Mistral Large 4 marca 38 en el Intelligence Index de Artificial Analysis. Empata con GPT-6 Luna al máximo. Una tarea del índice, a la tarifa estándar, cuesta US$ 1,13. GLM-5.3-Flash, que marca 42, cuesta US$ 0,25.
Mistral abrió la preview de investigación el 6 de octubre de 2026 y lo llama le Chonk. Está en Tess. Los pesos, el archivo para ejecutar el modelo en máquinas propias, están previstos para finales de octubre. La ronda de reinforcement learning sigue en curso, y Mistral dice que el modelo no está saturado. El 38 es una foto de este momento.
El gráfico pone varios modelos abiertos por encima: MiMo-V2.6-Pro en 46, GLM-5.3 en 45, Kimi K3 en 44 y GLM-5.3-Flash en 42. DeepSeek V4.1 Flash al máximo marca 39, un punto por delante, a US$ 0,27 por tarea. Opus 5.5 está en 58. Astra y Fable 5.1 están en 53. Artificial Analysis llama al 38 la puntuación más alta fuera de Estados Unidos y China. En el mismo gráfico, los modelos por encima de 38 son modelos abiertos chinos.
La documentación de Mistral lista 1,05 billones de parámetros en total, 52.000 millones activos y un encoder de visión de 1.600 millones. El post de lanzamiento redondea eso a 1 billón y 52.000 millones activos. Artificial Analysis describe un modelo de 1 billón con 49.000 millones activos. Recibe texto e imagen y devuelve texto. La model card de Mistral lista una ventana de 1 millón de tokens. Artificial Analysis lista unos 512.000 para la preview que evaluó. Esas dos ventanas no son el mismo presupuesto.
Artificial Analysis. La preview marca 38, al nivel de Luna. MiMo, GLM-5.3, Kimi K3 y GLM-5.3-Flash quedan por encima. El gráfico muestra Mistral Large 3 en 9.
En cyber es donde se acerca
En el Cyber Index de Artificial Analysis, la preview marca 50. Empata con GLM-5.3-Flash y queda detrás de MiMo-V2.6-Pro, en 56. Artificial Analysis dice que, cuando salgan los pesos, quedará entre los tres primeros modelos abiertos en este índice. Ese puesto es un pronóstico hasta que el archivo sea público.
El componente que Mistral y Artificial Analysis destacan es CyberGym-E2E, en 82%. Artificial Analysis lo pone por delante de MiMo-V2.6-Pro, en 79%, y de GPT-6 Luna al máximo, en 78%. La prueba pide que el modelo reproduzca un fallo conocido en software de código abierto y después lo corrija. Los modelos cerrados suelen parar en la primera mitad. En el mismo gráfico, Opus 5.5 y Fable 5.1 muestran una parte grande de bloqueos de seguridad, y por eso sus notas en ese índice se alejan de los modelos abiertos. Un 50 aquí es una nota de tarea completada, junto a GLM-5.3-Flash. Un casi cero de Opus en este gráfico es un rechazo.
Mistral también reporta 93% en Cybench, un conjunto de 40 ejercicios de competición. Esa cifra es suya.
Artificial Analysis. La preview empata con GLM-5.3-Flash en 50. Las barras ralladas son bloqueos de seguridad. CyberGym-E2E es el componente del 82%.
Código y trabajo de conocimiento, con quién midió cada cifra
El paquete de código de la propia Mistral es un Coding Agent Index de 49,8, que ella sitúa por delante de DeepSeek V4 Pro 0813 y de Qwen3.8 Max. Dentro de ese paquete: DeepSWE v1.1 en 61,7%, SWE-Atlas-QnA en 59,4% y Terminal-Bench 4.0 en 28,3%. Una revisión a ciegas de Surge, con las identidades ocultas, colocó la preview en segundo lugar entre cinco modelos, con 3,74, detrás de Claude Opus 5 en 4,22 y por delante de GLM-5.3 en 3,60 y de Kimi K3 en 3,59. Esas medidas son de Mistral.
En trabajo de conocimiento, Mistral reporta 59,9% en AutomationBench, por delante de Kimi K3, MiMo-V2.6-Pro y DeepSeek V4 Pro, y 1.393 Elo en AA-Briefcase, por delante de DeepSeek V4 Pro. En visual grounding, reporta 42% en Dense 200, frente a 41% de GPT-6 Astra. Artificial Analysis, en su GDP.pdf, mide 19%, al nivel de MiMo-V2.6-Pro y detrás de Kimi K3 en 22%. Son 18 puntos por encima de Mistral Large 3. Parte de la ganancia en documentos es la API: 100 imágenes por request, por encima de las 8 de antes.
Dónde la factura se pone más alta
El precio estándar es US$ 1,36 por millón de tokens de entrada, US$ 0,14 de entrada en caché y US$ 4,18 de salida. Las dos primeras semanas eso baja a la mitad, a US$ 0,68, US$ 0,07 y US$ 2,09. Artificial Analysis pone una tarea del Intelligence Index en US$ 1,13 a la tarifa estándar y US$ 0,57 con el descuento de lanzamiento. GLM-5.3-Flash, con una nota más alta en el índice, cuesta US$ 0,25 por tarea. DeepSeek V4.1 Flash al máximo, un punto por delante en el índice, cuesta US$ 0,27. La ventana a mitad de precio no cierra esa diferencia. La otra factura es ejecutar el modelo por cuenta propia, y empieza cuando salgan los pesos.
Artificial Analysis. La preview cuesta US$ 1,13 por tarea, o US$ 0,57 con el descuento de dos semanas. GLM-5.3-Flash cuesta US$ 0,25 con una nota más alta en el índice.
En la práctica
- Lee el 38 como un empate con Luna al máximo. Los modelos abiertos por encima son MiMo-V2.6-Pro en 46, GLM-5.3 en 45, Kimi K3 en 44 y GLM-5.3-Flash en 42. Está en Tess como esta preview. Los pesos, todavía previstos para finales de octubre, son el archivo para ejecutarlo por cuenta propia, y la ronda de entrenamiento todavía puede mover la nota.
- En el Cyber Index, 50 empata con GLM-5.3-Flash y queda detrás de MiMo en 56. El 82% es CyberGym-E2E. Las barras de modelos cerrados en ese gráfico están llenas de bloqueos de seguridad, así que una nota baja de Opus ahí es un rechazo.
- Mantén los números de código de Mistral en su columna. El Coding Agent Index de 49,8, DeepSWE en 61,7% y Terminal-Bench 4.0 en 28,3% son del laboratorio. El puesto en Surge, 3,74 frente a 4,22 de Opus 5, es una revisión humana a ciegas que ellos encargaron.
- Al precio de lista de Mistral, una tarea del índice cuesta US$ 1,13, o US$ 0,57 durante las dos semanas a mitad de precio. GLM-5.3-Flash cuesta US$ 0,25 con una nota más alta. DeepSeek V4.1 Flash al máximo cuesta US$ 0,27 en 39.
- La card de Mistral lista un contexto de 1 millón de tokens. Artificial Analysis evaluó una preview que lista en unos 512.000. Un trabajo de un millón de tokens sigue la documentación de Mistral.
Fuentes: Introducing Mistral Large 4, la model card, Artificial Analysis y OpenRouter. El índice de 38, el Cyber Index de 50, CyberGym-E2E en 82%, GDP.pdf en 19% y los precios por tarea son de Artificial Analysis. DeepSWE, Terminal-Bench 4.0 en 28,3%, el Coding Agent Index, Briefcase en 1.393 y Cybench son de Mistral. La ventana de 1 millón de tokens y el precio de lista de US$ 1,36 / US$ 4,18 están en la documentación de Mistral. OpenRouter es el listado a mitad de precio.
