Mistral Large 4 vs. Claude Fable 5.1: diecisiete puntos de índice y un precio de salida doce veces mayor

La pregunta de esta comparación cambió el 29 de octubre de 2026, y no porque Mistral Large 4 se volvió más inteligente. Esa tarde, el modelo dejó de ser una vista previa alquilada y se convirtió en una descarga de 1,06 TB, lo que significa que la comparación con Claude Fable 5.1 ya no se trata solo de qué modelo responde mejor, sino también de con qué restricción puedes convivir. Claude Fable 5.1 es un modelo de 10 dólares por millón de tokens de entrada al que puedes llamar mediante una API y que nunca podrás poseer, ajustar o ejecutar en tu propio hardware. Mistral Large 4 es una mezcla de expertos de un billón de parámetros que ahora puedes poseer, adaptar y desplegar dentro de tu propia red, bajo una licencia que prohíbe explícitamente revenderlo como servicio. Uno es un contrato. El otro es una descarga con una cláusula adjunta.

En capacidad la respuesta no está reñida, y merece la pena decirlo antes de que empiece la discusión sobre el precio. El v5 Intelligence Index de Artificial Analysis sitúa a Claude Fable 5.1 en 43 y a Mistral Large 4 en 26. Eso supone una diferencia de diecisiete puntos con el mismo instrumento, y resiste a todas las salvedades razonables sobre las versiones del índice, porque ambas cifras son lecturas de la v5: la de Fable 5.1 procede de la tabla de clasificación en vivo, y la de Large 4, de la cifra que Mistral cita en la ficha de su propio modelo. Si se vuelve a ejecutar el índice, ambas cifras cambiarán; el orden, no.

Dónde se manifiesta realmente la brecha

Los benchmarks públicos coinciden con el índice, lo cual es inusual. Ambos conjuntos de cifras que aparecen a continuación han sido ejecutados por el propio proveedor y ninguno ha sido reproducido de forma independiente, así que trátalos como afirmaciones de igual categoría en lugar de como evidencia de una calidad distinta.

• Terminal-Bench 4.0 — Claude Fable 5.1 con un 55,8 % según Anthropic; Mistral Large 4 con un 41 % según Mistral. Ambos proveedores ejecutaron su propio harness, y la cifra reportada por la propia Anthropic ha aparecido como 58,1 % en algunos análisis, por lo que el decimal exacto es difuso en ambas columnas.

• Ciencia de horizonte largo — Claude Fable 5.1 alcanza un 52,6 % en Terminal-Bench-Science 0.1, la afirmación más destacada de Anthropic y una que la tabla de un segundo laboratorio ha situado desde entonces bastante más abajo para el mismo modelo. Mistral Large 4 no tiene una fila publicada comparable, lo que ya es informativo de por sí: el modelo está posicionado para programación y seguridad, no para ciencia agéntica de nivel investigador.

• Humanity's Last Exam: 60,9 % sin herramientas y 65,0 % con ellas, para Claude Fable 5.1. Mistral publicó 35,0 % en el mismo benchmark para la preview de octubre. Esa cifra de la preview es anterior a tres semanas de RL y al checkpoint final, así que subestima el modelo lanzado — pero es la única cifra que cualquiera de las dos partes ha publicado para HLE.

• Trabajo de seguridad — aquí Mistral Large 4 es la afirmación más sólida, con 79% en CyberGym-E2E y 97.1% en su suite de seguridad de agentes B3 tras RL. Los modelos de Anthropic rechazan más de este trabajo en lugar de fallar en él, lo cual es una diferencia de política tanto como de capacidad y no debería interpretarse como una brecha de capacidad.

• Eficiencia de tokens — la propia formulación de Mistral es que el modelo publicado necesita un 47 % menos tokens por tarea que GLM-5.3, con un 48 % empatado en el Coding Agent Index de Artificial Analysis. Es una fila poco común en la que un proveedor publica el lado del costo de un benchmark junto con la puntuación, y es el número más útil de cualquiera de las dos columnas.

Un número que parece una regresión y no lo es.

La versión preliminar de Mistral Large 4 obtuvo 38,4 en el índice de Artificial Analysis. La versión publicada obtiene 26. Un lector desprevenido que compare esas dos cifras concluirá que tres semanas de aprendizaje por refuerzo empeoraron el modelo en doce puntos. No fue así. El 38,4 se registró con el índice v4.3; Artificial Analysis reconstruyó su índice a finales de octubre, y la reconstrucción v5 es un instrumento más severo en todos los sentidos: modelos que estaban en los cincuentas con v4.3 se sitúan en los cuarenta con v5. Ambas cifras no miden lo mismo, y restarlas es el error más común en la cobertura de este lanzamiento.

La misma advertencia se aplica a la cifra del 41% en Terminal-Bench. Mistral reporta 28,3% antes del RL adicional y 41% después, lo que supone una ganancia real en igualdad de condiciones sobre un mismo harness. Pero 41% sigue siendo una puntuación absoluta baja frente al 55,8% de Claude Fable 5.1, y ninguna forma de presentar la mejora cambia ese orden tampoco.

La cláusula de licencia que decide más que la brecha

Mistral Large 4 se distribuye bajo la Licencia Open-Weight del Ecosistema Mistral, descrita por la empresa como un texto MIT modificado. En la práctica, concede cuatro cosas y retiene una:

• Uso comercial, sin umbral de ingresos — no hay una cláusula que diga "debes facturar menos de $X millones para usar esto".

• El ajuste fino y los modelos derivados, que es la cláusula que hace posible en absoluto el trabajo de RL desde el día cero.

• Despliegue interno y alojamiento on-premises, que es el argumento de IA soberana en torno al cual Mistral ha construido todo el lanzamiento.

• Integración dentro de un producto, con salvedades que abarcan el uso integrado y la mera retransmisión de resultados.

• No otorgado: operar un negocio de modelo como servicio sobre él. Si quieres implementar un endpoint de API por token y vender acceso, necesitas un acuerdo comercial separado con Mistral.

Claude Fable 5.1 no tiene una pregunta equivalente porque no tiene una concesión equivalente. Obtienes una API, términos de servicio y un límite de velocidad. No obtienes los pesos, no puedes ajustar el modelo y no puedes colocar el modelo dentro de una red aislada a ningún precio. Los términos de Anthropic añaden restricciones propias que apuntan en la misma dirección: en la propia API del proveedor, la retención cero de datos debe autorizarse específicamente, el uso forzado de herramientas no es compatible y el pensamiento no se puede desactivar. Enrutar el mismo modelo a través de un proveedor con un acuerdo de retención cero es la forma en que los equipos sortean la primera de esas restricciones. Esas restricciones importan a los compradores regulados de una manera que una diferencia de diecisiete puntos en el índice no importa.

El costo, con la advertencia sobre la verbosidad.

Primero los precios de lista, porque los precios promocionales caducan y los precios de lista son los que figuran en el contrato.

• Claude Fable 5.1 — $10.00 por millón de tokens de entrada, $50.00 por millón de salida, con las lecturas de caché reducidas a $0.25 por millón. El precio por lotes reduce ambos a la mitad: $5 y $25.

• Mistral Large 4 — $1.36 por millón de tokens de entrada, $4.18 por millón de tokens de salida a precio de lista, actualmente con un descuento de aproximadamente la mitad, hasta unos $0.68 y $2.09, sin fecha de finalización publicada.

A precio de lista, eso es 7,4× en entrada y 12× en salida. Con la promoción actual, se acerca más a 15× y 24×. Ambos son lo bastante grandes como para que la cuestión del precio pase por delante de la del benchmark para cualquiera con volumen real, que es la razón honesta por la que esta comparación llega a escribirse.

La advertencia es la verbosidad, y es real. En la ejecución del índice Artificial Analysis de la versión preliminar, Mistral Large 4 generó una salida del orden de 200 millones de tokens, frente a una mediana del ranking cercana a 85 millones. El precio por token se multiplica por ese factor. Si se procesan los mismos 200 millones de tokens de salida por ambos modelos, la aritmética arroja 418 dólares para Mistral Large 4 con la tarifa promocional frente a 10.000 dólares para Claude Fable 5.1 a precio de lista. El múltiplo sobrevive a la verbosidad —se reduce, no se invierte—, pero quien cita una proporción por token sin comprobar cuántos tokens emite realmente el modelo está citando la mitad de una cifra. No se ha medido si el checkpoint publicado es tan verboso como la versión preliminar; la reducción del 30 % de tokens de salida que Mistral atribuye a su RL adicional es la respuesta de la propia empresa a esa pregunta.

Dónde se puede llamar realmente a cada uno

Esta es la parte de la comparación en la que los dos modelos dejan de ser simétricos. Claude Fable 5.1 está en el catálogo de OrcaRouter como anthropic/claude-fable-5.1, con su contexto de 1M tokens, precios de $10/$50 y la tarifa reducida de lectura de caché trasladada al precio de lista del proveedor — sin margen añadido, de modo que un cambio de precio del proveedor se refleja el mismo día. Mistral Large 4 no está en ese catálogo. No lo servimos, y este artículo no es una vía para acceder a él: el modelo publicado reside en Hugging Face y detrás de la API propia del proveedor. Decirlo con claridad es más útil que insinuar lo contrario.

Lo que eso significa en la práctica depende de qué lado de la licencia te encuentras. Si quieres un modelo que puedas ejecutar en tu propio hardware, auditar de extremo a extremo y adaptar con un adaptador LoRA, solo una de estas dos está disponible para ti, y la diferencia de diecisiete puntos es el precio de ese control. Si quieres la respuesta más potente por llamada y nunca pretendes ser dueño de nada, solo una de estas dos es una opción seria, y el precio de salida multiplicado por doce es el coste de esa capacidad. Poner ambos detrás de una única clave con conmutación por error configurada por ruta es la versión operativa de la misma decisión: te permite usar por defecto el modelo caro y recurrir a uno más barato sin un segundo contrato.

¿Cuál elegir?

Elige Claude Fable 5.1 si tu trabajo es ejecución agéntica de horizonte largo, programación intensiva en terminal o razonamiento de nivel investigador en el que una respuesta incorrecta cuesta más que un token. Toma la afirmación del 55,8 % en Terminal-Bench con la advertencia de que la realiza el proveedor, pero tómate en serio el orden: nada de lo que Mistral ha publicado sitúa a Mistral Large 4 en la misma banda.

Elija Mistral Large 4 si la restricción es legal o geográfica en lugar de intelectual. Una empresa europea que no puede enviar prompts a través de una frontera, un equipo de seguridad que necesita que la política de rechazo quede fuera del circuito, un producto que tiene que distribuir un modelo dentro de su propio binario: ninguno de esos casos se resuelve con una mejor puntuación de índice, y todos se resuelven con 610 GB de pesos NVFP4 sin restricciones y una licencia que permite el ajuste fino interno.

No tomes ninguno de los dos y enruta entre ambos si la respuesta honesta es que tienes dos cargas de trabajo con restricciones diferentes. Ese es el caso que la diferencia de precios está diseñada para crear, y es en el que acabará la mayoría de los equipos.

La pregunta abierta

La cifra que cambiaría esta comparación no aparece en la diapositiva de ninguno de los dos proveedores. Se trata de una nueva ejecución independiente del checkpoint publicado en el índice v5 de Artificial Analysis, porque el 26 actual proviene de que Mistral cita a un tercero, y no de una medición nueva de los pesos finales. Si tres semanas de RL y un 30 % menos tokens de salida mueven esa cifra de forma significativa, la brecha se reduce y el argumento de precio se fortalece. Si no lo hacen, el modelo publicado es la vista previa con mejores modales, y los diecisiete puntos son estructurales.

Hasta que exista esa ejecución, la postura defendible es la aburrida: Claude Fable 5.1 es el mejor modelo, Mistral Large 4 es la mejor licencia, y los únicos para quienes esto es una decisión reñida son los que necesitan ambos.