GPT-6.1 Sol vs Mistral Large 4: El modelo más barato por token es el modelo más caro por tarea

Lo interesante de poner GPT-6.1 Sol junto a Mistral Large 4 no es cuál es más inteligente — en la única medición independiente que ambos tienen, eso no está ni cerca. Es que el modelo con el precio de etiqueta más bajo es el que cuesta más terminar un trabajo. Mistral Large 4, previsualizado por Mistral el 2026-10-06, tiene un precio de $0.68 por millón de tokens de entrada y $2.09 por millón de salida mientras dure la vista previa, frente a los $2.00 y $10.00 de GPT-6.1 Sol desde que Open​AI lo lanzó el 2026-09-29. Y sin embargo, las cifras de costo por ejecución de Artificial Analysis sitúan a Mistral Large 4 en $1.13 por tarea frente a los $0.72 de GPT-6.1 Sol — porque los tokens más baratos no son toda la factura, y porque los modelos de razonamiento gastan tokens en cantidades que no eliges de una lista de precios.

Todo lo que sigue proviene del propio anuncio y la documentación de Mistral, de las páginas de modelos y precios de Open​AI, de las ejecuciones de Artificial Analysis para cada modelo, y de nuestros propios datos de servicio, con fecha de consulta 2026-10-12. Cuando una cifra es del propio proveedor y nadie la ha vuelto a calcular, la frase que la contiene lo indica.

Dos citas, y solo una de ellas ha terminado.

Antes de cualquier especificación, el estado de los dos productos es diferente, y esa diferencia hace más trabajo en esta comparación que cualquier celda de benchmark.

• GPT-6.1 Sol es un modelo ya lanzado. Se puso en marcha en la API de Open​AI el 2026-09-29 a $2.00 / $10.00 por millón de tokens, con $0.10 por entrada en caché y $2.50 por escrituras en caché, y es el modelo en la ranura predeterminada de la API. Su lista de precios está publicada, su ventana de contexto está documentada y distintos instrumentos independientes lo han ejecutado. Lo que leas sobre él puedes comprobarlo esta tarde.

• Mistral Large 4 es una vista previa. Mistral lo anunció el 2026-10-06 como un modelo de mezcla de expertos de 1,05 billones de parámetros con 52 mil millones de parámetros activos por token, disponible en la propia API del proveedor a precio de vista previa. Los pesos abiertos están prometidos para antes de finales de octubre, por lo que esto es una vista previa y no un lanzamiento definitivo. Nada sobre su futuro precio de lista, su futura ventana de contexto o su futura licencia queda determinado por esta vista previa.

Esa asimetría determina la forma de todo lo que sigue. Cuando un lado de una comparación es un producto y el otro es un anuncio con una fecha adjunta, la mayoría de las preguntas interesantes tienen que ver con el momento oportuno más que con la capacidad, y la única pregunta que la gente realmente hace («¿debería cambiarme?») tiene respuestas distintas en octubre y en noviembre.

El único número en el que ambas partes coinciden, y los 14 puntos que hay detrás

Artificial Analysis tiene una fila independiente del Intelligence Index para ambos modelos, y no hay ambigüedad al respecto:

• Índice de inteligencia — GPT-6.1 Sol 52 con esfuerzo de razonamiento máximo; Mistral Large 4 38.

• Coste de ejecutar el Index — GPT-6.1 Sol $0,72 por tarea; Mistral Large 4 $1,13 por tarea.

• Velocidad de salida — GPT-6.1 Sol, de 65,4 a 66,8 tokens por segundo entre ejecuciones; Mistral Large 4 tampoco es el lado rápido de este emparejamiento.

Lee esas tres líneas juntas y la forma del intercambio aparece. Mistral Large 4 cobra aproximadamente un tercio de la tarifa de entrada de GPT-6.1 Sol y un quinto de su tarifa de salida, y aun así cuesta alrededor de un 57% más completar la misma tarea de evaluación. Eso no es un truco de precios ni un artefacto de medición; es lo que ocurre cuando un modelo alcanza un nivel de calidad determinado gastando más tokens para lograrlo. La factura de un modelo de razonamiento está dominada por cuántos tokens decide emitir, no por la tarifa por token que figura en la tarjeta, y una diferencia de 14 puntos en el Index es una gran cantidad de pensamiento adicional que hay que recuperar.

Nada de esto convierte a Mistral Large 4 en un mal modelo. Un Index de 38 es una puntuación competente de propósito general y cercana a la frontera, y para muchísimas tareas de producción, los 14 puntos extra no compran nada que puedas usar. La cuestión es más concreta y más práctica: no compres este modelo asumiendo que la tarifa más barata abarata el mes. Mide el coste por unidad de trabajo terminada, que es la cifra que Artificial Analysis realmente reporta y la cifra que reflejará tu factura.

Donde el caso de Mistral es genuinamente fuerte, y no es el precio.

Tres argumentos a favor de Mistral Large 4 resisten el contacto con el número del Index, y dos de ellos no tienen nada que ver con el modelo.

• Formación europea y alojamiento soberano. Mistral es el laboratorio de frontera europeo, y el anuncio se enmarca en un mensaje de nube soberana más que en un mensaje de benchmark. Para un comprador europeo del sector público, un banco regulado o cualquiera cuyas normas de contratación exijan una jurisdicción concreta, eso es un requisito y no una preferencia, y es el único eje en el que GPT-6.1 Sol no puede competir a ningún precio. Si tu restricción es que "los pesos y el servicio deben ser europeos", la comparación termina aquí y el número de Index es irrelevante.

• Los pesos abiertos están llegando, y el autoalojamiento cambia las cuentas. Mistral se ha comprometido a publicar los pesos antes de finales de octubre. Un modelo de mezcla de expertos de 1,05T/52B no es algo que la mayoría de los equipos vaya a ejecutar en su propio hardware —los 52B de parámetros activos son la mitad amable de esa frase; el billón de parámetros del total es la mitad ingrata—, pero para las organizaciones que ya operan ese tipo de infraestructura, o que tienen una norma de residencia de datos que ninguna API alojada puede satisfacer, los pesos abiertos convierten una API de pago por uso en un coste fijo. GPT-6.1 Sol nunca podrá autoalojarse.

• El precio de vista previa es real mientras dure. Con $0.68 / $2.09, el descuento de vista previa es aproximadamente la mitad de la tarifa de lista anunciada de $1.36 / $4.18. Si una carga de trabajo es lo bastante barata como para que el recuento de tokens sea genuinamente la restricción limitante —clasificación masiva, extracción, enrutamiento, cualquier cosa con salidas cortas y sin bucle de razonamiento—, ese precio es el mejor de esta página, y la brecha de Index no aplica al trabajo que nunca necesitó un Index de 52. Solo planifica el cambio para cuando termine la vista previa, en lugar de dejar que te sorprenda.

Lo que no es un argumento es la capacidad bruta en el extremo superior. En programación agéntica y uso de herramientas de horizonte largo, la brecha es visible y es la dirección que cabría esperar del Index: la fila de GPT-6.1 Sol en Artificial Analysis Terminal-Bench 4.0 marca 56.06, y el mismo instrumento situó a su predecesor, GPT-6 Sol, en 43.94 — un avance generacional de aproximadamente 12 puntos en un benchmark que trata específicamente de terminar tareas en un shell.

El número de contexto que se contradice a sí mismo

Esta es la única especificación de la página que no puedes citar con seguridad, y merece la pena señalarla en lugar de disimularla.

La propia documentación de Mistral para Mistral Large 4 describe una ventana de contexto de hasta 1 millón de tokens. El registro independiente del modelo en Artificial Analysis indica 524.000. Esas dos cifras no son una diferencia de redondeo; son un factor de dos, y apuntan a cosas distintas. La explicación más probable es que una describe el techo de la arquitectura y la otra describe lo que realmente se está sirviendo durante una vista previa —una distinción que importa enormemente si planeabas cargar un repositorio grande en una sola llamada. No hemos visto que el proveedor concilie ninguna de las dos cifras y, hasta que lo haga, trata la cifra menor como aquella sobre la que puedes construir.

En cambio, ninguno de los límites principales de GPT-6.1 Sol tiene este problema. Su ventana de contexto es de 1.050.000 tokens, su salida máxima es de 128.000 tokens y su fecha de corte de conocimiento es el 30-04-2026 — todo documentado en la página del modelo del proveedor y coherente con lo que se sirve a través de la API.

Cuánto cuestan mil tareas de agente en cada uno

Toma una carga de trabajo que sea habitual para cualquiera de los dos modelos: una llamada que conlleva 40.000 tokens de entrada y produce una respuesta de 2.000 tokens, ejecutada mil veces. Para que las dos tarifas sean comparables, supón que la entrada se introduce nueva cada vez en lugar de servirse desde una caché.

• Con GPT-6.1 Sol — 40,000 tokens de entrada a $2.00 por millón son $0.080, y 2,000 tokens de salida a $10.00 por millón son $0.020. Eso es $0.100 por llamada, o alrededor de $100 por cada mil.

• Con Mistral Large 4 a tarifas de vista previa — 40.000 tokens de entrada a $0,68 por millón son $0,027, y 2.000 tokens de salida a $2,09 por millón son $0,004. Eso es $0,031 por llamada, o alrededor de $31 por cada mil.

Así que la brecha de precios es real y es de aproximadamente tres a uno en una forma donde la salida es corta — con una salvedad honesta que apunta en sentido contrario. GPT-6.1 Sol cobra $0.10 por millón por un prefijo en caché, y la documentación preliminar de Mistral no establece un descuento equivalente. Ejecute el mismo bucle con los 40,000 tokens servidos desde caché y el lado de GPT-6.1 Sol cae a aproximadamente $0.024 por llamada, lo que está por debajo de la cifra de Mistral. Las tarifas deciden esta comparación solo una vez que sabe si su entrada se repite. Ahora cambie el otro parámetro y observe cómo se abre el segundo diferencial: ejecute el mismo bucle en el extremo intensivo en razonamiento, donde Mistral Large 4 está haciendo el gasto de tokens que implica su Índice de 38, y la cifra de $1.13 por tarea en una evaluación comparable dice que el lado de Mistral de la factura crece más rápido de lo que sugiere la tarifa. El resumen honesto es que Mistral Large 4 gana la aritmética en trabajos de salida corta con tarifas de entrada nuevas y la pierde en trabajos agénticos en caché y de horizonte largo, y cuál de los dos está ejecutando es una cuestión de su carga de trabajo, no de los modelos.

Ambas son exactamente el tipo de comparación para la que sirve un router. GPT-6.1 Sol está en nuestro catálogo a las tarifas de lista de OpenAI con un 0 % de recargo — lo que OpenAI publica es lo que paga quien realiza la llamada, y cuando un proveedor cambia un precio, la fila del catálogo cambia con él en lugar de esperar a que un revendedor se dé cuenta. Eso significa que la aritmética por token anterior puede verificarse contra la fila en vivo en lugar de contra esta página. Mistral Large 4 no es algo que ofrezcamos, así que si lo quieres, la API propia del proveedor y varias plataformas de terceros son donde se encuentra.

Qué hacer el lunes

No hay ninguna versión de esto en la que los dos modelos sean sustitutos para el mismo trabajo hoy en día, y la razón es cuestión de momento, no de calidad.

Si necesitas un modelo de codificación agéntica de frontera esta semana —bucles largos de herramientas, contexto a escala de repositorio, uso de computadora, trabajo profesional con muchos documentos—, la respuesta es GPT-6.1 Sol, es el único de los dos que es un producto terminado, y su precio está publicado y es estable. Presupuesta el hecho de que su medidor de salida es donde se va el dinero, y mantén el conjunto de trabajo por debajo del umbral de 272,000 tokens por encima del cual toda la solicitud vuelve a cambiar de precio.

Si estás en Europa y tus requisitos especifican una jurisdicción, o si tienes la intención de autoalojarlo porque ninguna API cumple tus reglas de datos, Mistral Large 4 es el único candidato aquí, sin importar las puntuaciones, pero la parte que esperas de él, los pesos, todavía no existe, y la cifra de contexto en función de la cual dimensionarías tu infraestructura actualmente está en disputa por un factor de dos. Presta atención a la publicación de los pesos y a que el proveedor concilie 1M con 524.000 antes de destinarle un despliegue.

Y si lo que realmente quieres es usar ambos —Mistral Large 4 para el nivel barato de alto volumen y GPT-6.1 Sol para la cola difícil—, la limitación práctica es que los dos viven en claves distintas, con facturación distinta y modos de fallo distintos, que es el problema que un único endpoint con conmutación automática por error entre más de 200 modelos está pensado para resolver. Mientras tanto, la fila que vale la pena abrir es la que realmente existe: la página del modelo GPT-6.1 Sol en https://www.orcarouter.ai/models/openai/gpt-6.1-sol.