Mistral Large 4 est un aperçu à 1 000 milliards de paramètres : les poids n’ont pas encore été publiés.

Mistral Large 4 est arrivé le 6 octobre 2026 en préversion publique — un modèle de mélange d’experts de 1 000 milliards de paramètres avec 49 milliards de paramètres actifs, un encodeur visuel de 1,6 milliard de paramètres, et une affirmation de son créateur selon laquelle il s’agit du modèle à poids ouverts le plus puissant développé hors de Chine. Ce qui n’est pas arrivé, c’est la partie que décrivent les mots « poids ouverts ». Il n’y a aujourd’hui aucun checkpoint à télécharger, aucun fichier de licence et aucun dépôt. Mistral indique que les poids seront disponibles « à la fin de ce mois », après une fenêtre de red teaming durant laquelle des partenaires agréés et des autorités nationales recevront une version déverrouillée, avec une modération réduite et des capacités cyber étendues. Ainsi, la description exacte de Mistral Large 4 cette semaine est celle d’une API de préversion que vous pouvez appeler et d’un modèle que vous ne pouvez pas encore posséder.

Cette distinction, c'est l'histoire, pas une note de bas de page. Chaque chiffre que Mistral a publié en même temps que l'annonce — les scores de code, les scores en cybersécurité, les évaluations financières et juridiques — a été produit sur une version qui est encore en cours de modification, et chaque titre qui le compare à un modèle de frontière fermé compare un artefact qui ne sera pas celui que vous téléchargerez. Ce qu'il est utile de faire face à un lancement comme celui-ci, c'est de séparer ce que vous pouvez vérifier aujourd'hui de ce qu'on vous demande de croire sur parole, et le billet de mistral.ai lui-même est inhabituellement généreux sur ce qui relève de l'un ou de l'autre.

Qu’est-ce qui est réellement en direct le 6 octobre ?

L'API de préversion est disponible sur Mistral Studio sous l'identifiant de modèle mistral-large-4-0. La fiche de modèle de Mistral le décrit comme « un modèle multimodal généraliste, à poids ouverts, de pointe » construit sur une architecture MoE granulaire, et décompose le nombre de paramètres en 49B actifs contre 1,05T au total, plus l'encodeur de vision. L'entreprise l'a entraîné à partir de zéro sur 3 800 GPU NVIDIA Grace Blackwell dans ses propres centres de données européens, et la préversion est servie sur cette même infrastructure — un argument de souveraineté que Mistral met en avant aussi fortement que celui de la performance.

La spécification, telle que le fournisseur la présente :

• Paramètres totaux vs actifs — 1,05 billion au total, 49 milliards actifs par token, MoE sparse

• Modalités — texte et image en entrée, texte en sortie ; nativement multimodal plutôt qu'un adaptateur rapporté

• Fenêtre de contexte — la documentation de Mistral indique 1 M de tokens ; Artificial Analysis relève 524 288 sur la configuration qu’il teste, donc considérez le 1 M comme le plafond annoncé par le fournisseur plutôt que comme la fenêtre effectivement servie

• Prix — 1,36 $ par million de tokens d’entrée et 4,18 $ par million de tokens de sortie, avec l’entrée mise en cache à 0,14 $, selon la grille tarifaire publiée de Mistral

• Offre de lancement — la même carte affiche une promotion barrée de 0,68 $ / 2,09 $ avec une entrée en cache à 0,07 $, soit la moitié du prix

• Poids — non publiés ; « fin de ce mois », selon l’annonce

• Licence — non nommée dans l'annonce ni sur la page de documentation, qui ne classe l'entrée que sous « Open »

Deux de ces lignes méritent d'être lues deux fois. La fenêtre de contexte varie d'un facteur deux selon que l'on se réfère au fournisseur ou au laboratoire tiers, ce qui n'est pas inhabituel pour un aperçu dont la configuration de service évolue encore, mais qu'il vaut la peine de connaître avant de dimensionner une charge de travail dessus. Et le prix que vous paierez dépend de la survie du tarif promotionnel au-delà de la fenêtre de lancement ; $1.36 / $4.18 est le chiffre indiqué sur la grille tarifaire de Mistral elle-même, et $0.68 / $2.09 est le chiffre qu'elle facture actuellement. Partez du premier lorsque vous modélisez votre facture.

Les chiffres du benchmark, et qui les a exécutés

Le post de Mistral est prudent quant à la provenance, et cette prudence mérite d’être reprise. 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, qui se combinent en un score de 49,8 % au Coding Agent Index — sont, selon les propres mots de Mistral, « les chiffres évalués en privé par Artificial Analysis avant le lancement public du harnais ». Ils ne figurent pas encore sur l’index public d’Artificial Analysis. Ils y figureront lorsque le harnais sera disponible. D’ici là, ce sont des chiffres publiés par le fournisseur qu’un tiers a produits mais n’a pas encore publiés, ce qui constitue une provenance plus solide que la plupart des affirmations de lancement, sans pour autant équivaloir à un score public reproductible.

Ce qui est public et indépendant aujourd'hui, d'après la page modèle d'Artificial Analysis du 6 octobre : Mistral Large 4 Preview obtient38.4 en Intelligence Evaluation v4.3, avec environ 507 secondes par tâche, Terminal-Bench 4.0 à 26,8 % et Long-Context Reasoning à 81,3 %. La même page le répertorie comme un modèle à poids ouverts qui n'est pas, en fait, à poids ouverts — l'indicateur afficheisOpenWeights: false avec la catégorisation « propriétaire », car ce qui existe, c'est un modèle servi depuis le cluster du fournisseur. C'est l'illustration la plus claire du décalage dont traite cet article.

Le résultat le plus marquant est celui que Mistral n'a pas produit lui-même. Surge AI, un cabinet d'annotation tiers, a réalisé une évaluation humaine en aveugle sur la qualité du code, avec les identités des modèles masquées, et des annotateurs professionnels ont attribué à Mistral Large 4 Preview une note de 3,74 sur une échelle de 1 à 5 — deuxième sur cinq, devant Kimi K3 à 3,59, GLM-5.3 à 3,60 et GLM-5.2 à 3,40, et derrière seulement Claude Opus 5 à 4,22. Une évaluation humaine en aveugle avec un laboratoire nommé à l'autre bout constitue un type de preuve différent d'un benchmark auto-réalisé, et c'est le point de données indépendant le plus solide de l'annonce.

Vient ensuite le cyber, où Mistral avance son affirmation la plus percutante. Dans le Cyber Index d’Artificial Analysis, l’entreprise affirme que Mistral Large 4 figure dans le top cinq mondial et arrive en tête des modèles à poids ouverts développés hors de Chine. Sur un test spécifique — reproduire une vulnérabilité réelle dans un logiciel open source, puis la corriger — il obtient 82 %, décrit comme le meilleur score de tous les modèles, avec 93 % aux 40 exercices de compétition de Cybench. Mistral ajoute une observation acérée : plusieurs grands modèles fermés, Claude Opus 5.5 et GPT-6 Astra cités parmi eux, obtiennent un score proche de zéro à ce même test parce qu’ils refusent la tâche. Sans la page tierce sous vos yeux, les 82 % sont un chiffre du fournisseur ; l’argument du taux de refus est une interprétation du fournisseur. Ces deux éléments sont plausibles et aucun n’est confirmé de manière indépendante aujourd’hui.

Pourquoi le cadrage de l'aperçu change les calculs de prix

Une préversion n'est pas qu'une simple étiquette d'étape. Cela signifie que le modèle peut être réaffecté, re-tarifé ou retiré avec un préavis plus court que celui d'une version GA, et que la configuration de service sur laquelle vous évaluez vos performances peut ne pas être celle sur laquelle vous déployez. Pour une décision de routage, c'est un coût bien réel : un pipeline réglé sur le build de cette semaine entraîne une facture de revalidation que vous n'avez pas budgétée.

Sur OrcaRouter, où plus de 200 modèles se trouvent derrière un seul point de terminaison compatible OpenAI, au prix catalogue du fournisseur avec 0 % de marge répercutée telle quelle, un changement de prix sur la carte d'un fournisseur est un changement de prix sur la nôtre le jour même — ce qui compte ici précisément parce que ce lancement propose deux prix, dont un barré. Le basculement automatique est l'autre moitié de la réponse pour un aperçu non éprouvé : il vous permet de placer une fraction du trafic de production sur Mistral Large 4 pendant qu'un modèle maison assure le reste, de sorte qu'un aperçu qui régresse sous votre charge de travail réelle se transforme en un simple réacheminement plutôt qu'en un incident. Ce que les lecteurs attentifs ne doivent pas supposer, c'est que Mistral Large 4 est routable sur OrcaRouter aujourd'hui. Il ne figure pas au catalogue — l'aperçu est accessible via l'API de Mistral elle-même et plusieurs plateformes tierces, et ses poids, lorsqu'ils arriveront, relèveront d'une offre à héberger soi-même.

L’affirmation open-weight n’est actuellement qu’une promesse.

Le positionnement de Mistral est que Mistral Large 4 « repousse la frontière de la performance des modèles à poids ouverts » et que les poids ouverts sont le mécanisme par lequel les entreprises gardent le contrôle d'un modèle. C'est un argument défendable pour le modèle que Mistral a l'intention de livrer. Pour le modèle qu'elle a livré cette semaine, le mécanisme est absent : pas de dépôt Hugging Face, pas de texte de licence, pas de checkpoint téléchargeable. L'organisation Hugging Face de l'entreprise elle-même, consultée le 6 octobre, n'a rien de plus récent que juillet, et ses entrées les plus récentes sont sans rapport avec la gamme Large.

Ce n'est pas une critique du plan ; une publication échelonnée des poids après une fenêtre de red teaming est une politique cohérente, et Mistral est explicite à ce sujet. C'est une mise en garde à propos de l'adjectif. « Open-weight » fait un travail marketing dans un paragraphe où les poids sont encore à quatre semaines, et la licence qui les régit n'a pas été nommée. Une licence permissive et des conditions de type Apache sont une issue possible ; une licence à usage exclusivement de recherche ou à revenus plafonnés en est une autre, et l'annonce ne choisit pas entre elles.

Ce qu’il faut vérifier avant la fin octobre

Cinq choses transformeraient cet aperçu en un fait établi, et chacune est vérifiable sans rien demander à Mistral :

• Un dépôt Hugging Face au sein de l'organisation Mistral contenant le checkpoint et un fichier de licence — la publication que Mistral s'est engagée à faire ce mois-ci

• Le nom de la licence lui-même, qui détermine si « open weight » signifie une liberté de type Apache-2.0 ou un octroi assorti d’un plafond d’utilisation

• Si le tarif promotionnel de 0,68 $ / 2,09 $ est maintenu, ou s’il revient à 1,36 $ / 4,18 $ sur la grille tarifaire

• Si Artificial Analysis transfère les chiffres de codage évalués en privé vers son index public lorsque le harnais sera disponible, et s’ils se maintiennent aux mêmes valeurs

• La fenêtre de contexte servie, actuellement indiquée comme 1M par le fournisseur et lue comme 524 288 par le laboratoire indépendant

Tant que ces points ne sont pas résolus, la bonne posture à l’égard de Mistral Large 4 est celle que son propre lancement invite à adopter : appelez-le, mesurez-le sur votre charge de travail, et gardez le chemin de production sur un modèle dont le comportement n’est pas censé évoluer. Les poids sont l’événement. L’aperçu est la bande-annonce.