API de Mistral Large 4: uso con el SDK de OpenAI y precio

Respuesta corta: cambia el id del modelo, no la solicitud

LLMTR (llmtr.com) es una pasarela que da acceso a modelos de lenguaje alojados en Turquía y en proveedores globales a través de una única API compatible con OpenAI. Allí se llama a Mistral Large 4 con el id de modelo mistral/mistral-large-4, en el endpoint /v1/chat/completions de https://llmtr.com/v1.

Mistral describe Large 4 como un modelo de pesos abiertos que reúne seguimiento de instrucciones, razonamiento y trabajo de agentes con herramientas, con entrada de texto e imagen. Según el anuncio, es una mezcla de expertos (MoE) de 1 billón de parámetros, 52.000 millones de ellos activos, y se ofrece como public preview. En LLMTR la ventana de contexto es de 524.288 tokens y una respuesta puede llevar hasta 262.144 tokens de salida.

• Mistral, Mistral Large 4 announcement · 2026-10-10

Cómo usar la API de Mistral Large 4 con el SDK de OpenAI

Crea una clave de API en LLMTR, pon https://llmtr.com/v1 como base_url del cliente de OpenAI e indica mistral/mistral-large-4 como modelo. El ejemplo pide los casos límite que una función no contempla. La respuesta llega en content, el razonamiento del modelo en reasoning_content y el recuento de tokens en usage.

Por defecto, el modelo razona antes de responder. El razonamiento cuenta en completion_tokens, se factura como salida y consume max_tokens junto con la respuesta: deja unos miles de tokens de presupuesto aunque esperes una respuesta corta. Una respuesta con finish_reason igual a length está incompleta: sube max_tokens o desactiva el razonamiento.

Llamada a mistral/mistral-large-4 con el SDK de OpenAI para Python que imprime por separado la respuesta, el razonamiento y el uso de tokens.

from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key="llmtr-your_key")

response = client.chat.completions.create(
    model="mistral/mistral-large-4",
    messages=[{"role": "user", "content": "Review this function and list the edge cases it misses."}],
    max_tokens=4096,
)
message = response.choices[0].message
print(message.content)
print(getattr(message, "reasoning_content", None))
print(response.usage)

Precio de Mistral Large 4 antes y después del 20 de octubre de 2026

En LLMTR el modelo tiene dos tarifas con fecha y el cambio es automático: rige la tarifa vigente al procesar la solicitud. Hasta el 20 de octubre de 2026 a las 00:00 UTC (03:00, hora de Turquía), 1M de tokens cuesta 0,68 $ de entrada, 0,07 $ de entrada leída de caché y 2,09 $ de salida. Desde ese momento rige el precio de lista: 1,36 $, 0,14 $ y 4,18 $. El changelog de Mistral del 6 de octubre de 2026 anunció el precio de lanzamiento como un 50 % de descuento durante dos semanas.

Un ejemplo: un prompt de 20.000 tokens, de los que 15.000 se leen de caché, y una respuesta de 3.000 tokens con el razonamiento incluido. Con la tarifa de lanzamiento son (5.000 x 0,68 $ + 15.000 x 0,07 $ + 3.000 x 2,09 $) / 1M = 0,01072 $; con la tarifa de lista, la misma solicitud cuesta 0,02144 $. No se añade margen al precio de este modelo; la comisión de plataforma del 8 % de LLMTR solo se cobra al recargar crédito.

• Mistral, API pricing · 2026-10-10
• Mistral, changelog (6 October 2026) · 2026-10-10

Niveles de razonamiento: solo none y high

Mistral Large 4 acepta dos niveles. none desactiva el razonamiento y sirve para clasificación, conversión de formato y respuestas cortas, con menos tokens de salida. high es para problemas difíciles y análisis de varios pasos. El nivel se envía de tres formas: el campo reasoning_effort, un sufijo en el id del modelo (mistral/mistral-large-4:none o mistral/mistral-large-4:high) o un objeto reasoning ({"effort": "none"}).

Los niveles minimal, low, medium, xhigh y max devuelven 400 invalid_request, y el mensaje de error enumera los dos niveles aceptados. Enviar "reasoning": true o false también devuelve 400; para desactivar el razonamiento usa reasoning_effort: "none". include_reasoning no se aplica: el campo se elimina y se indica en llmtr_dropped_parameters de la respuesta. La solicitud de abajo desactiva el razonamiento y convierte una fecha a ISO 8601.

Solicitud curl con reasoning_effort none que pide una respuesta corta sin razonamiento.

curl https://llmtr.com/v1/chat/completions \
  -H "Authorization: Bearer $LLMTR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral/mistral-large-4",
    "reasoning_effort": "none",
    "max_tokens": 256,
    "messages": [
      {"role": "user", "content": "Convert this date to ISO 8601 and return only the date: 3 March 2026"}
    ]
  }'

Entrada de imagen, JSON Schema y caché de prompts

Las imágenes se envían como partes image_url. Mándalas como data URL en base64: una dirección https la descarga el propio proveedor y, si falla, la solicitud devuelve 400. Este modelo no admite entrada de PDF, audio ni vídeo; las partes file_url, input_audio y video_url devuelven 400 unsupported_input.

response_format acepta json_object y json_schema, y con json_schema puedes enviar strict: true. Los prefijos repetidos se guardan en caché automáticamente; los tokens leídos de caché aparecen en usage.prompt_tokens_details.cached_tokens y se facturan al precio de caché. El acierto no está garantizado, así que mantén idéntico byte a byte un prompt de sistema largo y fijo. temperature va de 0 a 1,5 (por encima, 422); no envíes seed ni user, también devuelven 422.

Empezar en LLMTR: cuenta, clave y primera solicitud

Paso 1: crea una cuenta en llmtr.com y recarga crédito prepago. Paso 2: crea una clave en Dashboard > API Keys y guárdala en una variable de entorno como LLMTR_API_KEY; solo se muestra una vez. Paso 3: en tu SDK compatible con OpenAI, pon https://llmtr.com/v1 como base_url, usa mistral/mistral-large-4 como modelo y envía la primera solicitud.

Cada solicitud se descuenta del crédito al precio del catálogo vigente cuando se procesa; la misma clave sirve para todos los modelos del catálogo.

Llamar a Mistral Large 4 a través de LLMTR

Crea una cuenta, genera una clave de API y envía la primera solicitud a https://llmtr.com/v1 con mistral/mistral-large-4.

1. Cuenta. Crea una cuenta en llmtr.com y recarga crédito prepago.
2. Clave de API. Crea una clave en Dashboard > API Keys. La clave sin procesar se muestra una sola vez; guárdala en la variable de entorno LLMTR_API_KEY.
3. Primera solicitud. En un SDK compatible con OpenAI, pon https://llmtr.com/v1 como base_url y envía la primera solicitud con mistral/mistral-large-4 como modelo.

Frequently asked questions

¿Cuánto cuesta la API de Mistral Large 4?

En LLMTR, por 1M de tokens: 0,68 $ de entrada, 0,07 $ de entrada leída de caché y 2,09 $ de salida hasta el 20 de octubre de 2026 a las 00:00 UTC; 1,36 $, 0,14 $ y 4,18 $ a partir de entonces.

¿Se puede usar Mistral Large 4 con el SDK de OpenAI?

Sí. Pon https://llmtr.com/v1 como base_url, usa tu clave de LLMTR como clave de API e indica mistral/mistral-large-4 como modelo.

¿Cómo se desactiva el razonamiento en Mistral Large 4?

Pon reasoning_effort en none o usa el id de modelo mistral/mistral-large-4:none. El modelo solo acepta los niveles none y high; los demás devuelven 400.

Artículos relacionados

• Agente con herramientas y Mistral Large 4: tool_choice y razonamiento
• ¿Mistral Large 4 o Large 3? Contexto, razonamiento y precio

• Modelo Mistral Large 4
• Documentación de Mistral Large 4
• Guía de Chat Completions