Qué ha pasado
El 29 de octubre Mistral AI, la empresa francesa de inteligencia artificial, publicó Mistral Large 4. Internamente lo llaman Le Chonk, y el apodo le pega: tiene un billón de parámetros, aunque en cada paso solo trabaja una parte, unos 52.000 millones. Es lo que se conoce como mezcla de expertos, y es la razón de que sea más rápido y barato de lo que su tamaño sugiere.
Hay dos cosas que lo hacen distinto. La primera es que se ha entrenado desde cero en infraestructura europea. La segunda, que los pesos son abiertos: cualquiera puede descargar el modelo desde Hugging Face y ejecutarlo en sus propios servidores.
Quien no quiera complicarse puede usarlo como cualquier otro modelo, por API, en la plataforma de Mistral, en OpenRouter, en Microsoft Foundry dentro de Azure o en los servicios de NVIDIA. Acepta texto e imágenes y Mistral asegura que se defiende en más de 160 idiomas.
Los números que conviene conocer
Hemos contrastado estas cifras en el anuncio de Mistral y en la cobertura de varios medios especializados:
- Precio en la API: 0,70 dólares por millón de tokens de entrada, 0,07 si la entrada está en caché y 2,10 por millón de salida.
- Licencia: MIT modificada. Puedes usarlo, adaptarlo y meterlo en tus productos. Solo si vendes el propio modelo como servicio a terceros necesitas una licencia comercial aparte.
- Rendimiento: en el índice de agentes de programación de Artificial Analysis llega al 48 %. Claude Opus 5.5 está en el 62 %. Es fuerte, pero no es el mejor.
- Seguridad: rechaza el 96,6 % de las peticiones maliciosas en las pruebas que publica Mistral.
- Alojarlo tú: la versión estándar pide ocho GPU de NVIDIA de última generación. Comprimido, baja a cuatro. No es un modelo para el ordenador de la oficina.
Por qué importa
Cuando hablamos con empresas sobre IA, la pregunta que más frena los proyectos no es el precio. Es esta: ¿adónde van mis datos? Historiales de pacientes, nóminas, contratos, datos de clientes. Mucha gente prefiere no subir eso a un servicio de Estados Unidos, y el AI Act y el RGPD les dan motivos para pensarlo dos veces.
Hasta ahora la respuesta era incómoda. Los modelos abiertos que se podían alojar en casa eran claramente peores, o venían de laboratorios chinos, lo que a algunos clientes tampoco les tranquiliza. Large 4 ofrece una tercera vía: un modelo grande, de un proveedor europeo, que puedes usar por API o meter en tu propia nube.
El precio también cuenta. Hace unos días contamos que GPT-6.1 Terra cuesta 1 dólar de entrada y 5 de salida por millón de tokens. Large 4 se queda en 0,70 y 2,10. No juegan en la misma liga en todas las tareas, pero para muchas de las que hace una pyme la diferencia de calidad no se nota y la de coste sí.
Qué significa para una pyme
Seamos realistas: casi ninguna pyme va a montar un servidor con ocho GPU para alojar este modelo. Esa máquina cuesta mucho más de lo que se ahorra en API, salvo que el volumen sea enorme y constante. Lo de los pesos abiertos interesa sobre todo por lo que permite a tus proveedores.
En la práctica vemos tres casos donde Large 4 encaja bien:
Sectores con datos sensibles. Clínicas, despachos, asesorías o empresas de recursos humanos que quieren usar IA sobre documentos internos y necesitan poder decir, por escrito, que esos datos los procesa un proveedor europeo.
Tareas de volumen. Resumir correos, clasificar incidencias, extraer datos de documentos o atender consultas en varios idiomas. Ahí un modelo correcto y barato gana a uno brillante y caro.
Reducir dependencia. Si toda tu automatización depende de un único proveedor, cualquier subida de precio o cambio de condiciones te afecta de lleno. Tener un segundo modelo probado es un seguro barato.
Donde no lo pondríamos todavía es en agentes complejos que programan o toman decisiones encadenadas. Para eso los modelos punteros siguen rindiendo claramente mejor, y las cifras de arriba lo confirman.
Qué haría yo esta semana
Primero, separa tus tareas por sensibilidad. Haz una lista de lo que ya hace la IA en tu empresa, o de lo que te gustaría que hiciera, y marca qué partes tocan datos personales o confidenciales.
Segundo, prueba Large 4 en una de esas tareas. Coge veinte o treinta casos reales y compáralo con lo que usas hoy: calidad de la respuesta, tiempo y coste. Si trabajas con herramientas como n8n o Make, cambiar de modelo suele ser cuestión de minutos, y ya explicamos cómo elegir entre ellas.
Tercero, pregunta a tus proveedores. Si tu CRM, tu chatbot o tu software de gestión usan IA, pregúntales qué modelo hay detrás y dónde se procesan los datos. Con Large 4 en el mercado, "no hay alternativa europea" ya no es una respuesta válida.
Cuarto, no migres todo de golpe. Lo sensato es un enfoque mixto: el modelo europeo para lo sensible y lo repetitivo, y uno puntero solo donde la calidad lo justifique.
Decidir qué modelo va en cada sitio, y con qué condiciones de datos, es justo el trabajo que hacemos como CTO externo.
Si quieres que lo miremos contigo
Diseñamos agentes y automatizaciones con IA para pymes eligiendo el modelo que encaja en cada tarea, no el que está de moda. También desarrollamos software a medida cuando hace falta integrar la IA con vuestros sistemas.
Agenda una reunión de treinta minutos. Revisamos contigo qué datos maneja tu empresa, qué tareas podrían pasar a un modelo europeo como Large 4 y cuánto te ahorrarías. Sin compromiso.
Fuentes
Este artículo se apoya en las siguientes publicaciones, consultadas el 2 de noviembre de 2026:
Preguntas frecuentes
Es un modelo de inteligencia artificial de la empresa francesa Mistral AI, publicado el 29 de octubre de 2026. Tiene un billón de parámetros, de los que usa unos 52.000 millones en cada paso, acepta texto e imágenes y se entrenó desde cero en infraestructura europea.
En la API de Mistral cuesta 0,70 dólares por millón de tokens de entrada, 0,07 dólares si la entrada está en caché y 2,10 dólares por millón de tokens de salida. Los pesos se pueden descargar gratis, pero alojarlo uno mismo exige servidores con varias GPU de gama alta.
Sí, la licencia MIT modificada permite usarlo, adaptarlo e integrarlo en productos propios. Solo necesitas una licencia comercial aparte si tu negocio consiste en vender el propio modelo como servicio a terceros.
No en todo. En el índice de agentes de programación de Artificial Analysis obtiene un 48 %, frente al 62 % de Claude Opus 5.5. Para tareas de volumen como resumir, clasificar o extraer datos suele ser suficiente y más barato; para agentes complejos los modelos punteros siguen rindiendo mejor.
Puede ayudar, porque permite trabajar con un proveedor europeo o alojar el modelo en tu propia nube. Pero el modelo por sí solo no garantiza el cumplimiento: sigues necesitando un contrato de encargo de tratamiento, saber dónde se procesan los datos y aplicar las medidas que exige la normativa.
En la práctica, no. La versión estándar necesita ocho GPU de NVIDIA de última generación y la comprimida, cuatro. Para una pyme lo razonable es usarlo por API o a través de un proveedor de nube europeo.