# Mistral Large 4: modelo abierto de 1T de parámetros para código y agentes

> Mistral Large 4: 1T de parámetros, 1M de contexto, 0.70 / 2.10 USD por millón de tokens, benchmarks que publicó Mistral, a 15 de noviembre de 2026.

*Tags: ia, modelos, mistral, pesos-abiertos, agentes*

---


> [!info] Definición Rápida
> **Mistral Large 4** es el modelo más capaz de Mistral AI en código agéntico y ciberseguridad, según la propia empresa: una mezcla de expertos (MoE) multimodal de aproximadamente 1 billón de parámetros (52 mil millones activos) y 1M de tokens de contexto. Salió en vista previa el 6 de octubre de 2026 y después se publicaron sus pesos.


Los datos son a 15 de noviembre de 2026 y salen de páginas de Mistral. Los precios y la licencia pueden cambiar.

## ¿Qué es Mistral Large 4 y cuándo salió?

Mistral anunció la vista previa pública de la API el 6 de octubre de 2026 y prometió los pesos para finales de ese mes. Una segunda publicación presenta la versión con pesos abiertos y sube los números de varias pruebas respecto a la vista previa.

| Dato | Valor |
|---|---|
| ID de API | `mistral-large-4` |
| Pesos | `mistralai/Mistral-Large-4-1T-A52B` (Hugging Face) |
| Fecha | Vista previa el 6 de octubre de 2026; la ficha en la documentación de Mistral indica 5 de noviembre de 2026 |
| Parámetros | ~1T totales, 52B activos (49B por token sin contar embeddings ni capas de salida, según Hugging Face) |
| Contexto | 1M de tokens |
| Precio | 0.70 USD entrada / 2.10 USD salida por millón de tokens |
| Abierto o cerrado | Pesos abiertos, con licencia de Mistral (MIT modificada) |

## ¿Para qué sirve?

Mistral lo posiciona para código agéntico (agentes que editan un repositorio y corren comandos) y ciberseguridad. Entre sus funciones de API, la documentación lista llamadas a funciones, salidas estructuradas, preguntas sobre documentos, lotes y agentes. Como acepta imágenes, también sirve para describir capturas de pantalla.

Para un diseñador o product designer, lo útil es esto: es una opción de precio bajo para agentes que repiten trabajo (auditar páginas, revisar textos, generar variantes de código) y, como los pesos son abiertos, puede alojarse en infraestructura propia; además de la API de Mistral, la publicación de los pesos abiertos nombra OpenRouter, Microsoft Foundry y endpoints de NVIDIA. Si quieres entender qué significa eso, lee [[modelos-abiertos-vs-cerrados|modelos abiertos vs. cerrados]].

## ¿Qué benchmarks publicó y cómo se leen?

Estos puntajes los reporta Mistral en su publicación; algunos provienen de pruebas de terceros (Cognition, Artificial Analysis) que Mistral cita. Ninguno permite un ranking contra modelos de otros laboratorios. Para el método, lee [[benchmarks-de-ia|cómo leer benchmarks de IA]].

| Benchmark | Puntaje | Quién lo midió o publica |
|---|---|---|
| Terminal-Bench 4.0 | 41% (28.3% en la vista previa) | Reportado por Mistral; no dice quién lo corrió |
| BrowseComp | 84.5% | Reportado por Mistral; no dice quién lo midió |
| Cognition FrontierCode 2.0 | 19.7% | Benchmark privado de Cognition, reportado por Mistral |
| Artificial Analysis Coding Agent Index | 48% | Artificial Analysis, reportado por Mistral |
| Artificial Analysis Cyber Index | 51% | Artificial Analysis, reportado por Mistral |
| B3 Agent Security Benchmark | 97.1% de ataques resistidos | Reportado por Mistral (93.3% en la vista previa, donde lo atribuye al B3 público de Lakera) |

Cómo leerlos:

- Mistral describe FrontierCode 2.0 como una evaluación de la calidad de código de punta a punta y de si el responsable de un repositorio aceptaría el cambio del agente.
- Describe el Cyber Index como la capacidad de encontrar vulnerabilidades en un código, reproducirlas, validarlas y corregirlas sin romper lo existente.
- De BrowseComp, la publicación solo da el puntaje y no explica su método. Para B3, lo cita como resistencia a ataques como la extracción del prompt de sistema o la inyección de código malicioso.
- La mejora entre vista previa y versión final (por ejemplo, Terminal-Bench de 28.3% a 41%) la declara el propio laboratorio. Es un dato útil para ver la tendencia, no una auditoría.

## ¿Cuánto cuesta y qué contexto tiene?

A 15 de noviembre de 2026, la documentación de Mistral lista, en dólares por millón de tokens: 0.70 de entrada, 0.07 de entrada en caché y 2.10 de salida, con 1M de tokens de contexto. Para traducir esto a costo real de una tarea, lee [[costo-por-token|costo por token]], [[tokens|tokens]] y [[ventana-de-contexto|ventana de contexto]]. Si lo alojas tú mismo, el costo ya no es por token sino de infraestructura.

## ¿Cuándo elegirlo y cuándo no?

Elígelo cuando:

- Quieras un modelo abierto y de precio bajo para agentes de código o de revisión.
- Necesites entrada de imágenes y salida de texto.
- Te importe alojarlo en tu infraestructura, o usar el despliegue europeo que Mistral dice operar de punta a punta.

Evítalo cuando:

- Necesites generar imágenes o audio: la salida es solo texto.
- Planees ofrecer el modelo a terceros como servicio: la licencia exige un acuerdo comercial con Mistral.
- La licencia sea un requisito legal estricto en tu empresa: hay dos descripciones distintas (MIT modificada y Apache 2.0), así que pide revisión al equipo legal con el archivo de licencia en mano.

## Ejemplo

Ejemplo ilustrativo: un equipo de producto mantiene 60 páginas de su sitio y quiere detectar botones sin texto accesible y mensajes de error inconsistentes. Escribe un script que mande el HTML de cada página a `mistral-large-4` con `reasoning_effort` en `medium` y pida una lista de problemas con la línea afectada.

Qué probar mañana: corre solo 5 páginas, revisa a mano si los problemas existen y calcula el costo de esas 5 en tokens. Si el costo y la precisión te sirven, escala a las 60.

## Errores comunes

- Citar el 41% de Terminal-Bench 4.0 como si fuera comparable con otro laboratorio sin revisar el arnés.
- Creer que abierto significa libre de condiciones: un negocio de modelo como servicio necesita licencia.
- Usar siempre `high` de razonamiento. Para tareas diarias, `medium` puede bastar.
- Mezclar los números de la vista previa con los de la versión con pesos.
- Olvidar que la salida es solo texto.

## Fuentes

- [Mistral: Mistral Large 4 (vista previa y precios)](https://mistral.ai/news/mistral-large-4/)
- [Mistral: Mistral Large 4 con pesos abiertos](https://mistral.ai/news/mistral-large-4-oss/)
- [Hugging Face: Mistral-Large-4-1T-A52B](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B)
- [Documentación de Mistral: ficha del modelo](https://docs.mistral.ai/models/model-cards/mistral-large-4-0)


---

Source: https://www.fernandoux.com/es/wiki/ia/mistral-large-4/
