Mistral AI · modelo de lenguaje
Mixtral 8x22B Instruct: precio, contexto y benchmarks
Mixtral 8x22B Instruct es el modelo de Mistral AI lanzado el 17 de abril de 2024. Cuesta 2 US$ por millón de tokens de entrada y 6 US$ de salida, con un contexto de 65,5 mil tokens. Por ahora no hay ninguna puntuación independiente publicada.
Lo que hay que saber de Mixtral 8x22B Instruct
Mistral AI, con sede en Francia, puso Mixtral 8x22B Instruct en línea el 17 de abril de 2024. Acepta texto y archivos como entrada y produce texto. Su ventana de contexto alcanza 65.536 tokens, más que el 12 % de los modelos del registro, y puede escribir hasta 52.428 tokens de una vez.
Lanzado hace más de 2 años, pertenece a una generación ya superada por modelos más recientes de casi todos los editores.
Precio de Mixtral 8x22B Instruct
En OpenRouter, Mixtral 8x22B Instruct 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 Mixtral 8x22B Instruct. Por eso no mostramos ninguna nota de rendimiento inventada: solo el precio, el contexto y las funciones cuentan en su nota.
Funciones, privacidad y uso local
- Admite la llamada a herramientas: puede manejar un agente IA, llamar a API o a servidores MCP.
- Puede responder en un formato JSON impuesto (salidas estructuradas).
- Sus conocimientos llegan hasta enero de 2024.
Sus pesos son abiertos y se pueden descargar en Hugging Face: puede ejecutarlo en sus propias máquinas sin enviar sus datos a terceros.
Otros modelos de Mistral AI
| Modelo | Lanzamiento | Precio medio | ECI |
|---|---|---|---|
| Mistral Large 4 | 6 oct 2026 | 2,07 US$ | 150 |
| Mistral Medium 3.5 | 30 abr 2026 | 3 US$ | 141,4 |
| Mistral Small 4 | 16 mar 2026 | 0,26 US$ | — |
| Devstral 2 2512 | 9 dic 2025 | 0,8 US$ | — |
| Ministral 3 14B 2512 | 2 dic 2025 | 0,2 US$ | — |
| Ministral 3 8B 2512 | 2 dic 2025 | 0,15 US$ | — |
| Ministral 3 3B 2512 | 2 dic 2025 | 0,1 US$ | — |
| Mistral Large 3 2512 | 1 dic 2025 | 0,75 US$ | — |
Veredicto
Nota calculada: 35/100, a partir de datos públicos (rendimiento, precio, contexto, funciones).
Puntos fuertes
- Pesos abiertos: autoalojable, sus datos se quedan con usted.
- 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.
Alternativas
- Nano Banana 2.13 US$
- Magnum v4 72B3,13 US$
- GPT-3.5 Turbo 16k3,25 US$
- Sonar Reasoning Pro3,5 US$
- Sonar Deep Research3,5 US$
- Nano Banana Pro (Gemini 3 Pro Image Preview)4,5 US$
Comparativas y herramientas
Entender
Preguntas frecuentes
¿Cuánto cuesta Mixtral 8x22B Instruct?
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 Mixtral 8x22B Instruct?
65.536 tokens, unas 49.000 palabras, con un máximo de 52.428 tokens de salida.
¿Se puede usar Mixtral 8x22B Instruct en local?
Sí, sus pesos están publicados.
¿Sirve Mixtral 8x22B Instruct para un agente IA?
Técnicamente sí: admite llamada a herramientas y salidas estructuradas. Compruebe después su coste para su volumen.
¿Qué alternativas hay a Mixtral 8x22B Instruct?
Los modelos más cercanos en precio y rendimiento son Nano Banana 2.1, Magnum v4 72B y GPT-3.5 Turbo 16k.
Artículos relacionados
- Mistral AI: modelos, precios y agentes25 de octubre de 2026
- Benchmark LLM: cómo interpretar las clasificaciones de modelos24 de octubre de 2026
- Ejecutar un LLM en local: hardware, software y límites24 de octubre de 2026
- ¿Modelos de código abierto o cerrados para sus agentes?5 de octubre de 2026
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