Coste, rendimiento y valor
En esta página
La economía de la IA
Elegir un modelo no depende únicamente de la calidad de las respuestas. En entornos de producción, el coste por solicitud, la velocidad de generación y la latencia tienen tanto peso como la precisión y, a menudo, determinan por sí solos el destino de un proyecto: una funcionalidad excelente que resulta demasiado cara al escalar a un millón de solicitudes no superará la primera revisión presupuestaria. Esta lección te proporciona las claves para evaluar la propuesta de valor de los modelos de Mistral y compararla con la competencia.
Cómo funciona la facturación de la API
La API de Mistral factura en función del uso, distinguiendo dos flujos. Los tokens de entrada corresponden a todo lo que envías al modelo: la instrucción, el contexto, los documentos adjuntos y el historial de la conversación. Los tokens de salida corresponden al texto generado como respuesta. Ambos se tarifican por separado, en dólares por millón de tokens, y un token representa aproximadamente tres cuartas partes de una palabra en inglés.
Un ejemplo concretará la mecánica. Envías un documento de 2.000 palabras, o unos 2.700 tokens, y el modelo produce una respuesta de 500 palabras, o unos 670 tokens. El coste de la solicitud es la suma de 2.700 tokens facturados a la tarifa de entrada más 670 tokens facturados a la tarifa de salida. De forma aislada, esta cantidad es insignificante. Sin embargo, multiplicada por varios miles de solicitudes diarias, se convierte en una partida presupuestaria que el departamento financiero te pedirá que justifiques. Este cálculo explica también por qué reducir el tamaño del contexto enviado —filtrando documentos en lugar de adjuntarlos todos— es la primera palanca disponible para recortar costes.
Comparativa de costes de Mistral
| Modelo | Nivel | Coste relativo | Velocidad | Uso típico |
|---|---|---|---|---|
| Ministral 3 (3B-8B) | Abierto | Muy bajo (autoalojado) / Bajo (API) | Muy rápido | Clasificación, tareas simples, edge |
| Mistral Small 4 | Abierto | Bajo | Rápido | Uso general, chatbot, RAG |
| Mistral Medium 3.1 | Premier | Medio | Medio | Tareas complejas, multimodal |
| Mistral Large 3 | Abierto | Alto | Lento | Máxima calidad, investigación |
| Magistral Medium 1.2 | Premier | Alto | Lento (cadena de pensamiento) | Razonamiento, matemáticas, análisis |
Los precios exactos cambian con regularidad: consulta siempre la página oficial de precios de Mistral para conocer las tarifas vigentes. Los valores anteriores indican únicamente magnitudes relativas, útiles para el razonamiento pero no para elaborar un presupuesto.
Lectura de métricas de rendimiento
El rendimiento, expresado en tokens por segundo, determina la fluidez percibida. Para un chatbot, un rendimiento de 30 a 50 tokens por segundo es suficiente: la respuesta se muestra más rápido de lo que el usuario lee. Para la autocompletación de código en un IDE, el listón sube a 100 tokens por segundo y más, ya que una sugerencia que llega después de que el desarrollador haya terminado de escribir la línea carece de valor. Los modelos compactos como Ministral o Small 4 generan naturalmente más rápido que los modelos pesados como Large 3 o Magistral, lo que a menudo los hace preferibles incluso cuando su calidad es ligeramente inferior.
El tiempo hasta el primer token (TTFT, por sus siglas en inglés) mide el retraso antes de que aparezca el primer carácter de la respuesta. Esta es la métrica más crítica para la experiencia percibida: pasados dos o tres segundos, el usuario cree que el sistema se ha bloqueado, aunque la respuesta completa llegue muy rápidamente después. Tres factores influyen en este retraso: el tamaño del modelo, la longitud del prompt que debe procesarse antes de empezar a responder y la carga del servidor, ya que las solicitudes simultáneas comparten la misma capacidad. La latencia total combina el TTFT y el tiempo de generación propiamente dicho, es decir, el número de tokens producidos multiplicado por el tiempo unitario.
Autoalojamiento frente a API: haciendo números
La API gana económicamente en tres situaciones. Un volumen bajo o moderado, del orden de unos pocos miles de solicitudes al día, no justifica inmovilizar un servidor. Un uso intermitente —procesamiento de fin de mes, un pico estacional— dejaría una GPU funcionando en vacío el resto del tiempo. Y unas necesidades variadas, que suponen el acceso a varios modelos, multiplicarían la infraestructura que hay que administrar.
El autoalojamiento vuelve a ser ventajoso cuando el volumen es alto y constante, del orden de decenas de miles de solicitudes al día, cuando un único modelo cubre toda tu necesidad y cuando ya dispones de infraestructura de GPU, en la nube o in situ. Este último punto es decisivo: amortizar una inversión de hardware existente cambia por completo la ecuación.
Calculas el punto de equilibrio en cuatro pasos: estima tu volumen mensual de tokens de entrada y salida, calcula el coste correspondiente de la API, presupuesta un servidor GPU capaz de absorber este volumen y, finalmente, compara. El autoalojamiento resulta rentable tan pronto como el coste de la GPU desciende por debajo del de la API. En la práctica, el umbral se sitúa alrededor de unos pocos cientos de dólares mensuales en consumo de API, pero no olvides sumar al coste de la GPU el tiempo de ingeniería necesario para operarla, que nadie factura pero todos pagan.
Frente a la competencia
Mistral se posiciona favorablemente en cuanto a valor, con matices según el adversario. Frente a OpenAI y GPT-5.6, Small 4 ofrece un rendimiento comparable a un coste generalmente menor, sumando la ventaja del código abierto. Frente a Anthropic y Claude, el posicionamiento en calidad es similar y la diferenciación juega a favor de la apertura de pesos y la soberanía europea. Frente a Gemini de Google, la competitividad es real en tareas de texto, con especialistas como Voxtral y Codestral que los catálogos de la competencia no igualan. Frente a Llama de Meta, la competencia es frontal en el terreno del código abierto, con Mistral oponiendo arquitecturas MoE más eficientes. Lo que distingue duraderamente a Mistral reside en la combinación de estos tres elementos: rendimiento, apertura y ecosistema europeo.
Puntos clave
- La facturación de la API es por token (entrada y salida por separado)
- La velocidad y la latencia son tan importantes como la calidad para la producción
- El autoalojamiento se vuelve rentable a partir de cierto volumen de solicitudes
- Mistral ofrece una propuesta de valor competitiva, reforzada por el código abierto
- Consulta siempre los precios actuales en el sitio oficial antes de tomar una decisión
Tarifas a 5 de agosto de 2026 — los precios cambian con regularidad: antes de cualquier cálculo presupuestario, verifica la tabla vigente en precios oficiales de Mistral.