Mise à jour le 30 octobre 2026. Mistral a publié le 29 octobre les poids de Large 4, sous une licence MIT modifiée, avec une version du modèle retravaillée depuis l'aperçu. Les changements sont détaillés dans la dernière partie de l'article.
Mistral AI a mis en ligne ce mardi 6 octobre l'aperçu public de Mistral Large 4, que l'entreprise surnomme elle-même « le Chonk ». Le modèle compte 1 050 milliards de paramètres, dont 49 milliards activés par token, et accepte le texte comme l'image en entrée. Il est servi depuis les centres de données européens de Mistral, par l'API de Mistral Studio, à 1,36 dollar le million de tokens en entrée et 4,18 dollars en sortie. Mistral promettait les poids « d'ici la fin du mois » dans son billet d'annonce, le 27 octobre selon The Next Web. Ils ont été publiés le 29 octobre.
Mistral situe lui-même le modèle en une phrase. Large 4 serait « compétitif avec les modèles open source les plus forts au niveau mondial » et dépasserait « nettement tout modèle à poids ouverts développé aux États-Unis ou en Europe ». Auprès de CNBC, l'entreprise parle du modèle ouvert le plus capable hors de Chine, « avec une marge substantielle ». Les deux formules ne disent pas la même chose, et les mesures indépendantes ne les valident pas au même degré.
3 800 GPU Grace Blackwell et un saut de génération depuis Mistral Large 3
Large 4 a été entraîné à partir de zéro sur 3 800 GPU Nvidia Grace Blackwell installés dans les centres de données que Mistral possède en Europe, sur environ deux mois selon la déclaration de l'entreprise rapportée par CNBC et The Next Web. La fiche technique décrit un mélange d'experts dit granulaire, un encodeur de vision de 1,6 milliard de paramètres et une fenêtre de contexte d'un million de tokens, qu'Artificial Analysis mesure pour sa part à 524 000. Les données d'entraînement couvrent plus de 160 langues, parmi lesquelles toutes les langues officielles de l'Union européenne.
Le précédent modèle de pointe, Mistral Large 3, sorti le 2 décembre 2025, comptait 675 milliards de paramètres dont 41 milliards actifs. Il avait été entraîné sur 3 000 GPU H200 et publié le jour même sous licence Apache 2.0, sa version « raisonnement » étant alors annoncée pour plus tard. En dix mois, Mistral a changé de génération de puces, augmenté la taille totale de 56 % et fusionné instruction et raisonnement dans un seul modèle hybride.
Au 6 octobre, la même fiche technique affichait les tarifs de lancement barrés, remplacés par 0,68 dollar en entrée et 2,09 dollars en sortie, soit la moitié des prix de l'annonce, sans indication sur la durée de cette remise. La licence des poids, elle, n'y figurait pas. La fiche portait la mention « Open » sans nommer de licence, là où la même documentation affiche Apache 2.0 pour Large 3 et une licence MIT modifiée pour Medium 3.5.
Un indice indépendant à 38 points, huit sous le meilleur modèle ouvert
Les résultats publiés par Mistral n'ont pas encore été répliqués. Sur DeepSWE v1.1, un test de programmation agentique, Large 4 obtient 61,7 %, devant GLM-5.3 et DeepSeek V4 Pro dans les graphiques de l'annonce. Le tableau publié la veille par Reflection AI pour son propre modèle reprend les mêmes valeurs pour GLM-5.3 et Qwen 3.8 Max, mais y ajoute Kimi K3 à 68 % et DeepSeek V4.1 Flash à 74,2 %, deux modèles absents du graphique de Mistral. CNBC relève que le modèle « reste en retrait de la frontière » dans des domaines comme le code.
La mesure la plus lisible vient d'Artificial Analysis, qui fait tourner ses propres évaluations. Son indice d'intelligence, consulté le 6 octobre, donne les positions suivantes :
- modèles fermés : Claude Opus 5.5, 58 points ; GPT-6 Astra, 53 ;
- poids ouverts chinois : MiMo-V2.6-Pro de Xiaomi, 46 ; GLM-5.3, 45 ; Kimi K3, 44 ; GLM-5.3-Flash, 42 ; Qwen3.8 2.4T, 40 ; Qwen3.8-Flash-Next, 40 ; DeepSeek V4.1 Flash, 39 ;
- Mistral Large 4 Preview, 38 ;
- DeepSeek V4 Pro, 36 ;
- poids ouverts hors Chine : Motif 3 (Corée du Sud), 34 ; Inkling Small de Thinking Machines (États-Unis), 26 ; Mistral Medium 3.5, 14 ; gpt-oss-120b d'OpenAI, 12 ; Mistral Large 3, 9.
Sur cet indice, Large 4 est le huitième modèle à poids ouverts, à huit points de MiMo-V2.6-Pro et derrière six autres modèles chinois. « Compétitif avec les plus forts » se défend à l'échelle d'une génération plutôt que d'un classement. La seconde moitié de la phrase tient sans réserve, avec douze points d'avance sur le meilleur modèle ouvert américain mesuré. La formule donnée à CNBC, « hors Chine », se joue en revanche à quatre points du coréen Motif 3. Beam, présenté le 5 octobre par Reflection AI, n'était pas encore mesuré. Le saut le plus net reste interne. Mistral Large 3, modèle sans raisonnement sur un indice qui favorise le raisonnement, pointait à 9. Mistral précise que l'entraînement par renforcement « est encore en cours », que le modèle « ne montre aucun signe de saturation » et que cette première étape est financée par la levée de 3 milliards d'euros de septembre. Les chiffres de l'aperçu sont donc provisoires.
Artificial Analysis classait d'ailleurs Large 4 parmi les modèles propriétaires tant que ses poids n'étaient pas publiés. Il figure désormais sur sa page des modèles à poids ouverts. Et la documentation qui met Large 4 en vitrine liste toujours, parmi ses modèles généralistes et avec la mention « third-party », GLM 5.3 de Z.ai, qui remplacera GLM 5.2 sur la plateforme à son retrait le 31 octobre. Mistral avait commencé à servir GLM-5.2 sur ses propres serveurs en août, une configuration qu'ActuIA décrivait début septembre comme celle d'une Europe qui assemble ce que la Chine fournit.
La cybersécurité, le terrain où plusieurs modèles fermés refusent la tâche
Mistral construit son argumentaire commercial sur un domaine précis, la cybersécurité, et c'est là que les chiffres indépendants lui sont le plus favorables. Sur le Cyber Index d'Artificial Analysis, qui combine trois évaluations de découverte, de reproduction et de correction de vulnérabilités dans de vrais dépôts de code, Large 4 Preview obtient 49,5 points et se classe cinquième des 18 modèles évalués au 6 octobre. Devant lui, Grok 4.7 (56,4), MiMo-V2.6-Pro (56,1), GPT-6 Luna (52,7) et GLM-5.3-Flash (49,9). Parmi les suivants, Muse Spark 1.3 de Meta (44,3), Kimi K3 (41,3), GLM-5.3 (36,4), GPT-6 Astra (33,4) et Claude Opus 5.5 (28,7).
Le détail de l'épreuve CyberGym-E2E, où il faut reproduire une vulnérabilité réelle puis la corriger, explique l'écart. Large 4 y réussit 81,7 % des tâches, le meilleur score des 18 modèles. GPT-6 Astra est à zéro avec un taux de refus de 100 %, Claude Opus 5.5 à 0,8 % avec 98,5 % de refus. Le refus relève d'une politique d'éditeur, puisque Grok 4.7 et GPT-6 Luna, fermés eux aussi, traitent la tâche. Mistral en tire son argument. « Les refus au niveau du fournisseur peuvent bloquer la recherche légitime de vulnérabilités et la réponse à incident », écrit l'entreprise, et perdre l'accès à une capacité au milieu d'un incident « peut devenir en soi un risque de sécurité critique ».
L'argument a un précédent documenté. Dans son compte rendu de l'intrusion menée par un agent autonome en juillet, Hugging Face explique avoir d'abord soumis son analyse forensique à des API commerciales, avant d'être bloqué par « les garde-fous de sécurité des fournisseurs, qui ne peuvent pas distinguer un répondant à incident d'un attaquant ». L'entreprise a fini par faire tourner l'analyse sur GLM-5.2, un modèle à poids ouverts, sur sa propre infrastructure, tout en précisant qu'il ne s'agissait « pas d'un argument contre les mesures de sécurité des modèles hébergés ». Guillaume Lample, cofondateur et directeur scientifique de Mistral, va plus loin dans la déclaration transmise à CNBC. Les capacités de cyberdéfense « permettront aux entreprises et aux gouvernements de se défendre contre des acteurs malveillants qui débrident des modèles fermés pour mener des cyberattaques ».
Mistral tenait en parallèle un discours de prudence. Avant la publication des poids, le modèle était testé en conditions réelles par des responsables de cybersécurité, des partenaires agréés et des autorités étatiques, qui accédaient à une version « avec une modération réduite et des capacités cyber étendues ». La frontière entre la version publique et la version « étendue » tient toutefois à peu de chose maintenant que les poids sont téléchargeables, puisqu'un modèle ouvert se réentraîne.
Souveraineté, licence et calendrier, les trois questions pour les entreprises
Le matin même, avant l'annonce, Arthur Mensch participait à une discussion intitulée « Sovereign, Open, Safe : Pick Two? » au salon AI Everything d'Abou Dhabi. Le directeur général de Mistral y a estimé que « 99 % des cas d'usage » traités par l'entreprise peuvent l'être avec des modèles ouverts et qu'il n'y a « aucune raison de payer la marge d'API des modèles fermés ». « Le récit selon lequel l'Europe ne peut pas rivaliser n'est tout simplement pas vrai », a-t-il ajouté. Mistral promet dans son billet une région européenne opérée de bout en bout « sous le droit européen », puis un déploiement sur cloud privé ou sur site avec les poids.
Trois points restaient à trancher pour un acheteur le 6 octobre. La licence, absente de la fiche, déciderait si Large 4 se réutilise aussi librement que Large 3. Le coût d'exploitation restait inconnu, Mistral n'ayant pas publié de configuration matérielle de référence pour un modèle de 1 050 milliards de paramètres. Le calendrier, lui, était mouvant. Mistral indiquait que la capacité de calcul financée par la levée de septembre « arrive en ligne dans les mois à venir » et annonçait « des améliorations importantes et rapides dans les semaines et les mois à venir ».
Le 29 octobre, des poids sous licence MIT modifiée et un modèle retouché
Mistral a publié le 29 octobre les poids de Large 4 sur Hugging Face, sous une « Mistral Ecosystem Open-Weight License » qu'il présente comme une licence MIT modifiée, selon son billet de publication. Le modèle peut être utilisé, modifié, affiné et commercialisé sans frais, avec une exception : une entreprise qui exploite une offre de modèles sous forme de service doit obtenir une licence commerciale distincte, y compris pour les versions dérivées du modèle. La page du modèle ne fixe aucun seuil de chiffre d'affaires ou d'utilisateurs. Un hébergeur qui voudrait revendre l'accès à Large 4 devra donc traiter avec Mistral, ce que la licence Apache 2.0 de Large 3 n'exigeait pas.
Le nom du dépôt, Mistral-Large-4-1T-A52B, ne contredit pas la fiche technique. La page du modèle compte environ 1 000 milliards de paramètres, dont 49 milliards activés par token, ou 52 milliards en incluant les couches d'entrée et de sortie. Les exemples de déploiement répartissent le modèle sur huit GPU, avec vLLM, SGLang ou Transformers, et une version quantifiée au format NVFP4 vise les GPU Blackwell de Nvidia. Le coût d'exploitation reste difficile à chiffrer : ni le modèle de GPU ni la mémoire nécessaire ne sont précisés.
Le modèle publié n'est plus celui de l'aperçu. Mistral dit lui avoir appliqué environ trois semaines supplémentaires d'apprentissage par renforcement. Sur Terminal-Bench 4.0, une épreuve de tâches menées dans un terminal, il gagnerait 13 points, à 41 %, en produisant 30 % de tokens en moins. Trois niveaux de raisonnement, bas, moyen et élevé, se règlent à chaque requête. L'API passe à 0,70 dollar le million de tokens en entrée, 0,07 dollar en entrée mise en cache et 2,10 dollars en sortie, soit à peu près le tarif remisé affiché le 6 octobre.
Sur la cinquième version de l'indice d'Artificial Analysis, consultée le 30 octobre, la version finale obtient 26 points, un de plus que l'aperçu, qui était passé de 38 à 25 avec le changement de méthode. Large 4 est septième des treize modèles à poids ouverts listés. Les six premiers sont chinois, de DeepSeek V4.1 Flash et GLM-5.3, à 32 points, à Step 5 Preview, à 29. Muse Spark Open, de Meta, suit avec 25. La formule « hors Chine » tient donc, mais d'un point, loin de la « marge substantielle » annoncée à CNBC.
Mistral met en avant d'autres chiffres, qu'il a lui-même publiés : 48 % au Coding Agent Index d'Artificial Analysis, à égalité avec GLM-5.3 mais avec 47 % de tokens en moins par tâche, 51 points au Cyber Index, contre 49,5 pour l'aperçu, et 19,7 % sur FrontierCode 2.0. Il revendique aussi un taux de refus moyen de 96,6 % face à des requêtes cyber malveillantes, le plus élevé qu'il ait mesuré parmi les modèles ouverts. Les usages offensifs, comme les tests d'intrusion, passent par une variante spécialisée, en aperçu chez des partenaires comme Orange Cyberdefense, accordée après vérification, sous garanties contractuelles et limitée aux systèmes autorisés. Pierre Stock, vice-président chargé de la science chez Mistral, a résumé l'argument auprès de TechCrunch : un accès « qui ne peut pas être coupé, par définition, puisque le modèle est à poids ouverts ».
Des trois questions du 6 octobre, deux ont désormais une réponse. Les poids sont arrivés dans le mois promis. La licence laisse l'usage interne libre, mais elle est moins ouverte que l'Apache 2.0 de Large 3 pour qui revend l'accès au modèle. La troisième, le coût de faire tourner mille milliards de paramètres chez soi, reste à chiffrer par chaque acheteur.
Citations traduites de l'anglais par ActuIA.
Nos articles remonteront en priorité dans « À la une » de Google.
