Mistral Large 4 vs Llama 4 Maverick : un écart de génération, pas un écart de prix

Mistral Large 4 et Llama 4 Maverick sont du même type d'objet, et non de la même génération d'objet. Tous deux sont des mélanges d'experts clairsemés avec une fenêtre de contexte d'un million de jetons sur la fiche du modèle, tous deux acceptent des images ainsi que du texte, et tous deux peuvent être téléchargés et exécutés sur votre propre matériel. Maverick est sorti le 5 avril 2025 avec 400 milliards de paramètres au total et 17 milliards actifs. Mistral Large 4 a été présenté en aperçu le 6 octobre 2026 et a publié ses poids le 29 octobre, avec 1 050 milliards au total et 52 milliards actifs. Dix-neuf mois les séparent. Au prix médian du marché de l'hébergement de Maverick, seul un écart de coût d'environ 1,3 fois les sépare également — ce que presque personne ne s'attend à entendre à propos d'un modèle aussi ancien.

La réponse courte, avant les réserves

Si vous démarrez un nouveau build fin 2026 et que vous avez besoin de raisonnement, de travail sur des documents longs ou de codage agentique, Mistral Large 4 est le meilleur modèle et le plus cher. Si vous avez besoin d’un modèle à poids ouverts que vous pouvez affiner, exécuter en environnement isolé ou appeler pour une fraction de centime par requête sur une simple tâche d’extraction, Llama 4 Maverick reste un choix défendable — non pas parce qu’il est compétitif en capacité, mais parce que la charge de travail n’a peut-être pas besoin de capacité. L’erreur est de traiter un écart de 19 mois comme une rivalité. C’est un niveau de prix qui se trouve partager une catégorie, et la partie prix est plus étrange que la partie capacité.

Les chiffres côte à côte

• Nombre total de paramètres — Mistral Large 4 en compte 1.05T répartis sur 128 experts routés plus un expert partagé, contre 402B pour Llama 4 Maverick répartis sur 128 experts, indiqué comme 400B par Meta.

• Paramètres actifs — 52B par token sur Mistral Large 4 (49B pour la pile linguistique ; en comptant les embeddings et les couches de sortie, on atteint 52B) contre 17B sur Llama 4 Maverick, donc l’écart de calcul par token est d’environ trois pour un.

• Contexte — 1 M de tokens annoncés dans les deux cas ; ce qu'un hôte sert réellement est un autre chiffre, et une section ultérieure porte sur ce point.

• Modalité — texte et image en entrée, texte en sortie, pour les deux. L’encodeur visuel de Mistral Large 4 compte 1,6 milliard de paramètres ; celui à fusion précoce de Maverick n’est pas détaillé séparément dans les chiffres publiés par Meta.

• Raisonnement — Mistral Large 4 propose une échelle d’effort à trois niveaux — faible, moyen et élevé —, le niveau élevé étant celui par défaut. Le panneau de spécifications d’Artificial Analysis indique que Llama 4 Maverick ne dispose d’aucun mode de raisonnement.

• Prix par million — 0,70 $ en entrée et 2,10 $ en sortie directement chez Mistral, avec l'entrée mise en cache à 0,07 $, contre aucun prix catalogue de première main pour Maverick, car Meta ne le vend pas du tout. Les hébergeurs facturent à partir de 0,17 $ en entrée et 0,60 $ en sortie ; Artificial Analysis situe la médiane des fournisseurs à 0,50 $ et 1,68 $.

• Licence — la Mistral Ecosystem Open-Weight License, une licence MIT modifiée avec une exception pour le modèle en tant que service, contre la Llama 4 Community License et son seuil de 700 millions d’utilisateurs actifs mensuels.

• Sortie — 29 octobre 2026 pour le checkpoint Mistral Large 4, contre le 5 avril 2025 pour Llama 4 Maverick, avec une date limite de connaissances en août 2024.

Le combat de référence se joue entre deux règles différentes.

Cherchez cette confrontation et vous trouverez des pages affirmant que Mistral Large 4 obtient 38,0 sur l’Artificial Analysis Intelligence Index, contre 14,3 pour Maverick, et d’autres pages affirmant que Maverick remporte neuf benchmarks sur onze. Les deux séries de chiffres sont réelles en ce sens que quelqu’un les a imprimées. Aucune des deux n’est une comparaison.

Sur l'actuel Artificial Analysis Intelligence Index v5, refondu le 27 octobre 2026, Mistral Large 4 obtient 26 avec son paramètre de raisonnement élevé et 23 en moyen. Le 38,0 que vous voyez cité est son score sur la version précédente v4.3.2, issue de l'aperçu d'octobre, et il n'est pas possible de le soustraire de quoi que ce soit mesuré après la refonte — l'indice a changé, pas seulement le modèle. Maverick, en revanche, n'a aucun score d'indice v5. Sa page Artificial Analysis affiche « N/A » là où devrait figurer la valeur d'intelligence, aux côtés d'une vitesse de 62,7 jetons de sortie par seconde et d'une note indiquant qu'il est plus lent que la moyenne de sa catégorie. Le chiffre 14,3 qui circule sur les sites de comparaison est antérieur à la refonte.

Ce qui est mesurable est plus étroit et plus honnête. Mistral rapporte 41 % sur Terminal-Bench 4.0, contre 28 % en préversion ; 61,7 % sur DeepSWE v1.1 ; 79 % sur CyberGym-E2E ; et 51 sur l’Artificial Analysis Cyber Index, troisième parmi les modèles à poids ouverts. Chacun de ces chiffres, excepté celui du Cyber Index, est déclaré par le fournisseur sur le propre scaffold d’agent de Mistral, et le chiffre de Terminal-Bench en particulier a été reproduit bien plus bas — 24,7 % — lorsque les mêmes poids tournent sur le harnais neutre mini-swe-agent d’Artificial Analysis. Les chiffres publiés de Maverick datent d’avril 2025 et utilisent une suite entièrement plus ancienne : 85,5 MMLU, 80,5 MMLU-Pro, 69,8 GPQA Diamond, 91,6 DocVQA, tous rapportés par Meta au lancement. Il n’existe aucun harnais commun dans lequel les deux ont été exécutés, donc la seule affirmation défendable est directionnelle : le modèle plus récent, plus grand et entraîné au raisonnement est meilleur sur les tâches difficiles, d’une ampleur que personne n’a mesurée de façon rigoureuse pour les deux.

Ce qu'un million de tokens vous rapporte réellement sur chacun

La fenêtre de contexte est l’endroit où les deux modèles se ressemblent le plus et se comportent le plus différemment en production.

La fiche modèle de Llama 4 Maverick indique 1 048 576 jetons, et le panneau de spécifications d’Artificial Analysis répète 1 M. En pratique, la plupart des hébergeurs le plafonnent bien plus bas — 128 K est courant — et presque aucun ne vous donnera à la fois la fenêtre complète et un budget de sortie utile. La sortie maximale sur Maverick est généralement de 8 K à 16 K selon le fournisseur, et le point de terminaison hébergé de Meta lui-même a été annoncé à environ 4 K. Ainsi, une configuration « contexte de 1 M » sur Maverick est généralement une configuration à 128 K chez un hébergeur tiers, et vous le découvrez au premier document long.

Mistral Large 4 publie 1M via l’API propre à Mistral, ce qui constitue au moins un chiffre unique et assumé plutôt qu’une loterie selon l’hôte. La documentation de Mistral ne publie pas de chiffre maximal de sortie, donc le même conseil s’applique : mesurez la paire — fenêtre d’entrée et plafond de sortie — sur le point de terminaison que vous appellerez réellement, pas sur la fiche.

C’est le genre de situation pour laquelle un routeur est fait. OrcaRouter répercute le prix catalogue du fournisseur avec 0 % de marge et bascule automatiquement entre fournisseurs en cas de défaillance, de sorte qu’un hôte qui réduit discrètement une fenêtre de contexte apparaît comme une décision de routage plutôt que comme un incident de production. Ni Mistral Large 4 ni Llama 4 Maverick ne figurent aujourd’hui dans notre catalogue ; il s’agit donc d’un argument sur la manière d’exécuter le modèle à poids ouverts que vous choisirez, et non d’une affirmation selon laquelle nous servons ces deux modèles.

La facture, calculée — et pourquoi l’écart est ce qui compte

Prenez une charge de travail de production modeste : 100 millions de jetons en entrée et 40 millions de jetons en sortie par mois.

• Mistral Large 4 au tarif catalogue — 100 × 0,70 $ = 70 $, et 40 × 2,10 $ = 84 $, soit 154 $ par mois.

Llama 4 Maverick au tarif médian du fournisseur — 100 × 0,50 $ font 50 $, et 40 × 1,68 $ font 67,20 $, soit 117,20 $ par mois.

• Llama 4 Maverick chez un hébergeur compétitif — environ 0,25 $ et 0,92 $ ramènent la même charge de travail à 61,80 $.

• Llama 4 Maverick chez les hébergeurs les moins chers — environ 0,17 $ et 0,60 $ le placent à 41 $.

Ainsi, le ratio par rapport à Mistral Large 4 va de 1,3 fois à la médiane à environ 3,8 fois au bas du marché. Cette amplitude n’est pas une propriété du modèle. C’est une propriété de l’endroit où vous achetez Maverick, et elle est plus large que l’écart entre les deux modèles au milieu de la distribution. Une équipe qui réalise ses benchmarks sur l’hébergeur bon marché et établit son budget sur la médiane a intégré une erreur d’un facteur 3 dans sa propre prévision.

Comparez cela à une capacité que vous ne pouvez pas encore mesurer par paires, et la décision cesse d’être arithmétique. Le cadre raisonnable est le coût par tâche terminée, et non le coût par token : si Mistral Large 4 termine en une seule passe une tâche qui nécessite trois tentatives et une boucle de réparation sur Maverick, même l’écart médian de 1,3× disparaît. C’est une affirmation que vous devez tester sur vos propres tâches, et c’est l’expérience la plus précieuse à laquelle l’un ou l’autre modèle puisse être soumis ce mois-ci.

Ce que personne ne dit à voix haute : Maverick est le dernier Llama ouvert.

Llama 4 Maverick n'a pas été déprécié. Il est toujours sur Hugging Face, toujours sous la Llama 4 Community License, et toujours largement déployé pour des déploiements sur site et en environnement isolé. Mais c'est la fin d'une lignée. Le développement de pointe de Meta s'est tourné vers la famille fermée Muse Spark en 2026, et aucun Llama 5 n'est sorti — les pages affirmant le contraire comportaient des spécifications qui se contredisaient entre elles et contredisaient les annonces de Meta elle-même. L'investissement dans la filière ouverte de Llama a de facto cessé.

Cela change ce que signifie « choisir Maverick ». Il ne s’agit pas de choisir un modèle qui va s’améliorer ; il s’agit de choisir un modèle qui restera exactement tel qu’il est pendant que l’outillage autour de lui dérive lentement. Pour un système affiné, figé et déployé, c’est très bien — et c’est même arguablement un avantage, car rien ne bouge sous vos pieds. Pour une plateforme sur laquelle vous comptez vous développer, c’est une impasse avec une fenêtre de deux ans. Notez que la date limite de connaissances est août 2024 : le modèle n’a jamais vu ce qui s’est passé après cette date, et aucun travail d’ingénierie de prompt ne pourra y remédier.

Mistral Large 4 présente un profil de risque opposé. Cela fait six jours qu'il est publié en open-weight, sa documentation le qualifie encore d'aperçu public, et sa licence exige un accord commercial si vous comptez revendre de l'inférence sur ce modèle. Jeune et en mouvement, avec des conditions qu'il faut lire avant de bâtir une activité dessus.

Là où Maverick gagne encore

Trois cas, et ils ne sont pas anodins.

Le premier point est le matériel. Les 400B paramètres de Maverick tiennent dans environ 373 Go en FP8, soit un seul nœud H100 ou H200 à huit GPU. Le checkpoint FP8 de Mistral Large 4 fait environ 1,06 To répartis sur 54 shards, et Mistral indique que la version quantifiée NVFP4 tourne sur quatre GPU B200 ou B300. Si votre déploiement est un seul nœud dans une baie que vous possédez déjà, le choix est déjà fait.

Le {{1}}second{{/1}} est le fine-tuning. Maverick a bénéficié de dix-neuf mois de LoRAs communautaires, de recettes de quantification et de guides de serving. Mistral Large 4 en est à six jours. L’écart d’écosystème est réel et se mesure en heures de débogage, pas en benchmarks.

Le troisième est la forme de la tâche. Classification, extraction, routage, résumé de documents courts, légendage d’images à grande échelle — aucune de ces tâches n’a besoin d’un modèle de raisonnement à mille milliards de paramètres, et toutes deviennent moins coûteuses sur un modèle à 17 B de paramètres actifs. Payer un supplément pour des jetons de raisonnement que vous n’utilisez jamais est la façon la plus courante dont les équipes gaspillent de l’argent lors du choix d’un modèle.

Si vous cherchez un modèle actuel à poids ouverts qui ne corresponde à aucun de ces deux, le catalogue OrcaRouter propose Kimi K3 et GLM-5.3-Flash, tous deux appelables avec la même clé API que le reste des plus de 200 modèles que nous acheminons, au prix catalogue du fournisseur, sans marge. Ils encadrent cette comparaison plutôt que d'y figurer — GLM-5.3-Flash est affiché à 0,15 $ en entrée et 0,50 $ en sortie, bien en dessous de chacun des deux modèles ici présents, tandis que Kimi K3 est affiché à 3,00 $ et 15,00 $, bien au-dessus des deux. Aucun des deux ne remplace les deux modèles présentés dans cet article, mais ce sont les deux options évidentes à examiner si aucune des deux extrémités de cette comparaison ne vous convient.

Comment décider en un après-midi

Tirez vingt tâches réelles de vos journaux. Faites-les passer dans les deux modèles avec les mêmes invites et le même plafond de sortie, puis évaluez-les selon que la sortie était utilisable sans retouche humaine. Notez les tokens que chacune a consommés, multipliez par les prix ci-dessus et divisez par le nombre de sorties utilisables. Vous obtenez ainsi le coût par résultat utilisable, le seul chiffre qui résiste au contact d’un budget.

Mon attente, formulée comme une attente plutôt qu’un constat : Mistral Large 4 gagne sur la moitié difficile de cet ensemble et perd sur la moitié facile côté coût, et le point de séparation se situe là où vos tâches cessent de nécessiter un raisonnement en plusieurs étapes. Maverick n’est pas le meilleur modèle. C’est le moins cher à la médiane tant que le bon marché suffit — et après dix-neuf mois sans successeur, c’est un pari dont la date d’expiration est visible.