Mistral Large 4 vs Qwen3.8 Max: una ventaja alegada que las cifras publicadas desmienten

La publicación de lanzamiento de Mistral para Mistral Large 4 afirma que su puntuación combinada en el Coding Agent Index del 49,8 % lo sitúa «por delante de DeepSeek V4 Pro 0813 y Qwen3.8 Max». Artificial Analysis ya tiene a Qwen3.8 Max en la misma familia de índices, y su cifra en Terminal-Bench 4.0 es del 38,9 %. Mistral reporta su propio modelo con un 28,3 % en ese arnés. Ambos números provienen de Artificial Analysis —uno público, otro producido de forma privada antes del lanzamiento del arnés— y apuntan en direcciones opuestas. Eso no es razón para desestimar ninguno de los dos modelos. Es lo más útil de este enfrentamiento, porque te dice exactamente cuál de los dos puedes verificar hoy, y plantea la cuestión del precio de forma contundente: Qwen3.8 Max cuesta 2,00 $ por millón de tokens de entrada y 6,00 $ por millón de tokens de salida, frente a los 0,68 $ y 2,09 $ de Mistral Large 4, aproximadamente tres veces más, y en todas las medidas publicadas es el modelo más fuerte.

Ambos son intentos a escala de Alibaba y a escala de Mistral de lo mismo —un buque insignia nativamente multimodal que ofrece alrededor de un millón de tokens de contexto con razonamiento, herramientas y salidas estructuradas— lanzados con nueve semanas de diferencia, en vista previa pública y en. Uno de ellos está disponible desde el 3 de agosto de 2026 y tiene una columna completa de puntuaciones independientes. El otro llegó el 6 de octubre de 2026 con una publicación de pesos prometida para finales de mes y una ejecución de aprendizaje por refuerzo que, según su proveedor, sigue subiendo.

La columna publicada y la prometida

Qwen3.8 Max es el nivel de mayor capacidad de Alibaba hasta la fecha, y Alibaba lo posiciona directamente frente a GPT-5.5, Claude Opus 4.7 y Gemini 3.1 Pro en su propia guía de migración. Es multimodal de forma nativa en texto, imágenes y vídeo con salida de texto, cuenta con una ventana de contexto de 1.000.000 de tokens, y su matriz de capacidades confirma el modo de pensamiento, la llamada a funciones, las herramientas integradas y las salidas estructuradas. Se ofrece en tres formatos de conexión —compatible con OpenAI, compatible con Anthropic y DashScope nativo— desde Pekín, Singapur, Tokio, Fráncfort y otras regiones.

En Artificial Analysis, puntúa 45,4 en el Intelligence Index v4.3.2, 17.º de 147 modelos, y 76,2 en el índice AA Coding, donde ocupa el 9.º puesto de 138 y empata con Kimi K3 en lo más alto del campo de pesos abiertos. Registra 92,8 % en GPQA Diamond, 80,3 % en recuperación de contexto largo, 52,1 % en SciCode y 47,8 % en tau-banking. Su resultado en Terminal-Bench 2.1 es del 88,8 %.

Mistral Large 4 es un modelo granular de mezcla de expertos con 49 mil millones de parámetros activos de un total de 1,05 billones y un codificador de visión de 1.600 millones de parámetros, entrenado desde cero en 3.800 GPU NVIDIA Grace Blackwell en los propios centros de datos europeos de Mistral con datos que abarcan más de 160 idiomas. Acepta texto e imágenes en un contexto de aproximadamente un millón de tokens. Su página en Artificial Analysis existe bajo el título «Mistral Large 4 Preview» y no incluye ninguna puntuación del Intelligence Index; los pesos se prometen para finales de octubre de 2026.

• Índice de Inteligencia — Qwen3.8 Max 45.4 (17.º de 147) vs Mistral Large 4 aún no publicado

• Índice de codificación — Qwen3.8 Max 76.2 (9.º de 138) frente a Mistral Large 4, sin equivalente comparable

• Terminal-Bench 4.0 — Qwen3.8 Max 38.9% vs Mistral Large 4 28.3%, evaluado de forma privada

• Ventana de contexto — Qwen3.8 Max 1.000.000 de tokens vs Mistral Large 4, aproximadamente 1.000.000

• Modalidad de entrada — Qwen3.8 Max texto, imagen y vídeo vs Mistral Large 4 texto e imagen

• Precio de entrada — Mistral Large 4 $0.68 por 1M vs Qwen3.8 Max $2.00 por 1M

• Precio de salida — Mistral Large 4 $2.09 por 1M vs Qwen3.8 Max $6.00 por 1M

• Entrada en caché — Mistral Large 4 $0.07 por 1M frente a Qwen3.8 Max $0.25 por 1M

• Pesos — licencia abierta de Mistral Large 4 prometida para finales de octubre de 2026 frente a Qwen3.8 Max de código cerrado

• Lanzado — Qwen3.8 Max 3 de agosto de 2026 vs Mistral Large 4 6 de octubre de 2026, vista previa

Resolviendo la contradicción, en la medida en que pueda resolverse

Las dos cifras de Terminal-Bench 4.0 son genuinamente inconsistentes, y la explicación más probable es la menos dramática: son ejecuciones diferentes. El 28,3 % de Mistral se describe como evaluado de forma privada por Artificial Analysis antes del lanzamiento público del entorno de evaluación, lo que significa que puede haberse medido en un entorno de evaluación previo al lanzamiento, con un esfuerzo de razonamiento diferente o con un muestreo diferente. El 38,9 % de Qwen corresponde al entorno de evaluación publicado, en la configuración que Artificial Analysis haya estandarizado. Compararlos directamente es comparar un borrador con una versión final, y el borrador es el que parece peor.

También vale la pena observar hacia qué lado corta la contradicción. Mistral afirma tener una ventaja en el Coding Agent Index combinado —49,8%, por delante de Qwen3.8 Max— mientras publica una cifra de Terminal-Bench 4.0 que queda diez puntos por detrás de la de Qwen. Un índice combinado agrega varias evaluaciones, así que ambas cosas pueden ser ciertas a la vez, y un modelo con un resultado sólido en DeepSWE v1.1 (Mistral reporta 61,7%) y un resultado débil en Terminal-Bench aún puede ganar en el promedio. Pero hasta que el Coding Agent Index sea público, el único componente de esa afirmación que un lector puede comprobar es aquel en el que Mistral va por detrás. Esa asimetría es exactamente lo que corresponde mirar con sospecha, en cualquiera de las dos direcciones.

Lo que realmente compra tres veces el precio

Dos cosas, y solo una de ellas es el rendimiento.

El vídeo es el caso concreto. Qwen3.8 Max acepta vídeo de forma nativa como entrada de primer nivel; Mistral Large 4 no. El capítulo multimodal de Mistral gira en torno a las imágenes —anclar escenas densas, verificar piezas mecánicas en planos técnicos, recuperar evidencia de PDFs, escanear imágenes satelitales de gigapíxeles— y nada de eso requiere imágenes en movimiento. Si tu pipeline procesa grabaciones, demostraciones o archivos de vídeo, la comparación de precios es irrelevante, porque uno de estos modelos no puede aceptar tu entrada. Esto es un límite de capacidades, no una diferencia de tarifas, y ningún reajuste de precios lo moverá.

El segundo es prueba. La puntuación de índice de 45,4 de Qwen3.8 Max, su puesto número 9 en clasificación de codificación y su 88,8 % en Terminal-Bench 2.1 son todos reproducibles en arneses publicados por cualquiera que quiera gastar los tokens. El ML4 de Mistral ofrece un techo declarado más alto en codificación agéntica y automatización, una evaluación humana ciega en la que superó por poco a Kimi K3 y GLM-5.3 en calidad de codificación percibida, y una afirmación específica de ciberseguridad: 82 % en la prueba de reproducir y parchear de Artificial Analysis, el más alto de cualquier modelo probado, con 93 % en Cybench. Cada uno de esos es reportado por el proveedor o evaluado de forma privada. Un equipo que tiene que justificar la elección de un modelo ante una revisión de adquisiciones paga la prima triple para tener la respuesta por escrito.

Dicho esto, la cifra de ciberseguridad es la única afirmación de esta comparación que un precio más bajo no puede compensar, porque es una capacidad, no una ventaja. Mistral informa de que varios modelos cerrados líderes, entre ellos Claude Opus 5.5 y GPT-6 Astra, obtienen una puntuación cercana a cero en la misma prueba de reproducir y parchear porque rechazan la tarea, y que la tasa media de rechazo de ML4 ante prompts de ciberseguridad extraídos de JailbreakBench, StrongREJECT y AgentHarm es superior a la de otros modelos de pesos abiertos, aun así completa el trabajo. No se informa de Qwen3.8 Max en esa prueba. Si tu trabajo implica la reproducción de vulnerabilidades, la pregunta no es quién es más barato; es quién hará el trabajo siquiera.

Pesos, y dónde se ejecutan

Aquí es donde Mistral Large 4 tiene la única ventaja estructural que la prima triple de Qwen no puede tocar. Mistral se ha comprometido a publicar los pesos de ML4 bajo una licencia abierta para finales de octubre de 2026, junto con detalles de la arquitectura y la metodología de postentrenamiento. Eso convierte un coste por token en una decisión de capital: si tienes las GPU, dejas de pagar por token, dejas de enviar datos a un tercero y dejas de estar sujeto a la política de moderación de otro. El nivel Max de Alibaba es una oferta cerrada y exclusiva de API, y nada sugiere que eso vaya a cambiar.

La geografía es el mismo argumento en un registro diferente. Qwen3.8 Max se sirve desde Beijing, Singapur, Tokio y Frankfurt, entre otros — una huella genuinamente global, pero operada por Alibaba. La vista previa pública de Mistral Large 4 se ejecuta en la propia infraestructura europea de Mistral, en una región europea que Mistral opera de principio a fin y con independencia de otros proveedores de servicios digitales, bajo la legislación europea. Para un comprador regulado europeo, esas dos frases respaldan resultados de contratación muy diferentes aunque ambos modelos estén disponibles en la misma ciudad. La ronda Serie D de 3.000 millones de euros de Mistral — la mayor ronda de capital jamás recaudada por una empresa tecnológica europea — existe precisamente para financiar esa distinción, y ML4 es su primer entregable.

Enrutamiento a través de dos formas de disponibilidad

Lo inusual de esta combinación es que lo importante no son los dos modelos ni su capacidad, sino la forma en que accedes a ellos. Qwen habla protocolos compatibles con OpenAI, compatibles con Anthropic y nativos de DashScope desde diversas regiones; Mistral Large 4 es... Normalizar todo eso es trabajo real, y es el tipo de trabajo que empieza siendo pequeño y crece cada vez que un proveedor cambia algo.

Ambos se encuentran detrás de un único endpoint compatible con OpenAI en OrcaRouter con un 0 % de recargo, que es lo que hace que la diferencia de precios de este artículo sea estable y no una mera instantánea: los precios de lista de los proveedores se transmiten sin modificar, de modo que el día en que Mistral ponga fin a su tarifa de vista previa o Alibaba cambie la de Qwen, las cifras contra las que evalúan tus reglas de enrutamiento se moverán con ellas. El DSL de enrutamiento es donde las distintas fortalezas de ambos modelos se convierten en una única superficie de llamada — las solicitudes con vídeo a Qwen3.8 Max, el trabajo con imágenes y documentos a Mistral Large 4, y todo lo que deba respetar un presupuesto estricto se envía primero a ML4, con Qwen como escalado cuando la afirmación del índice combinado resulta relevante en una tarea real. La conmutación por error automática vale más en este emparejamiento que en la mayoría, porque una de las partes es una API en vista previa en su primer mes y la otra es un nivel cerrado cuya capacidad no puedes planificar. Cuando la cuestión del 49,8 frente al 76,2 en programación está genuinamente indecisa para tu carga de trabajo, la fusión de modelos puede ejecutar ambos con el mismo prompt y dejar que un panel elija, lo que resulta más barato que hacer un bake-off dos veces.

Veredicto

Qwen3.8 Max es el mejor modelo en todo lo que se ha publicado. Su puntuación de 45,4 en el Índice, su índice de 76 y su 38,9 % en Terminal-Bench 4.0 están en las mismas revisiones que las de todos los demás, acepta vídeo, lleva dos meses en producción y es accesible a través de tres formatos de conexión desde cinco regiones. Si el rendimiento y la verificabilidad son los factores decisivos, el triple de precio es lo que cuesta un modelo insignia ya lanzado y medido.

Mistral Large 4 gana en precio por aproximadamente el triple, en lecturas de caché por más del triple, en tareas de ciberseguridad donde la alternativa se niega, y en los dos argumentos que Qwen no puede rebatir: pesos abiertos prometidos para finales de octubre, y un despliegue europeo que Mistral ejecuta de extremo a extremo. La afirmación del 49,8 % en el Coding Agent Index es lo que lo decidiría: si ese número aparece en un harness público antes que el de Qwen, el modelo más barato se convierte en el mejor y la prima desaparece. Si no lo hace, Mistral está vendiendo un precio de vista previa de un modelo que va por detrás de un competidor ya lanzado, y la postura honesta es que estás comprando la hoja de ruta en lugar del modelo.

Vigila tres fechas. El final de octubre de 2026, cuando los pesos de ML4 o bien se publiquen o bien se matice la afirmación sobre los pesos abiertos. La publicación del Artificial Analysis Coding Agent Index, donde las evaluaciones privadas de Mistral y las puntuaciones públicas de Qwen se encuentran en una misma columna. Y el final del periodo de vista previa, cuando sea que Mistral lo anuncie, porque 0,68 $ y 2,09 $ son una tarifa de lanzamiento y ninguna previsión debería dar por sentado que sobrevive a la publicación de los pesos.