Los pesos ya están disponibles y caben en ocho Blackwells: dentro del lanzamiento NVFP4 de día cero de Mistral Large 4

Cada guía de autoalojamiento publicada en la última semana te dice las mismas tres cosas sobre Mistral Large 4: el archivo de licencia devuelve un 404, no existe ningún checkpoint cuantizado y cualquier configuración que escribas es una proyección prestada del modelo anterior. A fecha de la mañana del 29 de octubre de 2026, las tres son falsas. La licencia está en el repositorio —2.632 bytes— y la familia de checkpoints es real: mistralai/Mistral-Large-4-1T-A52B con 54 fragmentos FP8 y 1.060,6 GB, más un hermano NVFP4 con 32 fragmentos y 610,1 GB. La nota de NVIDIA del día cero, la que felicita al equipo de Mistral AI y menciona el soporte de NVFP4 en Hugging Face en la misma frase, es la versión más breve posible de esta historia. La versión útil es la más larga: qué asume realmente la receta publicada, qué pasó con el precio mientras nadie miraba y cuál de los consejos de autoalojamiento del martes ahora induce activamente a error. Si quieres comparar lo que se puede enrutar hoy en lugar de lo que se puede descargar, el catálogo de modelos de OrcaRouter enumera todos los modelos que servimos, su ventana de contexto y su precio por token, con conmutación por error configurada por ruta.

Empieza por las fechas, porque son la parte que la mayoría de la cobertura periodística entiende mal en ambos sentidos. Mistral Large 4 se anunció el 6 de octubre de 2026 como una vista previa de API: un modelo de mezcla de expertos de 1,05 billones de parámetros, con 49.000 millones de parámetros activos por token —o 52.000 millones una vez contadas las capas de embeddings y de salida—, un codificador de visión de 1.600 millones de parámetros y una ventana de contexto de 1 millón de tokens, con un precio de 1,36 dólares por millón de tokens de entrada frente a 4,18 dólares por millón de salida. Los pesos abiertos se prometieron antes de finales de octubre. Llegaron a las 14:51 UTC del 29 de octubre, aproximadamente dos días después de la fecha del 27 de octubre que los informes de prensa habían dado por definitiva. Esa brecha importa porque gran parte de lo que se escribió sobre este modelo se redactó dentro de ella.

¿Qué hay realmente en el Hub esta mañana?

Los metadatos del repositorio son más informativos que la prosa del anuncio, así que aquí están directamente:

• Checkpoint principal — mistralai/Mistral-Large-4-1T-A52B, 54 fragmentos de safetensors, 1.060,6 GB en disco, etiquetado como fp8, repositorio creado el 30 de septiembre de 2026, pesos escritos por última vez el 29 de octubre a las 14:51 UTC, sin restricción de acceso.

• Modelo hermano cuantizado — mistralai/Mistral-Large-4-1T-A52B-NVFP4, 32 fragmentos, 610.1 GB, repositorio creado el 15 de octubre de 2026 y actualizado hoy a las 14:11 UTC — cuarenta minutos antes de que finalizara el repositorio principal.

• Licencia — la Mistral Ecosystem Open-Weight License, que Mistral describe como una licencia MIT modificada, sin umbral de ingresos asociado.

• Arquitectura, de params.json — 128 expertos, con cuatro enrutados por token más un experto compartido, 72 capas, tamaño oculto de 6.144, una torre de visión de 30 capas que acepta imágenes de hasta 1.540 píxeles, y uso compartido de KV en la mayoría de las capas.

• Las cifras que no coinciden: la ficha del modelo NVFP4 enumera 39 idiomas; el anuncio afirma más de 160. La ficha cuenta 49.000 millones de parámetros activos por token; la documentación de la API y la propia tabla del proveedor dicen 52.000 millones, que es la misma cifra si se añaden los embeddings y las capas de salida. La publicación de Mistral atribuye 3.800 GPU Grace Blackwell al entrenamiento; varios medios redondearon esa cifra a 4.000. Nada de esto es fatal, y cada discrepancia te dice qué documento escribió qué equipo.

El número de 610 GB es la versión.

Un modelo de 1,05 billones de parámetros no se descarga de una forma que alguien describiría a la ligera. El checkpoint FP8 pesa 1.060,6 GB: cómodamente más de un terabyte de pesos antes de que exista un solo token de caché KV, activación o fragmentación. En un nodo Blackwell de ocho GPU, entra con unos 400 GB de sobra. En ocho H200, entra casi sin nada de sobra. El checkpoint NVFP4 lo reduce a 610,1 GB, y el ahorro no es cosmético: es la diferencia entre un nodo que es enteramente pesos y un nodo que deja espacio para el contexto de 1 M de tokens que anuncia el modelo.

El esquema de cuantización también es más específico que «4 bits». Según la ficha, los pesos de mezcla de expertos son NVFP4, mientras que las capas lineales permanecen en FP8, y la receta de vLLM pide una caché KV en FP8 para las capas MLA. Se trata de una pila de servicio de precisión mixta, no de una reducción de precisión indiscriminada, y está dirigida específicamente a Blackwell: B200, B300, GB200 y GB300 son las piezas mencionadas.

Una consecuencia merece especial hincapié para cualquiera que esté planificando una compra: la receta oficial sigue exigiendo ocho GPU. vLLM se publica con paralelismo tensorial 8; SGLang con tp-size 4. La cuantización aquí no es principalmente una forma de reducir el número de nodos. Es una forma de dejar al nodo suficiente memoria para servir realmente contextos largos, y los parámetros de servicio publicados son la prueba.

La receta, bandera por bandera

Lo que hace diferente a este lanzamiento de la mayoría de las publicaciones de pesos abiertos es que el proveedor incluyó instrucciones de servicio en lugar de dejarlas a la comunidad. La ruta de vLLM, tal como se publicó:

• Imagen — vllm/vllm-openai:mistral-large-4

• Paralelismo — --tensor-parallel-size 8

• Caché — --kv-cache-dtype fp8_ds_mla, con --gpu-memory-utilization 0.85

• Analizadores — --tool-call-parser mistral, --reasoning-parser mistral, --enable-auto-tool-choice

• Especulación opcional — --speculative-config '{"method": "dspark", "num_speculative_tokens": 3}'

La ruta de SGLang difiere en aspectos que merecen leerse dos veces:

• Imagen — lmsysorg/sglang:mistral-large-4, con --tp-size 4 y --mem-fraction-static 0.85

• Especulación — --speculative-algorithm DSPARK, activado por defecto en el comando publicado

• Límites de servicio — --max-running-requests 64, con los analizadores de razonamiento y de herramientas configurados ambos en auto

Tres cosas que te dicen las banderas que el anuncio no dice

Lo primero es que DSpark no es un modelo separado. El archivo de configuración describe tres capas de predicción multi-token con una pequeña cabeza de borrador recurrente —un rango de Markov de 512— incrustada en el propio checkpoint. La decodificación especulativa normalmente implica ejecutar un segundo modelo más pequeño junto al grande y pagar por su memoria. Aquí la cabeza de borrador ya está dentro de los 610 GB, y por eso el flag especulativo es una cadena de configuración corta en lugar de un segundo despliegue.

El segundo es que la pila de atención es una historia de compresión. La configuración incluye un indexador disperso con un top-k de 2.048 sobre 32 cabezas, un rango de LoRA de KV de 512 y compartición de KV en la mayoría de las 72 capas —el tipo de disposición que se ha vuelto estándar en los modelos de linaje DeepSeek. El contexto de 1M es alcanzable porque la memoria de atención se comparte de forma agresiva y la caché KV está en FP8, no porque el modelo tenga un terabyte de caché que gastar.

Lo tercero es aritmética. El bloque YaRN publicado extiende una ventana nativa de RoPE de 512 tokens por un factor de 2.048, lo que al multiplicarse da exactamente 1.048.576 — la longitud de contexto anunciada. Independientemente de cómo se viera el calendario de entrenamiento, la configuración que estás descargando alcanza 1M de tokens por extrapolación, y vale la pena saberlo antes de dirigirle un documento de 900.000 tokens y asumir que el modelo ya ha visto esa forma antes.

El libro de precios se movió mientras se redactaban las guías.

La documentación de Mistral indica que la tarifa actual es de $0,70 por millón de tokens de entrada, $0,07 por millón de tokens de entrada en caché y $2,10 por millón de tokens de salida. El anuncio del 6 de octubre citaba una tarifa de lista de $1,36 y $4,18, con un descuento de vista previa que situaba el precio en aproximadamente la mitad de esas cifras. Si se leen ambos documentos en conjunto, el lanzamiento de pesos abiertos no se limitó a distribuir archivos: bajó el precio de lista permanente hasta aproximadamente el nivel al que se había estado alquilando durante la vista previa. Para cualquiera que haya estado preparando su presupuesto a partir del anuncio de octubre, la nueva tarjeta de precios es aproximadamente la mitad de la cifra que anotó.

La valoración independiente es menos halagüeña que el recorte de precio. Artificial Analysis, según su actual Intelligence Index —la serie v5 reconstruida el 27 de octubre—, puntúa a Mistral Large 4 con 26, registra 2,06 dólares para completar una tarea del Index y mide 161,3 tokens de salida por segundo con 1,42 segundos hasta el primer token. La velocidad es realmente buena: 161 tokens por segundo es más del doble de la mediana del conjunto de comparación. El coste por tarea no lo es: con 2,06 dólares, está en el cuarto inferior de su clase, porque un modelo que razona extensamente gasta el dinero en tokens en lugar de en la tarifa.

Los números propios de Mistral, y el que no publicó

Todos los benchmarks del post de lanzamiento de Mistral son de Mistral, lo cual vale la pena señalar antes de citar cualquiera de ellos. Terminal-Bench 4.0 se declara en 41%, trece puntos por encima de la preview y, según el post, un liderazgo en pesos abiertos; FrontierCode 2.0 en 19,7%; el AA Coding Agent Index en 48%, descrito como prácticamente empatado con GLM-5.3; BrowseComp en 84,5% frente al 75% del checkpoint supervisado de la preview; FinWorkBench en 73,3%, por detrás del 77,3% de Kimi K3; y una tasa media de rechazo del 96,6% en solicitudes cibernéticas maliciosas, que es la cifra en torno a la cual realmente se organiza el anuncio. Algunos de ellos provienen de harnesses de terceros —FrontierCode de Cognition, el Coding Agent Index de Artificial Analysis, la preferencia humana de Surge Code—, pero Mistral los ejecutó y Mistral los reportó. Ninguno ha sido reproducido públicamente en el momento de escribir estas líneas.

La cifra que falta es la que más necesita quien aloja su propio modelo: la calidad de NVFP4 frente al checkpoint FP8 en la misma evaluación. La ficha presenta la cuantización como una reducción de memoria «con un rendimiento similar», lo cual es una afirmación, no una medición. Hasta que alguien publique una ejecución comparable, la postura honesta es que el checkpoint de 610 GB es el que puedes cargar y el de 1.060,6 GB es el que tiene respaldo documental.

Si se compara la tabla del proveedor con los mismos benchmarks que ejecuta Artificial Analysis, el panorama cambia de forma. La fila actual de AA para Mistral Large 4 —API alojada, esfuerzo de razonamiento alto— sitúa Terminal-Bench 4.0 en 25%, dieciséis puntos por debajo del 41% de la publicación de lanzamiento, y FrontierCode 2.0 en 15% frente al 19.7% que cita Mistral. Ambos son harnesses citados por la propia Mistral. La explicación probable es la configuración: las cifras del lanzamiento pueden provenir de un ajuste de razonamiento específico o de una porción particular de evaluación, y AA mide lo que devuelve la API pública. La explicación inaceptable es la que la mayoría de la cobertura ha dado por buena: presentar ambos números como si midieran lo mismo.

La cláusula de licencia que decide quién puede servirlo

La licencia es lo bastante breve como para leerla de una sentada, y la cláusula que importa es la relativa al modelo como servicio. Prestar un servicio alojado sobre los pesos requiere una licencia comercial separada de Mistral. Pero la definición de modelo como servicio excluye los productos integrados para usuarios finales y, por separado, el «mero reenvío de solicitudes a modelos alojados por terceros». Esa excepción es más limitada de lo que parece a primera vista: no te permite montar tu propia inferencia y revenderla, y sí permite que una pasarela transmita solicitudes a la inferencia alojada por Mistral sin convertirse en licenciatario. Que esa interpretación se sostenga en una disputa es una cuestión para los abogados de Mistral, no para este blog.

Lo cual nos lleva a la parte incómoda. OrcaRouter no incluye Mistral Large 4 —nuestro catálogo de 214 modelos no contiene ningún endpoint de Mistral—, así que nada de este lanzamiento es enrutable aquí hoy, y cualquiera que afirme lo contrario te está vendiendo humo. Lo que el catálogo sí incluye es la otra mitad de un despliegue como este: un DSL de enrutamiento que puede mantener una carga de trabajo en un modelo y cambiarla sin modificar código, conmutación automática en caso de fallo cuando un endpoint se degrada, y precios de traspaso con 0% de margen, de modo que un cambio de tarifa del propio proveedor llega a nuestro lado el mismo día que llega al suyo. Los equipos que descargan 610 GB y montan su propia instancia vLLM casi siempre mantienen una ruta alojada detrás durante las primeras semanas, y esa es la parte que realmente podemos operar.

¿Quién debería iniciar la descarga esta noche?

Si ya ejecutas ocho GPUs Blackwell, o tienes una regla de residencia de datos que ningún endpoint alojado satisface, el cálculo cambió esta mañana y cambió a tu favor: los pesos existen, la licencia existe, y el proveedor te entregó un comando de servicio probado en lugar de una sugerencia. Descarga primero el checkpoint NVFP4 —610,1 GB es una noche tolerable, y la imagen de vLLM está fijada. Realiza tu propia evaluación contra la API alojada antes de comprometer una ruta de producción con ella, porque la afirmación sobre la cuantización no está medida y los benchmarks del proveedor son del proveedor.

Si no usas ese tipo de hardware, todavía no hay nada en este lanzamiento para ti. Un modelo de 1T con 49 mil millones de parámetros activos por token no es una descarga para portátil ni un experimento con una sola tarjeta, y el checkpoint FP8 ocupa un terabyte. La noticia que debería llegarte es la línea de precios, no la lista de archivos: la API alojada ahora comienza en $0,70 y $2,10, que es aproximadamente la mitad de lo que el anuncio de octubre te hizo esperar, y ese es un cambio que puedes aprovechar sin tener una sola GPU.

La pregunta abierta es la interesante. Un modelo de un billón de parámetros que cabe en 610 GB es una prueba de que NVFP4 puede comprimir una mezcla de expertos a escala frontera sin cambiar su forma. Si la comprime sin cambiar sus respuestas es algo que resolverán las próximas dos semanas de ejecuciones independientes, y nadie ha publicado eso todavía —incluidos quienes lo lanzaron.