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 el 29 de octubre publicó una versión final mejorada junto con los pesos abiertos. Lee texto e imágenes, responde en texto y ahora cuesta $0,70 por millón de tokens de entrada.
Mistral lo presenta como el mejor modelo de pesos abiertos para programar y uno de los modelos abiertos más capaces del mundo. Las cifras independientes respaldan la primera mitad de lo que dice sobre Estados Unidos y Europa y complican la parte global. Esta guía pone los benchmarks de Mistral junto a las puntuaciones que publica Artificial Analysis, y repasa las especificaciones, el nuevo precio, la licencia y cómo ejecutar los pesos. La escribimos el día del lanzamiento y la actualizamos el 7 de noviembre de 2026, después de que salieran los pesos.
Lo más importante
- Tamaño: 1,05 billones de parámetros en total, 49.000 millones activos por token (52.000 millones contando las capas de embedding y de salida), más un codificador de visión de 1.600 millones. Entra texto e imagen, sale texto, con una ventana de contexto de 1M de tokens.
- Pesos: disponibles desde el 29 de octubre en Hugging Face, dos días después del 27 de octubre que Mistral había dado a la prensa, bajo la Mistral Ecosystem Open-Weight license, una licencia MIT modificada.
- Precio: $0,70 de entrada / $2,10 de salida por millón de tokens, más o menos la mitad del precio de lista de la vista previa, $1,36 / $4,18.
- Puntuación independiente: 26,1 en el Artificial Analysis Intelligence Index v5.0.1, la más alta de cualquier modelo abierto de Estados Unidos o Europa, pero por detrás de GLM-5.3 (31,7) y Kimi K3.1 Pro (46,5).
- El verdadero argumento: programación y ciberdefensa. Mistral reporta un 48 % en el Coding Agent Index de AA, a la par de GLM-5.3, y un 51 % en el AA Cyber Index, mientras rechaza el 96,6 % de las peticiones cibernéticas maliciosas.
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. La propia Mistral lo define como un «open-weight hybrid instruct-and-reasoning MoE with multimodal input», es decir, un solo modelo que se encarga de respuestas rápidas, razonamiento paso a paso y uso agéntico de herramientas. La versión final añade tres modos de razonamiento, low, medium y high (el predeterminado), para que en cada petición puedas cambiar profundidad por velocidad y coste.
Mistral anunció la vista previa en X a las 13:06 UTC del 6 de octubre. La publicación recoge las cuatro afirmaciones en las que se apoya el lanzamiento: el tamaño, el ranking de pesos abiertos, los sectores objetivo y la infraestructura europea.
Meet Mistral Large 4, aka Le Chonk.
— Mistral AI (@MistralAI) October 6, 2026
• 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.
Las especificaciones de abajo salen de la ficha del modelo en la documentación de Mistral y de su ficha en Hugging Face.
| Especificación | Mistral Large 4 | Mistral Large 3 (para comparar) |
|---|---|---|
| Lanzamiento | 6 de octubre de 2026 (vista previa); 29 de octubre de 2026 (modelo final y pesos, v26.10) | 2 de diciembre de 2025 |
| Parámetros totales | 1,05 billones | 675.000 millones |
| Parámetros activos | 49.000 millones por token; 52.000 millones con las capas de embedding y de salida | 41.000 millones |
| Entrada / salida | Entra texto e imagen, sale texto | Entra texto e imagen, sale texto |
| Ventana de contexto | 1M de tokens | 256K |
| Idiomas | Más de 160, todos los idiomas oficiales de la UE | n/d |
| Precio de la API (por 1M de tokens) | $0,70 de entrada / $2,10 de salida | Fuera de la tabla de precios desde que quedó obsoleto |
| Licencia | Mistral Ecosystem Open-Weight license (MIT modificada) | Apache 2.0 |
| Estado | Disponible para todos, pesos en Hugging Face | Obsoleto desde el 31 de octubre de 2026; se retira el 30 de abril de 2027 |
Las dos discrepancias de especificaciones del día del lanzamiento ya están resueltas. Los materiales de la vista previa decían 49.000 millones de parámetros activos, mientras que la ficha de la documentación pasó a 52.000 millones en menos de una hora, sin ninguna nota. La ficha de Hugging Face lo explica: hay 49.000 millones de parámetros activos por token, y 52.000 millones si se cuentan las capas de embedding y de salida. También se cerró la diferencia en la ventana de contexto. El día del lanzamiento, Artificial Analysis indicaba 524.288 tokens y Vals 512K frente al 1M de Mistral; ahora Mistral, Hugging Face y Artificial Analysis coinciden en 1M.
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 lo remonta a Le Chaton Fat, un modelo gigante ficticio de Mistral que se hizo viral en X y Reddit en junio con gráficos de benchmarks falsos. El CEO de Mistral, Arthur Mensch, respondió entonces que en realidad era «actually le gros chaton». El científico jefe, Guillaume Lample, dijo a VentureBeat que a Mistral le hizo gracia el meme y que ML4 puede leerse como una primera versión de la idea, con modelos más grandes por llegar.
El entrenamiento no fue ninguna broma. Mistral dice que entrenó ML4 desde cero con 3.800 GPU NVIDIA Grace Blackwell en sus propios centros de datos europeos, y que lo sirve desde las mismas máquinas. VentureBeat, CNBC y Euronews informaron de 4.000 GPU durante unos dos meses, una cifra que parece venir de la rueda de prensa. El anuncio escrito de Mistral y su ficha en Hugging Face dicen 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 es un gatito. El día del lanzamiento, Le Chonk cumplía dos de las tres. Desde el 29 de octubre cumple las tres.
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 a la altura de los mejores modelos abiertos chinos. Los gráficos de Mistral y las puntuaciones de terceros cuentan dos historias algo distintas, así que aquí van por separado.
Lo que reporta Mistral
Para el modelo final, Mistral reporta un 48 % en el Coding Agent Index de Artificial Analysis, que describe como «effectively tied» con GLM-5.3 usando un 47 % menos de tokens por tarea. También reporta un 41 % en Terminal-Bench 4.0, 13 puntos más que la vista previa, y un 19,7 % que lidera el FrontierCode 2.0 privado de Cognition. En las comparaciones de código a ciegas de Surge, los evaluadores lo prefirieron a GLM-5.3, Kimi K3 y DeepSeek V4.1 Flash, y lo situaron solo por detrás de Claude Opus 5.5, según el anuncio de los pesos.
Las cifras de la vista previa llegaron antes. En el lanzamiento, Mistral reportó un 61,7 % en DeepSWE v1.1, 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 %, en su anuncio de lanzamiento. VentureBeat contrastó ese gráfico de programación con la tabla en vivo de DeepSWE, que entonces situaba a GLM-5.3 y Kimi K3 en torno al 69 %, y a GPT-6 Astra, Gemini 3.8 Flash y Claude Opus 5 en torno al 74 %.
Así que el 61,7 % era competitivo, no una ventaja.
Las demás afirmaciones del lanzamiento vienen todas de Mistral. La vista previa logró un 59,9 % en AutomationBench, un conjunto de 657 flujos de trabajo empresariales en Gmail, Google Sheets, Slack y Salesforce, y 1.393 Elo en AA-Briefcase para trabajo de conocimiento de largo recorrido. En la prueba de anclaje visual Dense 200 sacó un 42 % frente al 41 % de GPT-6 Astra, la base de la frase de que «surpasses closed frontier models on visual grounding». En una prueba ciega de calidad de código hecha con Surge AI, los evaluadores le dieron 3,74 sobre 5, segundo de cinco modelos y solo por detrás de Claude Opus 5, con 4,22. Para el modelo final, Mistral añade un 84,5 % en BrowseComp y un 73,3 % en el benchmark financiero Finch, segundo entre los modelos abiertos por detrás de Kimi K3.
Lo que midieron los evaluadores independientes
Artificial Analysis da al Mistral Large 4 (high) final una puntuación de 26,1 en su Intelligence Index v5.0.1, una combinación de nueve evaluaciones. La versión 5 usa pruebas más difíciles que el índice v4.3.2, que puntuó la vista previa con 38 el día del lanzamiento, así que las dos cifras no se pueden comparar. En la v5.0.1 sigue siendo el mejor modelo abierto de Estados Unidos o Europa, por delante de Muse Spark Open de Meta, y sigue por detrás de los mejores modelos abiertos chinos.
| Modelo | Desarrollador | AA Intelligence Index v5.0.1 | ¿Pesos abiertos? |
|---|---|---|---|
| Kimi K3.1 Pro | Moonshot AI (China) | 46,5 | Sí |
| DeepSeek V4.1 Flash 1017 | DeepSeek (China) | 32,6 | Sí |
| GLM-5.3 | Z.ai (China) | 31,7 | Sí |
| MiMo-V2.6-Pro | Xiaomi (China) | 29,9 | Sí |
| Mistral Large 4 | Mistral AI (Francia) | 26,1 | Sí, desde el 29 de octubre |
| Muse Spark Open | Meta (EE. UU.) | 24,9 | Sí |
| DeepSeek V4 Pro 0813 | DeepSeek (China) | 23,1 | Sí |
| Nemotron 3 Ultra | NVIDIA (EE. UU.) | 11,8 | Sí |
La vista previa tenía una debilidad clara en la página de AA: era muy verbosa y generó 200 millones de tokens para completar el índice v4.3.2, frente a una mediana de 81 millones, lo que elevó su coste por tarea del índice a $1,13 pese a un precio de lista modesto. Mistral dice que el modelo final corrige buena parte de eso, con un 30 % menos de tokens de salida en Terminal-Bench 4.0. Nuestra guía de benchmarks de IA explica qué mide el índice y por qué una sola cifra nunca zanja una comparación.
Vals.ai, el segundo evaluador independiente, dio a la vista previa un 48,05 % en el Vals Index, puesto 32 de 44 modelos en total y noveno entre los modelos de pesos abiertos. Su resultado más destacado fue el Harvey's Legal Agent Benchmark, con un 15,83 %, sexto de 75 y primero entre los modelos abiertos. Vals publicó esa clasificación 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 de que compite con los modelos abiertos más fuertes del mundo es exagerada en inteligencia general, donde GLM 5.3 le saca unos seis puntos y Kimi K3.1, veinte. La programación es donde el modelo final recortó distancias, si se confirma el 48 % en el Coding Agent Index de AA que reporta Mistral.
La ciberseguridad es su verdadera diferencia
El argumento más fuerte de Mistral Large 4 es la ciberseguridad, no la inteligencia general. Para el modelo final, Mistral reporta un 51 % en el Artificial Analysis Cyber Index, que mide si un modelo encuentra vulnerabilidades en un código, las reproduce y las corrige sin romper nada. En el lanzamiento de la vista previa, Mistral dijo que en una de las pruebas del índice, reproducir una vulnerabilidad real y después parchearla, ML4 sacaba un 82 %, el máximo de cualquier modelo, y que resolvía 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 sacaron casi cero en la misma tarea en el lanzamiento porque se niegan a hacerla. Mistral sostiene que los defensores a menudo necesitan 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 de pesos abiertos que corre en tus propios servidores no se puede apagar con un cambio de política.
Cómo cubre Mistral esa apuesta
Mistral también cubre esa apuesta. Dice que el modelo final rechaza el 96,6 % de las peticiones cibernéticas maliciosas, la tasa más alta que midió entre los modelos abiertos. Pero también admite un riesgo: el seguimiento del tráfico real desde la vista previa mostró «a potential for uplift to conduct real attacks», y Mistral dice que está endureciendo sus salvaguardas en los próximos meses. Una variante especializada para pruebas de penetración y red-teaming está en vista previa solo para socios verificados como Orange Cyberdefense, bajo contrato y limitada a sistemas que sean suyos o que estén autorizados a probar. 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 se enfrentó a 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 hizo una promesa más firme y la cumplió, dos días después del 27 de octubre que había dado a la prensa.
¿Mistral Large 4 es open source?
Mistral Large 4 es de pesos abiertos, no open source en sentido estricto. Mistral publicó los pesos en Hugging Face el 29 de octubre, junto con un checkpoint cuantizado NVFP4 para GPU NVIDIA Blackwell, un informe técnico y recetas de despliegue para vLLM y SGLang. Los pesos son los del modelo final mejorado, no los de la vista previa.
El hilo de Lample del lanzamiento explicaba por qué los pesos llegaron tres semanas después de la vista previa. La ejecución de aprendizaje por refuerzo detrás de la vista previa seguía en marcha, y Mistral pensaba publicar una versión final junto con los pesos.
Today, we are launching a preview of our new model, Mistral Large 4 (ML4), aka le Chonk 🐈.
— Guillaume Lample (@GuillaumeLample) October 6, 2026
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
La licencia es la Mistral Ecosystem Open-Weight license, una licencia MIT modificada. Mistral dice que el modelo se puede usar, modificar, ajustar y comercializar gratis, con una condición: una empresa que ofrezca un servicio de tipo Model-as-a-Service debe conseguir una licencia comercial aparte antes de usarlo comercialmente. Eso la hace menos permisiva que Large 3, que se publica bajo Apache 2.0, y el catálogo de Mistral no es uniforme: Mistral Medium 3.5 usa su propia licencia MIT modificada. Lee las condiciones antes de montar un producto alojado sobre él.
Artificial Analysis ahora clasifica Mistral Large 4 como modelo de pesos abiertos con licencia comercial. Si lo comparas con otros modelos que puedes descargar hoy, la lista de los mejores modelos de IA open source cubre el panorama.
Precio de Mistral Large 4
Mistral Large 4 cuesta $0,70 por millón de tokens de entrada y $2,10 por millón de tokens de salida, con la entrada en caché a $0,07. Mistral fijó ese precio el 29 de octubre con el modelo final, y es la cifra de su tabla de precios de la API y de la ficha del modelo en la documentación.
La vista previa tenía otro precio. Su precio de lista era $1,36 de entrada, $0,14 de entrada en caché y $4,18 de salida, y durante las dos primeras semanas de la vista previa la ficha de la documentación de Mistral los mostraba tachados y reducidos a la mitad, $0,68, $0,07 y $2,09, sin explicar por qué. El precio final cae casi exactamente en esa mitad de las primeras semanas.
| Por 1M de tokens | Entrada | Entrada en caché | Salida |
|---|---|---|---|
| Mistral Large 4, desde el 29 de octubre | $0,70 | $0,07 | $2,10 |
| Mistral Large 4 vista previa, precio de lista | $1,36 | $0,14 | $4,18 |
| Mistral Large 3 (obsoleto) | Fuera de la tabla | Fuera de la tabla | Fuera de la tabla |
Mistral Large 4 sustituye a dos modelos anteriores. Mistral declaró obsoletos Large 3 y Medium 3.5 el 31 de octubre, nombra a Large 4 como sustituto de ambos y los retirará el 30 de abril de 2027. Nuestra guía de precios de Mistral AI cubre las suscripciones de Vibe y el resto de la oferta de la API. Mistral se compara con DeepSeek más que con cualquier otro laboratorio, y nuestro análisis de DeepSeek V4 cubre a ese rival.
Cómo probar Mistral Large 4
Mistral Large 4 está disponible en más sitios que la vista previa. Los desarrolladores pueden llamarlo a través de la API de Mistral en Mistral Studio, en OpenRouter, mediante los endpoints alojados de NVIDIA o en Microsoft Foundry, que según Mistral fue el primer proveedor de nube en ofrecerlo. La ficha de la documentación indica compatibilidad con salidas estructuradas, llamadas a funciones, preguntas sobre documentos, procesamiento por lotes y las herramientas de agente integradas de Mistral.
Para programar, Mistral remite a Vibe Code, el modo de programación de Vibe, el asistente que antes se llamaba Le Chat, donde puedes elegir Large 4 y darle una función que construir o un error que corregir. Si quieres ejecutarlo tú mismo, descarga los pesos de Hugging Face y sírvelos con vLLM o SGLang. Si lo que quieres sobre todo es comparar respuestas de varios modelos punteros sin gestionar claves de API ni GPU, 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 si el alojamiento europeo, el trabajo de ciberseguridad o el autoalojamiento son el motivo de tu búsqueda. Para un equipo que necesita procesar su IA en la UE bajo la ley europea, Mistral Large 4 es el modelo más fuerte que Mistral sirve desde su propia infraestructura europea, y con los pesos puedes ejecutarlo en tus propios servidores. Para los equipos de seguridad hartos de negativas en trabajo legítimo con vulnerabilidades, es la opción abierta más clara para probar. Y si usas Large 3 o Medium 3.5, tienes hasta el 30 de abril de 2027 para migrar.
Para todos los demás, prueba antes de comprometerte.
En Artificial Analysis, GLM-5.3 y Kimi K3.1 Pro siguen puntuando más alto en inteligencia general, y también puedes descargar ambos. La cláusula de Model-as-a-Service importa si piensas revender el acceso. Donde Mistral Large 4 es difícil de batir es en el precio para un modelo de este tamaño: $0,70 por millón de tokens de entrada por un modelo de un billón de parámetros que además puedes tener en propiedad.
Preguntas frecuentes
¿Qué es Mistral Large 4?
Mistral Large 4 es un modelo mixture-of-experts de 1 billón de parámetros del laboratorio francés Mistral AI, con 49.000 millones de parámetros activos por token. Lee texto e imágenes y responde en texto. Mistral lo lanzó en vista previa el 6 de octubre de 2026, con el apodo de Le Chonk, y publicó el modelo final con pesos abiertos el 29 de octubre.
¿Están disponibles los pesos de Mistral Large 4?
Sí. Mistral publicó los pesos en Hugging Face el 29 de octubre de 2026, dos días después de la fecha que había dado a la prensa. Corresponden al modelo final mejorado y vienen con un checkpoint NVFP4 para GPU NVIDIA Blackwell. La licencia es la Mistral Ecosystem Open-Weight license, una licencia MIT modificada.
¿Cuánto cuesta Mistral Large 4?
$0,70 por millón de tokens de entrada y $2,10 por millón de tokens de salida, con la entrada en caché a $0,07, desde el 29 de octubre de 2026. La vista previa tenía un precio de lista de $1,36 y $4,18.
¿Es Mistral Large 4 mejor que DeepSeek, GLM o Kimi?
En el Artificial Analysis Intelligence Index v5.0.1 saca un 26,1, por delante de DeepSeek V4 Pro 0813 (23,1) pero por detrás de GLM-5.3 (31,7), DeepSeek V4.1 Flash 1017 (32,6) y Kimi K3.1 Pro (46,5). Los gráficos de Mistral lo muestran a la par de GLM-5.3 en programación agéntica y fuerte en ciberseguridad, con un 51 % en el Cyber Index de AA.
¿Puedo usar Mistral Large 4 en Vibe o Le Chat?
Sí, en Vibe Code, el modo de programación de Vibe. Vibe es el nuevo nombre de Le Chat. El anuncio de los pesos de Mistral enlaza directamente a Vibe Code con Large 4 seleccionado, pero no dice si Large 4 también mueve el chat normal de Vibe.
La imagen destacada de este artículo se creó con ayuda de la IA.