Mistral Large 4 vs GPT-6.1 Sol : l'un que vous pouvez télécharger, l'autre que vous ne pouvez que louer

Presque toutes les comparaisons entre Mistral Large 4 et GPT-6.1 Sol que l’on trouve sur le web public citent des chiffres qui n’existaient plus depuis le 27 octobre. Les pages indiquent 38 et 52. Artificial Analysis a reconstruit son Intelligence Index sous la forme de la série v5 ce jour-là, a réexécuté les modèles et publie désormais 26 pour Mistral Large 4 contre 55 pour GPT-6.1 Sol. Cela ne correspond pas à un changement de l’un ou l’autre modèle — c’est un instrument différent, avec neuf évaluations au lieu de l’ancien ensemble et un mélange bien plus difficile —, mais cela signifie que l’écart dont vous avez peut-être entendu parler, quatorze points, est désormais de vingt-neuf sur le papier et n’est comparable à rien de ce qui précède la reconstruction. Les comparaisons entre différentes séries d’indices sont l’erreur la plus courante dans ce domaine, et il vaut la peine de bien établir le duo actuel avant de discuter de quoi que ce soit d’autre.

Ce qui rend cette confrontation plus intéressante qu’un simple écart de score, c’est que les deux produits ont cessé d’appartenir à la même catégorie ce matin. GPT-6.1 Sol est un modèle loué depuis qu’OpenAI l’a lancé le 29 septembre 2026 à 2,00 $ et 10,00 $ par million de tokens ; vous l’appelez, mais vous ne pouvez pas le conserver. Mistral Large 4, présenté en avant-première le 6 octobre 2026, a publié ses poids le 29 octobre 2026 à 14:51 UTC — 1 060,6 GB en FP8 et 610,1 GB en NVFP4, librement téléchargeables, sous une licence MIT modifiée. L’un de ces modèles a un compteur qui ne s’arrête jamais. Le compteur de l’autre s’arrête le jour où vous achetez le matériel. C’est là la décision, et le tableau des benchmarks en découle.

Deux produits, deux dates, l’un d’eux terminé

L'asymétrie n'est pas une simple querelle sur la maturité — elle change les questions qui méritent d'être posées. GPT-6.1 Sol est un modèle livré, documenté et mesuré indépendamment, avec dix fournisseurs d'API répertoriés pour ce modèle. Sa grille tarifaire est fixée, son contexte de 1M est documenté, et sa position dans la gamme d'OpenAI se situe sous le modèle phare Astra plutôt qu'au sommet. Mistral Large 4 a passé vingt-trois jours comme aperçu API, et aujourd'hui, il est devenu un fichier. Sa grille tarifaire d'hébergement est fixée à 0,70 $ en entrée et 2,10 $ en sortie par million de tokens, et son avenir est désormais en partie entre les mains de quiconque l'exploite plutôt que dans la feuille de route de Mistral.

Les six lignes qui comptent

Mêmes dimensions des deux côtés, instrument actuel, d’après les deux pages de modèles d’Artificial Analysis et la documentation propre aux fournisseurs, au 29 octobre 2026 :

• Indice d’intelligence — GPT-6.1 Sol 55 (série v5, classé septième sur 54 dans sa catégorie de comparaison) ; Mistral Large 4 26 (classé huitième sur 19 dans une catégorie différente — les deux classements ne sont pas sur la même échelle).

• Coût par tâche Index — GPT-6.1 Sol 1,27 $ ; Mistral Large 4 2,06 $.

• Prix des tokens — GPT-6.1 Sol 2,00 $ en entrée / 10,00 $ en sortie par million, avec un palier à 4,00 $ / 15,00 $ au-delà de 272 000 tokens d'entrée ; Mistral Large 4 0,70 $ en entrée / 0,07 $ en cache / 2,10 $ en sortie.

• Vitesse de sortie — GPT-6.1 Sol 79,1 jetons par seconde ; Mistral Large 4 161,3.

• Contexte — 1M de tokens sur les deux, documenté sur les deux.

• Déploiement — GPT-6.1 Sol : hébergement uniquement, aucun poids à aucun prix. Mistral Large 4 : hébergé ou auto-hébergé, 610,1 Go en NVFP4, huit GPU de classe Blackwell dans la recette vLLM publiée.

L’Index est une moyenne, et les moyennes masquent la forme d’un écart. Sur les lignes individuelles d’Artificial Analysis, la répartition est inégale plutôt qu’uniformément mauvaise : HLE-Diamond 17 % contre 59 %, Terminal-Bench-Science 0,1 à 4 % contre 58 %, FrontierCode 2.0 à 15 % contre 41 %, Terminal-Bench 4.0 à 25 % contre 56 %, et GDPpdf à 18 % contre 31 %. Mistral Large 4 n’est pas en retard de vingt-neuf points sur chaque tâche ; il l’est largement sur les évaluations qui récompensent un raisonnement multi-étapes soutenu, et à peu près au même niveau sur les travaux plus courts à passe unique. Si votre charge de travail ressemble à la seconde catégorie, la moyenne est le mauvais chiffre sur lequel vous baser. Si elle ressemble à la première, aucune remise ne comble l’écart.

Pourquoi les chiffres ont changé, et pourquoi ce n’est pas un scandale

La refonte v5 a réexécuté tout le panel sur un nouvel ensemble d’évaluation, et environ 60 % de celui-ci est privé — des questions qui n’étaient pas accessibles publiquement avant la refonte. Les modèles n’ont pas tous évolué dans le même sens : certains ont fortement chuté, d’autres ont progressé. Mistral Large 4 passant de 38 à 26 et GPT-6.1 Sol passant de 52 à 55 sont deux lectures du même événement, et ni l’une ni l’autre ne correspond à un fournisseur qui connaît un mauvais trimestre. La règle qui en découle est simple et facile à enfreindre par accident : ne jamais soustraire un score d’une exécution de l’indice à un score d’une autre, et ne jamais citer un écart dont les deux moitiés ont été mesurées à une semaine d’intervalle. L’écart qui existe aujourd’hui est de vingt-neuf points sur un seul instrument.

Vingt-neuf points, c’est beaucoup, et ce n’est pas toute l’histoire non plus. Un Index de 26 décrit un modèle compétent sur le travail général et sans éclat dans les cas difficiles ; un Index de 55 décrit l’un des modèles les plus puissants disponibles. Si votre charge de travail consiste en du codage agentique sur un grand dépôt de code, la réponse est déjà tranchée et aucun argument tarifaire ne la changera. Le reste de cet article porte sur les charges de travail pour lesquelles elle ne l’est pas.

L'annulation a survécu au rebasage

Le seul constat de la période d’aperçu d’octobre qui s’est maintenu avec le nouvel instrument est l’inversion du prix par tâche, et il se confirme avec de nouveaux chiffres. Mistral Large 4 facture environ un tiers du tarif d’entrée de GPT-6.1 Sol et un cinquième de son tarif de sortie, tout en coûtant 62 % de plus pour accomplir la même tâche d’évaluation — 2,06 $ contre 1,27 $. Ce n’est pas une astuce tarifaire. La facture d’un modèle de raisonnement est dominée par le nombre de tokens qu’il choisit d’émettre, et Mistral Large 4 en émet énormément : Artificial Analysis enregistre 110 millions de tokens de sortie dans son échantillon de verbosité, contre une médiane de 100 millions, tandis que GPT-6.1 Sol se situe à 64 millions, sous la médiane. Des tokens moins chers multipliés par davantage de tokens ne constituent pas une économie, et la facture le dira.

La conséquence pratique est plus étroite que « le modèle bon marché est secrètement coûteux ». Pour les tâches à sortie courte — classification, extraction, routage, tout ce qui se termine après deux cents tokens et n’entre jamais dans une boucle de raisonnement — le prix des tokens constitue la facture, et 0,70 $ contre 2,00 $ est tout l’argument. L’inversion mord sur le raisonnement à long horizon, qui est précisément là où réside aussi l’écart de vingt-neuf points. Deux mesures différentes pointant dans la même direction sont une raison de faire confiance à la direction, pas une raison de la généraliser à toutes les charges de travail.

La vitesse va dans l’autre sens, et la patience aussi.

Mistral Large 4 est plus de deux fois plus rapide en sortie : 161,3 tokens par seconde contre 79,1. Il renvoie également un premier token en 1,42 seconde, légèrement mieux que la médiane de 1,68 seconde pour son ensemble de comparaison. Le chiffre publié de GPT-6.1 Sol pour le temps jusqu’au premier token de réponse est de 249,48 secondes, contre une médiane de 3,53 secondes, soit le genre de nombre qui demande une explication plutôt qu’une citation.

Ces 249 secondes ne sont presque certainement pas de la latence au sens réseau. C'est le temps que le modèle passe à raisonner avant d'émettre le premier token de réponse, mesuré à l'effort de raisonnement maximal, et c'est la manière honnête de montrer ce qu'un long budget de raisonnement coûte à un utilisateur qui attend. Nos propres données de routage rendent la distinction concrète : sur 584,7 millions de tokens GPT-6.1 Sol acheminés via OrcaRouter au cours des sept jours jusqu'au 29 octobre, le p50 du temps jusqu'au premier token diffusé en streaming était de 1,36 seconde, tandis que le p95 était de 10 secondes. Le premier token arrive vite ; c'est la première réponse qui prend des minutes, et les indicateurs de l'API déterminent celle que vivra votre utilisateur. Si votre application diffuse en streaming les tokens de raisonnement, l'attente est remplie et tolérable. Si elle ne le fait pas — si un utilisateur fixe une roue de chargement jusqu'à l'arrivée de la première réponse — alors un premier token à quatre minutes est une contrainte produit qu'aucun score de benchmark ne compense, et un modèle qui répond en 1,4 seconde semblera meilleur qu'un modèle plus fort de vingt-neuf points d'Index. C'est l'axe sur lequel le modèle moins cher et au score plus faible l'emporte le plus souvent dans les déploiements réels, et il n'apparaît dans aucun tableau comparatif.

Ce qui a changé ce matin : le compteur se termine

Jusqu’à aujourd’hui, l’argument en faveur de l’auto-hébergement de Mistral Large 4 n’était qu’une promesse, et les promesses ne survivent pas à un examen des achats. C’est désormais un dépôt. Deux checkpoints, un fichier de licence et une recette de service publiée par le fournisseur : vLLM avec un parallélisme tensoriel de 8 et un cache KV MLA en FP8, SGLang à tp-size 4, tous deux avec une tête de brouillon DSpark intégrée pour le décodage spéculatif plutôt qu’un second modèle.

Ce que cela achète n'est pas un token moins cher — c'est la fin du token comme unité de coût. Sur du matériel possédé, la facture devient amortissement, électricité, espace en rack et l'ingénieur qui pilote le cluster, et une charge de travail qui tourne à volume élevé et régulier passe d'un coût variable à un coût fixe. C'est l'argument pour une banque européenne soumise à une règle de résidence des données, un contractant de la défense dont les achats interdisent toute inférence à l'étranger, ou un industriel qui intègre un modèle dans une gamme de produits pour cinq ans. Ce n'est pas un argument pour une startup au trafic en pics et sans équipe d'exploitation : 610 Go de poids, huit GPU Blackwell et un cache KV de 1 M de tokens représentent un projet d'investissement, et le tarif hébergé à 0,70 $ reste moins cher que le capital pendant très longtemps.

La licence est la partie que les gens sautent. C’est une licence MIT modifiée avec une clause qui compte : exploiter les poids sous forme d’offre de modèle en tant que service exige une licence commerciale distincte de Mistral. Lisez toutefois la définition attentivement — elle exclut les produits intégrés destinés aux utilisateurs finaux et « le simple relais de requêtes vers des modèles hébergés par des tiers », de sorte qu’une passerelle qui transmet le trafic vers une inférence hébergée par Mistral bénéficie de cette exclusion, tandis qu’une entreprise qui monte sa propre ferme d’inférence et revend l’accès n’en bénéficie pas. Si votre plan est de « le télécharger et devenir fournisseur », lisez la clause avant le devis matériel.

Là où chacune est en réalité la bonne réponse

• Codage agentique, utilisation d'outils sur un horizon long, travail sur de grands dépôts — GPT-6.1 Sol. L'écart d'Index est le plus large exactement ici, et la prime de prix est le coût d'avoir raison.

• Extraction et classification à volume élevé et sortie courte — Mistral Large 4 à 0,70 $ en entrée. Le plafond de raisonnement ne s’active jamais, donc l’écart Index ne s’applique jamais.

• Déploiement régulé et lié à une juridiction — Mistral Large 4, et non parce qu'il serait meilleur. GPT-6.1 Sol ne peut être auto-hébergé à aucun prix, ce qui met fin à la comparaison.

• Assistants interactifs où le premier token fait tout le produit — Mistral Large 4 côté rapidité, à moins de diffuser le raisonnement en flux et de pouvoir patienter.

• Outils de sécurité défensive — Mistral Large 4, sur la base d’un taux de refus de 96,6 % rapporté par le fournisseur pour les demandes cyber malveillantes et d’un ensemble de benchmarks cyber autour duquel Mistral a organisé son lancement. Ces chiffres sont ceux de Mistral, pas ceux d’un laboratoire indépendant, et doivent être considérés comme des allégations tant que personne ne les a reproduits.

• Tout cas où la réponse doit être exacte et où le budget de latence est généreux — GPT-6.1 Sol. Vingt-neuf points, ce n'est pas un écart d'arrondi.

Si vous comptez exécuter les deux

Les parcs mixtes sont le résultat normal d'une comparaison comme celle-ci, et la question opérationnelle devient de savoir comment deux modèles très différents cohabitent derrière une seule facture. GPT-6.1 Sol est sur OrcaRouter exactement au prix catalogue d'OpenAI — 2,00 $ et 10,00 $ par million de jetons, avec le palier au-delà de 272 K à 4,00 $ et 15,00 $ — routé avec 0 % de marge, donc le tarif que vous voyez est celui qu'OpenAI facture. Mistral Large 4 ne figure pas dans notre catalogue : 214 modèles, aucun point de terminaison Mistral, et si vous voulez l'appeler, vous passez par l'API propre à Mistral ou par votre propre déploiement vLLM. Ce que la plateforme propose, pour la partie hébergée, c'est le DSL de routage — pointer une charge de travail vers un modèle et la déplacer sans modification de code — ainsi que le basculement automatique, qui est ce qui permet de tester un nouveau modèle sur un chemin de production sans mettre en péril l'exploitation. Branchez le point de terminaison auto-hébergé derrière le même schéma, et les deux moitiés de cette comparaison cessent d'être une décision à prendre une fois pour toutes.

Deux questions, pas une

Les pages de comparaison vous diront que GPT-6.1 Sol l’emporte, et sur le seul instrument indépendant que les deux modèles ont en commun, c’est effectivement le cas — 55 contre 26, avec un coût inférieur de 62 % par tâche accomplie et une vitesse de sortie d’un peu plus de la moitié. C’est la bonne réponse à « quel modèle est meilleur », et si c’était la seule question, le marché aurait tranché en septembre.

La question posée ce matin est différente : quel modèle pourrez-vous encore faire tourner dans trois ans, sur du matériel que vous contrôlez, sous une licence que vous avez lue. Pour un grand nombre d’équipes, la réponse restera « ni l’un ni l’autre, nous louons » — et dans ce cas, GPT-6.1 Sol est la meilleure location. Pour celles dont la contrainte est la propriété plutôt que la capacité, le modèle qui obtient 26 a cessé d’être un compromis aujourd’hui et est devenu la seule option sur la table. Les deux réponses peuvent toutes deux être justes, et c’est pourquoi le travail intéressant ne consiste pas à désigner un gagnant, mais à décider quelle question votre organisation se pose réellement.