Mistral Large 4 : publication des poids ouverts

2026-10-29 · Éditeur : Mistral AI · Domaine : Intelligence Artificielle

Mistral AI publie les poids de Mistral Large 4 (« Le Chonk »), son modèle d'un billion de paramètres, après trois semaines d'apprentissage par renforcement supplémentaire. Le modèle vise le code agentique et la cyberdéfense.

### Contexte Mistral Large 4 avait été présenté en aperçu public le 6 octobre 2026 (voir la fiche dédiée). Le 29 octobre, Mistral en publie la version finale avec les poids ouverts, après trois semaines d'apprentissage par renforcement supplémentaire. Selon TechCrunch, l'éditeur présente le modèle comme un outil de cyberdéfense souveraine, déployable sur site. ### Caractéristiques - Environ 1 000 milliards de paramètres au total (1,05 T selon VentureBeat, avec 52 milliards actifs) ; accepte du texte et des images en entrée et produit du texte ; plus de 160 langues. - Trois modes de raisonnement : faible, moyen, élevé (par défaut). - Licence « Mistral Ecosystem Open-Weight », une licence MIT modifiée : les services de type « modèle en tant que service » exigent une licence commerciale. - Disponible sur Mistral Studio, l'API Mistral, OpenRouter, Hugging Face (vLLM, SGLang), Microsoft Foundry et chez NVIDIA (endpoints hébergés, conteneur NIM). - Citation de Pierre Stock (Mistral), rapportée par TechCrunch : « Access that can't be cut off by definition because the model is open-weighted » (un accès qui, par construction, ne peut pas être coupé puisque le modèle est à poids ouverts). ### Tarifs | | Prix par million de jetons | |---|---| | Entrée | 0,70 $ | | Entrée en cache | 0,07 $ | | Sortie | 2,10 $ | ### Benchmarks Scores publiés par l'éditeur. | Benchmark | Score | |---|---| | Terminal-Bench 4.0 (aperçu : 28 %) | 41 % | | Artificial Analysis Coding Agent Index | 48 % | | BrowseComp | 84,5 % | | B3 Agent Security Benchmark (résistance aux attaques) | 97,1 % | | Artificial Analysis Cyber Index | 51 % | Mistral affirme que le modèle est à égalité avec GLM-5.3 sur l'indice Coding Agent en utilisant 47 % de jetons en moins par tâche, et qu'il est préféré à GLM-5.3, Kimi K3 et DeepSeek V4.1 Flash dans l'étude de préférence Surge Code, seul Claude Opus 5.5 faisant mieux. ### À retenir Cette publication place un modèle ouvert de très grande taille au niveau des meilleurs modèles ouverts chinois sur le code, selon les mesures de l'éditeur. Ces résultats n'ont pas été recoupés par des évaluations indépendantes et la licence reste restrictive pour les offres de service.

Tags : LLM, Poids ouverts, Multimodal, Code, Cybersécurité, Mistral AI, Mistral Large