Les mesures viennent d'Artificial Analysis, qui fait tourner ses propres évaluations. Selon ses pages consultées le 19 octobre, Muse Spark Open de Meta et DeepSeek V4.1 Flash obtiennent 39 points sur son indice d'intelligence (version 4.3.2), Mistral Large 4 Preview 38. Trois conditions encadrent ces chiffres. Large 4 est une préversion dont l'apprentissage par renforcement « is still in flight », selon le billet d'annonce de Mistral. Faute de poids publiés, Artificial Analysis le classe encore parmi les modèles propriétaires, hors de sa page des modèles ouverts. Et la version de DeepSeek mesurée date de septembre, avant la mise à jour V4.1-Flash-1017 du 17 octobre.
Le 6 octobre, Mistral présentait Large 4 comme « significantly outperforming any open-weight model developed in the US or Europe ». ActuIA relevait alors douze points d'avance sur le meilleur modèle ouvert américain mesuré. Muse Spark Open, publié le 15 octobre, a effacé cet écart et passe devant d'un point. La fiche du modèle publiée par Meta reprend elle-même les 39 et 38 points.
Large 4 devant Muse sur les épreuves d'agent, dont Terminal-Bench et AutomationBench
Le comparatif d'Artificial Analysis détaille dix épreuves. Large 4 en gagne cinq, dont les épreuves d'agent. L'écart le plus large porte sur Terminal-Bench 4.0, des tâches d'ingénierie logicielle et d'administration système menées dans un terminal : 27 % de réussite contre 8 %. Sur AutomationBench-AA, qui mesure la part des objectifs qu'un agent atteint dans des applications SaaS simulées, Large 4 obtient 60 % contre 50 %. Il devance aussi Muse sur GDPval-AA, AA-Briefcase et AA-LCR. La fiche de Meta place elle-même Large 4 devant Muse sur DeepSWE 1.1, un test de programmation agentique (62 contre 60). DeepSeek V4.1 Flash fait jeu égal avec Large 4 sur Terminal-Bench (27 %) et le devance sur AutomationBench (69 %).
Muse gagne quatre épreuves de connaissances et de sciences : Humanity's Last Exam (44 % contre 35 %), SciCode (58 % contre 54 %), CritPt (15 % contre 11 %) et AA-Omniscience, où l'écart est le plus marqué : 25 points contre −5. Cette épreuve, notée de −100 à 100, récompense les bonnes réponses et pénalise les hallucinations, sans sanctionner l'abstention. Un score négatif signifie plus de réponses fausses que de justes. Muse tire donc son point d'avance de ces épreuves de connaissances. Les deux modèles font jeu égal sur GDP.pdf (19 %). Les pages consultées n'affichent aucun intervalle de confiance pour l'indice.
1,8 fois plus de tokens, une exécution de l'index 36 % plus chère au tarif de lancement
Large 4 écrit beaucoup. Pour exécuter l'index, il produit 200 millions de tokens de sortie, contre 110 millions pour Muse selon la fiche de ce dernier (106 millions sur les pages de comparaison du même site). Par tâche, le comparatif compte 69 000 tokens de sortie pour Large 4, dont 52 000 de raisonnement, contre 40 000 et 18 000 pour Muse. Artificial Analysis classe Large 4 109e sur 116 pour la verbosité, la médiane étant à 85 millions de tokens.
Les prix au million de tokens se valent : 0,79 dollar pour Large 4 et 0,78 dollar pour Muse en prix mixé, qui pondère cache, entrée et sortie dans un rapport de 7 pour 2 pour 1. L'écart vient du volume. L'exécution de l'index coûte 1 607 dollars avec Large 4 et 1 183 dollars avec Muse, soit 36 % de plus. Le coût par tâche est de 1,13 dollar contre 0,84. Large 4 est mesuré aux prix de l'API de Mistral, Muse au prix médian des fournisseurs qui le servent.
La verbosité pèse aussi sur le temps. Une tâche de l'index prend 734 secondes à Large 4, 288 à Muse. Pour une réponse de 500 tokens, le temps de bout en bout est de 35,4 secondes contre 18,3. DeepSeek V4.1 Flash produit pour sa part 253 millions de tokens, mais à 0,18 dollar le million en prix mixé : l'index lui coûte 677 dollars.
Environ 804 dollars au tarif remisé affiché par Mistral
Artificial Analysis retient pour Large 4 les prix de lancement de l'API de Mistral, 1,36 dollar le million de tokens en entrée et 4,18 dollars en sortie. La fiche de Large 4 dans la documentation de Mistral affiche ces prix barrés et les remplace par 0,68 dollar en entrée, 0,07 dollar en entrée mise en cache (au lieu de 0,14) et 2,09 dollars en sortie, soit exactement la moitié, sans date de fin ni condition. La remise y figurait déjà le 6 octobre ; le billet d'annonce ne cite que les prix pleins.
ActuIA a recalculé le coût de l'index à ce tarif. Hypothèses : le coût d'Artificial Analysis résulte des seuls volumes de tokens multipliés par les prix de l'API de Mistral, et ces volumes ne changent pas. Les trois prix étant divisés par deux, la facture l'est aussi : environ 804 dollars. Large 4 coûterait alors 32 % de moins que Muse et 19 % de plus que DeepSeek V4.1 Flash. Cet avantage de coût dépend d'une remise que Mistral n'a pas datée.
En auto-hébergement, la verbosité continue de peser : à débit égal, produire 1,8 fois plus de tokens occupe les GPU 1,8 fois plus longtemps. Mistral n'a publié aucune configuration matérielle de référence pour Large 4 et ses 1 050 milliards de paramètres. Meta indique pour Muse (816 milliards) au moins 700 Go de mémoire GPU en NVFP4, ou deux Mac Studio M5 Ultra. Reflection AI prévoit pour Beam (501 milliards) quatre GPU B200.
Score, coût, verbosité et licence au 19 octobre
Scores, coûts et volumes de tokens : Artificial Analysis, pages consultées le 19 octobre 2026 (tokens de Muse : fiche du modèle). Licences : textes et annonces des éditeurs ; Kimi K3 d'après Simon Willison.
| Modèle | Éditeur | Score (index v4.3.2) | Coût d'exécution de l'index | Tokens produits | Licence et principale condition |
|---|---|---|---|---|---|
| Mistral Large 4 Preview | Mistral AI | 38 | 1 607 $ (environ 804 $ au tarif remisé, calcul ActuIA) | 200 M | Non publiée ; poids annoncés d'ici fin octobre |
| Muse Spark Open | Meta | 39 | 1 183 $ | 110 M | Muse Model License : accord avec Meta pour revendre le modèle en service au-delà de 20 M$ de chiffre d'affaires, mention « Built with Muse Spark Open », usages exclus |
| DeepSeek V4.1 Flash (version de septembre) | DeepSeek | 39 | 677 $ | 253 M | MIT |
| Beam 1.0 | Reflection AI | 30 | 740 $ | 79 M | Apache 2.0 |
| Kimi K3 (Max) | Moonshot AI | 44 | 3 658 $ | 161 M | Kimi K3 License : accord avec Moonshot AI pour les services de modèle au-delà de 20 M$ de chiffre d'affaires |
La licence de Muse soumet à l'accord de Meta la revente en service au-delà de 20 millions de dollars de chiffre d'affaires
La Muse Model License, publiée le 15 octobre, concède gratuitement le droit d'utiliser, de modifier, de distiller et de vendre le modèle, sous conditions. Sa section 3 vise le « Model as a Service ». Un licencié qui donne à des tiers l'accès à des modèles d'IA, par exemple par API, doit prévenir Meta et signer avec lui un accord écrit distinct avant de proposer Muse ou un dérivé dans cette activité. Le seuil : plus de 20 millions de dollars de chiffre d'affaires brut, filiales comprises, sur douze mois consécutifs. L'usage interne, la recherche et l'intégration comme composant d'un produit propre en sont exclus.
La licence impose aussi d'afficher de façon visible « Built with Muse Spark Open » dans l'interface de chaque produit ou service qui utilise le modèle ou un dérivé, ou dans sa documentation, son site ou son menu de réglages. Les dérivés incluent tout modèle distillé à partir de Muse ou de ses sorties. Un produit qui s'appuie sur un petit modèle entraîné sur les réponses de Muse doit donc afficher la mention.
La politique d'usage annexée interdit les activités présentant un risque de mort ou de blessure, dont celles liées aux domaines « Military, warfare, nuclear industries or applications » et à l'« Operation of critical infrastructure, transportation technologies, or heavy machinery ». Le texte ne définit pas ces notions et ne dit pas si un industriel du nucléaire peut employer le modèle pour des tâches administratives. En Europe, le cocontractant est Meta Platforms Ireland Limited.
Artificial Analysis donne de cette licence deux lectures contraires. Ses pages de comparaison affichent pour Muse « License Supports Commercial Use Without Restrictions: Yes ». Sa fiche du modèle indique « Commercial use is allowed with restrictions », ce que confirme le texte de Meta. Le même écart existe pour Kimi K3. Selon Simon Willison, la licence de Kimi K3, publiée en juillet, impose un accord avec Moonshot AI aux entreprises de services de modèle qui dépassent 20 millions de dollars de chiffre d'affaires : Meta retient le même seuil, appliqué à la même activité. Beam, dont les poids sont publiés depuis le 16 octobre, est « released under the Apache 2.0 license », sans autre condition d'usage dans l'annonce de Reflection AI.
Poids de Large 4 attendus d'ici le 31 octobre, licence non publiée
Mistral écrit qu'il publiera les poids « by the end of the month ». Son dépôt Hugging Face affiche « Upcoming release » et une date estimée au 31 octobre 2026. Le 6 octobre, The Next Web et The New Stack ont avancé le 27 octobre, sans citer de source pour cette date. Aucune licence n'est publiée : ni le billet, ni le dépôt, ni la documentation de Mistral, qui porte la mention « Open », n'en nomment une.
À la publication des poids, un acheteur aura cinq points à vérifier :
- la licence : seuil de chiffre d'affaires, clause de service de modèle, mention obligatoire, usages exclus ;
- la durée de la remise de moitié sur l'API ;
- la configuration matérielle de référence, aujourd'hui absente ;
- le score et la verbosité de la version publiée, dont l'apprentissage par renforcement se poursuit ;
- le nombre de tokens produits par tâche sur ses propres charges, qui pèse autant sur la facture que le prix affiché.
Nos articles remonteront en priorité dans « À la une » de Google.