Mistral Large 4 rejoint Open Math OS — et la partie ouverte s’accompagne d’une liste d’attente

Le 3 novembre 2026, Mistral Large 4 est devenu le modèle le plus récent d’Open Math OS, l’espace de travail partagé de la SAIR Foundation où les mathématiciens et les agents IA travaillent sur les mêmes projets. L’annonce a pris la forme d’une courte publication plutôt que d’une page de lancement : 1,05 T de poids ouverts, une fenêtre de contexte de 1 M, disponible ce jour-là pour les équipes approuvées. C’est cette dernière clause qui mérite qu’on s’y arrête. Open Math OS est construit uniquement sur des modèles ouverts précisément afin que la communauté mathématique puisse inspecter et exécuter ce sur quoi elle s’appuie, et le tout dernier ajout arrive encore derrière une file d’approbation. C’est aussi le cas des trois modèles déjà présents au catalogue : DeepSeek V4.1 Flash, Kimi K3 et GLM-5.3-Flash.

Ce que Mistral a réellement dit, et ce qu’il a omis

La publication comporte deux affirmations techniques et une condition d’accès. Les affirmations — 1,05 billion de paramètres au total et une fenêtre de contexte d’un million de tokens — correspondent au checkpoint publié par Mistral le 29 octobre ; il ne s’agit donc pas d’arithmétique marketing. La condition d’accès est « équipes approuvées », sans aucune description de ce que l’approbation exige, du temps qu’elle prend, ni de la possibilité pour un chercheur individuel d’y accéder sans équipe.

Ce que le billet ne contient pas est tout aussi instructif. Il n’y a aucun benchmark mathématique. Il n’est pas indiqué que Mistral Large 4 ait été évalué sur des preuves Lean, sur la formalisation ou sur l’une des tâches pour lesquelles Open Math OS a été conçu. Aucune précision non plus sur le fait de savoir si le modèle dispose du même accès aux outils que les acteurs en place — le shell, les outils PDF, le vérificateur Lean, les serveurs MCP — ou d’un ensemble réduit. Et il n’y a pas de tarification, ce qui est cohérent avec un espace de travail qui tourne grâce à de la puissance de calcul offerte plutôt qu’à des jetons facturés à l’usage.

Rien de tout cela ne constitue une critique du modèle. C’est une description de tout ce qui reste encore inconnu concernant l’appariement, six jours après la publication des poids.

Open Math OS est un espace de travail, pas un modèle

La distinction est importante, car le nom donne l’impression qu’il s’agit de cela. Open Math OS est une initiative de la SAIR Foundation, lancée en douceur le 16 octobre 2026, et Terence Tao — cofondateur de SAIR — l’a décrit comme un service hébergé doté de « services et interfaces web similaires à ceux des modèles d’IA de pointe » plutôt que comme quelque chose que l’on installe. Son environnement d’exécution open source, l’Open Math Harness, est écrit en Rust et structuré comme un micro-noyau basé sur les capacités : chaque programme, y compris les agents, s’exécute comme un processus confiné, et le principe de conception énoncé est « les agents proposent, les mathématiciens décident ».

Autour de ce noyau se trouvent les éléments qui en font un espace de travail plutôt qu’une fenêtre de discussion. Des comptes d’équipe, où les membres peuvent voir les prompts des autres. Une mémoire de projet persistante. Un mode d’exploration parallèle appelé Ultramath qui fait tourner plusieurs agents sur le même problème en même temps. Une recherche de preuves vérifiées par Lean. La prise en charge des serveurs MCP et des plugins que les utilisateurs créent eux-mêmes. SAIR accorde des comptes gratuits aux demandeurs académiques et fait tourner l’ensemble sur des ressources de calcul offertes, ce qui explique pourquoi les plafonds de comptes et les ajustements d’allocation sont explicitement sur la table.

La gamme avec laquelle il a été lancé ne comprenait que des modèles chinois à poids ouverts. C’est précisément le vide que comble Mistral Large 4 : c’est le premier modèle d’Open Math OS issu d’un laboratoire européen, et le premier à s’appuyer sur une histoire de déploiement souverain français. Pour une fondation qui prône le contrôle des données par la communauté, disposer d’une option ni chinoise ni américaine constitue un véritable apport, et non une simple case à cocher.

La question de la licence que personne dans le fil n'a posée

Mistral Large 4 n’est pas sous Apache 2.0, et cela constitue un changement par rapport à son prédécesseur. Ses poids sont distribués sous la licence Mistral Ecosystem Open-Weight License, une licence MIT modifiée qui autorise l’utilisation, la modification, le fine-tuning et la commercialisation — avec une exception. Quiconque propose le modèle en tant que modèle-as-a-service doit obtenir une licence commerciale distincte auprès de Mistral.

Open Math OS est un service hébergé qui permet aux équipes d’appeler un modèle via une interface web. Que cet arrangement soit un « model-as-a-service » au sens de la licence, ou qu’il relève de l’exemption pour les produits intégrés destinés aux utilisateurs finaux, ou qu’il entre dans l’exception étroite pour la simple transmission de requêtes à des modèles hébergés ailleurs, c’est une question juridique que SAIR n’a pas abordée publiquement. Mistral ne s’est pas prononcé non plus. Il est tout à fait possible — probable, même — qu’un accord commercial se cache derrière l’annonce, que ni l’une ni l’autre des parties n’a décrit. Mais un lecteur qui a vu « open weights » et a supposé que la question de l’hébergement était réglée doit savoir qu’elle ne l’est pas, car la même clause s’appliquera à chaque laboratoire qui souhaite construire un espace de travail partagé sur ce modèle.

Pourquoi une fenêtre de 1M est ici bien plus qu’une ligne de fiche technique

Les fenêtres de contexte sont généralement vendues au volume de documents, et un million de jetons évoque une armoire de classement. Dans un espace de travail de mathématiques formelles, la version utile est différente. Un projet accumule un fichier Lean, ses imports, un état de preuve, les échanges autour d’une tactique échouée et l’historique de session de l’agent lui-même. Tout cela doit se trouver dans le même cadre pour qu’un agent puisse faire autre chose que deviner. Les fils qui persistent pendant des jours sont l’intérêt même d’un espace de travail partagé ; une fenêtre qui les tronque transforme chaque session en démarrage à froid.

C’est un argument expliquant pourquoi Mistral Large 4 correspond à la conception, pas une preuve de ses performances. Les deux sont faciles à confondre pendant une semaine de lancement, et le billet de Mistral n’aide pas — il présente la fenêtre comme un chiffre phare à côté du nombre de paramètres, ce qui relève de la fiche technique, pas d’une évaluation.

Ce qu'une équipe approuvée obtient, et ce qui reste encore non précisé

• Évaluation — aucun résultat mathématique publié pour Mistral Large 4 sur Open Math OS ; les modèles de lancement du catalogue ont été décrits par Tao comme environ un an derrière la frontière et bons en formalisation Lean de taille moyenne, ce qui est une affirmation de capacité, non un score.

• Parité d'outillage — on ne précise pas si le nouveau modèle bénéficie d'Ultramath, de la recherche de preuves et de l'ensemble de la chaîne d'outils scientifiques, ou seulement d'un sous-ensemble limité pendant son évaluation.

• Limites — aucun plafond de débit, quota ou limite de contexte publié au sein de l'espace de travail, où une fenêtre de 1 M peut être tronquée par la plateforme, indépendamment de ce que prend en charge le modèle.

• Politique de données — Tao a écrit en octobre que SAIR voulait « d’abord recueillir quelques données d’utilisation avant de finaliser nos politiques ». C’est une déclaration honnête, et aussi une raison de lire les conditions actuelles avant d’insérer une preuve non publiée dans un projet.

• Sélection — aucune explication sur la manière dont une équipe choisit un modèle par projet, si le choix se fait par chat ou par projet, ni si SAIR effectue automatiquement le routage entre eux.

Le schéma est cohérent : l'annonce décrit un modèle ajouté à une gamme, et non une capacité démontrée. Si vous vous demandez si vous devez postuler, voilà l'état honnête des preuves.

Si ce sont les modèles que vous voulez, plutôt que l’espace de travail

Open Math OS est la partie intéressante de cette histoire, mais ce n'est pas le seul moyen d'accéder aux modèles qu'il exécute. GLM-5.3-Flash figure dans le catalogue OrcaRouter au prix catalogue du fournisseur, et Kimi K3 aussi — deux des trois modèles avec lesquels l'espace de travail a été lancé, appelables depuis une seule API aux côtés de plus de 200 autres, avec bascule automatique entre fournisseurs et 0 % de marge sur le tarif du fournisseur. Le DSL de routage les composera en un seul appel si vous préférez un panel à une réponse unique, ce qui constitue une approximation grossière de ce que fait Ultramath au sein de l'espace de travail sans le vérificateur Lean attaché.

Mistral Large 4 ne figure pas dans notre catalogue, et nous n’allons pas prétendre le contraire. Si vous voulez ce modèle précisément, les options aujourd’hui sont l’API de Mistral elle-même, les checkpoints open-weight sur Hugging Face, ou les partenaires d’hébergement tiers du fournisseur. Le compromis est réel : l’espace de travail vous donne le projet partagé, les outils et la vérification des preuves ; l’API vous donne le modèle seul, à un prix que vous pouvez mesurer.

Que regarder ensuite

Trois choses transformeraient cette mise à jour de l’annuaire en résultat. Une évaluation par modèle au sein d’Open Math OS — même limitée, un ensemble de formalisations Lean notées de la même manière pour les quatre modèles — constituerait la première preuve publique indiquant quel modèle un mathématicien devrait choisir pour quelle tâche. Une politique d’accès publiée résoudrait la tension entre « ouvert » et « approuvé ». Et une déclaration de SAIR ou de Mistral sur la manière dont l’accord d’hébergement se situe au regard de la clause « modèle en tant que service » dirait à tous les autres laboratoires s’ils peuvent construire la même chose.

En attendant, le résumé exact reste étroit : un modèle à poids ouverts de mille milliards de paramètres avec une fenêtre de 1 M fait désormais partie des options d’un espace de travail de recherche qui demeure, selon la description de son propre fondateur, une version très préliminaire.