Mistral Large 4, surnommé Le Chonk, est un modèle mixture-of-experts de 1 000 milliards de paramètres, dont 49 milliards de paramètres actifs. Mistral AI l’a lancé en API en préversion publique le 6 octobre 2026, puis a publié une version finale améliorée et les poids ouverts le 29 octobre. Il lit le texte et les images, répond en texte et coûte désormais 0,70 $ par million de tokens en entrée.

Mistral le présente comme le meilleur modèle à poids ouverts pour le code et l’un des modèles ouverts les plus performants au monde. Les chiffres indépendants confirment la première moitié de sa promesse sur les États-Unis et l’Europe, et compliquent la partie mondiale. Ce guide met les benchmarks de Mistral en regard des scores publiés par Artificial Analysis, et détaille les caractéristiques, le nouveau prix, la licence et la façon de faire tourner les poids. Nous l’avons écrit le jour du lancement et mis à jour le 7 novembre 2026, après la publication des poids.

L’essentiel

  • Taille : 1 050 milliards de paramètres au total, 49 milliards actifs par token (52 milliards en comptant les couches d’embedding et de sortie), plus un encodeur visuel de 1,6 milliard. Texte et image en entrée, texte en sortie, avec une fenêtre de contexte de 1M de tokens.
  • Poids : disponibles depuis le 29 octobre sur Hugging Face, deux jours après le 27 octobre annoncé à la presse, sous la Mistral Ecosystem Open-Weight license, une licence MIT modifiée.
  • Prix : 0,70 $ en entrée / 2,10 $ en sortie par million de tokens, environ la moitié du prix catalogue de la préversion, 1,36 $ / 4,18 $.
  • Score indépendant : 26,1 sur l’Artificial Analysis Intelligence Index v5.0.1, le meilleur de tous les modèles ouverts des États-Unis ou d’Europe, mais derrière GLM-5.3 (31,7) et Kimi K3.1 Pro (46,5).
  • Le vrai argument : le code et la cyberdéfense. Mistral annonce 48 % sur le Coding Agent Index d’AA, au niveau de GLM-5.3, et 51 % sur l’AA Cyber Index, tout en refusant 96,6 % des requêtes cyber malveillantes.

Ce qu’est Mistral Large 4

De l'éditeur

Découvrez quelle IA répond le mieux

Posez la même question à GPT, Claude et Gemini et comparez les réponses. Sur Mac, iPhone et iPad.

Téléchargez maintenant !
De l'éditeur

Découvrez quelle IA répond le mieux

Posez la même question à GPT, Claude et Gemini et comparez les réponses. Sur Mac, iPhone et iPad.

Essayez gratuitement
De l'éditeur

Arrêtez de payer trois abonnements IA

GPT, Claude et Gemini dans une seule app, avec un seul abonnement. Sur Mac, iPhone et iPad.

Téléchargez maintenant !
De l'éditeur

Arrêtez de payer trois abonnements IA

GPT, Claude et Gemini dans une seule app, avec un seul abonnement. Sur Mac, iPhone et iPad.

Essayez gratuitement
De l'éditeur

Arrêtez de jongler entre les apps d'IA

Posez la même question à ChatGPT, Claude et Gemini dans une seule fenêtre et gardez la meilleure réponse. Sur Mac, iPhone et iPad.

Essayez gratuitement
De l'éditeur

Arrêtez de jongler entre les apps d'IA

Posez la même question à ChatGPT, Claude et Gemini dans une seule fenêtre et gardez la meilleure réponse. Sur Mac, iPhone et iPad.

Téléchargez maintenant !
De l'éditeur

Ne vous contentez pas de lire sur l'IA, essayez-la

Les derniers modèles d'IA, prêts à l'emploi dans une seule app. Sur Mac, iPhone et iPad.

Téléchargez maintenant !
De l'éditeur

Ne vous contentez pas de lire sur l'IA, essayez-la

Les derniers modèles d'IA, prêts à l'emploi dans une seule app. Sur Mac, iPhone et iPad.

Essayez gratuitement

Mistral Large 4 est le modèle le plus grand et le plus performant de Mistral AI à ce jour, un réseau mixture-of-experts creux qui n’active qu’environ 5 % de ses poids pour chaque token. Mistral le décrit lui-même comme un « open-weight hybrid instruct-and-reasoning MoE with multimodal input », autrement dit un seul modèle pour les réponses rapides, le raisonnement étape par étape et l’usage agentique d’outils. La version finale ajoute trois modes de raisonnement, low, medium et high (par défaut), pour arbitrer à chaque requête entre profondeur, vitesse et coût.

Mistral a annoncé la préversion sur X à 13 h 06 UTC le 6 octobre. Le message contient les quatre affirmations sur lesquelles repose le lancement : la taille, le classement des modèles à poids ouverts, les secteurs visés et l’infrastructure européenne.

Les caractéristiques ci-dessous proviennent de la fiche du modèle dans la documentation de Mistral et de sa fiche sur Hugging Face.

CaractéristiqueMistral Large 4Mistral Large 3 (pour comparaison)
Sortie6 octobre 2026 (préversion) ; 29 octobre 2026 (modèle final et poids, v26.10)2 décembre 2025
Paramètres au total1 050 milliards675 milliards
Paramètres actifs49 milliards par token ; 52 milliards avec les couches d’embedding et de sortie41 milliards
Entrée / sortieTexte et image en entrée, texte en sortieTexte et image en entrée, texte en sortie
Fenêtre de contexte1M de tokens256K
LanguesPlus de 160, toutes les langues officielles de l’UEn/d
Prix de l’API (par million de tokens)0,70 $ en entrée / 2,10 $ en sortieRetiré de la grille tarifaire depuis son obsolescence
LicenceMistral Ecosystem Open-Weight license (MIT modifiée)Apache 2.0
StatutDisponibilité générale, poids sur Hugging FaceObsolète depuis le 31 octobre 2026 ; retrait le 30 avril 2027

Les deux désaccords sur les caractéristiques du jour du lancement sont réglés. Les documents de la préversion indiquaient 49 milliards de paramètres actifs, tandis que la fiche de la documentation est passée à 52 milliards en moins d’une heure, sans explication. La fiche Hugging Face tranche : 49 milliards de paramètres sont actifs par token, et 52 milliards en comptant les couches d’embedding et de sortie. L’écart sur la fenêtre de contexte s’est refermé lui aussi. Le jour du lancement, Artificial Analysis indiquait 524 288 tokens et Vals 512K contre 1M chez Mistral ; Mistral, Hugging Face et Artificial Analysis indiquent désormais tous 1M.

Pourquoi il s’appelle Le Chonk

Le Chonk est un terme d’argot internet pour un chat très gros, et le nom est une blague lancée par la communauté. VentureBeat le fait remonter à Le Chaton Fat, un modèle géant fictif de Mistral devenu viral sur X et Reddit en juin avec de faux graphiques de benchmarks. Le PDG de Mistral, Arthur Mensch, avait alors répondu que c’était « actually le gros chaton ». Le directeur scientifique Guillaume Lample a confié à VentureBeat que Mistral avait apprécié le mème et que ML4 pouvait se lire comme une première version de l’idée, des modèles plus grands devant suivre.

L’entraînement, lui, n’avait rien d’une blague. Mistral indique avoir entraîné ML4 à partir de zéro sur 3 800 GPU NVIDIA Grace Blackwell dans ses propres centres de données européens, et le servir depuis les mêmes machines. VentureBeat, CNBC et Euronews ont parlé de 4 000 GPU pendant environ deux mois, un chiffre qui semble venir du point presse. L’annonce écrite de Mistral et sa fiche Hugging Face indiquent 3 800.

Notre article sur Le Chaton Fat se terminait par un test simple pour tout modèle à la mode : pas de poids, pas d’API et pas de documentation, c’est probablement un chaton. Le jour du lancement, Le Chonk remplissait deux critères sur trois. Depuis le 29 octobre, il les remplit tous les trois.

Benchmarks de Mistral Large 4 : les chiffres de Mistral face aux chiffres indépendants

Mistral Large 4 dépasse tous les modèles ouverts américains et européens selon les données indépendantes publiées à ce jour, mais il n’est pas au niveau des meilleurs modèles ouverts chinois. Les graphiques de Mistral et les scores de tiers racontent deux histoires un peu différentes, nous les présentons donc séparément.

Ce qu’annonce Mistral

Pour le modèle final, Mistral annonce 48 % sur le Coding Agent Index d’Artificial Analysis, qu’il qualifie d’« effectively tied » avec GLM-5.3 en utilisant 47 % de tokens en moins par tâche. Il annonce aussi 41 % sur Terminal-Bench 4.0, 13 points de plus que la préversion, et un score en tête de 19,7 % sur FrontierCode 2.0, le benchmark privé de Cognition. Dans les comparaisons de code à l’aveugle de Surge, les évaluateurs l’ont préféré à GLM-5.3, Kimi K3 et DeepSeek V4.1 Flash, et ne l’ont classé que derrière Claude Opus 5.5, selon l’annonce des poids.

Les chiffres de la préversion sont arrivés en premier. Au lancement, Mistral annonçait 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA et 28,3 % sur Terminal-Bench 4.0, soit un Coding Agent Index combiné de 49,8 %, dans son annonce de lancement. VentureBeat a confronté ce graphique sur le code au classement en direct de DeepSWE, qui plaçait alors GLM-5.3 et Kimi K3 autour de 69 %, et GPT-6 Astra, Gemini 3.8 Flash et Claude Opus 5 autour de 74 %.

Ces 61,7 % étaient donc compétitifs, sans être en tête.

Les autres affirmations du lancement viennent toutes de Mistral. La préversion obtenait 59,9 % sur AutomationBench, un ensemble de 657 workflows métier dans Gmail, Google Sheets, Slack et Salesforce, et 1 393 Elo sur AA-Briefcase pour le travail intellectuel de longue haleine. Sur le test d’ancrage visuel Dense 200, elle obtenait 42 % contre 41 % pour GPT-6 Astra, ce qui fonde l’affirmation selon laquelle elle « surpasses closed frontier models on visual grounding ». Dans un test à l’aveugle de qualité de code mené avec Surge AI, les évaluateurs lui ont donné 3,74 sur 5, deuxième de cinq modèles, derrière Claude Opus 5 seul avec 4,22. Pour le modèle final, Mistral ajoute 84,5 % sur BrowseComp et 73,3 % sur le benchmark financier Finch, deuxième parmi les modèles ouverts derrière Kimi K3.

Ce qu’ont mesuré les évaluateurs indépendants

Artificial Analysis attribue au Mistral Large 4 (high) final un score de 26,1 sur son Intelligence Index v5.0.1, un agrégat de neuf évaluations. La version 5 utilise des tests plus difficiles que l’index v4.3.2, qui avait noté la préversion à 38 le jour du lancement, les deux chiffres ne sont donc pas comparables. En v5.0.1, il reste le meilleur modèle ouvert des États-Unis ou d’Europe, devant Muse Spark Open de Meta, et reste derrière les meilleurs modèles ouverts chinois.

ModèleDéveloppeurAA Intelligence Index v5.0.1Poids ouverts ?
Kimi K3.1 ProMoonshot AI (Chine)46,5Oui
DeepSeek V4.1 Flash 1017DeepSeek (Chine)32,6Oui
GLM-5.3Z.ai (Chine)31,7Oui
MiMo-V2.6-ProXiaomi (Chine)29,9Oui
Mistral Large 4Mistral AI (France)26,1Oui, depuis le 29 octobre
Muse Spark OpenMeta (États-Unis)24,9Oui
DeepSeek V4 Pro 0813DeepSeek (Chine)23,1Oui
Nemotron 3 UltraNVIDIA (États-Unis)11,8Oui

La préversion avait une faiblesse nette sur la page d’AA : très verbeuse, elle produisait 200 millions de tokens pour passer l’index v4.3.2, contre une médiane de 81 millions, ce qui portait son coût par tâche de l’index à 1,13 $ malgré un prix catalogue modeste. Mistral affirme que le modèle final corrige en grande partie ce défaut, avec 30 % de tokens de sortie en moins sur Terminal-Bench 4.0. Notre guide des benchmarks d’IA explique ce que mesure l’index et pourquoi un seul chiffre ne tranche jamais une comparaison.

Vals.ai, le second évaluateur indépendant, a attribué à la préversion 48,05 % sur le Vals Index, 32ᵉ sur 44 modèles au total et neuvième parmi les modèles à poids ouverts. Son meilleur résultat était sur le Harvey's Legal Agent Benchmark, avec 15,83 %, sixième sur 75 et premier des modèles ouverts. Vals a publié ce classement quelques minutes après le lancement.

Le bilan honnête : l’affirmation selon laquelle ML4 est le meilleur modèle ouvert des États-Unis ou d’Europe tient toujours sur Artificial Analysis. Celle selon laquelle il rivalise avec les meilleurs modèles ouverts du monde est exagérée en intelligence générale, où GLM 5.3 le devance d’environ six points et Kimi K3.1 de vingt. C’est sur le code que le modèle final a comblé l’écart, si les 48 % sur le Coding Agent Index d’AA annoncés par Mistral se confirment.

La cybersécurité, son vrai point fort

Le meilleur argument de Mistral Large 4 est la cybersécurité, pas l’intelligence générale. Pour le modèle final, Mistral annonce 51 % sur l’Artificial Analysis Cyber Index, qui vérifie si un modèle sait trouver des vulnérabilités dans une base de code, les reproduire et les corriger sans rien casser. Au lancement de la préversion, Mistral affirmait que, sur l’un des tests de l’index, reproduire une vraie vulnérabilité puis la corriger, ML4 obtenait 82 %, le meilleur score de tous les modèles, et qu’il résolvait 93 % des 40 défis de Cybench.

Le plus intéressant, c’est la raison de cette victoire.

Selon Mistral, Claude Opus 5.5 et GPT-6 Astra obtenaient presque zéro sur la même tâche au lancement, parce qu’ils refusent de l’effectuer. Mistral fait valoir que les défenseurs doivent souvent prouver qu’une faille est réelle avant de la corriger. Le filtre de sécurité d’un fournisseur peut bloquer exactement ce travail en plein incident. Un modèle à poids ouverts qui tourne sur vos propres serveurs ne peut pas être coupé par un changement de politique.

Comment Mistral couvre ce pari

Mistral couvre aussi ce pari. Il indique que le modèle final refuse 96,6 % des requêtes cyber malveillantes, le taux le plus élevé qu’il a mesuré parmi les modèles ouverts. Mais il reconnaît aussi un risque : la surveillance du trafic réel depuis la préversion a montré « a potential for uplift to conduct real attacks », et Mistral dit renforcer ses garde-fous dans les mois qui viennent. Une variante spécialisée pour les tests d’intrusion et le red teaming est en préversion pour des partenaires contrôlés comme Orange Cyberdefense uniquement, sous contrat et limitée aux systèmes qu’ils possèdent ou qu’ils sont autorisés à tester. Lample a décrit l’objectif le jour du lancement comme le fait de permettre aux entreprises et aux gouvernements de « defend themselves against threat actors that are jailbreaking closed models to perform cyber attacks », selon CNBC.

Z.ai a affronté la même tension en août. L’entreprise a lancé GLM 5.3 sans poids et indiqué sur X qu’ils seraient publiés « in stages following rigorous safety evaluations ». Mistral a fait une promesse plus ferme et l’a tenue, deux jours après le 27 octobre annoncé à la presse.

Mistral Large 4 est-il open source ?

Mistral Large 4 est un modèle à poids ouverts, pas open source au sens strict. Mistral a publié les poids sur Hugging Face le 29 octobre, avec un checkpoint quantifié NVFP4 pour les GPU NVIDIA Blackwell, un rapport technique et des recettes de déploiement pour vLLM et SGLang. Ces poids sont ceux du modèle final amélioré, pas de la préversion.

Le fil de Lample au lancement expliquait pourquoi les poids sont arrivés trois semaines après la préversion. L’entraînement par renforcement derrière la préversion était encore en cours, et Mistral prévoyait de publier une version finale avec les poids.

La licence est la Mistral Ecosystem Open-Weight license, une licence MIT modifiée. Selon Mistral, le modèle peut être utilisé, modifié, affiné et commercialisé gratuitement, à une condition : une entreprise qui exploite une offre de type Model-as-a-Service doit obtenir une licence commerciale distincte avant tout usage commercial. Elle est donc moins permissive que celle de Large 3, publié sous Apache 2.0, et la gamme de Mistral n’est pas uniforme : Mistral Medium 3.5 a sa propre licence MIT modifiée. Lisez les conditions avant de bâtir un produit hébergé dessus.

Artificial Analysis classe désormais Mistral Large 4 parmi les modèles à poids ouverts sous licence commerciale. Si vous le comparez à d’autres modèles téléchargeables aujourd’hui, notre liste des meilleurs modèles d’IA open source couvre le terrain.

Prix de Mistral Large 4

Mistral Large 4 coûte 0,70 $ par million de tokens en entrée et 2,10 $ par million de tokens en sortie, avec l’entrée en cache à 0,07 $. Mistral a fixé ce prix le 29 octobre avec le modèle final, et c’est le chiffre de sa grille tarifaire de l’API et de la fiche du modèle dans la documentation.

La préversion était tarifée autrement. Son prix catalogue était de 1,36 $ en entrée, 0,14 $ en entrée en cache et 4,18 $ en sortie, et pendant les deux premières semaines de la préversion, la fiche de la documentation de Mistral affichait ces prix barrés et divisés par deux, 0,68 $, 0,07 $ et 2,09 $, sans explication. Le prix final tombe presque exactement sur ce demi-tarif des premières semaines.

Par million de tokensEntréeEntrée en cacheSortie
Mistral Large 4, depuis le 29 octobre0,70 $0,07 $2,10 $
Mistral Large 4 préversion, prix catalogue1,36 $0,14 $4,18 $
Mistral Large 3 (obsolète)Retiré de la grilleRetiré de la grilleRetiré de la grille

Mistral Large 4 remplace deux modèles plus anciens. Mistral a rendu obsolètes Large 3 et Medium 3.5 le 31 octobre, désigne Large 4 comme remplaçant des deux et les retirera le 30 avril 2027. Notre guide des tarifs de Mistral AI couvre les abonnements Vibe et le reste de l’offre API. Mistral se compare à DeepSeek plus qu’à tout autre laboratoire, et notre analyse de DeepSeek V4 présente ce rival.

Comment essayer Mistral Large 4

Mistral Large 4 est disponible à plus d’endroits que la préversion. Les développeurs peuvent l’appeler via l’API Mistral dans Mistral Studio, sur OpenRouter, via les endpoints hébergés de NVIDIA ou dans Microsoft Foundry, qui selon Mistral a été le premier fournisseur cloud à le proposer. La fiche de la documentation indique la prise en charge des sorties structurées, de l’appel de fonctions, des questions-réponses sur documents, du traitement par lots et des outils d’agent intégrés de Mistral.

Pour le code, Mistral renvoie vers Vibe Code, le mode code de Vibe, l’assistant anciennement appelé Le Chat, où vous pouvez choisir Large 4 et lui confier une fonctionnalité à créer ou un bug à corriger. Pour le faire tourner vous-même, téléchargez les poids sur Hugging Face et servez-les avec vLLM ou SGLang. Si vous voulez surtout comparer les réponses de plusieurs modèles de pointe sans gérer de clés API ni de GPU, Fello AI réunit Mistral, Claude, GPT et Gemini dans une seule app pour Mac.

Faut-il passer à Mistral Large 4 ?

Passez-y si l’hébergement européen, le travail de cybersécurité ou l’auto-hébergement motivent votre recherche. Pour une équipe qui doit traiter son IA dans l’UE sous droit européen, Mistral Large 4 est le modèle le plus puissant que Mistral serve depuis sa propre infrastructure européenne, et les poids vous permettent de le faire tourner sur vos propres serveurs. Pour les équipes de sécurité lassées des refus sur un travail légitime autour des vulnérabilités, c’est l’option ouverte la plus claire à tester. Et si vous utilisez Large 3 ou Medium 3.5, vous avez jusqu’au 30 avril 2027 pour migrer.

Pour tous les autres, testez avant de vous engager.

Sur Artificial Analysis, GLM-5.3 et Kimi K3.1 Pro obtiennent toujours de meilleurs scores en intelligence générale, et les deux sont également téléchargeables. La clause Model-as-a-Service compte si vous comptez revendre l’accès. Là où Mistral Large 4 est difficile à battre, c’est le prix pour un modèle de cette taille : 0,70 $ par million de tokens en entrée pour un modèle de 1 000 milliards de paramètres que vous pouvez aussi posséder entièrement.

FAQ

Qu’est-ce que Mistral Large 4 ?

Mistral Large 4 est un modèle mixture-of-experts de 1 000 milliards de paramètres conçu par le laboratoire français Mistral AI, avec 49 milliards de paramètres actifs par token. Il lit le texte et les images et répond en texte. Mistral l’a lancé en préversion le 6 octobre 2026, sous le surnom de Le Chonk, puis a publié le modèle final avec ses poids ouverts le 29 octobre.

Les poids de Mistral Large 4 sont-ils disponibles ?

Oui. Mistral a publié les poids sur Hugging Face le 29 octobre 2026, deux jours après la date annoncée à la presse. Ils correspondent au modèle final amélioré et s’accompagnent d’un checkpoint NVFP4 pour les GPU NVIDIA Blackwell. La licence est la Mistral Ecosystem Open-Weight license, une licence MIT modifiée.

Combien coûte Mistral Large 4 ?

0,70 $ par million de tokens en entrée et 2,10 $ par million de tokens en sortie, avec l’entrée en cache à 0,07 $, depuis le 29 octobre 2026. La préversion était affichée à 1,36 $ et 4,18 $.

Mistral Large 4 est-il meilleur que DeepSeek, GLM ou Kimi ?

Sur l’Artificial Analysis Intelligence Index v5.0.1, il obtient 26,1, devant DeepSeek V4 Pro 0813 (23,1) mais derrière GLM-5.3 (31,7), DeepSeek V4.1 Flash 1017 (32,6) et Kimi K3.1 Pro (46,5). Les graphiques de Mistral le montrent au niveau de GLM-5.3 sur le code agentique et solide en cybersécurité, avec 51 % sur le Cyber Index d’AA.

Puis-je utiliser Mistral Large 4 dans Vibe ou Le Chat ?

Oui, dans Vibe Code, le mode code de Vibe. Vibe est le nouveau nom de Le Chat. L’annonce des poids de Mistral renvoie directement vers Vibe Code avec Large 4 sélectionné, mais ne dit pas si Large 4 fait aussi tourner le chat classique de Vibe.

L’image principale de cet article a été créée avec l’aide de l’IA.