Mistral AI anunció el 6 de octubre de 2026 el acceso a la vista previa pública de Mistral Large 4, un modelo multimodal de mezcla de expertos. La empresa planeaba publicar sus pesos descargables a finales de octubre, un paso distinto del acceso al modelo mediante API.
Mistral Large 4 llega a la vista previa pública
El anuncio abrió el acceso a la versión preliminar de Mistral Large 4 a través de la API. La descarga de los pesos, en cambio, formaba parte del calendario previsto por la empresa para finales de octubre de 2026.
Esa diferencia importa si quieres alojar un modelo en infraestructura propia: el acceso a una vista previa por API no equivale a disponer de sus pesos para descargar. Mistral planteó la publicación de esos pesos como una etapa posterior.
Qué dicen las especificaciones oficiales
Mistral especifica una arquitectura granular de mezcla de expertos, o Mixture-of-Experts (MoE), y describe Mistral Large 4 como un modelo multimodal.
| Característica | Especificación publicada por Mistral AI |
| Parámetros totales | 1,05 billones (1.050.000 millones) |
| Parámetros activos | 52.000 millones |
| Codificador de visión | 1.600 millones de parámetros |
| Arquitectura | Granular Mixture-of-Experts (mezcla granular de expertos) |
| Modalidad | Mistral lo describe como un modelo multimodal |
Los parámetros totales cuentan el conjunto del modelo; los activos indican la parte que se activa para procesar una entrada. En una arquitectura de mezcla de expertos, distintas partes especializadas del modelo se encargan del procesamiento. Por eso, las dos cifras describen aspectos diferentes, y ninguna demuestra por sí sola que el modelo vaya a rendir mejor en todas las tareas.
Qué supondría publicar los pesos
Mistral planeaba publicar los pesos descargables a finales de octubre de 2026. La empresa presentó esa posibilidad como una vía para alojar el modelo en infraestructura propia. Hasta entonces, el anuncio correspondía al acceso a la vista previa pública mediante API.
Qué permiten afirmar los datos de rendimiento
Mistral comunicó resultados en varias pruebas concretas: 61,7 % en DeepSWE v1.1, 28,3 % en Terminal-Bench 4 y 93 % en Cybench, que la empresa describe como un conjunto de 40 ejercicios de ciberseguridad. En Dense 200 visual grounding, Mistral informó de un 42 % frente al 41 % de GPT-6-Astra.
Son resultados que Mistral atribuye a pruebas específicas. Describen el rendimiento en esas evaluaciones, pero no establecen que Mistral Large 4 sea superior para cualquier tarea.
Cómo se entrenó la vista previa
Mistral dijo que entrenó el modelo desde cero con 3.800 GPU NVIDIA Grace Blackwell en sus centros de datos europeos. También señaló que una parte significativa de los datos de entrenamiento abarcaba más de 160 idiomas, incluidos todos los idiomas oficiales de la Unión Europea.
Al anunciar la vista previa, Mistral indicó que el proceso de aprendizaje por refuerzo seguía en marcha y que, según la empresa, el modelo aún tenía margen en sus benchmarks.
