La arena · análisis de modelo de IA
Mistral Large 3
de Mistral AI
Buque insignia MoE de 675B con pesos abiertos (41B activos), contexto de 256K, entrada de visión y precio de $0.50/$1.50 por millón.
$1.50/1M out
Nivel único de API en La Plateforme ($0.50 de entrada / $1.50 de salida por millón de tokens), con un 50 % de descuento vía la API por lotes; los pesos Apache 2.0 permiten el autoalojamiento gratuito, y los precios de los proveedores externos pueden variar.
Mistral AI
256K tokens
$0.50/1M in
$1.50/1M out
text, vision (image input), text output
Sí
¿Qué es Mistral Large 3?
Buque insignia de pesos abiertos de Mistral AI lanzado el 2 de diciembre de 2025: un modelo de mezcla dispersa de expertos con 675B de parámetros totales y 41B activos, contexto de 256K y entrada de texto e imagen bajo Apache 2.0. Con precio de $0.50/$1.50 por millón de tokens en La Plateforme, debutó #2 entre los modelos open source sin razonamiento en LMArena.
Mistral Large 3: pros y contras
Pros
- Pesos abiertos Apache 2.0 con despliegue en un solo nodo vía cuantización FP8/NVFP4, pese a sus 675B de parámetros totales
- Ventana de contexto de 256K, en la gama alta de los modelos de pesos abiertos, muy adecuada para RAG de documentos largos
- Precio agresivo de buque insignia a $0.50 de entrada / $1.50 de salida por millón de tokens, unas 3-4x más barato que los insignias propietarios occidentales
- Debutó #2 entre los modelos open source sin razonamiento en LMArena (Elo ~1418)
- Multimodalidad nativa (codificador de visión de 2,5B de parámetros) y 40+ idiomas nativos
- Los desarrolladores en HN elogian su formato estricto, su seguimiento de instrucciones y su fiabilidad en producción
Contras
- Razonamiento profundo débil: GPQA Diamond ~44 % frente a los 70 y muchos de DeepSeek V3.2 y Kimi K2 Thinking; sin variante de razonamiento en el lanzamiento
- Por detrás de GLM-4.6, Kimi K2 y DeepSeek en benchmarks de codificación modernos (LiveCodeBench v6 mediocre); los desarrolladores de HN lo sitúan en una « categoría de peso » inferior a Gemini 3, GPT-5.1 y Claude Opus 4.5
- Propenso a alucinaciones en QA factual (SimpleQA ~24 %) con un ajuste de abstención flojo
- Velocidad de salida medida de ~49 tokens/s en Artificial Analysis, por debajo de la mediana de ~58 tokens/s de modelos comparables
- Crítica en HN de que la arquitectura calca de cerca a DeepSeek V3, sembrando dudas sobre la I+D original
El veredicto de la arena
Elija Mistral Large 3 si quiere un buque insignia de pesos abiertos y gobernanza europea para RAG multilingüe, trabajo con documentos largos o despliegues autoalojados: frente a Mistral Large 2 (denso de 123B, licencia de investigación restrictiva, API a $2/$6) es una clara mejora en contexto, multimodalidad, licencia y coste. Evítelo como motor principal de codificación o razonamiento profundo; DeepSeek V3.2, GLM-4.6 o los modelos frontera propietarios puntúan sensiblemente más alto ahí. Trátelo como un caballo de tiro barato y fiable más que como un modelo frontera.
Pulgar arriba o pulgar abajo
Dicta tu veredicto
¿Recomendarías Mistral Large 3 o pondrías en guardia a la multitud?
Mejores alternativas a Mistral Large 3
Todas las alternativasEl modelo más rápido de Anthropic: cerca del 90 % de la destreza de codificación de Sonnet 4.5 a $1/$5 por millón de tokens, contexto de 200K.
El Opus de Anthropic de abril de 2026: 87,6 % en SWE-bench Verified, contexto de 1M, visión de alta resolución, hoy por detrás de Opus 4.8
El modelo insignia de nivel Opus de Anthropic para codificación agéntica de largo alcance; contexto de 1M a $5/$25 por millón de tokens.
Compara Mistral Large 3 cara a cara
Mistral Large 3: preguntas frecuentes
¿Cuánto cuesta Mistral Large 3 por millón de tokens?
Mistral Large 3 cuesta $0.50/1M in por millón de tokens de entrada y $1.50/1M out por millón de tokens de salida. Nivel único de API en La Plateforme ($0.50 de entrada / $1.50 de salida por millón de tokens), con un 50 % de descuento vía la API por lotes; los pesos Apache 2.0 permiten el autoalojamiento gratuito, y los precios de los proveedores externos pueden variar.