Andy Garcia · dev freelance
FRENES
Volver al blog
Código abierto

Los modelos de predicción Timestral de Mistral funcionan en CPU, sin GPU. La licencia "Modified MIT" se detiene en 20 millones de dólares de ingresos al mes

19 de octubre de 2026 7 min de lectura

El jueves 15 de octubre, Mistral publicó Timestral, su primera familia de modelos de base para series temporales. Cuatro tamaños: 5M, 28M, 123M y 209M de parámetros. Los pesos están en Hugging Face, el código de inferencia en GitHub, y Mistral afirma que el modelo más grande ocupa el primer puesto entre los modelos preentrenados en zero-shot en los tres principales benchmarks públicos del campo, GIFT-Eval, TIME y fev-bench. No necesita GPU. En una CPU de servidor estándar con 8 hilos, Mistral mide 10 ms para el modelo de 5M y 140 ms para el de 209M para predecir un día por delante a partir de tres semanas de historial a intervalos de 15 minutos.

El artículo de lanzamiento dedica una sola línea a la licencia, en una tabla de especificaciones: "Modified MIT". La palabra que importa es "Modified".

No soy especialista en predicción. Soy CTO de una LegalTech construida sobre Claude, y construí BidForge, una IA que lee los expedientes de contratación pública franceses para pequeñas empresas. En ambos trabajos leo la licencia antes que el benchmark, porque la licencia es la única parte de un modelo que no puedes afinar. Lo que sigue es mi lectura de un texto corto, no asesoramiento jurídico.

Lo que ha entregado Mistral

Un modelo de base para series temporales hace con las lecturas de sensores, las ventas y los flujos de caja lo que un modelo de lenguaje hace con el texto: se entrena una vez con un gran corpus y luego se le pide predecir series que nunca ha visto, sin entrenarlo con tus datos. Timestral produce predicciones probabilísticas y multivariantes: 21 cuantiles por paso de tiempo, de 0,01 a 0,99, así que obtienes un rango y no solo una línea. Admite covariables conocidas solo en el pasado y covariables conocidas en el futuro, como un plan de producción o un calendario de festivos, y también covariables categóricas, como el estado de una máquina.

El contexto llega hasta 32.768 pasos de tiempo. A intervalos de 15 minutos, eso son 32.768 / 96, unos 341 días de historial. Una pasada hacia delante predice hasta 1.024 pasos. En disco, los cuatro checkpoints pesan 21 MB, 111 MB, 490 MB y 837 MB.

La velocidad importa más de lo que parece. Tres semanas de datos a intervalos de 15 minutos son 2.016 puntos, y un día por delante son 96. Imagina que predices 5.000 series de productos cada noche, una llamada por serie, una tras otra, y que las cifras de CPU de Mistral se cumplen en tu máquina. A 140 ms, son 700 segundos, menos de 12 minutos, con 8 hilos. Mistral dice que el modelo de 28M es cinco veces más rápido que el de 209M, es decir, unos 140 segundos. El de 5M lo hace en 50 segundos. Sin presupuesto de GPU, sin factura de API.

La cláusula que la insignia de GitHub no muestra

GitHub muestra Apache 2.0 para el repositorio, los metadatos del paquete declaran Apache-2.0, y esa es la licencia que probablemente reporte un escáner que lea el paquete. Pero el README dice que el código y los pesos tienen licencias separadas. Los pesos, que from_pretrained descarga en la caché de Hugging Face en el primer uso, van bajo la licencia "Modified MIT".

Empieza como la MIT: gratis, usar, copiar, modificar, vender. Luego la condición 2 (traducción mía):

"No estás autorizado a ejercer ningún derecho bajo esta licencia si los ingresos mensuales mundiales consolidados de tu empresa (o los de tu empleador) superan los 20 millones de dólares (o su equivalente en otra moneda) en el mes anterior."

La restricción, añade la licencia, "se aplica al Modelo y a cualquier derivado, modificación u obra combinada basada en él, ya la proporcione Mistral AI o un tercero". Por encima de la línea, puedes solicitar una licencia comercial en sales@mistral.ai, "que Mistral AI puede concederte a su entera discreción", o usar los servicios alojados de Mistral.

Los cuatro tamaños de Timestral la llevan. El mismo texto, palabra por palabra salvo el año en la línea de atribución, figura en Devstral 2, el modelo de código de 123B que Mistral publicó el 9 de diciembre de 2025 y describió como distribuido "bajo una licencia MIT modificada". En ambos archivos, la cláusula incluso se llama a sí misma "(b)" aunque está numerada como 2.

Quién está dentro y quién fuera

20 millones de dólares al mes son 240 millones de dólares al año. Para las pequeñas empresas para las que construyo, esta licencia se comporta como la MIT. Cuatro detalles deciden de qué lado de la línea estás.

Es una prueba mensual. La licencia mira el mes anterior, no el año. Una empresa que factura de media 15 millones de dólares al mes pero ingresa 25 millones en diciembre está por encima de la línea en enero, tal como leo el texto.

Cuenta a tu empleador. Un ingeniero de una empresa por encima de la línea no puede usar los pesos bajo esta licencia, ni siquiera para evaluarlos. El texto no prevé ninguna excepción para investigación o pruebas.

Sigue al modelo. Un Timestral afinado que un consultor instala en un cliente grande sigue cubierto. Si vendes una herramienta de predicción on-prem, los ingresos de tu cliente también cuentan, no solo los tuyos. Si alojas el modelo tú mismo y vendes predicciones, tal como leo el texto, la cuestión son tus propios ingresos, hasta el mes en que dejan de serlo.

Dice "consolidados" sin definirlo. El texto no dice si una filial cuenta los ingresos de su matriz. Si montas una startup sobre estos pesos, pregunta a Mistral antes de que te lo pregunten los abogados de un comprador.

La vía alojada tampoco tiene precio publicado. El 19 de octubre, la página de precios de Mistral no tenía ninguna línea de Timestral. La página de documentación del modelo lista pesos y una licencia, etiqueta el modelo como "Public Preview" y no muestra precio de API. La página de Forge, por la que Mistral ofrece el fine-tuning, termina en "Talk to an expert".

El escaparate de la propia Mistral es una planta industrial con miles de sensores, y su ficha técnica lista despliegue on-prem, en VPC o aislado de la red. Espero que muchas empresas que operan plantas así superen los 240 millones de dólares al año. Para ellas, Timestral es una conversación comercial, no una descarga.

Lo que vale la ventaja en los benchmarks

Las cifras son de la propia Mistral, y el informe técnico sigue en "coming soon" en la ficha del modelo. Hay una verificación externa. Mistral envió sus resultados de GIFT-Eval con un notebook que permite a cualquiera repetirlos, y el 16 de octubre el científico de Salesforce AI Research que los fusionó escribió: "He reproducido resultados idénticos en todos los tamaños de modelo." Los mantenedores de TIME fusionaron los resultados de Mistral el mismo día con un "LGTM" y sin mencionar una repetición. Eso es mejor que un gráfico en una entrada de blog. Repetir confirma las cifras, no que se mantengan con tus datos.

La tabla de la ficha del modelo es la parte útil, porque lista a los siguientes. En GIFT-Eval, Timestral-209M obtiene 0,658 de MASE, donde menos es mejor. Segundo, t0-gamma, de The Forecasting Company, con 0,661: una diferencia del 0,45 %. En las cuatro puntuaciones de error de GIFT-Eval y TIME, la mayor diferencia con t0-gamma es el CRPS de TIME, 0,522 frente a 0,534, cerca del 2,2 %. En fev-bench, que reporta skill scores, la ventaja es de 1 a 1,5 puntos. Chronos-2, el modelo de 120M de Amazon, obtiene 0,698 de MASE en GIFT-Eval. La clasificación de GIFT-Eval, leída el 19 de octubre, muestra las mismas cifras de GIFT-Eval y coloca a Timestral-209M primero entre las entradas preentrenadas y zero-shot. También lista una entrada preentrenada con un MASE más bajo, 0,646: Morpheus-2.0 de JPMorgan Chase, añadida esa misma noche, sin pesos públicos y con un peor CRPS, 0,455.

Ahora las licencias, todas leídas en Hugging Face el 19 de octubre. t0-gamma, unos 256M de parámetros: Apache 2.0. Chronos-2: Apache 2.0. Toto 2.0 de Datadog: Apache 2.0. TimesFM 3.0 de Google: "TimesFM Non-Commercial License v1.0".

Así que una empresa por encima de la línea elige entre una llamada comercial sin precio público y un modelo Apache 2.0 que, en la propia tabla de Mistral, queda por detrás en un 2,2 % como máximo en esas puntuaciones de error. Todos los que están por debajo de la línea obtienen un modelo gratuito, rápido y potente, y según Mistral, la versión de 28M, con 111 MB, supera a Chronos-2 en GIFT-Eval y TIME.

Lo que comprobaría antes de construir encima

Anota de qué ingresos se trata. Los tuyos, los de tu empleador y, para cada despliegue on-prem, los de tu cliente. Hazlo una línea del contrato, no una suposición.

Mete los pesos en tu inventario de licencias. Fija la revisión de Hugging Face (from_pretrained acepta un revision), guarda el archivo LICENSE junto a los pesos y etiquétalos "Modified MIT" a mano.

Haz un backtest con tus propios datos contra un modelo Apache 2.0. Ejecuta Timestral y Chronos-2 o t0-gamma sobre el mismo historial y compara los cuantiles, no solo la mediana. La propia Mistral escribe que los datos de producción pueden diferir de los benchmarks y derivar con el tiempo. Si la diferencia con tus datos es tan pequeña como en las tablas públicas, la licencia desempata.

Mantén el modelo de predicción detrás de una sola interfaz. Si tu empresa o tu cliente supera los 20 millones de dólares en un mes, cambiar de modelo debe ser un cambio de configuración, no una reescritura.

Y espera al informe técnico antes de decir "estado del arte" a un cliente. Mistral dice que la mayor parte de sus datos de entrenamiento es sintética. El informe es donde verás qué significa eso.

Para una pequeña empresa, Timestral es un predictor gratuito que corre en el servidor que ya tiene. Para una grande, es un correo a ventas. La diferencia está en un párrafo de la licencia, y es el segundo.

Fuentes

¿Un proyecto del mismo estilo?

Diseño y despliego productos como este. Hablemos.

Hablemos