Mistral Large 4 vs Llama 4 Maverick: una brecha generacional, no una brecha de precio

Mistral Large 4 y Llama 4 Maverick son el mismo tipo de objeto y no la misma generación de objeto. Ambos son mezclas dispersas de expertos con una ventana de contexto de un millón de tokens en la ficha del modelo, ambos aceptan imágenes además de texto y ambos se pueden descargar y ejecutar en hardware propio. Maverick se lanzó el 5 de abril de 2025 con 400 mil millones de parámetros totales y 17 mil millones activos. Mistral Large 4 se presentó en vista previa el 6 de octubre de 2026 y publicó sus pesos el 29 de octubre, con 1,05 billones en total y 52 mil millones activos. Los separan diecinueve meses. En el precio mediano del mercado de alojamiento de Maverick, también solo los separa alrededor de 1,3 veces el coste, lo que no es lo que casi nadie espera oír sobre un modelo tan antiguo.

La respuesta breve, antes de las salvedades

Si vas a iniciar un nuevo desarrollo a finales de 2026 y necesitas razonamiento, trabajo con documentos largos o programación agéntica, Mistral Large 4 es el mejor modelo y el más caro. Si necesitas un modelo de pesos abiertos que puedas ajustar, ejecutar en un entorno aislado o invocar por una fracción de céntimo por solicitud en una tarea sencilla de extracción, Llama 4 Maverick sigue siendo una opción defendible, no porque sea competitivo en capacidad, sino porque puede que la carga de trabajo no necesite capacidad. El error es tratar una diferencia de 19 meses como una rivalidad. Es un nivel de precio que resulta que comparte categoría, y la parte del precio es más extraña que la de la capacidad.

Los números uno al lado del otro

• Parámetros totales — Mistral Large 4 cuenta con 1,05 T repartidos entre 128 expertos enrutados más un experto compartido, frente a los 402 B de Llama 4 Maverick entre 128 expertos, que Meta indica como 400 B.

• Parámetros activos: 52B por token en Mistral Large 4 (49B para el stack de lenguaje; si se cuentan los embeddings y las capas de salida, llega a 52B) frente a 17B en Llama 4 Maverick, por lo que la diferencia de cómputo por token es de aproximadamente tres a uno.

• Contexto: en ambos se anuncian 1M de tokens; lo que un host sirve en realidad es una cifra distinta, y hay una sección posterior que trata de eso.

• Modalidad — entrada de texto e imagen, salida de texto, en ambos. El codificador de visión de Mistral Large 4 tiene 1.6B de parámetros; el codificador de fusión temprana de Maverick no se desglosa en las cifras publicadas por Meta.

• Razonamiento — Mistral Large 4 expone una escala de esfuerzo baja, media y alta, con la alta como predeterminada. El panel de especificaciones de Artificial Analysis incluye a Llama 4 Maverick como carente de modo de razonamiento alguno.

• Precio por millón — $0.70 de entrada y $2.10 de salida directamente de Mistral, con entrada en caché a $0.07, frente a la ausencia total de precio de lista propio para Maverick, porque Meta no lo vende. Los proveedores de alojamiento cobran desde tan solo $0.17 de entrada y $0.60 de salida; Artificial Analysis sitúa la mediana de los proveedores en $0.50 y $1.68.

• Licencia: la Mistral Ecosystem Open-Weight License, una MIT modificada con una excepción para modelo como servicio, frente a la Llama 4 Community License y su umbral de 700 millones de usuarios activos mensuales.

• Lanzamiento — 29 de octubre de 2026 para el checkpoint Mistral Large 4, frente al 5 de abril de 2025 para Llama 4 Maverick, con un corte de conocimiento de agosto de 2024.

La pelea de referencia es entre dos gobernantes diferentes.

Busca este enfrentamiento y encontrarás páginas que afirman que Mistral Large 4 obtiene 38,0 en el Artificial Analysis Intelligence Index frente al 14,3 de Maverick, y otras páginas que afirman que Maverick gana nueve de once benchmarks. Ambas series de cifras son reales en el sentido de que alguien las imprimió. Ninguna de las dos es una comparación.

En el actual Artificial Analysis Intelligence Index v5, reconstruido el 27 de octubre de 2026, Mistral Large 4 obtiene 26 en su ajuste de razonamiento alto y 23 en el medio. El 38,0 que ves citado es su puntuación en la compilación anterior v4.3.2, de la vista previa de octubre, y no se puede restar de nada medido después de la reconstrucción: cambió el índice, no solo el modelo. Maverick, entretanto, no tiene ninguna puntuación de índice v5. Su página de Artificial Analysis muestra «N/A» donde debería aparecer la cifra de inteligencia, junto con una velocidad de 62,7 tokens de salida por segundo y una nota de que es más lento que la media de su clase. La cifra 14,3 que circula por los sitios de comparación es anterior a la reconstrucción.

Lo que es medible es más limitado y más honesto. Mistral reporta 41 % en Terminal-Bench 4.0, frente al 28 % en la vista previa; 61,7 % en DeepSWE v1.1; 79 % en CyberGym-E2E; y 51 en el Artificial Analysis Cyber Index, tercero entre los modelos de pesos abiertos. Todas esas cifras, excepto la del Cyber Index, están reportadas por el proveedor en el propio andamiaje de agentes de Mistral, y la cifra de Terminal-Bench en particular se ha reproducido mucho más baja —24,7 %— cuando los mismos pesos se ejecutan en el arnés neutral mini-swe-agent de Artificial Analysis. Las cifras publicadas de Maverick son de abril de 2025 y utilizan una suite por completo más antigua: 85,5 MMLU, 80,5 MMLU-Pro, 69,8 GPQA Diamond, 91,6 DocVQA, todas reportadas por Meta en el lanzamiento. No hay un arnés compartido en el que se hayan ejecutado ambos, así que la única afirmación defendible es direccional: el modelo más nuevo, más grande y entrenado en razonamiento es mejor en tareas difíciles, por una cantidad que nadie ha medido de forma limpia entre ambos.

Qué te compra realmente un millón de tokens en cada uno

La ventana de contexto es donde los dos modelos más se parecen y más difieren en su comportamiento en producción.

La tarjeta del modelo Llama 4 Maverick indica 1.048.576 tokens, y el panel de especificaciones de Artificial Analysis repite 1M. En la práctica, la mayoría de los hosts lo limitan muy por debajo —128K es habitual— y casi ninguno te dará a la vez la ventana completa y un presupuesto de salida útil. La salida máxima en Maverick suele ser de 8K a 16K según el proveedor, y el endpoint alojado por Meta figura en unos 4K. Así que una configuración de «contexto de 1M» en Maverick normalmente es una configuración de 128K en un host de terceros, y eso lo descubres con el primer documento largo.

Mistral Large 4 publica 1M a través de la propia API de Mistral, lo que es al menos un único número del que responder en lugar de una lotería por host. La documentación de Mistral no publica una cifra máxima de salida, así que se aplica el mismo consejo: mide el par —ventana de entrada y límite de salida— en el endpoint al que realmente vas a llamar, no en la ficha.

Para esto sirve un enrutador. OrcaRouter traslada el precio de lista del proveedor con un margen del 0 % y conmuta automáticamente entre proveedores si uno falla, de modo que un host que recorta silenciosamente una ventana de contexto aparece como una decisión de enrutamiento en lugar de como un incidente de producción. Ni Mistral Large 4 ni Llama 4 Maverick están hoy en nuestro catálogo, así que eso es un argumento sobre cómo ejecutar el modelo de pesos abiertos que elijas, no una afirmación de que ofrezcamos estos dos.

La factura, calculada — y por qué el diferencial es la clave

Tomemos una carga de trabajo de producción modesta: 100 millones de tokens de entrada y 40 millones de tokens de salida al mes.

• Mistral Large 4 a precio de lista — 100 × $0,70 son $70, y 40 × $2,10 son $84, por $154 al mes.

• Llama 4 Maverick en la mediana del proveedor — 100 × $0.50 son $50, y 40 × $1.68 son $67.20, para un total de $117.20 al mes.

• Llama 4 Maverick en un proveedor de alojamiento competitivo: alrededor de $0.25 y $0.92 sitúan la misma carga de trabajo en $61.80.

• Llama 4 Maverick en los hosts más baratos — alrededor de $0.17 y $0.60 lo sitúan en $41.

Así que la ratio frente a Mistral Large 4 va de 1,3 veces en la mediana a unas 3,8 veces en la parte más baja del mercado. Ese rango no es una propiedad del modelo. Es una propiedad de dónde compras Maverick, y es más amplio que la diferencia entre los dos modelos en el centro de la distribución. Un equipo que hace benchmarks en el proveedor de alojamiento barato y presupuesta según la mediana ha incorporado un error de 3× en su propia previsión.

Contrasta eso con la capacidad que actualmente no puedes medir por pares, y la decisión deja de ser aritmética. El enfoque razonable es el coste por trabajo completado, no el coste por token: si Mistral Large 4 termina en una sola pasada una tarea que en Maverick requiere tres intentos y un bucle de reparación, incluso la brecha de mediana de 1,3× desaparece. Esa es una afirmación que tienes que probar con tus propias tareas, y es el experimento más valioso al que se puede someter a cualquiera de los dos modelos este mes.

Lo que nadie dice en voz alta: Maverick es el último Llama abierto

Llama 4 Maverick no ha quedado obsoleto. Sigue en Hugging Face, sigue bajo la Llama 4 Community License y sigue ampliamente desplegado para trabajo local y en entornos aislados de la red. Pero es el final de una línea. El desarrollo de frontera de Meta pasó a la familia cerrada Muse Spark en 2026, y no se ha lanzado ningún Llama 5: las páginas que afirman que sí lo hacen incluyen especificaciones que se contradicen entre sí y con los propios anuncios de Meta. La inversión en la vía abierta de Llama se ha detenido efectivamente.

Eso cambia lo que significa «elegir Maverick». No se trata de elegir un modelo que vaya a mejorar; se trata de elegir un modelo que se quedará exactamente como está mientras las herramientas a su alrededor derivan lentamente. Para un sistema ajustado, congelado y desplegado, eso está bien —podría decirse que es una ventaja, porque nada se mueve bajo tus pies. Para una plataforma sobre la que pretendes crecer, es un callejón sin salida con un margen de dos años. Ten en cuenta que el corte de conocimiento es agosto de 2024: el modelo nunca ha visto nada de lo que ocurrió después de esa fecha, y ninguna cantidad de ingeniería de prompts lo arreglará.

Mistral Large 4 tiene el perfil de riesgo opuesto. Tiene seis días de vida como lanzamiento con pesos abiertos, su documentación todavía lo etiqueta como una vista previa pública, y su licencia exige un acuerdo comercial si tienes la intención de revender inferencia sobre él. Joven y en movimiento, con términos que hay que leer antes de construir un negocio encima.

Donde Maverick sigue ganando

Tres casos, y no son pequeños.

Lo primero es el hardware. Los 400B parámetros de Maverick caben en aproximadamente 373 GB en FP8, lo que supone un único nodo de ocho GPU H100 o H200. El checkpoint FP8 de Mistral Large 4 ocupa alrededor de 1,06 TB repartidos en 54 shards, y Mistral afirma que la versión cuantizada NVFP4 se ejecuta en cuatro GPU B200 o B300. Si tu despliegue es un único nodo en un rack que ya tienes, la elección ya está tomada.

El segundo es el ajuste fino. Maverick lleva diecinueve meses con LoRAs comunitarias, recetas de cuantización y guías de despliegue. Mistral Large 4 lleva seis días. La brecha del ecosistema es real y se mide en horas de depuración, no en benchmarks.

La tercera es la forma de la tarea. Clasificación, extracción, enrutamiento, resumen de documentos cortos, descripción automática de imágenes a gran volumen: nada de esto necesita un modelo de razonamiento de un billón de parámetros, y todo resulta más económico con uno de 17B activos. Pagar un sobreprecio por tokens de razonamiento que nunca usas es la forma más común en que los equipos desperdician dinero al seleccionar un modelo.

Si busca un modelo actual de pesos abiertos que no sea ninguno de estos dos, el catálogo de OrcaRouter incluye Kimi K3 y GLM-5.3-Flash, ambos invocables con la misma clave de API que el resto de los más de 200 modelos que enrutamos, al precio de lista del proveedor y sin recargo. Quedan en los extremos de esta comparación en lugar de situarse dentro de ella: GLM-5.3-Flash tiene un precio de lista de $0.15 por entrada y $0.50 por salida, muy por debajo de cualquiera de los dos modelos de aquí, mientras que Kimi K3 tiene un precio de lista de $3.00 y $15.00, muy por encima de ambos. Ninguno sustituye a los dos de este artículo, pero son los dos lugares obvios donde mirar si no encaja ninguno de los extremos de esta comparación.

Cómo decidir en una tarde

Extrae veinte tareas reales de tus registros. Pásalas por ambos modelos con las mismas indicaciones y el mismo límite de salida, y puntúalas según si la salida era utilizable sin una edición humana. Registra los tokens que consumió cada una, multiplícalos por los precios anteriores y divide entre el número de salidas utilizables. Eso te da el coste por resultado utilizable, que es el único número que sobrevive al contacto con un presupuesto.

Mi expectativa, expresada como expectativa y no como hallazgo: Mistral Large 4 gana la mitad difícil de ese conjunto y pierde la mitad fácil por coste, y el punto de corte queda allí donde tus tareas dejan de necesitar razonamiento de varios pasos. Maverick no es el mejor modelo. Es el más barato en la mediana mientras lo barato sea suficiente — y, después de diecinueve meses sin sucesor, esa es una apuesta con una fecha de caducidad visible.