Mistral a publié le 29 10 les poids de son modèle phare Mistral Large 4 (surnommé Le Chonk). Il s'agit d'un modèle à mélange d'experts d'environ 1 billions de paramètres, acceptant des entrées texte et image et produisant du texte, avec une fenêtre de contexte de 100 000 tokens ; lancé en version préliminaire il y a trois semaines, il a depuis bénéficié d'un apprentissage par renforcement continu, avec selon l'éditeur une amélioration notable des capacités en programmation et en cybersécurité. La licence est une version modifiée de la MIT : utilisation, modification, ajustement fin et usage commercial gratuits, mais la fourniture en tant que « modèle en tant que service » nécessite une licence commerciale distincte.
Confiance : élevée (100) · Date de l'événement 2026-10-29
Justification
- Modèle rare parmi les modèles à poids ouverts : niveau billion de paramètres, entraîné entièrement en Europe, permettant aux entreprises et aux gouvernements de l'exécuter dans leurs propres centres de données sans dépendre d'API. Selon l'éditeur : score de 19.7% sur l'évaluation privée de Cognition FrontierCode 2.0, premier parmi les modèles à poids ouverts ; Terminal-Bench 4.0 passe de 28% en version préliminaire à 41% ; indice d'agents de programmation d'Artificial Analysis 48%, comparable à GLM-5.3 mais utilisant 47% de tokens en moins par tâche.
- La cybersécurité est l'argument principal (selon l'éditeur) : indice de cybersécurité d'Artificial Analysis 51% ; taux moyen de refus de 96.6% sur les requêtes réseau malveillantes de JailbreakBench, StrongREJECT et AgentHarm, le plus élevé parmi les modèles ouverts ; une variante dédiée aux tests d'intrusion et au red teaming est proposée en préversion à des partenaires vérifiés comme Orange Cyberdefense. Mistral reconnaît que le modèle pourrait faciliter des attaques réelles et continuera d'ajuster les protections dans les mois à venir.
- Les résultats tiers sont plus mesurés : selon The Decoder citant Artificial Analysis, le nouveau score d'intelligence v5 est de 26 (version préliminaire 25), inférieur aux 32 points de DeepSeek V4.1 Flash et GLM-5.3 ; en cybersécurité, DeepSeek V4.1 Flash (57%) et MiMo-V2.6-Pro (56%) sont également devant. Les avantages sont la vitesse et le prix : 161 tokens de sortie par seconde, coût moyen de 2.06 dollars par tâche de l'indice, moins cher que GLM-5.3 mais bien plus coûteux que DeepSeek V4.1 Flash.
Utilisation
- Les poids sont disponibles dans la collection Hugging Face Mistral Large 4 (mistralai/Mistral-Large-4-1T-A52B, avec une version NVFP4) ; support dès le premier jour pour transformers, vLLM, SGLang et llama.cpp (quantifications GGUF fournies par ggml-org) ; l'effort de raisonnement reasoning_effort peut être réglé sur low / medium / high, par défaut high, le raisonnement ne peut pas être désactivé.
- Exigences matérielles élevées : selon The Decoder citant la documentation SGLang, la version standard nécessite 8 cartes B300 ; le blog Hugging Face indique qu'une quantification 2 bits peut tourner sur un Apple Silicon Ultra avec 512 Go de mémoire, et propose un déploiement Inference Endpoints avec 8 cartes H200.
- Pour éviter l'auto-hébergement, utilisez Mistral Studio, l'API Mistral, OpenRouter, Microsoft Foundry ou les points de terminaison hébergés par NVIDIA ; prix officiels : 0.70 dollars par million de tokens d'entrée, 0.07 dollars pour les entrées mises en cache, 2.10 dollars pour la sortie.
Risques
- Incohérences sur le nombre de paramètres activés : le nom du dépôt Mistral, The Decoder et SiliconANGLE indiquent 520 millions, tandis que le blog Hugging Face indique environ 490 millions.
- Plusieurs chiffres divergents selon les sources : le 82% mentionné dans le blog Hugging Face correspond à la sous-métrique « reproduction et correction de vulnérabilités » de l'indice de cybersécurité, le score total étant 51% ; le taux de résistance aux attaques de 93.3% pour B3 cité correspond aux résultats de la version préliminaire selon Mistral (la version finale affiche officiellement 97.1%) ; Terminal-Bench 4 affiche 28.3%, écart important avec les 41% de Mistral, configuration de test non précisée.
- La plupart des scores en programmation et en sécurité proviennent d'évaluations choisies par Mistral ; les avis de partenaires comme Booz Allen et Cisco relèvent du soutien institutionnel ; le rapport technique complet est annoncé comme « bientôt disponible » par l'éditeur.
- The Decoder note que les comparaisons de Mistral n'incluent pas Kimi K3.1 Pro (poids non encore publiés, Moonshot prévoit une sortie avant le 4 11), qui obtient 67% sur Terminal-Bench 4.0.
Ouvrir · Actualités Mistral AI · The Decoder · TechCrunch · SiliconANGLE