Mistral ouvre Large 4 « Le Chonk », 1 000 milliards de paramètres

Mistral ouvre en préversion publique Mistral Large 4, un modèle multimodal de mille milliards de paramètres×paramètrespoids du modèleNombre de valeurs apprises par un modèle. À quantification égale, plus de paramètres veut dire plus de mémoire occupée, et en général de meilleures réponses.Fiche du lexique dont 49 milliards actifs, entraîné sur 3 800 GPU Grace Blackwell dans ses propres centres européens, les poids annoncés pour la fin du mois. La facture est de 1,36 dollar par million de tokens d'entrée et 4,18 en sortie, et l'appui mis en avant n'est pas le classement général mais la cybersécurité : 82 % sur une épreuve qui demande de reproduire une vulnérabilité réelle dans un logiciel libre, puis d'écrire le correctif.

par Gyom 7 octobre 2026 à 07:27 4 min de lecture rubrique : Machines et coûts

etiquettes : En entreprise · Sécurité

Mistral a mis en ligne le 6 octobre 2026 la préversion de Mistral Large 4, surnommée « le Chonk », servie par son API et par Mistral Studio. Le modèle fait mille milliards de paramètres dont 49 milliards actifs, comprend nativement le texte et l'image, et l'éditeur annonce la publication des poids pour la fin du mois. D'ici là, des partenaires choisis et des autorités le testent sur la même version, avec une modération allégée et des capacités cyber élargies.

Mille milliards de paramètres entraînés sur 3 800 cartes, en Europe

Le modèle est un mélange d'experts à raisonnement hybride, entraîné depuis zéro sur 3 800 GPU NVIDIA Grace Blackwell installés dans les centres de Mistral, en Europe, et servi en préversion sur cette même infrastructure. Une part importante des données d'entraînement est multilingue, plus de 160 langues dont toutes les langues officielles de l'Union européenne. L'éditeur rattache l'effort à sa levée de 3 milliards d'euros, la plus importante levée de capital d'une société technologique européenne, et l'entraînement par renforcement tourne encore : à l'échelle actuelle, 3 000 GPU, il produit environ 33 milliards de tokens par jour, dont 16 milliards de tokens de complétion entraînables après filtrage et masquage.

Deux niveaux de raisonnement, 1,36 dollar en entrée et 4,18 en sortie

La préversion ne propose que deux niveaux de raisonnement, aucun et élevé, réglables depuis l'API. Les tarifs du catalogue sont ceux d'un grand modèle servi en ligne :

• 1,36 dollar par million de tokens d'entrée et 4,18 dollar par million de tokens de sortie.
• Les poids seront publiés avec l'architecture, des bancs complémentaires et la méthode de post-entraînement, à la fin du mois.

82 % sur l'épreuve qui reproduit une faille puis écrit le correctif

L'appui mis en avant est la cybersécurité. Mistral situe son modèle dans les cinq premiers de l'indice cyber d'Artificial Analysis, devant les modèles à poids ouverts×licence des poidspoids ouvertsConditions attachées aux fichiers de poids d'un modèle, distinctes de la licence du code qui les fait tourner. Des poids dits ouverts n'impliquent pas un logiciel libre : redistribution, usage commercial et entraînement dérivé varient d'un modèle à l'autre.Fiche du lexique développés hors de Chine, et sur l'une des épreuves de cet indice, qui demande de reproduire une vulnérabilité réelle trouvée dans un logiciel libre puis d'en écrire le correctif, il annonce 82 %, le meilleur score relevé. Sur Cybench, 40 exercices tirés de compétitions de sécurité, il résout 93 % des épreuves.

• Claude Opus 5.5 et GPT-6 Astra obtiennent des scores proches de zéro sur la même épreuve, parce qu'ils refusent la tâche, ce que l'éditeur présente comme l'argument des poids ouverts pour les équipes de défense.
• Les capacités dépasseraient le périmètre entraîné : analyse de programmes malveillants, hiérarchisation de vulnérabilités et écriture de règles de détection, en test interne chez Mistral.

61,7 % sur DeepSWE, deuxième sur cinq en évaluation humaine à l'aveugle

Sur le code, le modèle marque 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA et 28,3 % sur Terminal-Bench 4, pour un indice d'agent×agentIA agentiqueModèle qui boucle : il choisit une action, le plus souvent un appel d'outil, en lit le résultat, puis recommence jusqu'à l'objectif ou l'abandon. La boucle est ce qui distingue un agent d'une réponse unique.Fiche du lexique de codage combiné de 49,8 %, devant DeepSeek V4 Pro 0813 et Qwen3.8 Max. Une évaluation humaine à l'aveugle menée avec Surge AI le classe deuxième sur cinq, à 3,74 sur 5 pour la qualité du code, derrière Claude Opus 5 (4,22) et devant GLM-5.3 (3,60), Kimi K3 (3,59) et GLM-5.2 (3,40).

Sur les tâches d'agent, il atteint 59,9 % sur AutomationBench, 657 flux de travail d'entreprise portant sur Gmail, Google Sheets, Slack et Salesforce, devant Kimi K3, MiMo-V2.6-Pro et DeepSeek V4 Pro, et 1 393 Elo sur AA-Briefcase, qui note les livrables longs de la connaissance, tableurs, présentations et PDF. En compréhension d'images, il devance GPT-6 Astra sur le repérage d'objets dans des scènes denses, 42 % contre 41 % sur Dense 200, et Mistral le donne au plus haut parmi les modèles ouverts sur SciCode-Verified.

38 sur Artificial Analysis, juste derrière un modèle de 552 milliards

Le repère extérieur tempère la présentation. Sur Artificial Analysis, Mistral Large 4 marque 38, juste derrière DeepSeek 4.1 Flash, qui fait 552 milliards de paramètres, et très au-dessus des 9 de Mistral Large 3, sorti en décembre. Simon Willison relève que le niveau de raisonnement élevé consomme moins de tokens de sortie que le niveau aucun sur son essai, 2 717 contre 3 275, et situe l'ensemble à environ six mois du meilleur du moment.

Pour un utilisateur, la décision se joue à la fin du mois : poids, architecture et méthode de post-entraînement sont annoncés ensemble, et le modèle doit servir de base à une génération suivante de modèles spécialisés. D'ici là, l'accès passe par l'API, ce qui donne la qualité et le prix sans rien installer.

Source primaire Mistral, annonce de Mistral Large 4 (Le Chonk)

Retour au journal