Mistral Large 4 recorta precios en el AI Gateway de Vercel

Mistral Large 4 ya no es el mismo modelo que las startups empezaron a probar a comienzos de octubre. Vercel aplicó pesos actualizados de Mistral Large 4 en su AI Gateway y bajó el precio de los tokens de entrada, de entrada en caché y de salida. El detalle que decide si esto te toca o no: el identificador mistral/mistral-large-4 sigue siendo el mismo, así que quien ya lo tenía en producción está corriendo la versión nueva y pagando menos sin tocar una línea de código.

Según el changelog de Vercel, la actualización viene acompañada de mejoras que Mistral atribuye a los nuevos pesos: mejor desempeño en agentic coding y ciberseguridad defensiva, mayor eficiencia de tokens en tareas de código, mejor creación y edición de hojas de cálculo, mejor investigación web y más resistencia a prompt injection.

Qué cambió exactamente en el AI Gateway

El movimiento es silencioso para el desarrollador, y por eso vale la pena tenerlo claro antes de la próxima revisión de costos:

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Mismo ID, modelo nuevo. No hay migración ni cambio de SDK. El string mistral/mistral-large-4 pasa a servir el modelo con pesos actualizados.
Tres cargos más baratos: entrada, entrada en caché y salida. Vercel no publicó las tarifas nuevas en el changelog, solo confirmó la baja.
Cero fricción en agentes. Para usar el modelo en Claude Code, Codex, Cursor, Pi o fx alcanza con instalar el CLI más reciente y correr npx vercel ai-gateway setup. Después se elige el modelo dentro del agente.
Mismo contrato comercial. El gateway refleja el precio del proveedor sin markup y no cobra fee de plataforma por inferencia, tampoco en requests con Bring Your Own Key (BYOK).

En código, el cambio es una cadena de texto: si usas el AI SDK, el stream se sigue consumiendo igual que antes. Además del enrutamiento, AI Gateway ofrece seguimiento de uso y costo, reintentos, failover, soporte de Zero Data Retention, presupuestos por API key y reglas de routing.

¿Por qué Mistral recorta precios justo ahora?

Mistral AI lanzó Mistral Large 4 (ML4) a comienzos de octubre de 2026, según TechCrunch: un modelo multimodal de 1 billón de parámetros, apodado Le Chonk justamente por ese tamaño. Yahoo Finance añade que usa una arquitectura de Mixture of Experts con 49.000 millones de parámetros activos y un encoder de visión de 1.600 millones. Ese dato no es menor para tu factura: en un MoE solo se activa una fracción de la red por token, y ahí está buena parte del ahorro.

Al lanzamiento el modelo no era open-weight. Según TechCrunch, se accedía por un endpoint público con guardrails y Mistral planeaba liberar los pesos tres semanas después, una vez completadas las pruebas de seguridad. Yahoo Tech precisa que esa publicación estaba prevista para el 27 de octubre y que el entrenamiento se hizo desde cero en 4.000 GPUs NVIDIA Grace Blackwell a lo largo de dos meses, en datacenters propios en Europa, con cobertura de más de 160 idiomas.

Detrás hay una estrategia de caja. Yahoo Tech reporta que Mistral levantó una Serie D de €3.000M (unos US$3.400M) liderada por Samsung Electronics, con valoración post-money superior a €21.000M (cerca de US$24.390M), una ronda que la compañía describió como la mayor de equity jamás cerrada por una tecnológica europea. Antes había sumado US$830M en deuda para financiar un datacenter en las afueras de París, desarrolla una segunda instalación en Suecia y apunta a 200 MW de capacidad europea combinada para fines de 2027, según el mismo medio. TechCrunch recuerda que ASML lideró la Serie C y Samsung la Serie D.

En paralelo, Mistral compite contra modelos abiertos chinos que vienen presionando el piso de precios del mercado y reconoce, según Yahoo Tech, que ML4 todavía va por detrás en coding frente a otros modelos frontier. El mismo medio señala que el lanzamiento ocurrió un día después del debut del primer modelo abierto de Reflection AI, respaldada por Nvidia. Bajar el precio en un gateway con millones de llamadas es, en ese contexto, una jugada de distribución tanto como de márgenes.

Cuánto cuesta hoy servir inteligencia de frontera

Al momento del lanzamiento, Yahoo Finance reportó precios de US$0,68 por millón de tokens de entrada y US$2,09 por millón de salida, por debajo del piso de US$2/US$10 que el mismo medio atribuye a los modelos propietarios de frontera, con un promedio de US$6,03 por millón de tokens en ese segmento. La rebaja que aplica Vercel ahora corre sobre esa base, aunque el changelog no detalla el monto exacto del recorte.

El otro dato que explica por qué el AI Gateway importa: según TechCrunch, los modelos de pesos abiertos ya concentran más del 70% de los tokens procesados por el gateway de Vercel y cerca del 25% del gasto total, mientras el gasto en laboratorios frontier se multiplicó por diez. Traducción: la pelea por precio en la capa de inferencia es real y se decide en volúmenes, no en demos.

¿Qué significa esto para tu startup?

Una baja de precio en un gateway no es una noticia financiera: es una palanca operativa. Así se aprovecha sin romper nada:

Audita el gasto por tipo de tarea, no por token. Separa tus llamadas de alto volumen (clasificación, resumen, RAG, extracción) del razonamiento complejo. Con la entrada en caché más barata, los prompts largos y repetidos —system prompts, contexto de producto, políticas internas— son los que más ahorran. Mide costo por tarea terminada y compara contra el costo por token: la segunda métrica engaña.
Corre tu propio eval antes de mover producción. Los benchmarks que acompañan a ML4 son reportados por el proveedor y no están verificados por terceros, según advierte Yahoo Finance, y la propia Mistral reconoce que el modelo sigue por detrás en código frente a otros frontier (Yahoo Tech). Antes de cambiarlo en un flujo crítico, prueba con tu set de prompts y tus errores típicos, no con el leaderboard ajeno.
Aprovecha el gateway para no quedar atado a un solo proveedor. Un endpoint unificado con failover automático, límites de presupuesto por API key y reglas de routing te permite hacer A/B testing y migrar sin reescribir la app. Si cambiar de modelo cuesta una línea, tu poder de negociación sube solo.
Revisa el ángulo de seguridad si lo usas para código o agentes. La resistencia a prompt injection figura entre las mejoras anunciadas, pero eso no reemplaza tus propios controles: no le des permisos de escritura a un agente sin límites ni auditoría.

Conclusión

La noticia no es que un modelo baje de precio, sino la mecánica: pesos nuevos, tarifas más bajas y cero migración, empaquetados dentro de un gateway. Ese combo es el que empieza a definir cómo se elige un modelo en 2026 — importa menos quién gana el benchmark y más cuánto cuesta cambiarlo y medirlo.

Para un founder, la lectura práctica es simple: el ahorro está disponible hoy y no exige reescribir nada, pero tampoco es gratis. Requiere instrumentación —saber qué tarea corre en qué modelo y a qué costo— y una batería de evals propia que te permita decidir con datos propios cuando el próximo modelo aparezca. Las startups que tengan ese sistema instalado van a capturar la baja de precios; las que no, solo van a leer el anuncio.