Mistral Large 4 vs. DeepSeek V4 Pro: arquitecturas gemelas, apuestas opuestas

Los dos modelos de esta comparación son casi idénticos sobre el papel y no podrían ser más diferentes en la práctica. Mistral Large 4 es una mezcla de expertos dispersa de 1,05 billones de parámetros con 49 mil millones de parámetros activos, anunciada el 6 de octubre de 2026. DeepSeek V4 Pro es una mezcla de expertos dispersa de 1,6 billones de parámetros con 49 mil millones de parámetros activos, publicada el 24 de abril de 2026. El mismo presupuesto de activación, la misma familia arquitectónica, la misma promesa de rendimiento de frontera con la economía de los pesos abiertos — y exactamente uno de ellos tiene pesos que puedes descargar hoy.

El emparejamiento no es algo que este artículo haya inventado. La propia publicación de lanzamiento de Mistral establece comparaciones con DeepSeek V4 Pro por su nombre en tres lugares distintos: programación agéntica, trabajo de conocimiento de horizonte largo y automatización de flujos de trabajo empresariales. Hacer la misma pregunta a la otra parte —qué hace ya DeepSeek V4 Pro que Mistral Large 4 promete— resulta ser la forma más rápida de ver qué añade realmente la vista previa.

La especificación, lado a lado

Leído el 6 de octubre, las cifras de Mistral proceden de su propio anuncio y tarjeta del modelo; las de DeepSeek, de su entrada en el catálogo en vivo:

• Parámetros totales vs. activos — 1,05T totales / 49B activos vs. 1,6T totales / 49B activos

• Modalidades: texto e imagen de entrada, texto de salida vs. solo texto

• Ventana de contexto — 1M declarado por Mistral, 524,288 en la configuración que Artificial Analysis está probando, frente a 1M servidos

• Límite de salida — no publicado para la vista previa vs 384K tokens

• Precio por millón, entrada / salida — $1.36 / $4.18 de tarifa, actualmente $0.68 / $2.09 en promoción, vs $0.66 / $1.98

• Entrada en caché por — $0.14, actualmente $0.07, frente a $0.022

• Pesos — prometidos para finales de octubre, licencia sin especificar vs. disponible ahora

• Infraestructura de entrenamiento — 3.800 GPU NVIDIA Grace Blackwell en los propios centros de datos europeos de Mistral frente al clúster de DeepSeek

La simetría de la cifra de activación de 49B es el titular y también la trampa. Los parámetros activos determinan cuánto cuesta generar un token; los parámetros totales determinan lo que el modelo sabe. Los 1,6T de DeepSeek frente a los 1,05T de Mistral significan que DeepSeek carga aproximadamente un 50% más de capacidad por token computado —una ventaja real en el trabajo intensivo en conocimiento y ninguna ventaja en absoluto en tareas donde el cuello de botella es el seguimiento de instrucciones o el uso de herramientas.

Lo que dice el índice independiente

Ambos modelos tienen páginas en Artificial Analysis, lo que convierte esta en una de las pocas comparaciones de la serie en las que ambas partes se miden con el mismo entorno de pruebas. Intelligence Index v4.3, consultado el 6 de octubre:

• Índice de inteligencia — 38,4 para Mistral Large 4 Preview frente a 36,0 para DeepSeek V4 Pro 0813

• Costo por tarea de indexación — $1.13 vs $0.67

• Terminal-Bench 4.0 — 26,8 % frente a 14,1 %

• Humanity's Last Exam — 35,0 % frente a 41,0 %

• AutomationBench, flujos de trabajo empresariales — 59,9 % vs 56,7 %

• τ²-Bench, agéntica de uso de herramientas — no publicado para la vista previa frente a 96.2%

• SciCode — 54,2 % vs 51,0 %

Esta es una contienda mucho más reñida de lo que sugieren las etiquetas de precios, y las discrepancias son informativas más que ruido. Mistral Large 4 gana la fila de codificación agéntica por casi trece puntos y la fila de automatización de flujos de trabajo por un margen estrecho, mientras que DeepSeek V4 Pro gana en conocimiento de preguntas abiertas por seis puntos y cuesta un 40% menos por tarea. Nótese también que el índice distribuye los costos entre lecturas de caché, escrituras de caché, tokens de razonamiento y tokens de respuesta: la caché de Mistral tiene un descuento del 90%, mientras que la de DeepSeek tiene un descuento del 97%, y por eso dos modelos con tarifas anunciadas similares terminan en $1.13 y $0.67 por tarea completada.

Donde DeepSeek V4 Pro ya ha ganado

La diferencia decisiva no es un benchmark. Es que DeepSeek V4 Pro es de pesos abiertos hoy y Mistral Large 4 es una vista previa servida desde el propio clúster de su creador. Mistral dice que los pesos se publican a finales de octubre: un compromiso, no un artefacto. Su organización de Hugging Face, consultada el 6 de octubre, no contiene nada más reciente que julio. Hasta que aparezca un repositorio con un archivo de licencia, el argumento de autoimplementación que Mistral esgrime pertenece a DeepSeek.

La segunda diferencia es la amplitud de disponibilidad. DeepSeek V4 Pro se puede enrutar desde abril y es, por un amplio margen, el modelo más usado de nuestro propio catálogo: 1130 millones de tokens durante los últimos siete días en el momento de escribir esto, frente a las decenas de millones que mueve un modelo típico. Ese volumen le importa a un comprador de una manera en que una tabla de clasificación no: significa que los modos de fallo se conocen, las características de rendimiento se conocen y los proveedores que lo ofrecen han sido sometidos a pruebas de estrés por el tráfico de producción de otras personas.

DeepSeek también gana en la mecánica aburrida. Un límite de salida de 384K frente a uno no publicado, 1M de contexto servido en lugar de simplemente declarado, y un alcance solo de texto que hace predecible el rendimiento con contextos largos. Si tu carga de trabajo es análisis de documentos, generación de textos largos o extracción intensiva en conocimiento sobre un millón de tokens, DeepSeek V4 Pro es más barato, más abierto y más probado que la vista previa de Mistral en todos los aspectos.

Dónde Mistral Large 4 es la mejor opción

Mistral eligió con cuidado las filas que incluye en sus benchmarks, y la brecha en programación no es cosmética. Un 26,8 % frente a un 14,1 % en Terminal-Bench 4.0 es aproximadamente el doble, y concuerda con la afirmación de Mistral de un 61,7 % en DeepSWE v1.1 y un 59,4 % en SWE-Atlas-QnA —cifras que, según afirma, Artificial Analysis evaluó de forma privada antes del lanzamiento público del harness, y por eso todavía no aparecen en el índice público. Cuando esas cifras lleguen a publicarse, o cuando no lo hagan, se resolverá la cuestión de la programación.

La multimodalidad es la segunda separación clara. Mistral Large 4 admite imágenes de forma nativa, con un codificador de visión dedicado de 1.6B, y Mistral afirma tener el anclaje visual de vanguardia entre los modelos abiertos — citando un 42% frente al 41% de GPT-6 Astra en Dense 200. DeepSeek V4 Pro es solo texto y su ficha de catálogo lo dice claramente. Cualquier pipeline que incluya capturas de pantalla, planos de ingeniería, documentos escaneados o lectura de gráficos tiene un candidato aquí, no dos.

Y luego está el ámbito de la ciberseguridad, donde la afirmación de Mistral es más contundente que cualquier cosa que haya publicado DeepSeek: un 82 % en la prueba del Cyber Index de Artificial Analysis, que pide a un modelo reproducir una vulnerabilidad real y parchearla, y que se dice que es la más alta de cualquier modelo, y un 93 % en los ejercicios de competición de Cybench. Son cifras citadas por el proveedor y deberían etiquetarse como tales, pero se apoyan en un índice independiente, y no se ha publicado ningún resultado comparable de DeepSeek. Para el trabajo en seguridad, la postura honesta es que Mistral Large 4 afirma un liderazgo que no ha quedado demostrado que sea falso.

El último diferenciador es jurisdiccional. Mistral entrenó el modelo con 3.800 GPU Grace Blackwell en sus propios centros de datos europeos y ofrece la vista previa allí, con un despliegue europeo operado de principio a fin bajo la legislación europea. Para un comprador europeo regulado cuya alternativa es un modelo chino de pesos abiertos o uno estadounidense cerrado, eso es una categoría aparte.

Los precios, bien leídos.

El precio de etiqueta de ninguno de los dos modelos lo dice todo. La entrada de catálogo de DeepSeek V4 Pro incluye dos ventanas horarias —01:00–04:00 y 06:00–10:00 UTC— durante las cuales la tarifa indicada se multiplica, así que una carga de trabajo que caiga en esas horas cuesta el doble de lo anunciado. Los $0.68 / $2.09 de Mistral Large 4 son una promoción de lanzamiento frente a una tarifa de catálogo de $1.36 / $4.18; la promoción es el precio de hoy y la tarifa de catálogo es el precio sobre el que modelar tu factura.

Donde OrcaRouter lo aclara es en el traspaso: 0% de recargo sobre los precios de lista de los proveedores, lo que significa que una rebaja de precio de un proveedor es tu rebaja ese mismo día y la tarifa promocional de un proveedor se traslada en lugar de absorberse. DeepSeek V4 Pro es enrutable hoy detrás de un endpoint compatible con OpenAI a la tarifa de su proveedor, en la misma credencial que más de 200 modelos más, con conmutación por error automática entre proveedores cuando uno se degrada. Mistral Large 4 no está en nuestro catálogo —se accede a la versión preliminar a través de la propia API de Mistral y de varias plataformas de terceros—, así que si hoy quieres ejecutar ambos lados de esta comparación a la vez, eso significa una ruta por nuestra cuenta y una directa.

¿Cuál elegir?

Si necesitas pesos que puedas tener en tus manos, salidas de 384K, un millón de tokens de contexto servido, el coste más bajo por tarea completada entre los dos y un modelo cuyo comportamiento otras personas ya han roto en producción, DeepSeek V4 Pro no es una solución de compromiso: es el producto acabado frente a un tráiler. Es la opción predeterminada correcta para el trabajo documental, de conocimiento y de formato largo, y sus pesos abiertos significan que el techo de lo que puedes hacer con él es tu propia infraestructura y no la hoja de ruta de un proveedor.

Si tu carga de trabajo es codificación agéntica, si implica imágenes, si implica trabajo de seguridad o si la jurisdicción europea es un requisito en lugar de una preferencia, Mistral Large 4 es el modelo que vale el riesgo de la versión preliminar —y el riesgo está acotado, porque Mistral se ha comprometido con los pesos y con una ventana de red-teaming con un final declarado. Pon una parte del tráfico en él ahora, mantén DeepSeek V4 Pro en el resto y deja que ambos resuelvan la cuestión de la arquitectura con tus datos. El presupuesto de activación de 49B se verá igual desde cualquiera de los dos lados; lo que difiere es todo lo que lo rodea.