambio, la startup apuesta porOptimización de políticas relativas al grupo (GRPO), inspirado en el trabajo de DeepSeek. Al combinar recompensas de múltiples resultados, Mistral AI construye modelos cuyo aprendizaje se perfecciona con el tiempo, particularmente en campos como las matemáticas y la programación.Para enriquecer la experiencia del usuario, Mistral AI también se ha preocupado de adaptar sus modelos a varios idiomas. Gracias a una traducción de

10% de los problemas en inglés. hacia idiomas como francés, español, italiano, alemán, chino y ruso, la empresa evita episodios de mezcla lingüística, problemas reportados por los usuarios de DeepSeek. La mejora del rendimiento es innegable. En los puntos de referencia científicos de AIME, las puntuaciones de los modelos Mistral muestran resultados de

4,3 a 9,9%

Superior en inglés en comparación con otros idiomas. Esta atención a la diversidad lingüística demuestra la ambición de Mistral AI de seguir siendo competitiva en un mercado global. Muestras de arquitectura y formación. El proceso de aprendizaje de Mistral también se centró en optimizar los datos de entrenamiento. De

700.000 muestras matemáticas , la startup seleccionó, mediante un sistema de reglas, aproximadamente 38.000 problemas y soluciones

para crear una versión refinada de Mistral Large 2. Asimismo, para la programación, 35.000 problemas se han integrado en el aprendizaje de Magistral Medium.

Esta vasta base de datos fortalece la capacidad de aprendizaje de los modelos. A medida que Magistral Medium mejora su rendimiento, también aumenta la complejidad de los problemas presentados. Esto garantiza que los modelos no solo aprendan respuestas simples, sino que también puedan manejar escenarios complejos y variados.

Características Magistral SmallMagistral Medium Número de parámetros 24 mil millones Propietario Licencia

Apache 2.0

Propietario	Optimización de pipeline	Optimización de políticas relativas a grupos
Optimización de políticas relativas a grupos	Datos de entrenamiento	38 000 problemas matemáticos
38 000 problemas + 35 000 problemas de código	Para que los usuarios se hagan una idea del rendimiento de los modelos, Magistral AI ha optado por enmarcar algunas de sus fases de entrenamiento con pruebas supervisadas que permiten adaptar los niveles de complejidad. Al combinar las indicaciones, la empresa descubrió que esta diversidad es fundamental para un buen inicio en el razonamiento. Evaluación del Rendimiento frente a la Competencia	A pesar de sus innovaciones y su metodología única, Mistral AI se enfrenta a un reto importante: la feroz competencia de gigantes como DeepSeek y OpenAI. Los resultados de Magistral Medium son buenos, pero se mantienen por debajo de los de los líderes del mercado. Se informa que, en condiciones de evaluación similares, este modelo alcanza resultados cercanos a los de los modelos R1 Zero y R1 de DeepSeek, sin superarlos.
Para Mistral, el objetivo no es solo competir, sino perfeccionar constantemente su enfoque. Los investigadores de Mistral señalan que, aunque el rendimiento de Magistral Small deja de aumentar después de 40.000 tokens, la ventana de contexto teórica alcanza los 128.000 tokens.	Esta clasificación sigue siendo un punto crucial en la trayectoria de la startup, ya que busca superar estas limitaciones en sus futuras iteraciones.	Tecnología y Velocidad Máxima
Una de las características destacadas de los modelos de Mistral es su velocidad de ejecución.	Magistral Small	puede ejecutarse en una sola GPU RTX 4090 con 24 GB de VRAM, lo que contrasta con los mayores requisitos de hardware de otros modelos. Para usuarios de diversas plataformas, también se está preparando una versión optimizada de este modelo para ordenadores Apple Silicon.

En cuanto a la capacidad de respuesta, Mistral afirma que su solución Magistral Medium puede generar respuestas hasta 10 veces más rápido que sus competidores directos. Por ejemplo, mientras que OpenAI o3 tarda aproximadamente 40 segundos en proporcionar una respuesta, Mistral Medium puede hacerlo en tan solo 10 segundos. Sin embargo, es importante destacar que la profundidad de razonamiento sigue siendo un criterio clave. Accesibilidad e Integración en el Mercado

La disponibilidad de los modelos de IA de Mistral en plataformas como Amazon SageMaker, IBM Watsonx y Azure AI marca un paso significativo hacia la ambición de la startup de captar una cuota de mercado significativa. Los usuarios también pueden considerar la implementación local de estos modelos contactando al equipo de ventas de Mistral AI, lo que facilita una integración personalizada.

La promesa de Mistral de proporcionar a las empresas un registro de cada respuesta generada por sus modelos garantiza a los clientes la transparencia y la calidad de los resultados. Estos elementos son cruciales en sectores como la investigación, el análisis de datos y la toma de decisiones informada. Criterios Magistral Pequeño Magistral Mediano Tiempo de respuesta10 segundos

4 veces más rápido que OpenAI o3 GPU requerida 1 x RTX 4090 1 x RTX 4090Acceso a plataformas

Hugging Face, The Platform

Vista previa en The Platform, Amazon SageMaker Para concluir esta sección, Mistral AI no solo crea modelos competitivos, sino que también innova para redefinir los estándares del mercado. Con un firme compromiso con el rendimiento y la respuesta rápida, la startup francesa visualiza un futuro en el que aspira a competir con los mejores del sector. Visión de futuro: Más allá de los prototipos Mientras Mistral AI se prepara para su lanzamiento, su visión de futuro parece clara. El objetivo es seguir innovando y desarrollando modelos capaces de elevar las capacidades de los sistemas de inteligencia artificial a nuevas cotas.Para ello, la compañía planea centrarse en los siguientes aspectos: Iteraciones periódicas:Mistral AI se compromete a mejorar constantemente sus modelos para garantizar que se mantengan a la vanguardia tecnológica.

Fortalecimiento de las capacidades multimodales: Aunque Magistral Medium y Small se entrenaron únicamente con datos de texto, la integración de capacidades multimodales sigue siendo un área de innovación futura. Adaptación a las necesidades del usuario: Comprender las expectativas del negocio y adaptar los modelos en consecuencia seguirá siendo una prioridad. Ampliación de la accesibilidad: Garantizar que las soluciones estén disponibles para un público más amplio, desde desarrolladores independientes hasta grandes empresas. Mistral también planea implementar herramientas que mejoren la velocidad de razonamiento, preservando al mismo tiempo la calidad de las respuestas. Al recopilar la opinión de los usuarios, la startup pretende ajustar aún más su oferta, utilizando datos reales para refinar sus algoritmos. La capacidad de evolucionar en un sector tan dinámico es esencial. A medida que la innovación tecnológica continúa avanzando, empresas como Mistral AI deben mantenerse ágiles para adaptarse a las necesidades de sus clientes y destacar en un mercado cada vez más saturado. Apoyo de expertos y alianzas estratégicas Para fortalecer sus capacidades, Mistral AI está considerando alianzas estratégicas con instituciones de investigación y otras empresas tecnológicas. Al colaborar con expertos del sector, Mistral espera aprovechar los últimos avances científicos para impulsar sus modelos hacia nuevos horizontes. Al fomentar un ecosistema colaborativo, la startup no solo puede beneficiarse de la experiencia externa, sino también posicionarse como un actor clave en la innovación sostenible de las tecnologías de razonamiento. En resumen, mientras Mistral AI se prepara para enfrentarse a rivales consolidados como DeepSeek y OpenAI, las aspiraciones futuras de la startup se basan en una sólida base de rendimiento, innovación y colaboración. Los próximos meses serán cruciales para observar cómo Mistral logrará superar las expectativas y transformar los desafíos en oportunidades.