Mistral Large 4 (Le Chonk): estreno, parámetros y precio
Mistral AI presenta Mistral Large 4 con 1,05 billones de parámetros, pesos abiertos en camino y precios de API competitivos. Analizamos sus claves.
👁 116 lecturas
Mistral AI lanzó el 6 de octubre de 2026 la vista previa pública de Mistral Large 4, bautizado internamente como «Le Chonk»: un modelo mixture-of-experts con 1,05 billones de parámetros (de los cuales 49.000 millones se activan por token), entrada visual y una ventana de contexto de 1 millón de tokens. Su API está disponible desde el primer día por unos 1,22 EUR (1,36 USD) por millón de tokens de entrada y 3,74 EUR (4,18 USD) por millón de salida (a mitad de precio durante el lanzamiento), y los pesos abiertos llegarán a finales de octubre. He revisado las fuentes oficiales, las tarifas y he puesto a prueba el modelo. Encontrarás la guía completa sobre la empresa en el espacio sobre Mistral AI.
Estado a 7 de octubre de 2026
- Estado: vista previa pública (public preview) en la API de Mistral Studio, identificador
mistral-large-4-0; en OpenRouter bajomistralai/mistral-large-4-0. - Precio: tarifa oficial de aprox. 1,22 / 3,74 EUR (1,36 / 4,18 USD) por 1 millón de tokens, actualmente mostrada a aprox. 0,61 / 1,87 EUR (0,68 / 2,09 USD) gracias a un 50% de descuento de lanzamiento sin fecha límite indicada. Nota de conversión: tipos de cambio calculados a partir de la referencia del BCE de 1 EUR = 1,1181 USD del 12/10/2026 (fuente del BCE).
- Pesos: «antes de que acabe el mes»; Mistral indicó a periodistas de VentureBeat la fecha del 27 de octubre. La licencia aún no está confirmada.
- Mi prueba de rendimiento en polaco: 69,2 puntos sobre 100 en el laboratorio de pruebas (13 tareas evaluadas a ciegas por jueces LLM); consulta los detalles en el análisis de Mistral Large 4 en polaco.
Qué presentó Mistral el 6 de octubre
Mistral Large 4 es el primer modelo de la gama «Large» desde diciembre de 2025 y el más colosal en la historia de la compañía gala. Mistral lo describe como un híbrido entre modelo de instrucciones y modelo de razonamiento: la misma arquitectura puede responder de inmediato o reflexionar de forma explícita antes de contestar, según los ajustes configurados. La compañía lo define como «el mejor modelo de pesos abiertos de EE. UU. o Europa en benchmarks agregados». Esta acotación geográfica no es casual: los laboratorios chinos (DeepSeek, Moonshot con Kimi, Alibaba con Qwen y Z.ai con GLM) dominan desde hace más de un año los rankings abiertos.
| Parámetro | Mistral Large 4 | Fuente |
|---|---|---|
| Parámetros totales | 1,05 billones (Mistral menciona «1T» en X) | Documentación de Mistral, MarkTechPost |
| Parámetros activos | 49.000 millones en expertos, 52.000 millones sumando capas de entrada y salida | Documentación de Mistral, VentureBeat |
| Codificador visual | 1.600 millones de parámetros, entrada de imagen y salida de texto | Documentación de Mistral |
| Contexto | 1 millón de tokens según Mistral; OpenRouter indica 524.288 | Documentación oficial, catálogo de OpenRouter |
| Idiomas | Más de 160 lenguas, incluidas todas las oficiales de la UE | Blog de Mistral |
| Entrenamiento | Desde cero, aprox. 3.800 GPU NVIDIA Grace Blackwell en centros de datos propios dentro de Europa | Blog de Mistral |
| Precio de API | Aprox. 1,22 / 3,74 EUR (1,36 / 4,18 USD), caché a 0,13 EUR (0,14 USD); con descuento temporal: 0,61 / 1,87 EUR (0,68 / 2,09 USD) | Blog y tarifas de Mistral (conversión BCE 12/10/2026: 1 EUR = 1,1181 USD) |
Estas cifras deben tomarse como preliminares. En los primeros reportes circularon cifras de 675.000 millones en total y 41.000 millones activos, pero correspondían en realidad a su predecesor, Mistral Large 3. La cifra exacta de expertos, el enrutamiento y la distribución de capas se publicarán junto con los pesos.
Benchmarks según Mistral
Mistral se ha centrado en áreas clave donde busca comercializar la solución a empresas y administraciones públicas: ciberseguridad, finanzas, sector legal, industria y programación.
| Prueba | Mistral Large 4 | Afirmación de Mistral |
|---|---|---|
| DeepSWE v1.1 (programación) | 61,7% | Por delante de DeepSeek V4 Pro |
| AutomationBench | 59,9% | Por delante de Kimi K3 y DeepSeek V4 Pro |
| Terminal Bench 4.0 | 28,3% | El mejor entre los pesos abiertos |
| Cybench | 93% | En el grupo de cabeza de modelos abiertos |
| AA Cyber Index (reproducción de vulnerabilidades) | 82% | El resultado más alto de todos los probados |
| Lakera B3 (resistencia a ataques de inyección) | 93,3% | Ninguno obtuvo mejor puntuación |
| Dense 200 (localización de objetos en imágenes) | 42% | Frente al 41% de GPT-6 Astra |
De forma independiente, Artificial Analysis ya ha medido el modelo: 38,4 puntos en su Intelligence Index, lo que le sitúa en octava posición entre los modelos abiertos, por detrás de siete alternativas chinas (datos a 6 de octubre recogidos por Trending Topics). Como referencia, Claude Opus 5.5 alcanza 57,6 puntos y el modelo abierto mejor situado, MiMo-V2.6-Pro, logra 46,3. Puedes ver una comparativa completa en nuestro artículo sobre Mistral Large 4 frente a Claude, GPT, Gemini y DeepSeek.
Pesos abiertos: cuándo llegarán y con qué licencia
- Fecha prevista: Mistral señala «antes de final de mes». VentureBeat apunta concretamente al 27 de octubre, tras unas tres semanas de pruebas conjuntas con firmas de ciberseguridad, socios estratégicos e instituciones gubernamentales.
- Motivo de la espera: Pierre Stock, vicepresidente científico, explicó a TechCrunch que Mistral quiere validar con aliados de confianza que la apertura de estos pesos sirva a la ciberdefensa y no a ataques maliciosos. Además, la versión descargable incluirá un punto de control (checkpoint) definitivo, ya que el entrenamiento por refuerzo continuaba en marcha.
- Licencia: no confirmada. Large 3 y Small 4 usaron Apache 2.0, Medium 3.5 optó por una MIT modificada, y VentureBeat anticipa una licencia propietaria de Mistral. A día de hoy no conviene dar por sentado que sea Apache 2.0.
En cualquier caso, ejecutarlo en local queda fuera del alcance de un ordenador doméstico: 1,05 billones de parámetros exigen unos 2,1 TB en 16 bits y cerca de 525 GB incluso cuantizado a 4 bits (según mis cálculos). Se requiere infraestructura de servidores, no una tarjeta RTX 4090. Si buscas modelos de la firma francesa que puedas cargar en hardware comercial común, los tienes detallados en nuestra guía de Mistral AI.
Precio: económico, pero no el más barato
La tarifa de catálogo de unos 1,22 / 3,74 EUR (1,36 / 4,18 USD) por millón de tokens resulta más asequible que la de Claude Sonnet 5.5 o GPT-6.1 Sol (ambos en 2 / 10 USD en OpenRouter, aprox. 1,79 / 8,94 EUR) y más baja que la de Mistral Medium 3.5 (1,50 / 7,50 USD, aprox. 1,34 / 6,71 EUR). La rebaja actual del 50% sitúa el coste de entrada en unos 0,61 / 1,87 EUR (0,68 / 2,09 USD). Mistral no ha detallado la vigencia de la oferta; según medios del sector durará un par de semanas, extremo que no he podido verificar. Ten en cuenta que en modo razonamiento la generación consume una cantidad enorme de tokens: en mi batería de pruebas, 42.230 de los 62.423 tokens de salida se dedicaron exclusivamente al proceso de «pensamiento», que también se factura. Para conocer el desglose de costes de la plataforma, consulta la guía de precios de Mistral.
Dónde se puede probar
- API de Mistral Studio: requiere cuenta en La Plateforme. En mi caso no abrí cuenta directa aquí.
- OpenRouter: el modelo estuvo disponible desde el día del lanzamiento con Mistral como proveedor exclusivo. Es la vía que utilicé para evaluarlo. Si quieres empezar a usar esta plataforma, te lo explico en el tutorial sobre OpenRouter.
- Mistral Vibe (anteriormente Le Chat): la documentación de lanzamiento no especifica si Large 4 se ha integrado en la interfaz de chat, extremo que no he podido confirmar. (Aviso de suscripciones locales: la tarifa oficial comunicada para Mistral Pro en España observada a 12/10/2026 en su web oficial es de 18,14 EUR al mes con impuestos incluidos).
Un detalle técnico: mediante OpenRouter solo se pueden escoger dos configuraciones de razonamiento: activo al máximo o completamente apagado. No existen términos medios («low» o «medium»), lo que influye directamente en el tiempo de procesamiento y en la factura final.
Prueba inicial de rendimiento
Nada más publicarse, sometí a Large 4 al mismo banco de 13 pruebas que utilizo con más de una treintena de modelos (en este caso ejecutado íntegramente en idioma polaco): 9 ejercicios de redacción (artículo, ficha de producto, correo comercial, publicación, relato, titulares, resumen, explicación didáctica y traducción), dos ejercicios de corrección ortográfica y de estilo, y dos cuestionarios lingüísticos complejos. La corrección se realizó a ciegas empleando como jueces a Claude Opus 5.5 y GPT-6 Sol.
- Con razonamiento activado: 69,2 puntos sobre 100. Un desempeño parejo a Mistral Medium 3.5 (68,0), pero sensiblemente por detrás de DeepSeek V4 Pro (74,1) y Claude Sonnet 5.5 (80,4).
- Sin razonamiento: 65,6 puntos, pero completó los 9 textos en 91 segundos en lugar de casi 15 minutos, con un gasto de apenas 0,013 EUR (0,015 USD) en toda la tanda de 13 tareas.
- Punto fuerte: un dominio lingüístico sobresaliente en las pruebas de gramática y vocabulario del test original en polaco (aciertos de 46/46 y 46/48).
- Puntos débiles: con el razonamiento activado agotó en tres ocasiones el límite de tokens disponible solo pensando, devolviendo respuestas vacías o truncadas; además, en la redacción introdujo ocasionalmente afirmaciones no solicitadas y calcos estilísticos.
Todos los registros, transcripciones de los textos evaluados y la comparativa al detalle están en el artículo sobre el test de Mistral Large 4.
Qué implicaciones tiene
Para el ecosistema europeo es un hito de calado: un modelo de dimensiones masivas, entrenado desde cero en centros de procesamiento europeos, multilingüe en lenguas comunitarias y con el compromiso de liberar sus pesos. Si buscas redactar con la máxima finura en otros idiomas frente a la competencia cerrada, de momento no se corona como la alternativa indiscutible frente a opciones más económicas de DeepSeek o frente a Gemini 3.8 Flash. Su verdadero valor reside en compañías y entidades que requieran soberanía del dato en la UE o que proyecten alojar un modelo de estas dimensiones en sus propios centros de datos en cuanto se liberen los archivos. Justo un día antes, la firma estadounidense Reflection AI tomó un rumbo parecido al presentar su modelo Beam.
Google · Tus fuentesBrilla más alto en tu Google - con un solo clicAñadir a fuentes preferidas →Fuentes
- Mistral: Introducing Mistral Large 4 (6/10/2026)
- Documentación del modelo mistral-large-4-0 (parámetros, contexto, precios)
- VentureBeat (fecha prevista de pesos para el 27/10, licencias)
- MarkTechPost (detalles del billón de parámetros)
- TestingCatalog (benchmarks, evaluación de red teaming)
- TechCrunch (declaraciones de Pierre Stock)
- Trending Topics (posicionamiento en Artificial Analysis Intelligence Index)
- Catálogo de modelos de OpenRouter y banco de pruebas propio, 7/10/2026
Información revisada a 7 de octubre de 2026.
More on this from FULGOR
