FRENES

Mistral AI · modelo de lenguaje

Mistral Large 2407: precio, contexto y benchmarks

Mistral Large 2407 es un modelo de lenguaje de Mistral AI lanzado el 19 de noviembre de 2024. Cuesta 2 US$ por millón de tokens de entrada y 6 US$ de salida, con un contexto de 131,1 mil tokens. Por ahora no hay ninguna puntuación independiente publicada.

Nota
32/100
Precio 7/30
Contexto 4/15
Funciones 8/15
Coste altoLlamada a herramientas

Lo que hay que saber de Mistral Large 2407

Mistral Large 2407 fue publicado por Mistral AI (Francia) el 19 de noviembre de 2024. Acepta texto y archivos como entrada y produce texto. Su ventana de contexto alcanza 131.072 tokens, más que el 29 % de los modelos del registro, y puede escribir hasta 104.857 tokens de una vez.

Lanzado hace más de 1 año, pertenece a una generación ya superada por modelos más recientes de casi todos los editores.

Precio de Mistral Large 2407

En OpenRouter, Mistral Large 2407 cuesta 2 US$ por millón de tokens de entrada y 6 US$ de salida. Contando tres tokens leídos por cada token escrito, su precio medio es de 3 US$ por millón, más caro que el 77 % de los modelos de pago (3,9 veces la mediana de 0,76 US$).

Un ejemplo concreto: una tarea que envía 2.000 tokens (unas 1.500 palabras) y recibe 500 tokens de respuesta cuesta 0,007 US$. Con 1.000 tareas al día, cuente 210 US$ al mes. La calculadora de precios rehace este cálculo con sus propios volúmenes.

Los tokens ya enviados y en caché se facturan a 0,2 US$ por millón.

Rendimiento y benchmarks

Epoch AI aún no publica un índice de capacidades para Mistral Large 2407. Por eso no mostramos ninguna nota de rendimiento inventada: solo el precio, el contexto y las funciones cuentan en su nota.

Puntuaciones publicadas por Epoch AI en los benchmarks que sigue el sitio:

Fuente: Epoch AI, Benchmarking Hub (CC BY 4.0).
BenchmarkQué mideScoreFecha
GPQA Diamondpreguntas de ciencias de nivel doctorado49 %24 jul 2024
OTIS Mock AIMEproblemas de competición de matemáticas8,5 %24 jul 2024

Funciones, privacidad y uso local

Sus pesos no se publican: solo se puede usar a través de la API de Mistral AI o de un intermediario como OpenRouter, lo que implica enviar sus datos fuera de sus máquinas.

Otros modelos de Mistral AI

Precio medio por millón de tokens (3 de entrada por 1 de salida).
ModeloLanzamientoPrecio medioECI
Mistral Large 46 oct 20262,07 US$150
Mistral Medium 3.530 abr 20263 US$141,4
Mistral Small 416 mar 20260,26 US$—
Devstral 2 25129 dic 20250,8 US$—
Ministral 3 14B 25122 dic 20250,2 US$—
Ministral 3 8B 25122 dic 20250,15 US$—
Ministral 3 3B 25122 dic 20250,1 US$—
Mistral Large 3 25121 dic 20250,75 US$—

Veredicto

Mistral Large 2407 obtiene 32/100 según nuestra tabla, que solo usa cifras publicadas.

Puntos fuertes

  • Listo para agentes: llamada a herramientas y salidas JSON estructuradas.

Limitaciones

  • Ninguna puntuación independiente publicada: rendimiento no verificable.
  • Generación antigua, a menudo sustituida por un modelo más reciente del mismo editor.

Evítelo si…

  • procesa grandes volúmenes con un presupuesto ajustado;
  • sus datos no deben salir de sus servidores.

Preguntas frecuentes

¿Cuánto cuesta Mistral Large 2407?

2 US$ por millón de tokens de entrada y 6 US$ de salida en OpenRouter (dato del 25 de octubre de 2026). Una tarea de 2.000 tokens leídos y 500 escritos cuesta 0,007 US$.

¿Qué tamaño tiene el contexto de Mistral Large 2407?

131.072 tokens, unas 98.000 palabras, con un máximo de 104.857 tokens de salida.

¿Se puede usar Mistral Large 2407 en local?

No, Mistral AI no publica sus pesos: solo se usa por API.

¿Sirve Mistral Large 2407 para un agente IA?

Técnicamente sí: admite llamada a herramientas y salidas estructuradas. Compruebe después su coste para su volumen.

¿Qué alternativas hay a Mistral Large 2407?

Los modelos más cercanos en precio y rendimiento son Aion-3.0, o3 y Claude Haiku 4.5.

Artículos relacionados

Neutralidad. Ningún enlace de afiliación. Ningún editor paga por ser evaluado, puntuado o clasificado. Las evaluaciones las dirige François Chollet, neutrales y factuales, y cada dato está fechado y con su fuente. Cómo puntuamos