Mistral Large 4, lanzado como vista previa pública en octubre de 2026, es un modelo de IA de pesos abiertos con 1 billón de parámetros totales y decenas de miles de millones de parámetros activos, entrenado desde cero en 3 800 GPUs NVIDIA Grace Blackwell en los propios centros de datos europeos de Mistral【support-2】. El modelo enfatiza la soberanía de la IA europea al ser desarrollado y operado dentro de Europa, con el objetivo de brindar a los clientes control sobre su IA mientras cumple con las regulaciones regionales.

En el benchmark especializado de análisis de datos de Plotly, Mistral Large 4 demostró un salto generacional sobre su predecesor Mistral Medium 3.5【primary】. El costo por ejecución completa del examen cayó de $20.51 a solo $1.94 —una reducción de 10×— mientras que el porcentaje de respuestas correctas aumentó del 58 % (una calificación F) al 74 % (una calificación C). El examen utiliza un conjunto de datos simulado realista de turbinas eólicas con 20 M de filas en 44 tablas, que prueba análisis multietapa como la detección de rachas, joins punto a punto en el tiempo y la identificación de problemas de calidad de datos.

Gráfico de líneas que muestra las tareas aprobadas frente al costo para varios modelos en el benchmark de análisis de datos de Plotly, resaltando la posición de Mistral Large 4
Comparación del rendimiento y el costo de los modelos en el benchmark de Plotly, con Mistral Large 4 mostrando un alto número de tareas aprobadas a bajo costoplotly.com

Esta imagen respalda el afirmación del artículo de que Mistral Large 4 ofrece una alternativa rentable, situándolo en el mismo rango que modelos como GPT‑6.1 Sol y Qwen 3.8 27B.

Gráfico de barras que muestra que Mistral Large 4 logra un 74 % de respuestas correctas a un costo de $1.94, en comparación con Mistral Medium 3.5 que tiene un 58 % de respuestas correctas a un costo de $20.51 en el benchmark de análisis de datos de Plotly
Mejora de precisión y reducción de costo de Mistral Large 4 en el benchmark de Plotly frente a su predecesorplotly.com

Esta imagen ilustra el salto generacional en rendimiento y eficiencia de costo descrito en el segundo párrafo del artículo, donde la puntuación de Mistral Large 4 en el examen pasó del 58 % al 74 % mientras el costo se redujo diez veces.

A pesar de estas mejoras, Mistral Large 4 aún muestra debilidades notables en el mismo benchmark【primary】. Ocasionalmente informa sumas como promedios, confía en los conteos de filas sin detectar datos duplicados y afirma cobertura total cuando existen brechas significativas —errores que podrían conducir a conclusiones empresariales erróneas. Su rendimiento en preguntas ambiguas disminuyó ligeramente de 4/5 a 3/5 correctas, y aunque se queda detrás de los modelos más precisos en precisión absoluta, su eficiencia de costo lo sitúa en el mismo rango que modelos como OpenAI GPT‑6.1 Sol ($2.61 por ejecución) y Qwen 3.8 27B ($1.71 por ejecución).