Mistral Large 4 llega a Vercel AI Gateway: 1.05T parámetros

Mistral Large 4 ya se invoca desde el AI Gateway de Vercel

Vercel incorporó a Mistral Large 4 —apodado Le Chonk— a su AI Gateway, lo que permite a cualquier desarrollador acceder al modelo con una sola API key y sin abrir una cuenta separada en Mistral. El anuncio coincide con la puesta en preview pública del modelo el 6 de octubre de 2026, según la documentación oficial de Mistral recogida por Unite.ai.

El modelo se identifica como mistral/mistral-large-4 y se puede consumir desde el AI SDK de Vercel, la API compatible con OpenAI Chat Completions, la Responses API y la API Anthropic Messages. También se puede seleccionar directamente desde coding agents conectados al gateway ejecutando npx vercel ai-gateway setup.

Para un founder hispano, lo importante es entender que esta integración baja la barrera de entrada al modelo europeo multimodal más grande hasta la fecha y lo hace interoperable con el resto del stack que probablemente ya corre sobre Vercel.

Qué hay debajo de Mistral Large 4

Según la documentación de Mistral publicada el 6 de octubre de 2026, Mistral Large 4 es un modelo de arquitectura Mixture-of-Experts (MoE) con 1.05 billones de parámetros totales y 49 mil millones activos, además de un encoder de visión de 1.600 millones de parámetros y una ventana de contexto de un millón de tokens. Mistral lo describe como nativamente multimodal y fluido en más de 160 idiomas, con capacidades de razonamiento, entendimiento de imágenes y operación agentic dentro de un mismo sistema.

El modelo se entrenó y se sirve end-to-end en Europa, lo que Mistral presenta como ventaja regulatoria para sectores con exigencias fuertes de residencia de datos: finanzas, defensa, manufactura y salud.

Los pesos abiertos (open weights) están programados para fin de octubre de 2026, según Mistral. Hasta entonces, el acceso es vía API en Mistral Cloud o, desde esta semana, también a través del AI Gateway de Vercel.

Qué dice el benchmark (y qué no)

Mistral afirma que, en benchmarks agregados, Mistral Large 4 es el mejor modelo open weights de Estados Unidos o Europa. Los números más citados —reportados por TheRundownAI y replicados por Blockchain News— son:

• 61.7% en DeepSWE, el benchmark de coding real de ValsAI, frente a 44.4% de modelos competidores recientes.
• Top 5 global en ciberseguridad según el índice de Artificial Analysis.
• Casi 3x el rendimiento de GPT-6 Astra en tareas legales medidas con el benchmark Harvey.
• Ventaja específica en visual grounding (anclaje visual) frente a modelos cerrados.

Conviene leer estas cifras con la lupa que merecen: son claims de Mistral y de socios como ValsAI y Artificial Analysis, no comparativas independientes. Aun así, el delta en DeepSWE (61.7% vs 44.4%) es lo bastante grande como para que un founder lo tome en serio antes de elegir proveedor para una feature de generación o reparación de código.

Cuánto cuesta invocarlo

La página de precios de Mistral, también fechada el 6 de octubre de 2026, lista:

• US$0.68 por millón de tokens de input
• US$0.07 por millón de tokens de input cacheados
• US$2.09 por millón de tokens de output

Cuando el modelo pase por el AI Gateway de Vercel, se aplican los precios de Mistral más posibles recargos o un ahorro según el plan de Vercel; la pasarela no cambia el coste base del modelo, pero sí permite consolidar facturación, retries, failover y observabilidad en un solo lugar.

Por qué importa que Vercel lo sume a su Gateway

El AI Gateway de Vercel es la pieza de infraestructura que permite a un equipo llamar a múltiples modelos (OpenAI, Anthropic, Google, Mistral, open weights) con una única API. Los datos de tráfico que Crypto Briefing extrajo de las estadísticas públicas de Vercel cuentan la mitad de la historia:

• Los modelos open weights pasaron del 11% al 56% del volumen de tokens del Gateway entre abril y agosto de 2026 —un salto de cinco veces en cuatro meses—.
• DeepSeek ronda el 25% del share de tokens y compite cabeza a cabeza con Anthropic en volumen.
• Anthropic, en cambio, captura entre el 61% y el 65% del gasto con apenas el 30% de los tokens, porque cobra premiums de hasta 4.4x sobre el precio medio por token.
• El precio medio por token cayó 23.2% en agosto de 2026, tercer mes consecutivo de caída, y más del 50% en cinco meses.

Sumar Mistral Large 4 al Gateway refuerza exactamente la curva que muestra esa foto: más capacidad multimodal open/abierta a precios de commodity, mientras los modelos cerrados se reservan los workloads de mayor valor. Para una startup, eso significa que la pregunta ya no es "¿puedo costear GPT-4?" sino "¿qué modelo elijo para cada parte del pipeline, y cómo cambio sin reescribir nada?".

¿Qué significa esto para tu startup?

1. Replantea tu mix de modelos por tarea, no por proveedor. Si hoy usas un solo modelo cerrado para todo, el Gateway de Vercel te permite enrutar —sin código nuevo— el OCR de facturas y la inspección visual de defectos a Mistral Large 4, y dejar el razonamiento complejo o la generación de código crítica para Anthropic o GPT. Estás optimizando coste por workload, no por marca.

2. Empieza a diseñar para portabilidad desde el día uno. Si tu capa de IA es un wrapper directo a openai.chat.completions.create, moverte a otro modelo hoy cuesta semanas. Si la capa es el AI Gateway, cuesta minutos y un cambio de string. Para founders que estánquemando runway en features de IA, esa diferencia se nota en la próxima ronda.

3. Evalúa Mistral Large 4 en código antes de fin de mes. El benchmark de 61.7% en DeepSWE sugiere que podría ser competitivo para agentes de coding y refactor. Cuando salgan los pesos abiertos a fin de octubre, podrás self-hostearlo on-prem y eliminar la dependencia de un proveedor estadounidense para cargas sensibles —algo relevante si trabajas con clientes europeos regulados—.

Fuentes

• Mistral Large 4 now available on AI Gateway — Vercel Changelog (fuente original)
• Mistral Unveils 1.05T-Parameter 'Le Chonk' MoE Model in Public Preview — Unite.ai
• Mistral Large 4 crushes benchmarks — Blockchain News
• Vercel AI Gateway shows open models dominating token volume over closed ones — Crypto Briefing