En un avance significativo para la inteligencia artificial abierta, NVIDIA y Mistral AI, una empresa francesa de tecnología, han anunciado de manera conjunta el lanzamiento de la familia Mistral 3. Esta serie de modelos multilingües y multimodales de código abierto ha sido optimizada para adaptarse perfectamente a la infraestructura de NVIDIA, desde los poderosos superclusters GB200 NVL72 hasta las PCs con GPU RTX y los dispositivos Jetson en el edge.
El lanzamiento destaca a Mistral Large 3, un modelo de mezcla de expertos (MoE) diseñado para ofrecer eficiencia y escala. Este modelo se activa mediante «expertos» específicos en lugar de activar todas las neuronas para cada token, logrando así reducir los costos de cómputo sin sacrificar el rendimiento, con el objetivo de hacer que la inteligencia artificial empresarial a gran escala sea viable económicamente.
Mistral Large 3 se presenta como un modelo «sparse» con 675,000 millones de parámetros, de los cuales 41,000 millones se activan en cada inferencia. Esta tecnología, con una ventana de contexto de 256,000 tokens, está diseñada para tareas de alto razonamiento, análisis extensos y flujos multimodales complejos. Entrenado en GPUs NVIDIA Hopper y optimizado para la arquitectura Blackwell, el modelo se ejecuta en sistemas NVIDIA GB200 NVL72, que agrupan 72 GPUs de última generación, alcanzando hasta diez veces más rendimiento en inferencia que las generaciones anteriores.
Además de este modelo insignia, la compañía ha lanzado la suite Ministral 3, que incluye modelos compactos de 3,000, 8,000 y 14,000 millones de parámetros, adecuados para su uso en PCs con GPUs GeForce RTX, estaciones de trabajo DGX Spark y dispositivos embebidos Jetson, orientados a robótica y computación en el borde.
La licencia Apache 2.0 alienta el uso abierto y distribución de Mistral 3, facilitando a empresas y desarrolladores descargar, ajustar y desplegar modelos en sus propios entornos. Los modelos integran herramientas como NVIDIA NeMo para el ciclo de vida de los agentes de IA, permitiendo personalización y políticas de seguridad avanzadas.
La combinación de Mistral Large 3 en centros de datos con GB200 NVL72 y de modelos compactos Ministral 3 en el edge establece una infraestructura de «inteligencia distribuida». Esto facilita que las organizaciones implementen arquitecturas donde los agentes complejos gestionan cargas intensivas en clusters, mientras que los dispositivos locales, como PCs o plataformas Jetson, mantienen al menos parte de la lógica en local.
Esta alianza representa un paso hacia la democratización de la inteligencia artificial de nivel avanzado, destacando la relevancia de la soberanía digital y la reducción de costos energéticos, especialmente relevante en un contexto en que la dependencia de tecnologías cerradas se pone cada vez más en cuestión.
Más información y referencias en Noticias Cloud.
