GPT-6 Astra vs Mistral Large 4: una brecha de capacidades, una brecha de precio y tres cosas que los benchmarks pasan por alto

Mistral Large 4 es aproximadamente entre tres y siete veces más barato que GPT-6 Astra y está unos dieciséis puntos por detrás de este en el Intelligence Index. Según las cifras independientes consultadas en la semana del 8 de octubre de 2026, Mistral Large 4 Preview se sitúa en 38,4 en el Intelligence Index v4.3 de Artificial Analysis y GPT-6 Astra en 54,7 —una brecha mayor que la que separa a Astra de cualquier otro modelo de este segmento—, mientras que las tarifas son de 0,68 y 2,09 dólares por millón de tokens frente a 10,00 y 50,00. Si la capacidad por dólar fuera la única cuestión, la respuesta sería Astra para el trabajo exigente y Mistral Large 4 para el volumen, y el artículo terminaría aquí.

No termina ahí, porque tres de las diferencias que deciden este enfrentamiento no aparecen en la tabla de benchmarks de ninguno de los dos proveedores. Mistral Large 4 llegó el 6 de octubre de 2026 como una vista previa pública cuyos pesos no se han publicado, servida desde los propios centros de datos europeos de Mistral, y comercializada por un comportamiento de rechazo que los modelos cerrados no pueden replicar a ningún precio. GPT-6 Astra se lanzó el 3 de septiembre de 2026 como lo más alto de la gama de OpenAI, es cerrado, moderado, y en esta comparación es el modelo que dice no. Ese es un eje diferente del que mide el índice.

La especificación, ambos lados en cada línea

• Lanzamiento — GPT-6 Astra, 3 de septiembre de 2026, disponibilidad general frente a Mistral Large 4, 6 de octubre de 2026, vista previa pública

• Parámetros — Astra sin divulgar frente a Mistral Large 4, 1,05 billones en total con 49.000 millones activos por token, más un codificador de visión de 1.600 millones de parámetros

• Ventana de contexto — Astra 1,050,000 tokens frente a Mistral Large 4 anunciado en 1M pero leído en 524,288 por Artificial Analysis en la configuración que está probando

• Salida máxima — Astra 128.000 tokens vs Mistral Large 4 aún no documentado

• Precio de entrada — Astra $10.00 por 1M frente a Mistral Large 4 $1.36 en la tarifa publicada, actualmente cobrado a un precio promocional de $0.68

• Precio de salida — Astra $50.00 por 1M vs Mistral Large 4 $4.18 en la tarjeta, actualmente $2.09

• Entrada en caché — Astra $1.00 por 1 M frente a Mistral Large 4 $0.14, actualmente $0.07

• Nivel de contexto largo: Astra vuelve a fijar el precio de toda la solicitud en $20.00 y $50.00 por encima de 272,000 tokens de entrada; Mistral no publica ningún escalón comparable

Pesos — Astra cerrado frente a Mistral Large 4, prometido bajo una licencia abierta sin nombre para finales de octubre de 2026, aún no lanzado

• Dónde se ejecuta — Astra en la infraestructura de OpenAI, Azure y AWS Bedrock frente a Mistral Large 4 en el propio clúster europeo de Mistral hoy, autoalojable una vez que los pesos estén disponibles

• Índice de Inteligencia Independiente — Astra 54,7 vs Mistral Large 4 Preview 38,4

• Recuperación independiente de contexto largo — Astra 80,7 vs Mistral Large 4 81,3, la única línea de capacidad en la que Mistral lidera

La brecha del índice es real, y no es todo el modelo

Cincuenta y cuatro frente a treinta y ocho no es una diferencia de redondeo. En el mismo arnés Terminal-Bench 4.0 del mismo evaluador, Astra registra un 59,1% frente al 26,8% de Mistral Large 4 Preview, y en la propia página de Artificial Analysis, Mistral Large 4 aparece señalado como promediando aproximadamente 507 segundos por tarea, mientras que las ejecuciones del índice de Astra tienen un precio de aproximadamente $3,26 de cómputo cada una. Un modelo que tarda ocho minutos por tarea y obtiene dieciséis puntos menos no compite en la misma clase de carga de trabajo en codificación agéntica.

Dos líneas van en sentido contrario, y ambas merecen tenerse en cuenta en cualquier decisión. Mistral Large 4 lidera en recuperación de contexto largo, 81,3 frente a 80,7, lo que supone una fortaleza genuina para el trabajo con gran cantidad de documentos y de recuperación, donde es más probable que un comprador europeo lo quiera. Y es una vista previa de un modelo de mezcla de expertos de 1,05 billones de parámetros que, según Mistral, aún se encuentra en una fase de aprendizaje por refuerzo no saturada; en palabras del propio proveedor, espera «grandes y rápidas mejoras en las semanas y meses venideros». El modelo que evalúas hoy es la peor versión de él que se te facturará jamás. El 54,7 de Astra está ligado a una capacidad fija; el 38,4 de Mistral está ligado a una capacidad cambiante, y ambos hechos favorecen al comprador de manera distinta.

De dónde vienen las cifras de Mistral y quién las calculó

El material de lanzamiento de Mistral es inusualmente cuidadoso con la procedencia, y esa meticulosidad es en sí misma información. Tres de las cifras destacadas de codificación agéntica —61,7 % en DeepSWE v1.1, 59,4 % en SWE-Atlas-QnA y 28,3 % en Terminal-Bench 4.0, que se combinan en una puntuación del 49,8 % en el Coding Agent Index— son descritas por Mistral como evaluadas de forma privada por Artificial Analysis antes del lanzamiento público de ese entorno de evaluación. Todavía no aparecen en el índice público, lo que las hace más sólidas que un benchmark autoejecutado y, aun así, no reproducibles por ti hoy.

El dato independiente más sólido del lanzamiento es uno que Mistral no ejecutó. Surge AI, una empresa de anotación de terceros, realizó una evaluación humana a ciegas sobre la calidad de codificación con las identidades de los modelos ocultas, y anotadores profesionales calificaron Mistral Large 4 Preview con 3,74 en una escala de 1 a 5 —segundo de cinco, solo por detrás de Claude Opus 5 con 4,22, y por delante de Kimi K3 con 3,59, GLM-5.3 con 3,60 y GLM-5.2 con 3,40. Una evaluación humana a ciegas con un laboratorio identificado al otro lado es un tipo de evidencia distinto al de una tabla autopublicada, y es el resultado independiente más sólido del anuncio.

Todo lo demás en la tabla de Mistral está reportado por el proveedor y no ha sido reproducido, incluidas las cifras sobre ciberseguridad que figuran a continuación. Léelas como afirmaciones que hace un laboratorio seguro de sí mismo, no como mediciones.

Lo que Mistral realmente vende: la negativa

Esta es la parte de la comparación que ningún benchmark captura, y es lo más contundente que ha dicho cualquiera de los dos proveedores en este enfrentamiento.

En el Cyber Index de Artificial Analysis, Mistral dice que Mistral Large 4 se sitúa entre los cinco primeros a nivel mundial y lidera los modelos de pesos abiertos desarrollados fuera de China. En una prueba específica —reproducir una vulnerabilidad real en software de código abierto y luego parchearla—, reporta un 82%, descrito como el más alto de cualquier modelo, junto con el 93% de los 40 ejercicios de competición de Cybench. Luego hace la observación que le da al lanzamiento su ventaja: varios modelos cerrados líderes, entre ellos Claude Opus 5.5 y GPT-6 Astra, obtienen cerca de cero en esa misma prueba porque se niegan a realizar la tarea.

Ambas mitades de eso están reportadas por el proveedor. Ninguna de las dos ha sido reproducida de forma independiente. Pero el mecanismo no es exótico y no es una pulla —OpenAI lanzó GPT-6 Astra bajo lo que la cobertura del lanzamiento describió como un umbral crítico de ciberseguridad, y un modelo con una postura de rechazo más estricta rechazará una solicitud de reproducción de vulnerabilidades que un modelo con una más laxa intentará. El 82 % y el casi cero son dos caras de la misma decisión de política, y cuál de los dos quieres depende de a qué te dedicas. Un equipo rojo que evalúa su propio software quiere el 82 %. Una plataforma regulada que atiende a usuarios finales puede querer específicamente el rechazo, y puede estar dispuesta a pagar $10.00 y $50.00 por millón de tokens por él.

Esa es la diferencia entre estos dos modelos que ninguna fila de una tabla de clasificación te mostrará jamás, y es la razón por la que coexistirán en el mercado en lugar de que uno desplace al otro.

Qué significa "open-weight" esta semana

Tres salvedades corresponden al lado de Mistral Large 4 de la hoja, y cada una tiene un precio asociado.

• Los pesos no están publicados. Hoy no hay checkpoints, ni archivo de licencia, ni repositorio. Mistral dice que llegarán para finales de octubre de 2026, tras una ventana de red-teaming en la que socios verificados y autoridades nacionales reciben una compilación desbloqueada. Hasta entonces, la única forma de acceder es la API de vista previa, lo que significa que el argumento de "ejecutarlo en tu propio hardware" es un elemento del roadmap, no una capacidad.

• El indicador de independencia no coincide con el marketing. Artificial Analysis clasifica el modelo como isOpenWeights: false con la categorización «proprietary», porque lo que existe es una vista previa servida desde el clúster propio del proveedor. Ese indicador es la ilustración más clara de la brecha entre las palabras «open-weight» y el artefacto.

• El precio que te cotizan es promocional. La tarjeta de Mistral muestra $0,68 y $2,09 frente a una lista tachada de $1,36 y $4,18. Basa tu factura en esta última. Una preview también es una etiqueta de fase en el sentido contractual —el modelo puede ser redirigido, cambiar de precio o retirarse con menos preaviso que un lanzamiento GA, por lo que un pipeline ajustado a la compilación de esta semana conlleva un coste de revalidación que no presupuestaste.

Nada de eso convierte la preview en una mala compra. La convierte en una compra con fecha de caducidad y una factura de revalidación, que es un tipo de coste distinto al de una tarifa por token.

La soberanía es una partida presupuestaria, no un eslogan

Mistral entrenó Mistral Large 4 desde cero en 3.800 GPU NVIDIA Grace Blackwell en sus propios centros de datos europeos, recaudó 3.000 millones de euros en una ronda Serie D específicamente para construir esa capacidad, y está sirviendo la vista previa desde la misma infraestructura. Para un comprador regulado, esto no es una posición de marketing; es un requisito que GPT-6 Astra no puede satisfacer actualmente a ningún precio. Se puede acceder al modelo de OpenAI a través de la propia API de OpenAI, Azure y AWS Bedrock — todos ellos excelentes para escalar y ninguno de los cuales es una canalización de extremo a extremo operada en Europa.

La segunda mitad del argumento de la soberanía se materializa cuando los pesos también lo hacen. Una organización con las GPU puede entonces ejecutar en local un modelo disperso de 1,05 billones de parámetros sin ningún proveedor de por medio, lo que cambia a la vez la cuestión de la residencia de datos y el comportamiento de rechazo. Astra seguirá siendo una llamada a la API cuando eso ocurra. Si tu hoja de ruta incluye una fase on-premise, Mistral Large 4 es el único de estos dos que la tiene — y si no la tiene, toda esa columna no vale nada para ti.

Ejecutar ambos sin apostar por ninguno

La forma incómoda que tiene este enfrentamiento para un router es que un lado es un modelo que servimos y el otro es una vista previa que no. GPT-6 Astra está en el catálogo de OrcaRouter al precio de lista de OpenAI sin nada añadido, con la misma clave compatible con OpenAI que otros más de 200 modelos, con conmutación por error automática entre proveedores upstream, lo cual importa aquí porque una vista previa es exactamente el tipo de dependencia que quieres fuera de tu ruta crítica hasta que se asiente. Mistral Large 4 no lo enrutamos nosotros mientras se sirva desde el propio clúster de Mistral tras una marca de vista previa; la versión honesta de nuestra parte en esta comparación es el lado de Astra, más la posibilidad de ejecutar la misma tarea contra cualquiera de los dos sin un segundo contrato. Cuando aparezca un endpoint de Mistral con disponibilidad general, heredará el mismo paso del 0% con el que funciona el resto del catálogo, y un cambio de precio del proveedor recaerá sobre la misma clave el día en que ocurra en lugar de en la siguiente renovación.

Lo que una sola clave te da hoy es el propio A/B: el mismo prompt, el mismo evaluador, dos cadenas de modelo, una sola factura — que es como respondes a la única pregunta que importa sobre una preview, a saber, si su postura de rechazo y su recall de contexto largo valen dieciséis puntos de índice para tu carga de trabajo.

La regla de decisión, y la fecha que la cambia

Si el trabajo consiste en razonamiento complejo, codificación agéntica o cualquier cosa medida por lo más alto del Intelligence Index, GPT-6 Astra está por delante, y la diferencia de precio es la prima que se paga por ello: $10.00 y $50.00 por millón de tokens, y pasa a $20.00 y $75.00 en solicitudes de más de 272,000 tokens de entrada.

Si, por requisito, el trabajo debe residir en Europa, es sensible a los rechazos o va destinado a hardware on-premises, Mistral Large 4 es el único de los dos que siquiera responde a la pregunta, a entre un cuarto y un séptimo del precio por token, con la advertencia de que el artefacto que despliegues más adelante no será el artefacto que evalúes ahora.

La fecha que hay que seguir es finales de octubre de 2026, cuando Mistral dice que llegan los checkpoints. Tres cosas cambian ese día: la licencia recibe un nombre, el argumento del autoalojamiento deja de ser una promesa, y el precio de lanzamiento vinculado a una vista previa cambiante deja de ser el precio vinculado a una fija. Cualquiera que esté comparando actualmente estos dos modelos en cuanto a capacidades debería volver a hacer la comparación después de eso, porque una de sus columnas se habrá movido.