GPT-6 Astra vs Mistral Large 4 : un écart de capacités, un écart de prix, et trois choses que les benchmarks omettent

Mistral Large 4 est environ trois à sept fois moins cher que GPT-6 Astra et accuse un retard d'environ seize points sur l'Intelligence Index. Selon les chiffres indépendants relevés dans la semaine du 8 octobre 2026, Mistral Large 4 Preview se situe à 38,4 sur l'Intelligence Index v4.3 d'Artificial Analysis et GPT-6 Astra à 54,7 — un écart plus large que celui séparant Astra de tout autre modèle de cette catégorie —, tandis que les grilles tarifaires affichent 0,68 $ et 2,09 $ par million de tokens contre 10,00 $ et 50,00 $. Si le rapport capacité-prix était la seule question, la réponse serait Astra pour les tâches difficiles et Mistral Large 4 pour le volume, et l'article s'arrêterait ici.

Cela ne s’arrête pas là, car trois des différences qui décident de cette confrontation n’apparaissent sur le tableau de référence d’aucun des deux fournisseurs. Mistral Large 4 est arrivé le 6 octobre 2026 sous la forme d’un aperçu public dont les poids n’ont pas été publiés, servi depuis les propres centres de données européens de Mistral, et vanté pour un comportement de refus que les modèles fermés ne peuvent reproduire à aucun prix. GPT-6 Astra est sorti le 3 septembre 2026 comme le haut de la gamme d’OpenAI, est fermé, modéré, et dans cette comparaison, c’est le modèle qui dit non. C’est un axe différent de celui que mesure l’indice.

La spécification, les deux côtés sur chaque ligne

• Sortie — GPT-6 Astra 3 septembre 2026, disponibilité générale vs Mistral Large 4 6 octobre 2026, aperçu public

• Paramètres — Astra non divulgué vs Mistral Large 4 : 1 050 milliards au total avec 49 milliards de paramètres actifs par token, plus un encodeur visuel de 1,6 milliard de paramètres

• Fenêtre de contexte — Astra 1 050 000 tokens vs Mistral Large 4 annoncé à 1 M mais mesuré à 524 288 par Artificial Analysis sur la configuration qu’il teste

• Sortie maximale — Astra 128 000 jetons vs Mistral Large 4 pas encore documenté

• Prix d'entrée — Astra 10,00 $ par million contre Mistral Large 4 1,36 $ sur la grille tarifaire publiée, actuellement facturé à un tarif promotionnel de 0,68 $

• Prix de sortie — Astra 50,00 $ par million contre Mistral Large 4 4,18 $ sur la carte, actuellement 2,09 $

• Entrée mise en cache — Astra 1,00 $ par 1M contre Mistral Large 4 0,14 $, actuellement 0,07 $

• Palier de contexte long — Astra refacture l’intégralité de la requête à 20,00 $ et 75,00 $ au-delà de 272 000 jetons d’entrée ; Mistral ne publie aucune étape comparable

• Poids — Astra fermé vs Mistral Large 4 promis sous une licence ouverte non nommée d’ici fin octobre 2026, pas encore publié

• Où ça tourne — Astra sur l'infrastructure d'OpenAI, Azure et AWS Bedrock vs Mistral Large 4 sur son propre cluster européen aujourd'hui, auto-hébergeable une fois les poids disponibles

• Indice d’intelligence indépendant — Astra 54,7 vs Mistral Large 4 Preview 38,4

• Rappel indépendant en contexte long — Astra 80,7 vs Mistral Large 4 81,3, la seule ligne de capacités où Mistral est en tête

L'écart d'indice est réel, et il n'est pas tout le modèle

Cinquante-quatre contre trente-huit n’est pas une différence d’arrondi. Sur le même harnais Terminal-Bench 4.0 de cet évaluateur, Astra enregistre 59,1 % contre 26,8 % pour Mistral Large 4 Preview, et sur la page d’Artificial Analysis elle-même, Mistral Large 4 est signalé comme prenant en moyenne environ 507 secondes par tâche, tandis que les exécutions de l’indice d’Astra sont évaluées à environ 3,26 $ de calcul chacune. Un modèle qui prend huit minutes par tâche et obtient seize points de moins ne joue pas dans la même catégorie de charge de travail en codage agentique.

Deux lignes vont dans l'autre sens, et toutes deux méritent d'être prises en compte dans n'importe quelle décision. Mistral Large 4 mène sur le rappel en contexte long, 81,3 contre 80,7, ce qui constitue un atout réel pour les travaux à forte composante documentaire et de recherche d'informations, là où un acheteur européen est le plus susceptible de le vouloir. Et il s'agit d'un aperçu d'un mélange d'experts de 1,05 billion de paramètres que Mistral dit être encore dans une phase d'apprentissage par renforcement non saturée — les mots mêmes du fournisseur sont qu'il s'attend à de « grandes et rapides améliorations dans les semaines et les mois à venir ». Le modèle que vous évaluez aujourd'hui est la pire version de celui-ci qui vous sera jamais facturée. Le 54,7 d'Astra est attaché à une capacité fixe ; le 38,4 de Mistral est attaché à une capacité évolutive, et ces deux faits jouent en faveur de l'acheteur, chacun à sa manière.

D'où viennent les chiffres de Mistral, et qui les a calculés

Le dossier de lancement de Mistral est d’une prudence inhabituelle concernant la provenance, et cette prudence est en soi une information. Trois des chiffres phares du codage agentique — 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA et 28,3 % sur Terminal-Bench 4.0, se combinant pour donner un score de 49,8 % au Coding Agent Index — sont présentés par Mistral comme évalués en privé par Artificial Analysis avant le lancement public de ce harnais d’évaluation. Ils ne figurent pas encore dans l’index public, ce qui les rend plus solides qu’un benchmark auto-exécuté, tout en restant non reproductibles par vous aujourd’hui.

Le point de données indépendant le plus solide de la publication est un résultat que Mistral n’a pas produit lui-même. Surge AI, une société d’annotation tierce, a mené une évaluation humaine en aveugle sur la qualité du code, avec l’identité des modèles masquée, et des annotateurs professionnels ont attribué à Mistral Large 4 Preview la note de 3,74 sur une échelle de 1 à 5 — deuxième sur cinq, derrière seulement Claude Opus 5 à 4,22, et devant Kimi K3 à 3,59, GLM-5.3 à 3,60 et GLM-5.2 à 3,40. Une évaluation humaine en aveugle avec un laboratoire nommé de l’autre côté constitue un type de preuve différent d’un tableau auto-publié, et c’est le résultat indépendant le plus fort de l’annonce.

Tout le reste dans le tableau de Mistral est déclaré par le fournisseur et non reproduit, y compris les chiffres cyber ci-dessous. Lisez-les comme des affirmations qu’un laboratoire confiant avance, et non comme des mesures.

Ce que Mistral vend réellement : le refus

C'est la partie de la comparaison qu'aucun benchmark ne peut capturer, et c'est le propos le plus incisif que l'un ou l'autre des fournisseurs ait tenu dans cette confrontation.

Dans le Cyber Index d’Artificial Analysis, Mistral affirme que Mistral Large 4 figure parmi les cinq premiers au niveau mondial et arrive en tête des modèles à poids ouverts développés en dehors de la Chine. Sur un test spécifique — reproduire une vulnérabilité réelle dans un logiciel open source, puis la corriger —, il annonce 82 %, présenté comme le score le plus élevé de tous les modèles, ainsi que 93 % des 40 exercices de compétition de Cybench. Il formule ensuite l’observation qui donne à cette sortie son atout : plusieurs grands modèles fermés, parmi lesquels Claude Opus 5.5 et GPT-6 Astra sont cités, obtiennent un score proche de zéro à ce même test parce qu’ils refusent la tâche.

Les deux moitiés de cela sont rapportées par le fournisseur. Ni l’une ni l’autre n’a été reproduite indépendamment. Mais le mécanisme n’est pas exotique et ce n’est pas une pique — OpenAI a livré GPT-6 Astra après avoir franchi ce que la couverture au lancement a décrit comme un seuil de cybersécurité Critical, et un modèle avec une posture de refus plus stricte refusera une demande de reproduction de vulnérabilité qu’un modèle avec une posture plus souple tentera. Les 82 % et le quasi-zéro sont les deux faces d’une même décision de politique, et celui des deux que vous voulez est fonction de ce que vous faites dans la vie. Une équipe red team qui évalue son propre logiciel veut les 82 %. Une plateforme réglementée au service d’utilisateurs finaux peut vouloir spécifiquement le refus, et peut être prête à payer 10,00 $ et 50,00 $ par million de tokens pour cela.

C’est la différence entre ces deux modèles qu’aucune ligne de classement ne vous montrera jamais, et c’est la raison pour laquelle ils coexisteront sur le marché plutôt que l’un supplante l’autre.

Ce que signifie « open weight » cette semaine

Trois mises en garde figurent du côté de Mistral Large 4 de la feuille, et chacune a un prix.

• Les poids ne sont pas publiés. Il n’y a aujourd’hui ni checkpoints, ni fichier de licence, ni dépôt. Mistral affirme qu’ils arriveront d’ici fin octobre 2026, après une fenêtre de red teaming durant laquelle des partenaires vérifiés et des autorités nationales recevront une version déverrouillée. D’ici là, le seul moyen d’y accéder est l’API de prévisualisation, ce qui signifie que l’argument « exécutez-le sur votre propre matériel » relève de la feuille de route, et non d’une capacité.

• L’indicateur d’indépendance ne correspond pas au marketing. Artificial Analysis répertorie le modèle comme isOpenWeights: false avec la catégorisation « propriétaire », car ce qui existe, c’est un aperçu servi depuis le cluster du fournisseur lui-même. Cet indicateur est l’illustration la plus nette de l’écart entre les mots « open-weight » et l’artefact.

• Le prix qui vous est proposé est promotionnel. La grille tarifaire de Mistral affiche 0,68 $ et 2,09 $ en regard d'une liste barrée de 1,36 $ et 4,18 $. Fondez votre facture sur cette dernière. Une préversion est aussi une étiquette d'étape au sens contractuel — le modèle peut être réorienté, re-tarifé ou retiré avec un préavis plus court que celui d'une version GA, si bien qu'un pipeline réglé sur la version de cette semaine comporte un coût de revalidation que vous n'avez pas budgété.

Rien de tout cela ne fait de l’aperçu un mauvais achat. Cela en fait un achat avec une date d’expiration et une facture de revalidation, ce qui est un type de coût différent d’un tarif par token.

La souveraineté est une ligne d'approvisionnement, pas un slogan

Mistral a entraîné Mistral Large 4 à partir de zéro sur 3 800 GPU NVIDIA Grace Blackwell dans ses propres centres de données européens, a levé 3 milliards d'euros lors d'une série D spécifiquement pour construire cette capacité, et sert la preview depuis la même infrastructure. Pour un acheteur réglementé, ce n'est pas une position marketing ; c'est une exigence que GPT-6 Astra ne peut actuellement satisfaire à aucun prix. Le modèle d'OpenAI est accessible via l'API propre d'OpenAI, Azure et AWS Bedrock — tous excellents pour la scalabilité et aucun n'étant un pipeline de bout en bout exploité en Europe.

La seconde moitié de l’argument de souveraineté ne fait mouche que lorsque les poids suivent. Une organisation disposant des GPU peut alors exécuter sur site un modèle sparse de 1,05 billion de paramètres, sans fournisseur dans la boucle, ce qui modifie en même temps le discours sur la résidence des données et le comportement de refus. Astra restera un appel API le moment venu. Si votre feuille de route comporte une phase sur site, Mistral Large 4 est le seul des deux à en avoir une — et dans le cas contraire, cette colonne entière ne vaut rien pour vous.

Faire tourner les deux sans parier sur l’un ou l’autre

Ce qui est délicat dans cette confrontation du point de vue d'un routeur, c'est que d'un côté il y a un modèle que nous servons et de l'autre un aperçu que nous ne servons pas. GPT-6 Astra figure au catalogue OrcaRouter au prix catalogue d'OpenAI, sans supplément, sur la même clé compatible OpenAI que plus de 200 autres modèles, avec basculement automatique entre fournisseurs en amont — ce qui compte ici, car un aperçu est exactement le genre de dépendance qu'on veut tenir à l'écart de son chemin critique tant qu'il n'est pas stabilisé. Mistral Large 4 n'est pas routé par nous tant qu'il est servi depuis le propre cluster de Mistral, derrière un indicateur de préversion ; la version honnête de notre part dans cette comparaison, c'est le volet Astra, plus la possibilité d'exécuter la même tâche sur l'un comme sur l'autre sans second contrat. Lorsqu'un point de terminaison Mistral en disponibilité générale verra le jour, il héritera du même passage à 0 % que celui sur lequel tourne le reste du catalogue, et un changement de prix du fournisseur s'appliquera sur la même clé le jour même, plutôt qu'à la prochaine échéance.

Ce qu'une seule clé vous achète aujourd'hui, c'est l'A/B lui-même : le même prompt, le même évaluateur, deux chaînes de modèle, une seule facture — c'est ainsi que vous répondez à la seule question qui compte au sujet d'une preview, à savoir si sa posture de refus et son rappel en contexte long valent seize points d'index pour votre charge de travail.

La règle de décision, et la date qui la modifie

Si le travail relève du raisonnement complexe, du codage agentique ou de tout ce qui est mesuré par le haut de l'Intelligence Index, GPT-6 Astra est en tête, et l'écart de prix constitue la prime pour cela — $10.00 et $50.00 par million de tokens, avec un nouveau tarif à $20.00 et $75.00 pour les requêtes dépassant 272 000 tokens d'entrée.

Si le travail doit, par exigence, être résident en Europe, s’il est sensible aux refus ou s’il est destiné à du matériel sur site, Mistral Large 4 est le seul des deux à répondre tant soit peu à la question, pour un quart à un septième du prix du token, avec la réserve que l’artefact que vous déploierez plus tard ne sera pas celui que vous évaluez maintenant.

La date à retenir est la fin octobre 2026, date à laquelle Mistral annonce que les checkpoints arriveront. Trois choses changent ce jour-là : la licence reçoit un nom, l’argument de l’auto-hébergement cesse d’être une promesse, et le prix de lancement associé à un aperçu évolutif cesse d’être le prix associé à une version figée. Quiconque compare actuellement ces deux modèles sur leurs capacités devrait refaire la comparaison après cette date, car l’une de ses colonnes aura bougé.