Hugging Face presentó Mistral Large 4 el 29 de octubre: recibe texto e imágenes y genera texto. El anuncio enumera soporte para Transformers, vLLM y llama.cpp, variantes oficiales FP8 y NVFP4 y archivos GGUF de la comunidad. Describe una licencia de pesos abiertos con restricciones para ofrecer el modelo como servicio.

Qué debería comprobar un usuario de Linux

Nuestra recomendación es dividir la decisión en tres preguntas: si el modelo encaja con la tarea, si tu infraestructura puede ejecutar la variante elegida y si el uso previsto encaja con sus condiciones. Una respuesta favorable a una pregunta no resuelve las otras dos. Anota el trabajo que necesitas realizar antes de elegir una descarga o una forma de despliegue.

Por ejemplo, para evaluar análisis de documentos con imágenes, prepara documentos representativos y preguntas cuyas respuestas puedas comprobar. Para programación, utiliza tareas pequeñas con un resultado observable. Son métodos de evaluación que proponemos, no capacidades que hayamos verificado en este modelo.

Prepara una prueba antes de comprometer recursos

Elige una variante concreta del modelo y un motor de inferencia para la primera prueba. Anota sus versiones y consulta la documentación correspondiente para establecer los requisitos. Evita mezclar instrucciones de variantes diferentes: que un ejemplo funcione en otro entorno no demuestra que tu configuración sea equivalente.

Define un conjunto pequeño de pruebas y un criterio para detenerlas. Registra la calidad de las respuestas, la espera y el consumo observado de recursos para las mismas entradas. Incluye fallos, no solo resultados satisfactorios. Si cambias de motor o configuración, repite la comparación y conserva los resultados por separado.

Cómo interpretar el anuncio

No hemos medido el rendimiento de esta versión ni verificado una configuración mínima de hardware. Nuestra valoración es que decidir un despliegue requiere una prueba reproducible, además de comprobar que los pesos se pueden descargar.