Calcula el coste de un modelo MoE de pesos abiertos antes de comprometerte

Estás decidiendo si enrutar el tráfico de producción a Mistral Large 4 a través de una API o autoalojar los pesos abiertos. La compensación es aritmética: los parámetros totales determinan la memoria, los parámetros activos determinan el cómputo y los tokens por tarea determinan el gasto. Mistral AI anunció pesos abiertos para Mistral Large 4. Mistral Large 4 (High) tiene un precio de $0.70 por 1M de tokens de entrada y $2.10 por 1M de tokens de salida. El coste de la API es igual a (tokens de entrada / 1.000.000) × $0.70 + (tokens de salida / 1.000.000) × $2.10, antes de reintentos, truncamiento y revisión.

Los parámetros activos determinan la factura de servicio

Mistral Large 4 tiene 1,1 billones de parámetros totales y 52.000 millones de parámetros activos; el checkpoint publicado es un sistema de 1,05 billones de parámetros con 1 millón de tokens de contexto. La inferencia MoE (mixture-of-experts) paga por la porción activa en cada token, no por el archivo de pesos completo. El GLM 5.2 de Zhipu AI no activa su conjunto completo de 744B parámetros para cada token durante la inferencia. Esa distinción cambia el dimensionamiento de GPU, la latencia y el precio de una tarea.

Cinco líneas separan un candidato de un modelo de costes

Realiza la verificación en este orden: especificación del modelo, carga de trabajo, precio, rendimiento, licencia. Un memorando de una página con cinco filas es suficiente. Cada fila necesita un número, una fuente y un aprobado/eliminado. Si alguna fila falla, detente. Las filas restantes son un modelo de costes, no una solución.

• Cuenta los parámetros activos. Lista los parámetros activos, totales y el contexto en la ficha del modelo. Un plan de servicio que asume cómputo denso de parámetros totales sobreestima la latencia y subestima el rendimiento de tokens.
• Mide los tokens por tarea en tu carga de trabajo. Toma una mediana y p95 de tu arnés de evaluación, no de un benchmark del proveedor. Mistral Large 4 obtiene 48% en el Artificial Analysis Coding Agent Index, igualando a GLM-5.3, y usó 8,5 millones de tokens por tarea del Coding Agent Index, aproximadamente un 47% menos que los 15,9 millones de tokens por tarea de GLM-5.3. Esa eficiencia cambia la factura.
• Precia entrada y salida por separado. Parte de las tarifas de API publicadas para tu endpoint elegido, luego multiplica por tus tokens medidos, reintentos, truncamiento y revisión humana.
• Comprueba el rendimiento sostenido, no la velocidad pico de demostración. Ejecuta una prueba de carga con tu concurrencia objetivo. Mistral Large 4 (High) tiene una velocidad de salida de 161 tokens por segundo. Un objetivo de latencia p95 más estricto puede requerir más GPUs autoalojadas de las que sugiere el precio de la API.
• Confirma la compatibilidad de licencia y despliegue. El 28 de octubre de 2026, la cuenta atrás de Hugging Face de Mistral Large 4 cambió del 31 de octubre al 29 de octubre mientras los pesos y el archivo LICENSE seguían ausentes. La Mistral Ecosystem Open-Weight License exige una licencia comercial distinta antes del uso comercial si el licenciatario o una filial opera un negocio de modelo como servicio. Si esa cláusula bloquea tu producto, el modelo no es un candidato.

El coste de la tarea de benchmark publicado no captura el coste total de ejecutar el modelo internamente, adaptarlo, supervisar operaciones o revisar salidas. El checkpoint de alto razonamiento de Mistral Large 4 publicado cuesta $2.06 por tarea del Intelligence Index, una reducción del 63% respecto a los $5.54 de la vista previa.

El coste de la API es tokens por precio. El coste de autoalojamiento es GPUs amortizadas más almacenamiento más red más monitoreo más revisión humana. El precio de la API ya no está en la factura, pero la factura de servicio sigue en tu línea de infraestructura. Pon ambos caminos en la misma tabla antes de elegir.

Las puntuaciones de benchmark son cuotas de entrada, la compatibilidad de licencia es una puerta

En Terminal-Bench 4.0, un benchmark de agente de codificación por terminal, la puntuación de Mistral Large 4 pasó del 28% al 41%. Una ganancia de puntuación no reduce la factura; unos conteos de tokens más altos la aumentan. Pon el conteo de tokens junto a la puntuación del benchmark y luego compara los dos modelos en la misma tarea.

Cuando tu producto expone las salidas del modelo a los clientes, la cláusula de modelo como servicio es la primera línea a preciar. Para uso exclusivamente interno, puede no ser un problema. La misma pregunta se aplica a derivados, fine-tunes y la capa de servicio que construyas alrededor de los pesos. Un aprobado limpio es un memorando breve: el modelo, la carga de trabajo, los conteos de tokens, el precio por tarea, el resultado de rendimiento y la conclusión de licencia. Vuelve a ejecutar las cinco líneas cuando cambie el modelo o la carga de trabajo.