Mistral publicó los pesos descargables de Mistral Large 4 el 29 de octubre de 2026, después de abrir su vista previa pública el 6 de octubre. El cambio permite descargar el checkpoint y desplegarlo en infraestructura propia; para dimensionar ese trabajo, la receta oficial de vLLM usa paralelismo tensorial 8 y señala qué ajustes hacer si falta memoria GPU. Mistral AI Documentación de Mistral
NeoTeo contó la apertura de la vista previa pública en octubre; la publicación posterior de los pesos marca el paso hacia el despliegue autogestionado.
Qué trae el checkpoint
El repositorio de Mistral en Hugging Face identifica el modelo como mistralai/Mistral-Large-4-1T-A52B. Acepta texto e imágenes y devuelve texto, con una ventana de contexto de 1 millón de tokens. La ficha también indica que admite llamadas a funciones, salida JSON estructurada y tres niveles de esfuerzo de razonamiento: bajo, medio y alto, con alto como opción predeterminada. Ficha oficial del modelo
Mistral describe una arquitectura Mixture-of-Experts (MoE), que activa partes especializadas del modelo según la tarea. La ficha atribuye al modelo cerca de 1,05 billones de parámetros totales y distingue entre 49.000 millones activos por token sin contar las capas de salida ni los embeddings, y 52.000 millones al incluirlos. También enumera 128 expertos enrutados, cuatro activos por token y un experto compartido. Estas cifras ayudan a entender por qué la descarga de pesos no convierte el modelo en una carga ligera para un ordenador personal.
Qué indica la receta de vLLM
El ejemplo oficial de Mistral configura --tensor-parallel-size 8: el paralelismo tensorial reparte los cálculos del modelo entre varias GPU. Es una receta de despliegue, no un mínimo general de hardware. Si la memoria GPU no basta, Mistral recomienda reducir --max-model-len, que limita la longitud máxima del modelo en ejecución, y/o --max-num-seqs, que limita la concurrencia. El ajuste de contexto y el número de secuencias simultáneas afectan así a la memoria necesaria. Ficha y receta de vLLM
Mistral recomienda vLLM para inferencia en producción. También enumera SGLang, Transformers y llama.cpp como opciones para desplegar el modelo. La ficha incluye configuraciones de ejemplo para más de un motor, pero la receta de ocho vías es la referencia concreta de vLLM.
Cuándo la licencia exige otro acuerdo comercial
La Mistral Ecosystem Open-Weight License es una versión modificada de la licencia MIT. Permite usar, copiar, modificar, distribuir, sublicenciar, vender y desplegar el modelo, además de crear derivados, con las condiciones que establece el texto. Licencia oficial
La condición comercial se refiere a un licenciatario o una empresa afiliada que opere un servicio MaaS (Model as a Service). La licencia define MaaS como dar a terceros acceso al modelo para inferencia o posentrenamiento de forma que puedan controlar de manera significativa las entradas, los parámetros o los datos de entrenamiento. En ese supuesto, se exige una licencia comercial separada de Mistral antes de utilizar comercialmente el modelo o sus derivados.
| Modalidad de despliegue | Tratamiento en la licencia |
| Uso interno, sin dar acceso a terceros | Excepción a la condición de la sección 2. |
| Producto para usuarios finales con capacidades del modelo integradas exclusivamente en funciones o herramientas concretas | Excluido de la definición de MaaS. |
| Reenvío de solicitudes a modelos alojados por terceros | Excluido de la definición de MaaS. |
| Servicio que da a terceros acceso para inferencia o posentrenamiento con control significativo | Si lo opera el licenciatario o una afiliada, requiere una licencia comercial separada antes del uso comercial. |
| Uso a través de productos oficiales de Mistral | Excepción indicada en la sección 3. |
La licencia se concede sin tasa de licencia, pero eso no elimina el coste de la infraestructura ni el de utilizar la API.
Tarifas de API y coste de benchmark
Mistral publica tarifas de 0,70 dólares por millón de tokens de entrada, 0,07 dólares por millón de tokens de entrada en caché y 2,10 dólares por millón de tokens de salida. Son precios por uso de la API, no un precio por descargar los pesos. Tarifas de Mistral
Artificial Analysis muestra Mistral Large 4 (high) con un coste de 2,06 dólares por tarea de su Intelligence Index y una puntuación de 26. Ese coste corresponde a una tarea de su benchmark; las tarifas API, en cambio, se calculan por tokens. Tabla de Artificial Analysis
