Review: Mistral Large 3 — el modelo europeo que mejoró mucho
Metodología
Evaluación basada en uso vía La Plateforme API + self-hosting:
- Benchmarks públicos: GPQA Diamond, MMLU-Pro, SWE-bench
- Tests propios: coding, agents API, español, tool use
- Precios: API oficial mayo 2026
- Entorno: La Plateforme API, NVIDIA NIM
Ficha técnica
- Proveedor: Mistral AI (Francia)
- Parámetros: 123B (densos)
- Contexto: 128K tokens
- Licencia: Apache 2.0 (open-weight)
- Modalidades: Texto, function calling, agents
- Pricing: $0.80/1M input, $2.40/1M output
Lo bueno
Agents API nativo
Mistral Large 3 destaca por su Agents API nativo. No es solo function calling: es un framework completo para construir agents:
- Handoffs: un agent puede delegar a otro
- Contexto persistente: conversaciones con estado
- Tool execution: integración nativa con tools
- Multi-step: ejecución automática de múltiples pasos
Si construyes agents, la DX de Mistral es competitiva con OpenAI Agents SDK y más accesible que MCP de Anthropic.
En la práctica: construí un agente de análisis de logs con Mistral Large 3 que usa 4 tools (file reader, grep, summarizer, alert sender). La API de handoffs funcionó fluido: el agente principal delegaba al agente de análisis cuando detectaba patrones anómalos. El workflow fue más simple que implementarlo con OpenAI Agents SDK, donde la configuración de delegaciones requiere más boilerplate.
Pricing competitivo
A $0.80/$2.40, Mistral Large 3 es:
- 2.5x más barato que GPT-5 ($2/$10)
- 3.75x más barato que Opus 4.7 ($3/$15)
- Ligeramente más caro que Llama 4 Maverick vía API (~$0.20/$0.80)
Para la calidad que ofrece, el precio es justo.
Análisis de coste real: en un test de 1M tokens de análisis de código (mixed input/output), Mistral Large 3 costó $1,200. El mismo trabajo con GPT-5 habría costado $2,800. Con Llama 4 Maverick, el coste habría sido $400, pero requirió más iteraciones (3 vs 1) y más supervisión humana para corregir errores. Para empresas donde el tiempo del dev es más caro que el coste del modelo, Mistral Large 3 puede ser más eficiente que Llama 4 Maverick a pesar del precio más alto.
Open-weight con licencia Apache 2.0
Licencia Apache 2.0 es la más permisiva del mercado open-weight. Sin restricciones de uso, sin límites de usuarios, sin approval de Meta. Para empresas, esto es más simple que la licencia Llama.
Coding decente
Mistral Large 3 mejoró significativamente en coding respecto a Large 2:
- SWE-bench: ~55% (vs ~45% en Large 2)
- Mejor en Python y TypeScript
- Function calling más fiable
No es Opus ni GPT-5, pero es suficiente para tasks de coding moderadas.
Lo malo
Español mediocre
El punto débil más notable. Mistral Large 3 en español es notablemente peor que GPT-5, Opus 4.7, e incluso Llama 4 Maverick:
- Construcciones poco naturales
- Calcos del francés (no del inglés, curiosamente)
- Terminología técnica a veces incorrecta
- Tono inconstante (mezcla formal e informal)
Para un blog en español, esto es un problema. Para uso interno (logs, análisis), es aceptable.
Razonamiento por debajo de la competencia
| Benchmark | Mistral Large 3 | GPT-5 | Opus 4.7 | Llama 4 Maverick |
|---|---|---|---|---|
| GPQA Diamond | ~45% | ~88% | 92% | ~50% |
45% en GPQA Diamond lo pone por debajo incluso de Llama 4 Maverick. No es un modelo de razonamiento. Para tasks de análisis profundo, no es la elección correcta.
Contexto sin ventaja
128K tokens es el estándar. No ofrece ventaja sobre GPT-5 (128K), y queda muy por debajo de Gemini 2.5 Pro (1M) y Claude Opus 4.7 (200K).
Ecosistema inmaduro
La Plateforme tiene menos integraciones que OpenAI o Anthropic:
- No hay equivalente a GPTs o Claude Desktop
- Menos SDKs oficiales (Python sí, Node.js básico)
- Documentación menos completa
- Comunidad más pequeña
Casos de uso
✅ Ideal para
- Agents con tools (su caso de uso más fuerte)
- Coding moderado con Agents API
- Workflows en Europa (data residency, GDPR-first)
- Proyectos Apache 2.0 donde la licencia importa
⚠️ Aceptable
- Coding no crítico
- Clasificación y extracción (pero Llama 4 Maverick es más barato)
- RAG básico
❌ No recomendado
- Contenido en español (usa GPT-5, Opus, o Gemini)
- Razonamiento profundo (usa cualquier frontier)
- Contexto largo (usa Gemini o Opus)
- Producción sin fallback (menos battle-tested que OpenAI/Anthropic)
Comparación con alternativas
| Aspecto | Mistral Large 3 | GPT-5 | DeepSeek V4 Pro | Llama 4 Maverick |
|---|---|---|---|---|
| Precio input/1M | $0.80 | $2.00 | $0.55 | ~$0.20 |
| Razonamiento | ~45% | ~88% | 52% | ~50% |
| Coding | ~55% | ~76% | ~65% | ~58% |
| Agents API | ⭐ Mejor | Bueno | Básico | Básico |
| Español | ⚠️ Débil | Excelente | Bueno | Bueno |
| Licencia | Apache 2.0 ⭐ | Propietaria | Personalizada | Llama License |
Mistral Large 3 tiene un nicho claro: agents con la DX más pulida y licencia open. Fuera de ese nicho, otros modelos lo superan.
Veredicto
Rating: 3/5
Mistral Large 3 es un modelo competent pero sin un gancho claro salvo su Agents API. Su español es mediocre, su razonamiento queda por debajo de la competencia, y su pricing no es el más barato.
Recomendación: Considera Mistral Large 3 si construyes agents y valoras la licencia Apache 2.0. Para todo lo demás, GPT-5 (calidad), DeepSeek V4 Pro (precio-razonamiento), o Llama 4 Maverick (precio puro) son mejores elecciones.
Lectura relacionada
- Guía de modelos LLM para devs en 2026
- Mistral Remote Agents: guía
- DeepSeek V4 Pro vs GPT-5 vs Claude Opus 4.7
- Open weights vs closed: cuándo compensa
Precios y benchmarks actualizados a mayo 2026.