Inicio›Modelos›mistral-large-4

Ficha de modelo

mistral-large-4

Arquitectura mezcla de expertos72 CapasLicencia mistral-ecosystem-open-weightContexto máximo 1.024kVocabulario 204.800

Fotograma del vídeo de presentación de Mistral Large 4: un «4» gigante de píxeles naranjas en una sala de museo y el gato de «Le Chonk» de espaldas
Fotograma del vídeo de presentación de Mistral Large 4: un «4» gigante de píxeles naranjas en una sala de museo y el gato de «Le Chonk» de espaldas Fotograma del vídeo oficial · Mistral AI

Ver el vídeo

En Q4_K_M es un fichero de 591,21 GiB y no entra en ninguno de los 18 equipos que medimos a 8k tokens. De esos 18, solo el Mac Studio con M5 Ultra y 512 GB puede con él, bajando a 2 o 3 bits: con el Q2_K de 354,56 GiB llega, según nuestras cuentas, a su contexto entero, 1024k.

De un vistazo
Tamaño en Q4_K_M591,21 GiB
Memoria de contexto a 8k0,98 GiB
Cabe en0 / 18
Coste del alemán×1,24
591,21 GiB

Tamaño del modelo en Q4_K_M

Medido por Local AI Scope

0,98 GiB

Memoria de contexto a 8k tokens

Medido por Local AI Scope

×1,24

Lo que cuesta el alemán frente al inglés

Medido por Local AI Scope

Vídeos

Vídeos: mistral-large-4 1

Los vídeos oficiales que nos han parecido más útiles. Pulsa y se abre aquí mismo.

Los vídeos están en YouTube y no se carga nada de allí hasta que pulsas (modo sin cookies). La miniatura la servimos nosotros.

Tamaños

Tamaños de los ficheros publicados

Son los tamaños de los ficheros que publica su autor, sumados cuando el modelo viene partido en trozos. No es una estimación a partir del número de parámetros.

Tamaño del fichero publicado para cada compresión
Compresión Tamaño del modelo
Q8_0 1.038,57 GiB
Q4_K_M 591,21 GiB

Este modelo también lee imágenes. Para eso necesita un segundo fichero, el proyector de visión (mmproj-F16.gguf, 3,17 GiB), que se publica junto al modelo y no está sumado en las cifras de esta página: cuentan solo el texto. Si vas a pasarle imágenes, añádelo al tamaño del modelo.

Contexto

Memoria de contexto

Calculada con el patrón de atención que este modelo declara capa a capa, no con la fórmula genérica. Por eso la cifra suele ser bastante menor que la que dan otras calculadoras. Este modelo guarda la memoria de contexto comprimida (atención latente): por cada capa y token, un vector de 512 valores en lugar de sus 64 cabezas de 64. La contamos como una cabeza de 512 para la clave y otra para el valor, que es algo más de lo que ocupa de verdad (un mismo latente sirve para las dos), así que estas cifras pecan por arriba, nunca por abajo.

  • 8k tokens → 0,98 GiB
  • 32k tokens → 3,94 GiB
  • 128k tokens → 15,75 GiB
Idiomas

Lo que cuesta en cada idioma

Medido ejecutando el tokenizador de este modelo sobre el mismo contenido en cuatro idiomas. Los tokens son lo que se paga en contexto, en memoria y en la factura de la nube.

Coste en tokens por tipo de texto y por idioma, con el inglés de referencia
Tipo de texto EN ES FR DE
Código — ×1,18 ×1,27 ×1,37
Contratos — ×1,10 ×1,15 ×1,19
Correo de empresa — ×1,11 ×1,17 ×1,13
Tickets de soporte — ×1,17 ×1,31 ×1,25

El inglés es la referencia: cada cifra es cuántas veces más tokens cuesta el mismo contenido en ese idioma. Media sobre todo el corpus: DE ×1,24.

Equipos

Dónde cabe

Que quepa significa que caben el modelo, su memoria de contexto y el margen de trabajo al contexto indicado, dejándole al sistema lo suyo. 0 de los 18 equipos probados (Q4_K_M, 8k tokens).

Los 18 equipos probados, con la memoria que deja cada uno y el mayor contexto que este modelo aguanta en él
Equipo Cabe Memoria libre Mayor contexto que cabe
PC con RTX 4060 8 GB no 7,20 GiB —
PC con RTX 3060 12 GB no 11,20 GiB —
PC con RTX 4070 12 GB no 11,20 GiB —
Mac con M4 y 16 GB unificados no 13,00 GiB —
Portátil de oficina, solo CPU y 16 GB no 13,00 GiB —
Mac mini con M6 y 16 GB unificados no 13,00 GiB —
Mac con M4 Pro y 24 GB no 21,00 GiB —
Estación con RTX 4090 24 GB no 23,20 GiB —
Mini-PC con NPU y 32 GB LPDDR5X no 29,00 GiB —
Mac mini con M6 y 32 GB unificados no 29,00 GiB —
Servidor con 2× RTX 3090 (48 GB) no 47,20 GiB —
Mac con M4 Max y 64 GB no 61,00 GiB —
Mac mini con M5 Pro y 64 GB unificados no 61,00 GiB —
Xiaomi AI Cube, 80 GB — prototipo de ingeniería no 77,00 GiB —
PC con Ryzen AI Max+ 395 y 128 GB unificados no 96,00 GiB —
Mac Studio con M5 Max y 128 GB unificados no 125,00 GiB —
PC con Ryzen AI Max+ PRO 495 y 192 GB unificados no 160,00 GiB —
Mac Studio con M5 Ultra y 512 GB unificados no 509,00 GiB —

Ninguno de los equipos que medimos admite este modelo en la compresión de referencia, ni siquiera con el contexto más bajo.

Antes de darle a descargar: a 3 de noviembre de 2026, Mistral llama a este modelo «Le Chonk» (algo así como «el gordito») y no exagera: con 591,21 GiB en Q4_K_M no entra en ninguno de nuestros equipos. En nuestra lista, la única forma de moverlo es bajar a 2 o 3 bits en el Mac Studio con M5 Ultra y 512 GB. Según nuestras cuentas, ahí caben el Q2_K de ggml-org (354,56 GiB) con su contexto entero, 1024k; el UD-IQ3_XXS de unsloth (394,43 GiB), hasta 512k, y su UD-Q3_K_XL (458,91 GiB), hasta 256k. Nuestro catálogo no recoge esos ficheros de 2 y 3 bits, así que el buscador de modelos no los propone. Para abrirlo necesitas llama.cpp v0.9.0, su estable del 4 de noviembre de 2026, o cualquier compilación diaria desde la b11998 (del 30 de octubre de 2026). Ollama lo ofrece solo en su nube (mistral-large-4:cloud), y LM Studio aún no tiene página del modelo. mlx-lm no lo abre en su última versión, la 0.32.2: las versiones MLX de mlx-community se prepararon con un cambio que todavía no se ha publicado; la de 3 bits pesa 427,71 GiB (solo texto) y la de 4 bits (549,86 GiB), según sus propios autores, no cabe en un solo Mac de 512 GB. vLLM lo sirve con su imagen oficial de Docker, con una etiqueta propia para este modelo; la receta de Mistral usa 8 tarjetas gráficas y su versión estable lo trae desde la 0.34.0, publicada el 16 de noviembre de 2026. La tabla cuenta solo el texto: para pasarle imágenes se suma el proyector de visión (3,17 GiB). Y la licencia, la Mistral Ecosystem Open-Weight License, es una MIT modificada: para usarlo en casa o dentro de tu empresa no cambia nada, pero si tu empresa (o una de su grupo) vende a terceros acceso al modelo como servicio (por una API, por ejemplo), Mistral exige antes una licencia comercial aparte.