Mercury 3 vs Mistral Large 4 : deux modèles inachevés et les promesses attachées à chacun

Aucun de ces deux modèles n'est finalisé, et leurs façons de ne pas l'être sont opposées. Mercury 3 a été publié par Inception Labs le 19 octobre 2026 en tant que produit commercialisé à 0,20 $ par million de jetons d'entrée et 0,70 $ par million de jetons de sortie, et il ne dispose d'aucune évaluation indépendante, quelle qu'elle soit — pas de score Artificial Analysis, pas de harnais tiers, rien. Mistral Large 4 a été annoncé par Mistral le 6 octobre 2026 sous forme d'aperçu public à 1,36 $ et 4,18 $ par million, et il obtient un score indépendant de 38 sur l'Artificial Analysis Intelligence Index ainsi qu'un coût mesuré de 1,13 $ par tâche de l'indice, mais ses poids — dont Mistral avait promis la publication « d'ici la fin du mois » — n'avaient pas été publiés sur Hugging Face au moment de la rédaction, et le run d'apprentissage par renforcement de l'aperçu lui-même était encore en cours lors de l'annonce. Les défaillances de l'IA et les incidents d'agents documentés à l'origine de sorties comme celle-ci sont recensés dans l'OrcaRouter AI Incident Archive où chaque entrée comporte ses propres sources, un niveau de gravité, une note de confiance et un indicateur de contestation.

La comparaison oppose donc un modèle dont tous les chiffres sont déclarés par le fournisseur à un modèle dont les chiffres ne sont pas tous définitifs. Ils appartiennent en outre à des catégories de produits différentes : Mercury 3 est un modèle de langage à diffusion purement textuel, doté d’un contexte d’un million de jetons et d’un débit revendiqué de 1 068 jetons par seconde, tandis que Mistral Large 4 est un mélange d’experts nativement multimodal de 1 000 milliards de paramètres, dont 52 milliards de paramètres actifs, entraîné sur 3 800 GPU NVIDIA Grace Blackwell dans des datacenters français et positionné explicitement autour de la souveraineté européenne en matière d’IA. Si votre charge de travail est textuelle et que votre contrainte est le coût, cette différence est décisive avant même de consulter le moindre benchmark. Si ce n’est pas le cas, les deux modèles ne se concurrencent guère.

Mercury 3, et la chose précise qui manque

Le modèle d’Inception est la troisième génération de son pari sur le décodage parallèle. Au lieu d’un token par passe avant, Mercury débruite un bloc de positions et les valide ensemble, d’où viennent plus de 1 000 tokens par seconde. Selon Inception, Mercury 3 compte plus de 40 fois le nombre total de paramètres de Mercury 1, avec une fenêtre de contexte passée de 260 000 à 1 000 000 de tokens et un plafond de sortie de 131 072 tokens ; il tourne à 1 068 tokens par seconde sur du matériel NVIDIA non précisé.

Ce qui manque, c’est toute mesure qu’Inception n’a pas réalisée. Le seul résultat de qualité structuré de l’annonce est un test d’agent sur des sites réels en ligne : 50 tâches de navigation Mind2Web sur de vrais sites web, dans le propre banc d’essai de production d’Inception, où Mercury 3 a accompli 50 % — 25 tâches — ce qui, selon Inception, est « nettement plus que GPT-6.1-Sol » à volume de tokens et nombre d’étapes identiques. C’est plus intéressant qu’un tableau de benchmarks parce que les sites étaient en ligne, et moins fiable pour la même raison qu’une démonstration de fournisseur l’est toujours : Inception a choisi le banc d’essai, les cibles et la notation. Il n’existe aucune page Artificial Analysis pour Mercury 3 au 20 octobre 2026, donc aucun chiffre neutre de débit, aucun coût neutre par tâche et aucune courbe de rappel neutre pour cette fenêtre d’un million de tokens.

La conséquence est concrète plutôt que philosophique. Un contexte d’un million de tokens avec une courbe de rappel non mesurée est une revendication de capacité : les tokens tiennent, et personne n’a établi quelle proportion le modèle en utilise réellement. Mercury 2.5 a obtenu 12 à l’Artificial Analysis Intelligence Index, ce qui indique où se situait la génération précédente et rien sur celle-ci.

Mistral Large 4, et le point précis qui n’est pas terminé

Le modèle de Mistral est une tout autre proposition, et l’annonce est inhabituellement précise à son sujet. Il s’agit d’un modèle multimodal natif de 1 000 milliards de paramètres, avec 52 milliards de paramètres actifs — un mélange d’experts clairsemé, de sorte que la majeure partie des 1 000 milliards n’est pas mobilisée pour un token donné. Il traite des documents, des graphiques, des images naturelles, des dessins techniques et des images satellite de l’ordre du gigapixel, et il a été entraîné sur des données couvrant plus de 160 langues, dont toutes les langues officielles de l’UE.

• Codage — 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA, 28,3 % sur Terminal-Bench 4, pour un indice combiné Coding Agent Index de 49,8 %. Tous rapportés par Mistral.

• Agents et cybersécurité — 59,9 % sur AutomationBench, 1 393 Elo sur AA-Briefcase, 82 % sur un test de reproduction et de correction de vulnérabilités réelles qui, selon Mistral, devance tous les modèles, 93 % sur Cybench, et 93,3 % de résistance aux attaques sur B3 de Lakera.

• Vision — 42 % sur Dense 200 en ancrage visuel, légèrement devant GPT-6 Astra à 41 %.

• Évaluation humaine — 3,74 sur 5 à l'évaluation de codage à l'aveugle de Surge AI, deuxième sur cinq modèles, derrière Claude Opus 5 à 4,22. L'étude a été menée par un tiers ; Mistral l'a commandée et publiée.

Agrégat indépendant — 38 sur l’Artificial Analysis Intelligence Index, classé 66e sur 217, à 1,13 $ par tâche de l’indice, 67,5 jetons de sortie par seconde et un temps jusqu’au premier jeton de 1,65 seconde.

• Statut — aperçu, poids promis d’ici fin octobre 2026, exécution RL toujours en cours au moment de l’annonce.

La classification mérite qu’on y prête attention. La documentation de Mistral elle-même classe la génération v26.10 comme « Open » et à poids ouverts ; la page Artificial Analysis, consultée le 20 octobre, indique encore « propriétaire » et « les poids du modèle ne sont pas accessibles publiquement ». Les deux sont exacts à des moments différents : la licence exprime l’intention, les poids ne sont pas encore sur disque. Quiconque prépare un déploiement en supposant que Mistral Large 4 sera téléchargeable en novembre doit noter que la promesse a une date et pas encore de dépôt.

Les deux grilles tarifaires, et le chiffre qui rend l’écart plus petit qu’il n’y paraît

Sur le papier, Mercury 3 est nettement moins cher : 0,70 $ par million en sortie contre 4,18 $, et 0,20 $ en entrée contre 1,36 $. Cela représente un écart d’un facteur 6 au tarif catalogue, ou d’un facteur 12 pendant la fenêtre de lancement de Mercury à 0,10 $ et 0,35 $, le tarif promotionnel propre à Mistral à 0,68 $ et 2,09 $ le ramenant à environ 6 fois.

Le chiffre par réponse est celui où la compression s’accentue encore, et c’est le seul chiffre de cet article qui ait été mesuré par quelqu’un d’autre que le fournisseur vendant le modèle. Artificial Analysis évalue Mistral Large 4 Preview à 1,13 $ par tâche de l’Intelligence Index. Mercury 3 n’a pas d’équivalent, donc la seule façon d’en construire un est de supposer un volume de tokens — et les comparaisons précédentes de Mercury ont montré pourquoi cette hypothèse compte : un modèle qui dépense 31 000 tokens de sortie là où un autre en dépense 193 000 peut être 20 fois plus cher par token et rester moins cher par réponse. À 0,70 $ par million, Mercury 3 aurait besoin d’environ 1,6 million de tokens de sortie pour coûter 1,13 $ pour une seule tâche. Il n’en dépensera pas autant. Pour tout volume réaliste, il se situe bien en dessous de 1,13 $, ce qui est le cœur honnête de son argumentaire : l’avantage par token survit ici à la correction par réponse, contrairement à ce qui s’est passé face à GPT-6 Sol.

• Contexte — {{1}}Mercury 3{{/1}} : 1 000 000 de tokens selon la documentation d’Inception. {{2}}Mistral Large 4{{/2}} : 1 000 000 selon la fiche modèle de Mistral, contre 524 288 dans la configuration testée d’{{3}}Artificial Analysis{{/3}}.

• Multimodalité — Mercury 3 : texte en entrée, texte en sortie, aucune image à aucun prix. Mistral Large 4 : documents, graphiques, photographies, dessins techniques, images satellite.

• Vitesse — Mercury 3 : 1 068 jetons par seconde, mesuré par le fournisseur. Mistral Large 4 : 67,5 jetons par seconde selon Artificial Analysis, avec un temps jusqu'au premier jeton de 1,65 seconde, véritablement rapide pour un modèle de cette taille.

• Poids — Mercury 3 : aucun publié, et l’organisation Hugging Face d’Inception ne détient aucun dépôt de modèles. Mistral Large 4 : promis d’ici la fin octobre, pas encore publié.

• Gouvernance — Mercury 3 : aucune déclaration publiée sur les données d’entraînement ou le déploiement dans l’UE. Mistral Large 4 : entraîné dans des centres de données européens, déploiement opéré en Europe, toutes les langues officielles de l’UE.

La ligne sur le contexte long est celle qu’il faut lire deux fois. La documentation de Mistral indique un million de tokens ; Artificial Analysis a testé à 524 288. Ce n’est pas une contradiction — les fournisseurs testent selon la puissance de deux que leur harnais prend en charge —, mais c’est un rappel qu’un chiffre de contexte est un maximum, et non une capacité testée, et le rappel sur contexte long de Mistral Large 4 n’a pas non plus été publié sur la fenêtre complète.

Là où l’argument européen fait réellement mouche

L’argument de souveraineté n’est pas un simple ornement sur ce modèle ; c’est la raison pour laquelle plusieurs acheteurs le choisiront plutôt qu’une solution moins chère et meilleure. Entraîné sur des GPU Blackwell dans des datacenters français, exploité depuis l’Europe, multilingue dans toutes les langues officielles de l’UE — pour un acheteur du secteur public ou une entreprise européenne réglementée, cette combinaison peut peser plus lourd que douze points d’indice d’intelligence, car l’alternative pourrait tout simplement ne pas être acquérable.

Mercury 3 n’en offre rien. Inception n’a rien publié sur l’endroit où le modèle s’exécute, sur les données avec lesquelles il a été entraîné ni sur les conditions de conservation applicables, se contentant de préciser que les clients entreprises peuvent acheter de la capacité dédiée, de l’autoscaling, des contrôles de conformité et une conservation configurable. Ce sont les bons arguments à vendre à une entreprise, et ils ne correspondent pas à une position publiée en matière de traitement des données.

Il y a encore un détail dans l’histoire européenne qu’il vaut mieux signaler plutôt que résoudre : la promesse des poids ouverts. Si Mistral publie les poids fin octobre, un acheteur européen obtient quelque chose qu’aucun laboratoire américain n’offre actuellement à cette échelle — un modèle multimodal proche de la frontière qui peut tourner à l’intérieur de son propre périmètre, sur son propre matériel, sans qu’aucun fournisseur ne se trouve dans le chemin de la requête. C’est un produit matériellement différent d’une API de prévisualisation, et c’est la raison pour laquelle le dépôt manquant compte davantage que les points de benchmark manquants.

Ces deux modèles ne figurent plus dans notre catalogue, ce qui change la recommandation.

Mercury 3 ne figure pas au catalogue d’OrcaRouter, et Mistral Large 4 non plus — notre API de modèles ne renvoie rien pour l’un comme pour l’autre, et ce pour toutes les variantes de slug que nous avons essayées. C’est suffisamment inhabituel pour le dire clairement, car cela signifie que cette comparaison ne peut pas se conclure par « mettre les deux sur une seule clé ». Quiconque appelle l’un ou l’autre modèle s’adresse directement au fournisseur, ou à l’une des nombreuses plateformes tierces qui l’hébergent.

Ce qu'une couche de routage fait encore dans cette situation, c'est la partie qui ne nécessite pas d'héberger le modèle : elle garde les modèles vers lesquels nous routons derrière un point de terminaison unique compatible OpenAI, et elle vous permet d'exprimer une règle sur la destination de chaque type de trafic. Si les poids de Mistral arrivent fin octobre, l'architecture intéressante n'est pas « utiliser Mistral Large 4 pour tout » — c'est un chemin Mistral auto-hébergé pour les documents qui ne peuvent pas sortir de votre périmètre, un modèle frontier routé pour le travail qui le peut, et une règle qui décide entre les deux. La même règle gère Mercury 3 si Inception le publie quelque part où nous pouvons y accéder, et elle gère le cas où la tarification promotionnelle de l'un ou l'autre fournisseur prend fin, ce qui, pour Mercury 3, n'a aucune date annoncée.

Qui devrait choisir quoi, et qu’est-ce qui changerait la réponse ?

Choisissez Mercury 3 si le travail est textuel, le volume est élevé et les réponses sont peu coûteuses à vérifier. La grille tarifaire est six à douze fois moins chère que Mistral Large 4 selon les prix en vigueur, la fenêtre de contexte affiche la même taille annoncée, et l'absence de score neutre est un risque que vous pouvez mesurer dans votre propre taux d'erreur en l'espace d'une journée. Ce à quoi vous renoncez, c'est toute forme d'entrée non textuelle, ainsi que toute capacité d'auditer le comportement du modèle avant de le déployer.

Choisissez Mistral Large 4 si l’entrée contient des images, des dessins ou des scans ; si les achats exigent un entraînement et une exploitation européens ; si un délai de 1,65 seconde jusqu’au premier token compte davantage que le débit brut ; ou si la promesse de poids ouverts est la véritable raison de votre intérêt, auquel cas attendez le dépôt plutôt que l’annonce. Ce à quoi vous renoncez, c’est à un facteur six sur le prix et à toute prétention à être la solution la plus rapide disponible.

Deux dates suffiraient à trancher la plupart des questions ouvertes de cet article. La première est la fin du mois d’octobre, lorsque Mistral publiera les poids ou non. La seconde est le moment où Artificial Analysis évaluera Mercury 3, ce qui remplacerait chaque chiffre fourni par le fournisseur dans la première section par une valeur mesurée. Aucune de ces dates n’a été annoncée. D’ici là, le résumé défendable est que Mercury 3 est le moteur de texte le moins cher et Mistral Large 4 le produit le plus complet, et que les deux sont vendus sur la base d’allégations que l’acheteur doit actuellement accepter sur parole.