Mistral presentó en vista previa pública una API para crear agentes que adopta el formato de OpenAI y suma entradas multimodales, streaming y llamadas a funciones. Su diseño sin estado, sin embargo, deja en manos de cada aplicación el almacenamiento del historial de conversación.
***
- La Responses API está disponible en el endpoint /v1/responses de Mistral Studio/API y cuenta con SDK oficiales para Python y TypeScript.
- Admite texto, archivos e imágenes, respuestas en JSON, transmisión progresiva y solicitudes de uso de herramientas ejecutadas por el código del cliente.
- La compatibilidad con el formato de OpenAI puede facilitar migraciones, aunque el estado de vista previa y la gestión propia del historial requieren atención.
🚨 Mistral abre su Responses API y facilita la migración desde OpenAI
La API, en vista previa pública, admite texto, imágenes, archivos, JSON, streaming y llamadas a funciones.
Es sin estado: cada aplicación debe guardar el historial y ejecutar las herramientas. pic.twitter.com/pW0a0o40UR
— Diario฿itcoin (@DiarioBitcoin) October 28, 2026
Mistral AI abrió al público una versión preliminar de Responses API, una interfaz dirigida a desarrolladores que construyen agentes y aplicaciones con sus modelos de chat alojados. La propuesta adopta el formato de Responses de OpenAI, con la intención de que quienes ya trabajan con esa estructura puedan integrar los modelos de Mistral sin empezar desde cero.
El lanzamiento, reportado por CryptoBriefing para octubre de 2026, reúne entradas multimodales, respuestas estructuradas en JSON, transmisión progresiva y llamadas a funciones. También impone una decisión técnica importante: la API no conserva las conversaciones en sus servidores, por lo que cada aplicación debe guardar y enviar el historial cuando solicita una nueva respuesta.
Una interfaz para construir agentes
La API está disponible en el endpoint /v1/responses de la plataforma Studio/API de Mistral, y la empresa ofrece SDK oficiales para Python y TypeScript. Esto proporciona a los equipos dos vías de acceso conocidas para trabajar con la interfaz, aunque la fuente no detalla aquí diferencias de funciones entre ambos kits ni requisitos adicionales de integración.
Su semejanza con Responses de OpenAI busca reducir la fricción para los desarrolladores que ya utilizan ese formato. La compatibilidad puede facilitar que una aplicación existente pruebe modelos alojados por Mistral, pero no significa necesariamente que cualquier proyecto pueda migrar sin ajustes: los equipos todavía deben revisar cómo encajan sus instrucciones, herramientas y parámetros con las capacidades concretas de cada modelo.
La disponibilidad pública es una vista previa, no una confirmación de que el producto haya alcanzado su forma definitiva. Para quienes evalúan incorporarla a sistemas en uso, esa condición importa porque las interfaces y sus capacidades pueden cambiar durante el desarrollo; por ello, conviene tratarla como una opción que requiere pruebas y seguimiento, no como una integración inmutable.
El modelo mistral-large-4 ocupa un lugar central en los ejemplos presentados para la API. La información disponible lo identifica como el modelo insignia de Mistral y como referencia de esos ejemplos, pero no afirma que sea el único modelo compatible ni ofrece una comparación de desempeño, precios o resultados frente a alternativas.
Entradas y respuestas con más estructura
Responses API admite entradas de texto, archivos e imágenes, lo que permite que una solicitud reúna distintos tipos de material en lugar de limitarse a mensajes escritos. Las imágenes pueden incorporarse mediante una URL o como datos codificados en base64; la descripción del lanzamiento no especifica límites de tamaño, formatos aceptados ni otras condiciones técnicas para esos archivos.
En las respuestas, los desarrolladores pueden pedir una salida estructurada como JSON. En lugar de recibir únicamente texto libre que el programa deba interpretar después, la aplicación puede obtener datos organizados para su lectura automática, una característica útil cuando el resultado debe alimentar otros componentes del software.
La API también permite transmitir las respuestas a medida que el modelo las genera, en vez de esperar a que complete todo el contenido para entregarlo de una sola vez. Esa modalidad puede hacer que una aplicación muestre avances antes de recibir el resultado final, aunque la fuente no presenta métricas sobre latencia ni asegura una mejora cuantificada en la experiencia de uso.
El conjunto de capacidades apunta a flujos de trabajo en los que el modelo recibe información variada y produce resultados que otro programa puede procesar. Aun así, disponer de entradas multimodales, JSON y streaming no elimina el trabajo de diseño: los desarrolladores deben decidir cómo validar la respuesta, manejar datos incompletos y presentar el proceso dentro de su aplicación.
El historial queda a cargo de cada aplicación
La API funciona sin estado: los servidores de Mistral no retienen la conversación para utilizarla automáticamente en una solicitud posterior. En consecuencia, la aplicación que la integra debe almacenar el historial del chat y enviarlo cada vez que necesite mantener el contexto de un intercambio.
Ese diseño entrega a los equipos el control sobre cómo administran el historial, pero también les asigna tareas de ingeniería que una API con gestión automática de contexto podría resolver de otra manera. Deben decidir qué mensajes conservar, cómo reconstruir la secuencia relevante y cómo evitar que una solicitud pierda el contexto que el usuario espera que el agente recuerde.
La responsabilidad de la aplicación no se limita a guardar mensajes: el historial forma parte de los datos que deben prepararse y enviarse en cada nueva solicitud. Por eso, la integración exige que los desarrolladores prueben cómo responde su sistema cuando la conversación continúa, se interrumpe o necesita recuperar información anterior, aunque la fuente no describe mecanismos específicos para resolver esos casos.
Las llamadas a funciones también forman parte de la interfaz, pero su ejecución ocurre en el cliente. El modelo puede pedir que se utilice una herramienta; después, el código de la aplicación ejecuta esa función y devuelve el resultado, por lo que la decisión de ponerla en marcha sigue dependiendo del sistema construido por el desarrollador.
Compatibilidad y límites por evaluar
Adoptar un formato similar al de OpenAI puede reducir el esfuerzo necesario para probar un segundo proveedor y permitir que algunos equipos consideren configuraciones híbridas. En teoría, una organización podría dirigir distintas tareas a diferentes proveedores sin mantener bases de código completamente separadas, aunque la fuente presenta esa posibilidad como un escenario, no como una integración ya garantizada.
La compatibilidad de formato tampoco convierte en idénticas las capacidades de todos los modelos. Los parámetros de razonamiento, por ejemplo, varían según el modelo utilizado, así que un equipo que trabaje con varios modelos de Mistral debe comprobar qué opciones admite cada uno antes de asumir que una misma configuración funcionará en todos.
La empresa llegó a este lanzamiento después de presentar versiones relacionadas con agentes que, según la información publicada, sentaron las bases de la nueva interfaz. La iniciativa forma parte de una expansión más amplia de sus herramientas para desarrolladores, con énfasis tanto en las funciones agénticas como en la compatibilidad con interfaces de OpenAI.
Fundada en 2023 por antiguos investigadores de DeepMind y Meta, Mistral ha destacado en su propuesta el mayor soporte para la residencia de datos y su compromiso con los modelos de pesos abiertos. Esos rasgos contextualizan su posición frente a rivales más grandes, pero la noticia no detalla cómo se aplican específicamente a Responses API ni permite concluir que esta interfaz tenga condiciones distintas sobre datos o modelos.
Para los desarrolladores, el atractivo inmediato es poder evaluar una interfaz familiar con los modelos alojados de Mistral; el costo práctico está en gestionar el estado de la conversación y verificar las diferencias entre modelos. Como la API sigue en vista previa pública, sus capacidades y limitaciones deben contrastarse durante las pruebas antes de convertirlas en supuestos de una aplicación en producción.
Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.
Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
Empresas
Agente afirma que xAI planea comprar 418 casas en Mississippi a cambio de renuncias legales
Estados Unidos
CISA incluye las dos fallas PHP2Shell en su catálogo de vulnerabilidades explotadas
Europa
Países Bajos planea recortar 25.000 empleos públicos mientras amplía el uso de IA
India