Mistral Large 4 (Le Chonk): especificaciones, benchmarks, precio y cuándo llegan los pesos

Mistral Large 4, apodado Le Chonk, es un modelo mixture-of-experts de 1 billón de parámetros con 49.000 millones de parámetros activos. Mistral AI lo lanzó como API en vista previa pública el 6 de octubre de 2026 y dice que los pesos abiertos llegarán antes de que acabe octubre. Lee texto e imágenes, responde en texto y cuesta $1,36 por millón de tokens de entrada a precio de lista.

Mistral dice que es el modelo open-weight más potente hecho en Estados Unidos o Europa, y que compite con los mejores modelos abiertos del mundo. Los primeros datos independientes respaldan la primera mitad de esa afirmación y complican la segunda. Esta guía pone los benchmarks de Mistral junto a las puntuaciones que Artificial Analysis y Vals.ai publicaron el día del lanzamiento. También explica las especificaciones, el precio y qué significa «pesos abiertos» en un modelo que todavía no puedes descargar.

Lo más importante

• Tamaño: 1,05 billones de parámetros en total, 49.000 millones activos en el lanzamiento (la ficha de la documentación ahora dice 52.000 millones), más un codificador de visión de 1.600 millones. Entra texto e imagen, sale texto.
• Puntuación independiente: 38 en el Artificial Analysis Intelligence Index v4.3.2, muy por delante de modelos abiertos estadounidenses como Nemotron 3 Ultra (23), pero de 6 a 8 puntos por detrás de GLM-5.3, Kimi K3 y MiMo-V2.6-Pro.
• Precio: $1,36 de entrada / $4,18 de salida por millón de tokens a precio de lista. La página del modelo muestra ahora la mitad, $0,68 / $2,09, sin decir por qué ni hasta cuándo.
• Pesos: todavía no han salido. Mistral dice antes de que acabe octubre y a la prensa le dio el 27 de octubre. No se ha anunciado ninguna licencia.
• El verdadero argumento: la ciberdefensa. Mistral reporta un 82% en una prueba de reproducir y parchear vulnerabilidades en la que, según la empresa, Claude Opus 5.5 y GPT-6 Astra sacan casi cero porque se niegan a hacerla.

Qué es Mistral Large 4

Mistral Large 4 es el modelo más grande y capaz de Mistral AI hasta ahora, una red mixture-of-experts dispersa que solo activa alrededor del 5% de sus pesos en cada token. Mistral lo describe como un «open-weight hybrid instruct-and-reasoning MoE with multimodal input», es decir, un único modelo que resuelve respuestas rápidas, razonamiento paso a paso y uso de herramientas como agente.

Mistral lo anunció en X a las 13:06 UTC. La publicación recoge las cuatro afirmaciones sobre las que se apoya todo el lanzamiento: el tamaño, el puesto entre los modelos open-weight, los sectores a los que apunta y la infraestructura europea.

Meet Mistral Large 4, aka Le Chonk.

• 1T parameters, natively multimodal. 49B active.
It is the best open weights model from US or Europe on aggregated benchmarks.
• State-of-the-art on critical workloads, including cyber defense, manufacturing and finance and it surpasses closed frontier models on visual grounding.
• Forged in Europe end-to-end and is deployable from Europe via our own Mistral Cloud infrastructure.
• Available to all via API today. Working with cybersecurity partners privately.

Open weights release end of October.

— Mistral AI (@MistralAI) October 6, 2026

Las especificaciones de abajo salen de la ficha del modelo en la documentación de Mistral y del anuncio. Cuando una fuente independiente da otra cifra, la tabla lo indica.

Hay dos especificaciones en las que las fuentes no coinciden. El anuncio de Mistral y sus dos publicaciones de lanzamiento en X hablan de 49.000 millones de parámetros activos, y eso decía también la ficha de la documentación cuando la leímos por primera vez el día del lanzamiento. Menos de una hora después, la ficha decía 52.000 millones, sin ninguna explicación. La diferencia más grande está en la ventana de contexto. La ficha de Mistral indica 1M de tokens. Artificial Analysis indica 524.288 tokens y Vals 512K con un límite de salida de 256K. Hasta que Mistral explique la diferencia, cuenta con 512K.

Por qué se llama Le Chonk

Le Chonk es jerga de internet para un gato muy gordo, y el nombre es una broma que empezó la comunidad. VentureBeat la remonta a Le Chaton Fat, un modelo gigante de Mistral inventado que se hizo viral en X y Reddit en junio con gráficos de benchmarks falsos. El CEO de Mistral, Arthur Mensch, respondió entonces que era «actually le gros chaton». El científico jefe Guillaume Lample contó a VentureBeat que en Mistral disfrutaron del meme y que ML4 puede verse como una primera versión de la idea, con modelos más grandes por venir.

El entrenamiento no fue ninguna broma. Mistral dice que entrenó ML4 desde cero en 3.800 GPU NVIDIA Grace Blackwell en sus propios centros de datos europeos, y que la vista previa funciona en esas mismas máquinas. VentureBeat, CNBC y Euronews hablan de 4.000 GPU durante unos dos meses, una cifra que parece salir de la rueda de prensa. El anuncio escrito de Mistral dice 3.800.

Nuestro artículo sobre Le Chaton Fat terminaba con una prueba sencilla para cualquier modelo de moda: sin pesos, sin API y sin documentación, probablemente sea un gatito. Le Chonk cumple hoy dos de las tres. La tercera son los pesos.

Benchmarks de Mistral Large 4: las cifras de Mistral frente a las independientes

Mistral Large 4 supera a todos los modelos abiertos de Estados Unidos y Europa según los datos independientes publicados hasta ahora, pero no está al nivel de los mejores modelos abiertos chinos. Los gráficos de Mistral y las primeras puntuaciones de terceros cuentan dos historias algo distintas, así que aquí van por separado.

Lo que reporta Mistral

Mistral reporta un 61,7% en DeepSWE v1.1 en programación, la cifra principal de su anuncio de lanzamiento. Añade un 59,4% en SWE-Atlas-QnA y un 28,3% en Terminal-Bench 4.0, para un Coding Agent Index combinado del 49,8%. Según Mistral, eso lo sitúa por delante de DeepSeek V4 Pro 0813 y Qwen3.8 Max.

VentureBeat contrastó el gráfico de programación con la clasificación en vivo de DeepSWE. Esa tabla, que toma la mejor configuración de agente publicada para cada modelo, sitúa a GLM-5.3 y Kimi K3 en torno al 69%, y a GPT-6 Astra, Gemini 3.8 Flash y Claude Opus 5 alrededor del 74%.

Así que el 61,7% es competitivo, no una ventaja.

El resto de las afirmaciones principales las reporta Mistral. Mistral Large 4 obtiene un 59,9% en AutomationBench, un conjunto de 657 flujos de trabajo empresariales en Gmail, Google Sheets, Slack y Salesforce. Alcanza 1.393 Elo en AA-Briefcase, que mide trabajo de conocimiento de largo recorrido. En la prueba de visual grounding Dense 200 saca un 42% frente al 41% de GPT-6 Astra, la base de la frase del anuncio según la cual «surpasses closed frontier models on visual grounding». En una prueba ciega de calidad de código hecha con Surge AI, los evaluadores le dieron un 3,74 sobre 5, segundo de cinco modelos y solo por detrás de Claude Opus 5, con 4,22.

Lo que midieron los evaluadores independientes

Artificial Analysis le da a Mistral Large 4 Preview un 38 en su Intelligence Index v4.3.2, una media de 10 evaluaciones. Está muy por encima de los modelos abiertos estadounidenses de la tabla de AA, como Nemotron 3 Ultra de NVIDIA (23), Gemma 4 31B de Google (15) y gpt-oss-120b de OpenAI (12). Y queda claramente por debajo de los mejores modelos abiertos chinos, cada uno comprobado en su propia página de AA el día del lanzamiento.

Hay dos detalles más en la página de AA que importan. Mistral Large 4 es rápido, unos 116 tokens de salida por segundo, pero muy verboso: generó 200 millones de tokens al pasar el índice, frente a una mediana de 81 millones. Por esa verbosidad, AA calcula su coste por tarea del índice en $1,13 pese al modesto precio de lista. Nuestra guía de benchmarks de IA explica qué mide el índice y por qué una sola cifra nunca decide una comparación.

Vals.ai, el segundo evaluador independiente, le dio un 48,05% en el Vals Index, puesto 32 de 44 modelos en total y noveno entre los modelos open-weight. Su mejor resultado está en el Harvey's Legal Agent Benchmark, con un 15,83%, sexto de 75 y primero entre los modelos abiertos. Vals publicó esa clasificación pocos minutos después del lanzamiento.

Mistral Large 4 is now the #1 open-weight model on HLAB and #9 among open-weight models on the Vals Index.

— Vals AI (@ValsAI) October 6, 2026

El resumen honesto: la afirmación de que ML4 es el mejor modelo abierto de Estados Unidos o Europa se sostiene en Artificial Analysis. La afirmación de que compite con los modelos abiertos más potentes del mundo es exagerada. En Artificial Analysis, GLM 5.3 y Kimi K3 le sacan entre seis y siete puntos. Mistral dice que el entrenamiento por refuerzo sigue en marcha, así que la versión final podría recortar parte de esa distancia.

La ciberseguridad es su verdadera diferencia

El argumento más fuerte de Mistral Large 4 es la ciberseguridad, no la inteligencia general. Mistral dice que está entre los cinco mejores modelos del mundo en el Artificial Analysis Cyber Index y que lidera con mucha ventaja a los modelos open-weight creados fuera de China. Una de las pruebas del índice pide al modelo reproducir una vulnerabilidad real en software open source y después parchearla. Mistral reporta un 82% en ella, el resultado más alto de cualquier modelo. También dice que ML4 resuelve el 93% de los 40 retos de Cybench.

Lo interesante es por qué gana esa prueba.

Según Mistral, Claude Opus 5.5 y GPT-6 Astra sacan casi cero en la misma tarea porque se niegan a hacerla. Mistral sostiene que quien defiende un sistema a menudo tiene que demostrar que un fallo es real antes de corregirlo. El filtro de seguridad de un proveedor puede bloquear justo ese trabajo en mitad de un incidente. Un modelo open-weight que corre en tus propios servidores no se puede apagar con un cambio de políticas.

Mistral también cubre esa apuesta. Hasta que salgan los pesos, está haciendo red-teaming del modelo con empresas de ciberseguridad, socios verificados y autoridades estatales, que tienen acceso con moderación reducida y capacidades cibernéticas ampliadas. Mistral también reporta que ML4 rechaza prompts maliciosos de ciberseguridad más a menudo que cualquier otro modelo abierto que probó. Lample describió el objetivo el día del lanzamiento como permitir que empresas y gobiernos puedan «defend themselves against threat actors that are jailbreaking closed models to perform cyber attacks», según citó CNBC.

Z.ai vivió la misma tensión en agosto. Lanzó GLM 5.3 sin pesos y dijo en X que se publicarían «in stages following rigorous safety evaluations». Mistral ha hecho una promesa más firme, y el 27 de octubre será la prueba.

¿Mistral Large 4 ya es open source?

No. Mistral Large 4 está anunciado como modelo open-weight, pero el día del lanzamiento solo existe la API en vista previa. El anuncio de Mistral dice que los pesos saldrán «by the end of the month», junto con detalles de la arquitectura, más benchmarks y el método de post-entrenamiento. VentureBeat y Euronews recibieron una fecha concreta, el 27 de octubre.

El hilo de Lample en el lanzamiento explica el desfase. El entrenamiento por refuerzo detrás de la vista previa sigue en marcha, y Mistral quiere lanzar una versión final junto con los pesos.

Today, we are launching a preview of our new model, Mistral Large 4 (ML4), aka le Chonk 🐈.
ML4 is a 1T-parameter model with 49B active parameters, trained natively with multimodal capabilities.

It is at the frontier of open models, and by far the strongest open-weight model from the US or Europe.
The RL run behind this preview is still in flight and shows no sign of saturation -- we will release a final version before the end of the month along with the weights of the model.
🧵
1/n

— Guillaume Lample (@GuillaumeLample) October 6, 2026

La gran incógnita es la licencia. La ficha de la documentación de Mistral marca el modelo como «Open» pero no nombra ninguna licencia, y VentureBeat informa de que se espera una licencia propia de Mistral. Importa, porque el catálogo de Mistral no está todo bajo Apache 2.0. Large 3 sale con Apache 2.0, mientras que Mistral Medium 3.5 usa una licencia MIT modificada, según la propia documentación de Mistral. Hasta que Mistral publique las condiciones de Large 4, no des por hecho el uso comercial gratuito.

Artificial Analysis clasifica de momento a Mistral Large 4 Preview como «proprietary», y todavía no se puede descargar nada. Si necesitas pesos que puedas ejecutar hoy, nuestra lista de los mejores modelos de IA open source recoge lo que de verdad está disponible.

Precio de Mistral Large 4

Mistral Large 4 tiene un precio de lista de $1,36 por millón de tokens de entrada y $4,18 por millón de tokens de salida, con la entrada en caché a $0,14. Son las cifras del anuncio de Mistral y de las páginas de Artificial Analysis y Vals.

La ficha del modelo en la documentación de Mistral muestra otra cosa. Tacha esos tres precios y los sustituye por exactamente la mitad: $0,68 de entrada, $0,07 de entrada en caché y $2,09 de salida. Ni la ficha ni el anuncio dicen si es un descuento de la vista previa, cuánto dura o qué pasará cuando salga el modelo final. Si estás haciendo presupuestos, usa el precio de lista y toma el medio precio como un extra.

Mistral Large 4 cuesta más que Large 3, que sigue a la venta a $0,50 y $1,50 para los equipos que quieran el modelo abierto anterior. Nuestra guía de precios de Mistral AI repasa las suscripciones de Vibe y el resto de la oferta de API. Mistral se compara con DeepSeek V4 Pro más que con ningún otro modelo, y nuestro análisis de DeepSeek V4 cubre a ese rival.

Cómo probar Mistral Large 4 hoy

El día del lanzamiento, la única forma de usar Mistral Large 4 es la API en vista previa de Mistral Studio, la plataforma para desarrolladores de Mistral. Crea una cuenta en Studio, añade un método de pago, genera una clave de API y llama al modelo por su nombre desde los endpoints de chat completions o conversations. La ficha de la documentación indica compatibilidad con salidas estructuradas, function calling, preguntas sobre documentos, procesamiento por lotes y las herramientas de agente integradas de Mistral.

El anuncio de Mistral no menciona Vibe, el asistente para consumidores que antes se llamaba Le Chat, así que no esperes encontrar Large 4 en el menú de modelos de Vibe todavía. Mistral dice que ML4 funcionará en varias regiones, incluido un despliegue europeo que opera de principio a fin bajo la ley europea. La nube privada y el uso on-premise llegarán cuando salgan los pesos. Si lo que quieres es comparar respuestas de varios modelos punteros sin gestionar claves de API, Fello AI pone Mistral junto a Claude, GPT y Gemini en una sola app para Mac.

¿Merece la pena cambiarse a Mistral Large 4?

Cámbiate ya solo si buscas alojamiento europeo o trabajo de ciberseguridad. Para un equipo que necesita procesar su IA en la UE bajo la ley europea, Mistral Large 4 es el modelo más potente que Mistral ha servido nunca desde su propia infraestructura europea. Ningún otro modelo europeo se le acerca en Artificial Analysis. Para los equipos de seguridad hartos de negativas en trabajo legítimo con vulnerabilidades, el resultado de Mistral en la prueba de reproducir y parchear es la mejor razón para probarlo este mes.

Si no es tu caso, espera al 27 de octubre.

Con los datos independientes de hoy, GLM-5.3 y Kimi K3 siguen siendo los modelos abiertos más fuertes, y puedes descargar los dos ya. La vista previa sigue cambiando, según la propia Mistral, la licencia es desconocida y el medio precio puede no durar. El veredicto real sobre Le Chonk llegará cuando salgan los pesos y otros puedan probar la versión final en su propio hardware.

Preguntas frecuentes