En pocas palabras: Mistral Large 4 (“le Chonk”) es el modelo multimodal open-weight de Mistral AI lanzado en preview el 6 de octubre de 2026, con 1,05 billones de parámetros totales y 49.000 millones activos. Acepta texto e imágenes, devuelve solo texto y tendrá pesos públicos a fines de octubre.
Mistral Large 4 es un modelo de lenguaje de gran escala desarrollado por Mistral AI, la startup francesa fundada en 2023 por Arthur Mensch, Guillaume Lample y Timothée Lacroix. Usa una arquitectura Mixture-of-Experts granular, acepta texto e imágenes pero solo devuelve texto, y según Mistral es el modelo open-weight más capaz fuera de China, con pesos públicos previstos para fines de octubre.
En este artículo:
- En 30 segundos
- ¿Qué anunció Mistral con Large 4?
- ¿Qué arquitectura y tamaño tiene Mistral Large 4?
- ¿Cuánto cuesta usar Mistral Large 4 por API?
- ¿Qué funciones soporta Mistral Large 4?
- ¿Cuándo se liberan los pesos abiertos de Mistral Large 4?
- ¿Qué implica esto para equipos que quieran correr Mistral Large 4 en Latinoamérica?
- ¿Qué limitaciones tiene todavía Mistral Large 4?
- Qué está confirmado y qué no sobre Mistral Large 4
- Errores comunes al evaluar Mistral Large 4
- Preguntas Frecuentes
- Conclusión
- Fuentes
En 30 segundos
- Preview pública desde el 6 de octubre de 2026, según docs.mistral.ai
- 49.000 millones de parámetros activos, 1,05 billones totales y encoder de visión de 1.600 millones
- Ventana de contexto de 1 millón de tokens
- Precio de preview desde USD 0,68 por millón de tokens de entrada y USD 2,09 de salida
- Pesos abiertos previstos para el 27 de octubre, según VentureBeat (sin confirmar en fuente oficial)
¿Qué anunció Mistral con Large 4?
Mistral anunció el 6 de octubre de 2026 el lanzamiento en preview público de Mistral Large 4 (ML4), un modelo multimodal que la compañía posiciona como su nuevo tope de gama open-weight. Según la documentación oficial, el modelo ya está disponible para probar vía API desde el mismo día del anuncio.
La cobertura de prensa lo describe como la respuesta europea a los modelos abiertos chinos. CNBC reportó que Mistral calificó a ML4 como “el modelo open-weight más fuerte desarrollado fuera de China por un margen sustancial”, aunque la misma nota aclara que el modelo “todavía queda atrás de la frontera en áreas como coding”.
El apodo “le Chonk” no es casualidad (sí, en serio). Viene de un meme viral de junio llamado “Le Chaton Fat”, donde la comunidad de X y Reddit inventó benchmarks falsos para un supuesto modelo gigante de Mistral con “30 billones de parámetros” y especificaciones cada vez más absurdas, según reportó VentureBeat. El CEO Arthur Mensch se sumó al chiste en su momento, y ahora Mistral terminó bautizando a su modelo real con una variante del mismo meme.
¿Qué arquitectura y tamaño tiene Mistral Large 4?
Mistral Large 4 usa una arquitectura Mixture-of-Experts granular con 1,05 billones de parámetros totales, de los cuales solo 49.000 millones están activos durante la inferencia. Suma un encoder de visión de 1.600 millones de parámetros y una ventana de contexto de 1 millón de tokens, según los datos técnicos publicados en docs.mistral.ai.
Para ponerlo en perspectiva: la generación anterior, Mistral Large 3, tenía 675.000 millones de parámetros totales con 41.000 millones activos. El salto a más de 1 billón de parámetros totales multiplica por encima de 1,5 ese tamaño, aunque los parámetros activos solo crecieron alrededor de un 20%, lo cual explica por qué Mistral habla de eficiencia en vez de hablar solo de un “modelo más grande”.
El entrenamiento corrió sobre 4.000 GPU Nvidia Grace Blackwell durante aproximadamente dos meses, en centros de datos propios de Mistral en Europa, según detalló VentureBeat. La compañía dice haber entrenado el modelo en más de 160 idiomas, incluyendo todos los idiomas oficiales de la Unión Europea.
Mistral viene de cerrar una ronda de 3.000 millones liderada por Samsung, que le da más margen para seguir escalando este tipo de entrenamientos. Lo explicamos a fondo en la cobertura de esa ronda.
¿Cuánto cuesta usar Mistral Large 4 por API?
Usar Mistral Large 4 por API cuesta, durante la preview, USD 1,36 por millón de tokens de entrada (con precio promocional de USD 0,68), USD 0,14 por millón de tokens de entrada cacheados (USD 0,07 en promo) y USD 4,18 por millón de tokens de salida (USD 2,09 en promo), según la tabla de precios publicada en docs.mistral.ai.
Ojo con esto: esos números son de preview, no definitivos. VentureBeat señaló que Mistral todavía no publicó el pricing que va a regir cuando el modelo salga de la etapa de prueba, así que lo que ves hoy en la documentación puede cambiar.
| Concepto | Precio estándar | Precio promo (preview) |
|---|---|---|
| Input / M tokens | USD 1,36 | USD 0,68 |
| Cached input / M tokens | USD 0,14 | USD 0,07 |
| Output / M tokens | USD 4,18 | USD 2,09 |
¿Qué funciones soporta Mistral Large 4?
Mistral Large 4 soporta un conjunto de funciones pensadas para uso en producción, no solo chat. La documentación oficial lista ocho features disponibles desde el día del lanzamiento en preview:
- Structured Outputs: respuestas forzadas a un esquema JSON definido.
- Function Calling: el modelo puede invocar funciones externas durante la conversación.
- Document QnA: preguntas y respuestas sobre documentos adjuntos.
- Prefix: control sobre el inicio forzado de la respuesta.
- Chat Completions: el endpoint estándar de conversación.
- Batching: procesamiento de requests en lote.
- Agents & Conversations: soporte nativo para flujos de agentes con memoria.
- Built-In Tools: herramientas integradas sin configuración extra.
¿Cuándo se liberan los pesos abiertos de Mistral Large 4?
Los pesos abiertos de Mistral Large 4 estarían disponibles para descarga el 27 de octubre de 2026, según reportó VentureBeat citando materiales compartidos por Mistral. Esa fecha no aparece confirmada en la documentación oficial que revisamos, así que tomala como dato de prensa hasta que Mistral lo publique en sus propios canales.
El plan, según la misma cobertura, es dedicar las tres semanas entre el anuncio y la publicación de pesos a testear el modelo con desarrolladores externos, líderes de ciberseguridad y autoridades estatales, mientras el equipo sigue ajustando el checkpoint final con reinforcement learning. Los pesos saldrían bajo una licencia propia de Mistral, no bajo una licencia abierta estándar tipo Apache o MIT. Sobre eso hablamos en el sistema de tool calls con sandbox y pausas.
¿Y por qué no liberar los pesos el mismo día del anuncio? Porque Mistral quiere pulir el checkpoint final antes de que cualquiera lo pueda bajar y correr en su propia infraestructura.
¿Qué implica esto para equipos que quieran correr Mistral Large 4 en Latinoamérica?
Si tu equipo piensa self-hostear Mistral Large 4 cuando salgan los pesos, necesita infraestructura capaz de mover un modelo de 1 billón de parámetros, aunque solo 49.000 millones estén activos por inferencia. En la práctica, eso significa GPUs potentes y, en la mayoría de los casos, un proveedor de cloud o VPS confiable para no depender de hardware propio desde el día uno.
Para equipos en Argentina o la región que recién arrancan a evaluar esto, conviene planificar con anticipación la infraestructura de cloud y hosting necesaria, en vez de improvisar sobre un servidor que no está pensado para cargas de inferencia de este tamaño.
¿Qué limitaciones tiene todavía Mistral Large 4?
Mistral Large 4 todavía está en estado “Public Preview”, según marca la propia documentación, lo que significa que ni el pricing final ni el checkpoint quedan cerrados. Ponele que armás una demo basada en el 62% que Mistral reporta en DeepSWE v1.1: después alguien te muestra el leaderboard público con GLM-5.3 en 69% y te preguntás qué pasó. Pasó que son dos configuraciones de benchmark distintas, no el mismo test.
Mistral reporta 62% para ML4 en DeepSWE v1.1, contra 44% de Beam (el modelo de Reflection AI), 51% de Qwen 3.8 Max, 57% de DeepSeek V4 Pro 0813 y 61% de GLM-5.3. El problema es que VentureBeat revisó el leaderboard público de DeepSWE y encontró que, con la mejor configuración publicada para cada modelo, GLM-5.3 y Kimi K3 rondan el 69%, y GPT-6 Astra, Gemini 3.8 Flash y Claude Opus 5 llegan a 74%. El 62% de ML4 es competitivo contra rivales abiertos occidentales como Beam, pero no es el número más alto del mercado si mirás la tabla completa.
Algo parecido pasa con el benchmark legal de Harvey, donde ML4 marca 15% y el leaderboard público de Vals.ai confirma que Kimi K3 (12,92%), MiMo V2.6 Pro (10,83%) y GLM-5.3 (8,33%) quedan por debajo, aunque varios modelos cerrados siguen arriba de ese número. En cambio, los benchmarks de finanzas (Finch, 67%) y de grounding visual (Dense200 y DIOR-RSVG) no tienen, por ahora, una fuente externa donde se hayan podido verificar los números exactos que Mistral le asigna a sus competidores. Cubrimos ese tema en detalle en el clasificador de seguridad Shieldstral.
Guillaume Lample, cofundador y científico jefe de Mistral, lo resume así: “ML4 is at the frontier of open weight models” (está en la frontera de los modelos de pesos abiertos), y agrega que las capacidades del modelo van a mejorar a medida que termine el reinforcement learning y la compañía escale su capacidad de entrenamiento tras la ronda Serie D.
Como criterio práctico, antes de tomar una decisión basada en estos números, conviene esperar a que ML4 aparezca en el leaderboard público de DeepSWE o en Artificial Analysis, que todavía no lo tienen listado al cierre de esta nota.
| Benchmark | ML4 (chart Mistral) | GLM-5.3 | Otros |
|---|---|---|---|
| DeepSWE v1.1 (chart Mistral) | 62% | 61% | Qwen 3.8 Max 51%, DeepSeek V4 Pro 57% |
| DeepSWE leaderboard (mejor config) | no listado aún | ~69% | Kimi K3 ~69%, Claude Opus 5 ~74% |
| Harvey Legal Agent | 15% | 8,33% | Kimi K3 12,92%, MiMo V2.6 Pro 10,83% |
Qué está confirmado y qué no sobre Mistral Large 4
Lo confirmado por Mistral en su documentación oficial es el tamaño del modelo, la arquitectura, el contexto de 1 millón de tokens y el pricing de preview. Lo que viene de cobertura de prensa, y todavía no aparece en canales oficiales, necesita otro nivel de cautela.
- Confirmado: 49B parámetros activos, 1,05T totales, encoder de visión de 1,6B y contexto de 1M tokens (docs.mistral.ai).
- Confirmado: entrenamiento en 4.000 GPU Blackwell durante dos meses, en data centers propios en Europa (VentureBeat, CNBC).
- Confirmado: pricing de preview con los valores listados arriba (docs.mistral.ai).
- No confirmado en fuente oficial: la fecha del 27 de octubre para liberación de pesos (solo reportada por VentureBeat).
- No confirmado de forma independiente: los benchmarks de Finch, Dense200 y DIOR-RSVG, porque VentureBeat no encontró esos números exactos en fuentes públicas externas.
Errores comunes al evaluar Mistral Large 4
Hay errores típicos que se repiten cada vez que sale un modelo con benchmarks propios del fabricante. Acá van los más frecuentes.
- Tomar el benchmark del fabricante como verdad absoluta: el 62% de ML4 en DeepSWE v1.1 es real, pero bajo la configuración de Mistral. El leaderboard público, con otras configuraciones, ubica a varios rivales por encima.
- Confundir “open-weight” con “gratis para siempre”: los pesos de ML4 van a salir bajo una licencia propia de Mistral, no bajo MIT o Apache. Hay que leer esa licencia antes de planear un despliegue comercial.
- Asumir que el pricing de preview es el definitivo: Mistral no publicó todavía el precio que va a regir cuando el modelo salga de preview. Una proyección de costos armada hoy puede quedar vieja en semanas.
- Pensar que “multimodal” significa que genera imágenes: ML4 acepta imágenes como entrada, pero solo devuelve texto como salida, según confirmó Lample a VentureBeat.
Preguntas Frecuentes
¿Qué es Mistral Large 4?
Mistral Large 4 es un modelo de lenguaje multimodal con arquitectura Mixture-of-Experts, desarrollado por la startup francesa Mistral AI y lanzado en preview pública el 6 de octubre de 2026. Acepta texto e imágenes como entrada, pero solo genera texto como salida. Ya lo cubrimos antes en el meme de Le Chaton Fat que se volvió viral.
¿Cuántos parámetros tiene Mistral Large 4?
Mistral Large 4 tiene 1,05 billones de parámetros totales, de los cuales 49.000 millones están activos durante la inferencia gracias a su arquitectura MoE granular. También incluye un encoder de visión de 1.600 millones de parámetros, según la documentación oficial de Mistral.
¿Cuándo estarán disponibles los pesos abiertos de Mistral Large 4?
Los pesos abiertos estarían disponibles el 27 de octubre de 2026, según reportó VentureBeat, tras un período de tres semanas de pruebas con desarrolladores y autoridades. Esa fecha todavía no figura confirmada en la documentación oficial de Mistral.
¿Cuánto cuesta usar Mistral Large 4 por API?
Durante la preview, Mistral Large 4 cuesta USD 1,36 por millón de tokens de entrada (USD 0,68 en promo) y USD 4,18 por millón de tokens de salida (USD 2,09 en promo), según docs.mistral.ai. Este pricing corresponde a la etapa de preview y podría cambiar cuando el modelo salga de esa fase.
¿Mistral Large 4 es multimodal?
Sí, Mistral Large 4 es multimodal en la entrada: procesa texto e imágenes gracias a su encoder de visión de 1.600 millones de parámetros. La salida del modelo, sin embargo, es exclusivamente texto, según confirmó el cofundador Guillaume Lample a VentureBeat.
Conclusión
Mistral Large 4 cambia el tablero de los modelos abiertos occidentales, al menos sobre el papel: 1,05 billones de parámetros totales, 49.000 millones activos y una ventana de 1 millón de tokens lo ponen a competir con los modelos chinos abiertos en varios benchmarks, según la propia compañía. Lo que todavía falta es la validación independiente.
Hasta que no salgan los pesos el 27 de octubre (si esa fecha se cumple) y la comunidad pueda correr el modelo fuera del entorno controlado de Mistral, cualquier ranking es provisorio. Si tu equipo evalúa adoptarlo, lo razonable es esperar al checkpoint final, revisar la licencia de uso y comparar el pricing definitivo contra lo que hoy aparece en preview antes de tomar una decisión de infraestructura.