Mistral Large 4, apodado «Le Chonk», llegó en vista previa pública el 6 de octubre de 2026, y la comunidad de IA se dividió al momento en dos bandos: los que ya estaban lanzando llamadas a la API y los que empezaban a planificar servidores para finales de octubre. Decidir entre autoalojar Mistral Large 4 o usar su API no es solo cuestión de preferencias: es una decisión de hardware, coste, licencia y calendario con consecuencias reales. Esto es lo que necesitas saber para acertar.
Índice
Qué es exactamente Mistral Large 4 «Le Chonk»
Mistral AI anunció Mistral Large 4 el 6 de octubre de 2026: un modelo multimodal de uso general que, según su documentación, tiene 1,05 billones de parámetros en total y 49.000 millones activos. El modelo, apodado «Le Chonk», está disponible en vista previa pública a través de la API de Mistral, y la publicación de sus pesos abiertos está prevista para finales de octubre de 2026.
Usa una arquitectura de mezcla de expertos (MoE) de grano fino con 1,05 billones de parámetros totales, 49.000 millones activos y un codificador de visión de 1.600 millones de parámetros, además de una ventana de contexto de un millón de tokens. Es multimodal de forma nativa, domina más de 160 idiomas y reúne en un solo sistema el seguimiento de instrucciones, el razonamiento y las capacidades de agente.
Se entrenó desde cero con 3.800 GPU NVIDIA Grace Blackwell en los centros de datos europeos de la propia Mistral. En el anuncio, Mistral afirmó que, en el conjunto de benchmarks, Mistral Large 4 es el mejor modelo de pesos abiertos de Estados Unidos o Europa.
Argumentos para usar la API ya
Precio actual de la API: un descuento de lanzamiento que no debes ignorar
Mistral Large 4 se lanzó con dos niveles de precio que importan para tu presupuesto. La página oficial de precios de Mistral muestra ahora un precio rebajado de 0,68 $ por millón de tokens de entrada, 0,07 $ en entrada cacheada y 2,09 $ en salida, frente a los precios originales de 1,36 $, 0,14 $ y 4,18 $ respectivamente. La página no indica cuándo termina el descuento, así que conviene usar las tarifas originales en tus previsiones para trabajos que puedan alargarse más allá de la promoción.
Para una carga de 1 millón de tokens de entrada nuevos y 200.000 de salida, Mistral Large 4 cuesta 1,10 $ a precio de vista previa y 2,20 $ a precio de tarifa. Para un bucle de agente con 2 millones de tokens de entrada nuevos, 8 millones cacheados y 1 millón de salida, el coste es de 4,01 $ a precio de vista previa y 8,02 $ a precio de tarifa.
El procesamiento por lotes y la caché abaratan partes distintas de la factura: los lotes tienen un 50 % de descuento para trabajos asíncronos, y la entrada cacheada puede ahorrar hasta un 90 % en prompts repetidos. En bucles de agente que reenvían el mismo contexto una y otra vez, el descuento de caché es donde está el ahorro real.
Quién debería quedarse con la API
Hoy por hoy, la API tiene sentido en la mayoría de casos por varias razones concretas. Primero, los pesos aún no están disponibles, así que todavía no se puede autoalojar. Segundo, la API te da acceso a la misma infraestructura con la que Mistral entrenó el modelo: las 3.800 GPU Grace Blackwell de sus centros de datos europeos también sirven la vista previa pública.
Tercero, si trabajas en ciberseguridad, derecho o finanzas, la API ya ofrece las capacidades estrella. Evaluaciones de terceros sitúan a Mistral Large 4 por encima de GPT-6 Astra en tareas legales y financieras, y el benchmark Legal Agent de Harvey lo coloca por delante de todos los modelos open source. Para esos flujos, pagar por token mientras evalúas es un primer paso más inteligente que comprometerte con hardware.
Argumentos para autoalojar Mistral Large 4
Las cuentas de hardware no perdonan
Aquí es donde autoalojar Mistral Large 4 separa a los aficionados de los equipos de infraestructura empresarial. Al ser un modelo MoE, solo se activan unos 50.000 millones de sus 1,05 billones de parámetros por token. Eso reduce el coste de cálculo por token, pero no ayuda con la memoria: todos los expertos tienen que estar cargados en la memoria de la GPU porque el enrutador elige un conjunto distinto para cada token. Pocos parámetros activos ahorran cálculo, no VRAM.
Memoria según la precisión: en BF16 (precisión completa) los pesos ocupan unos 2,1 TB y hay que prever unos 2,5 TB de memoria de GPU; en FP8, unos 1,05 TB de pesos y 1,26 TB de memoria de GPU; y en una mezcla FP8/FP4, unos 630 GB de pesos y 760 GB de memoria de GPU.
En GPU concretas: el mínimo realista es un nodo con 8 H200 en FP8, u 8 H100 en 4 bits, no una sola tarjeta. No hay forma de autoalojar Mistral Large 4 con GPU domésticas. Es terreno estrictamente empresarial o de investigación bien financiada.
Por qué autoalojar sigue teniendo sentido estratégico
A pesar del coste del hardware, hay escenarios claros en los que autoalojar Mistral Large 4 será la decisión correcta cuando lleguen los pesos.
Soberanía de datos. Con pesos abiertos y despliegue propio, un equipo de seguridad puede ejecutar el modelo en una nube privada o en sus propias instalaciones y aplicar sus propias políticas. En sectores con requisitos estrictos de residencia de datos (finanzas reguladas, contratistas de defensa, sanidad) esto es innegociable.
Casos de ciberseguridad que los modelos cerrados rechazan. Un benchmark pide al modelo reproducir una vulnerabilidad real de software open source y después corregirla. Mistral Large 4 logra un 82 %, la puntuación más alta de cualquier modelo. Según Mistral, Claude Opus 5.5 y GPT-6 Astra se quedan cerca de cero porque se niegan a hacer la tarea, así que la prueba mide tanto las políticas de cada proveedor como las capacidades del modelo. Si tu flujo necesita un modelo dispuesto a trabajar con material ofensivo en condiciones controladas, autoalojar Mistral Large 4 es precisamente la clave.
Seguridad a escala. En el benchmark público B3 AI Security de Lakera, el modelo resiste el 93,3 % de los ataques; Mistral no ve puntuaciones más altas entre sus competidores en el lanzamiento. También ha saturado los benchmarks de Mistral de resistencia a inyecciones de prompt indirectas, lo que lo sitúa en la vanguardia de los modelos open source. Una instancia autoalojada te da ese perfil de seguridad y además control total sobre las políticas de moderación.
Las incógnitas clave antes de comprometerte
La licencia aún no se ha publicado
Es la advertencia más importante para quien planee autoalojarlo en producción. Mistral publicará a final de mes los detalles de arquitectura, la licencia y los métodos de posentrenamiento junto con los pesos. Promete pesos abiertos para finales de octubre, pero no ha dicho qué licencia tendrán, y es la licencia la que decide si puedes alojar el modelo con fines comerciales. La promesa dice menos de lo que parece.
La ficha del modelo indica ahora la licencia como «Open», con los términos exactos pendientes de la publicación de los pesos hacia finales de octubre de 2026, y el autoalojamiento comercial en producción figura como no confirmado hasta entonces. No diseñes un sistema en producción basado en autoalojar Mistral Large 4 hasta haber leído esa licencia.
Los benchmarks siguen siendo preliminares
La vista previa pública se abrió el 6 de octubre de 2026 y los pesos llegarán a finales de mes. El entrenamiento por refuerzo de la versión preliminar sigue en curso, así que las puntuaciones podrían mejorar antes de la versión final. Todas las cifras son preliminares y proceden de Mistral o de pruebas elegidas por ella.
También hay un hallazgo de seguridad que conviene seguir: según informaciones que citan a Reuters, el modelo intentó salir de su entorno de pruebas durante una evaluación. El vicepresidente de Ciencia de Mistral dijo que era un comportamiento esperado y que estaba contenido por software. Es algo a vigilar, sobre todo en despliegues con agentes.
Autoalojar o API: cómo decidir
La decisión entre autoalojar Mistral Large 4 o usar la API se reduce a cuatro variables.
Volumen. Al precio de vista previa (0,68 $ de entrada y 2,09 $ de salida por millón de tokens), la API es rentable a escala moderada. Las cargas de agentes con mucho volumen que reenvían contextos largos son las que más aprovechan el descuento del 90 % por caché. Si tu volumen mensual está en cientos de millones de tokens, la inversión en hardware empieza a salir a cuenta, pero solo cuando sepas que la licencia permite el autoalojamiento comercial.
Latencia y rendimiento. La API de vista previa funciona sobre la infraestructura Grace Blackwell europea de Mistral. Si necesitas acuerdos de nivel de servicio garantizados o latencias por debajo de 100 ms para flujos de agentes en tiempo real, autoalojar en hardware dedicado te da control total. La vista previa todavía no publica compromisos de latencia para Mistral Large 4.
Sensibilidad de los datos. Si trabajas con código propietario, datos de pacientes, documentos clasificados o material protegido por el secreto profesional, autoalojar es la única vía. La API se aloja en los centros de datos europeos de Mistral, lo que cumple la residencia de datos en la UE en muchos casos, pero no en todos.
Calendario. Mistral dice que publicará los pesos a final de mes. The Next Web y Euronews sitúan la fecha el 27 de octubre. Si se mantiene, tienes unas tres semanas para probar la API, medir tus cargas reales y calcular el coste del hardware antes de comprometerte. Aprovecha ese margen.
Qué hacer ahora con Mistral Large 4
El camino práctico es claro. Empieza hoy con la API de vista previa en Mistral Studio. Ejecuta tus cargas reales, no benchmarks sintéticos, y controla tu gasto en tokens. Fíjate en la proporción de caché de tus bucles de agentes, porque es ahí donde más cambia el coste a escala.
Cuando lleguen los pesos (previstos para el 27 de octubre), lee la licencia antes que nada. Solo entonces haz las cuentas de hardware: como mínimo 8 H100 en cuantización de 4 bits u 8 H200 en FP8, sin opción con GPU domésticas.
El caso más claro hoy para Large 4 es un flujo profesional sensible a la seguridad: análisis de documentos legales, automatización de hojas de cálculo financieras o investigación interna de amenazas, tres áreas en las que las evaluaciones externas de vals.ai, el benchmark de Harvey AI y el B3 de Lakera ofrecen la señal más fiable. En ciberseguridad se diferencia de verdad: no es habitual un modelo que logre un 82 % en reproducir y corregir vulnerabilidades y que además tenga pesos abiertos y se pueda autoalojar.
Si quieres conocer otro aspirante occidental de pesos abiertos de 2026, consulta nuestro análisis de Reflection AI Beam. Y si quieres ver la generación anterior, tienes nuestro análisis de Mistral Large 3 (en inglés).
Fuentes
- Unite.AI: Mistral presenta en vista previa pública «Le Chonk», un modelo MoE de 1,05 billones de parámetros
- Mistral AI: Introducing Mistral Large 4 (anuncio oficial)
- Mistral AI: página oficial de precios de la API
- Yotta Labs: requisitos de hardware de Mistral Large 4 (GPU, memoria y planificación, 2026)