Mistral: Mistral Large 4

Mistral Large 4 es un modelo de generación de texto de Mistral, listado en api14 bajo el id de modelo mistralai/mistral-large-4-0. Se sitúa en la categoría de texto y el proveedor lo describe como un modelo multimodal de frontera construido para razonamiento, programación y cargas de trabajo agénticas. Si ya trabajas con modelos Mistral, esta es la opción grande y de propósito general en esa línea.

El modelo acepta entrada de texto e imagen y devuelve texto. Su ventana de contexto es de 1.048.576 tokens, y la longitud máxima de salida es de 262.144 tokens. Esa combinación de una ventana de entrada muy grande y un presupuesto de salida amplio significa que puedes enviar documentos largos, bases de código o historiales de múltiples turnos en una sola solicitud y aún dejar espacio para una respuesta generada sustancial. La entrada de imagen se admite junto con el texto, por lo que los prompts pueden mezclar instrucciones escritas con material visual.

El enfoque declarado en razonamiento, programación y cargas de trabajo agénticas se corresponde con algunos patrones prácticos. El razonamiento de contexto largo se adapta a tareas en las que el modelo tiene que mantener un gran volumen de material a la vista a la vez, como revisar un repositorio, resumir o consultar documentación extensa, o trabajar en un análisis de varios pasos sin fragmentación. Las tareas de programación se benefician tanto del tamaño del contexto como del presupuesto de salida, ya que el código generado y las explicaciones pueden ser largos. El uso agéntico se deriva del soporte de herramientas: se pueden proporcionar herramientas al modelo y una política de elección de herramientas, que es lo que necesitas para flujos de trabajo en los que el modelo decide cuándo llamar a una función externa. La entrada de imagen extiende esto a prompts que incluyen capturas de pantalla, diagramas o páginas escaneadas.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo mistralai/mistral-large-4-0, por lo que las bibliotecas cliente de OpenAI existentes funcionan con un cambio de URL base y nombre de modelo. Los parámetros de solicitud admitidos son frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_logprobs y top_p. En la práctica, eso cubre controles de muestreo (temperature, top_p, penalizaciones de frecuencia y presencia, seed, stop), longitud de salida (max_tokens), respuestas estructuradas (response_format y structured_outputs), inspección a nivel de token (logprobs y top_logprobs) y uso de herramientas (tools y tool_choice). Los parámetros relacionados con el razonamiento (reasoning, reasoning_effort, include_reasoning) te permiten controlar y exponer el comportamiento de razonamiento del modelo donde lo necesites.

No hay restricciones declaradas en los hechos anteriores más allá de la división de modalidades: la entrada puede ser texto o imagen, pero la salida es solo texto, por lo que este no es un modelo para generar imágenes. El contexto de 1M de tokens y el techo de salida de 262.144 tokens son grandes, pero si tu carga de trabajo consiste en prompts cortos con restricciones estrictas de latencia o coste, un modelo más pequeño puede encajar mejor. Para razonamiento de contexto largo, programación y flujos agénticos impulsados por herramientas, Mistral Large 4 es la elección adecuada en esta gama.