Mistral Large 4 es una preview de 1T parámetros: los pesos aún no se han publicado

Mistral Large 4 llegó el 6 de octubre de 2026 como una vista previa pública: un modelo de mezcla de expertos de un billón de parámetros, con 49.000 millones de parámetros activos, un codificador de visión de 1.600 millones de parámetros y la afirmación de su creador de que es el modelo de pesos abiertos más potente creado fuera de China. Lo que no ha llegado es la parte que describen las palabras "pesos abiertos". Hoy no hay checkpoints que descargar, ni archivo de licencia, ni repositorio. Mistral dice que los pesos llegarán "a finales de este mes", tras un periodo de red-teaming durante el cual los socios verificados y las autoridades nacionales reciben una versión desbloqueada con moderación reducida y capacidad ciber ampliada. Así que la descripción precisa de Mistral Large 4 esta semana es una API de vista previa a la que puedes llamar y un modelo que aún no puedes poseer.

Esa división es la historia, no una nota al pie de ella. Cada cifra que Mistral publicó junto con el anuncio —las puntuaciones de código, las de ciberseguridad, las evaluaciones financieras y legales— se produjo en una compilación que todavía se sigue modificando, y cada titular que lo compara con un modelo de frontera cerrado está comparando un artefacto que no será el artefacto que descargues. Lo útil que se puede hacer con un lanzamiento como este es separar lo que puedes verificar hoy de lo que se te pide que aceptes por fe, y la propia publicación de mistral.ai es inusualmente generosa sobre cuál es cuál.

¿Qué está realmente en vivo el 6 de octubre?

La API de vista previa ya está disponible en Mistral Studio con el id de modelo mistral-large-4-0. La propia ficha del modelo de Mistral lo describe como "un modelo multimodal de última generación, de pesos abiertos y de propósito general" construido sobre una arquitectura MoE granular, y desglosa el recuento de parámetros en 49B activos frente a 1,05T en total, además del codificador de visión. La empresa lo entrenó desde cero en 3.800 GPU NVIDIA Grace Blackwell en sus propios centros de datos europeos, y la vista previa se sirve en esa misma infraestructura — un argumento de soberanía que Mistral está defendiendo con la misma fuerza que el de rendimiento.

La especificación, tal como la declara el proveedor:

• Parámetros totales frente a activos — 1,05 billones en total, 49 mil millones activos por token, MoE disperso

• Modalidades — entrada de texto e imagen, salida de texto; multimodal de forma nativa en lugar de un adaptador añadido a posteriori

• Ventana de contexto — la documentación de Mistral indica 1 M de tokens; Artificial Analysis registra 524.288 en la configuración que está probando, así que considera el 1 M como el límite máximo del proveedor, no como la ventana servida

• Precio — $1.36 por millón de tokens de entrada y $4.18 por millón de salida, con la entrada en caché a $0.14, según la ficha publicada por Mistral

• Oferta de lanzamiento — la misma tarjeta muestra una promoción tachada de $0.68 / $2.09 con $0.07 de entrada en caché, es decir, a mitad de precio

• Pesos — no publicados; «a finales de este mes», según el anuncio

• Licencia — sin nombre en el anuncio y en la página de documentación, que etiqueta la entrada solo como «Open»

Dos de esas líneas merecen leerse dos veces. La ventana de contexto difiere en un factor de dos según si se lee al proveedor o al laboratorio de terceros, lo cual no es inusual en una vista previa cuya configuración de servicio aún está cambiando, pero vale la pena saberlo antes de dimensionar una carga de trabajo en ella. Y el precio que pagarás depende de si la tarifa promocional sobrevive a la ventana de lanzamiento; $1.36 / $4.18 es la cifra que figura en la propia lista de precios de Mistral, y $0.68 / $2.09 es la cifra que cobra actualmente. Asume el primero cuando calcules tu factura.

Los números del benchmark, y quién los ejecutó

La publicación de Mistral es cuidadosa con la procedencia, y vale la pena mantener esa cautela. 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 de 49,8 % en el Coding Agent Index— son, en palabras de la propia Mistral, "las cifras evaluadas de forma privada por Artificial Analysis antes del lanzamiento público del harness". Todavía no están en el índice público de Artificial Analysis. Lo estarán cuando se lance el harness. Hasta entonces, son cifras publicadas por el proveedor que un tercero produjo pero aún no ha publicado, lo cual es una procedencia más sólida que la mayoría de las afirmaciones de lanzamiento y, aun así, no es lo mismo que una puntuación pública reproducible.

Lo que es público e independiente hoy, según la página del modelo de Artificial Analysis del 6 de octubre: Mistral Large 4 Preview obtiene 38.4 en el Intelligence Index v4.3, tardando unos 507 segundos por tarea, con Terminal-Bench 4.0 en 26.8% y Long-Context Reasoning en 81.3%. La misma página lo cataloga como un modelo de pesos abiertos que no es, de hecho, de pesos abiertos — el indicador dice isOpenWeights: false con la categoría «proprietary», porque lo que existe es una vista previa servida desde el clúster propio del proveedor. Ese indicador es la ilustración individual más clara de la brecha de la que trata este artículo.

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

Luego está el ámbito ciber, donde Mistral hace su afirmación más contundente. En el Cyber Index de Artificial Analysis, la empresa afirma que Mistral Large 4 se sitúa entre los cinco primeros del mundo y lidera los modelos de pesos abiertos desarrollados fuera de China. En una prueba concreta —reproducir una vulnerabilidad real en software de código abierto y luego parchearla— obtiene un 82%, descrito como el más alto de cualquier modelo, con un 93% en los 40 ejercicios de competición de Cybench. Mistral añade una observación mordaz: varios modelos cerrados líderes, Claude Opus 5.5 y GPT-6 Astra mencionados entre ellos, obtienen cerca de cero en esa misma prueba porque se niegan a realizar la tarea. Sin la página de terceros delante de ti, el 82% es una cifra del proveedor; el argumento de la tasa de rechazo es una interpretación del proveedor. Ambos son plausibles y ninguno está confirmado de forma independiente hoy.

Por qué el encuadre de la vista previa cambia los cálculos del precio

Una vista previa no es una mera etiqueta de etapa. Significa que el modelo se puede redirigir, cambiar de precio o retirar con menos aviso que una versión GA, y significa que la configuración de servicio con la que haces tus pruebas comparativas puede no ser la configuración con la que despliegas. Para una decisión de enrutamiento, eso es un coste real: una pipeline ajustada a la compilación de esta semana arrastra una factura de revalidación que no habías presupuestado.

En OrcaRouter, donde más de 200 modelos se encuentran detrás de un único endpoint compatible con OpenAI al precio de lista del proveedor, con 0% de margen aplicado directamente, un cambio de precio en la ficha de precios del propio proveedor es un cambio de precio en la nuestra el mismo día —lo cual importa aquí precisamente porque este lanzamiento ofrece dos precios, uno tachado. La conmutación automática por error es la otra mitad de la respuesta para una vista previa no probada: te permite poner una fracción del tráfico de producción en Mistral Large 4 mientras un modelo propio se encarga del resto, de modo que una vista previa que presente regresiones bajo tu carga de trabajo real se convierte en una redirección en lugar de un incidente. Lo que los lectores cuidadosos deberían no asumir es que Mistral Large 4 se puede enrutar en OrcaRouter hoy. No está en el catálogo: se accede a la vista previa a través de la propia API de Mistral y varias plataformas de terceros, y sus pesos, cuando lleguen, serán una propuesta de autoalojamiento.

La afirmación de pesos abiertos es actualmente una promesa.

El planteamiento de Mistral es que Mistral Large 4 "empuja la frontera del rendimiento de pesos abiertos" y que los pesos abiertos son el mecanismo por el cual las empresas mantienen el control de un modelo. Ese es un argumento defendible para el modelo que Mistral tiene previsto lanzar. Para el modelo que lanzó esta semana, el mecanismo está ausente: no hay repositorio de Hugging Face, ni texto de licencia, ni checkpoint descargable. La propia organización de Hugging Face de la empresa, consultada el 6 de octubre, no tiene nada posterior a julio, y sus entradas más recientes no están relacionadas con la línea Large.

Esto no es una crítica al plan; la publicación escalonada de los pesos tras una ventana de red-teaming es una política coherente, y Mistral lo deja claro. Es una advertencia sobre el adjetivo. «Open-weight» está haciendo labor de marketing en un párrafo en el que los pesos están a cuatro semanas de distancia, y la licencia que los rige no se ha nombrado. Una licencia permisiva y términos al estilo Apache son un resultado posible; una licencia solo para investigación o con límite de ingresos es otro, y el anuncio no elige entre ellos.

Qué revisar antes de finales de octubre

Cinco cosas convertirían esta vista previa en un hecho incontrovertible, y cada una es comprobable sin preguntarle nada a Mistral:

• Un repositorio de Hugging Face bajo la organización Mistral que contiene el checkpoint y un archivo de licencia — el lanzamiento que Mistral se ha comprometido a publicar este mes

• El nombre de la licencia en sí, que determina si «open weight» significa libertad al estilo Apache-2.0 o una concesión con límite de uso

• Si la tarifa promocional de $0.68 / $2.09 se mantiene o vuelve a los $1.36 / $4.18 de la tarjeta de tarifas

• Si Artificial Analysis traslada las cifras de codificación evaluadas de forma privada a su índice público cuando se lance el arnés, y si se mantienen en los mismos valores

• La ventana de contexto servida, actualmente indicada como 1M por el proveedor y leída como 524.288 por el laboratorio independiente

Hasta que eso se resuelva, la postura correcta hacia Mistral Large 4 es la que su propio lanzamiento invita: llámalo, mídelo con tu carga de trabajo y mantén la ruta de producción en un modelo cuyo comportamiento no esté programado para cambiar. Los pesos son el evento. La vista previa es el tráiler.