Mistral Large 4 vs Mistral Large 3 : la mise à niveau qui coûte 40 % de plus

L'avis de dépréciation tient en une seule phrase, et c'est ce que Mistral a publié de plus lourd de conséquences en octobre. « Ce modèle est déprécié. Utilisez Mistral Large 4 pour les nouvelles intégrations », peut-on lire sur la page de documentation de Mistral Large 3, datée du 31 octobre 2026 — deux jours après la mise à disposition des poids de Mistral Large 4. Large 3 ne sera pas retiré demain ; il est fermé aux nouveaux travaux, ce qui signifie concrètement que chaque nouvelle intégration, évaluation et campagne de benchmark lancée à partir de maintenant pointe vers un modèle qui coûte 40 % de plus par token et qui est livré sous une licence qui ne vous permet plus de le revendre librement. C'est là le compromis que la mise à niveau vous demande de consentir, et ce n'est pas celui que décrit la couverture des benchmarks.

Ce que dit vraiment la dépréciation

La page de modèle de Mistral indique Mistral Large 3 à 675 milliards de paramètres au total et 41 milliards actifs, avec un contexte de 256K, publié le 2 décembre 2025 sous Apache 2.0. Son remplaçant, Mistral Large 4, compte 1,05 billion de paramètres au total et 52 milliards actifs, avec un contexte de 1M, présenté en préversion le 6 octobre 2026, et dont les poids ont été ouverts le 29 octobre. Mistral désigne mistral-large-4 comme le successeur via l’identifiant d’API.

Deux détails dans cette association méritent plus d’attention qu’ils n’en ont reçu. Le premier est que la licence a changé. Apache 2.0 est devenue la Mistral Ecosystem Open-Weight License, une MIT modifiée qui autorise l’usage commercial mais exige un accord commercial distinct pour quiconque propose le modèle en tant que model-as-a-service. Si vous effectuez un fine-tuning de Large 3 et vendez l’accès au résultat, Large 4 vous demande de contacter Mistral au préalable. Le second est que la documentation de Mistral elle-même qualifie encore Mistral Large 4 de « Public Preview », alors que le bloc de licence de la même page le décrit comme open-weight. Les deux peuvent être vrais — le modèle est publié, la version n’est pas officiellement finalisée — mais une équipe qui planifie une migration ne doit pas interpréter « preview » et « open weight » comme le même indicateur de maturité.

Le prix a augmenté, et le coût par tâche a diminué.

Les deux affirmations sont correctes, et c’est ce qui rend cette mise à niveau déroutante.

• Tokens d'entrée — 0,50 $ par million sur Mistral Large 3, 0,70 $ sur Mistral Large 4. En hausse de 40 %.

• Jetons de sortie — 1,50 $ par million sur Mistral Large 3, 2,10 $ sur Mistral Large 4. En hausse de 40 %.

• Entrée mise en cache — 0,07 $ par million sur Mistral Large 4 ; la page de documentation de Mistral Large 3 n'indique pas de tarif pour les entrées mises en cache.

• Coût par tâche accomplie sur l’indice Artificial Analysis — 2,06 $ sur Mistral Large 4, en baisse de 63 % par rapport aux 5,54 $ de l’aperçu d’octobre.

Le chiffre de 63 % est réel et il décrit quelque chose de différent de ce que vit un acheteur. Il compare Large 4 à sa propre préversion, lorsque le modèle était à la fois plus cher par token et bien plus verbeux. Ce qu’il ne fait pas, c’est comparer Large 4 à Large 3, car Artificial Analysis ne publie actuellement aucun score Intelligence Index pour Large 3 — la page indique que l’indice n’est pas applicable et que le modèle n’a aucune configuration d’API publiquement évaluée. Ainsi, le bond de « 9 à 38,4 » largement relayé entre les deux modèles n’est pas une mesure de cette mise à niveau. C’est un score issu d’une version de l’indice qui a depuis été remplacée.

La question du score, honnêtement

Sur l’actuel Artificial Analysis Intelligence Index v5 — reconstruit le 27 octobre 2026 — la seule paire comparable disponible se trouve au sein de la propre famille de Large 4. L’aperçu d’octobre a obtenu 25, et le checkpoint publié obtient 26 en raisonnement élevé et 23 en raisonnement moyen. C’est l’amélioration mesurée issue des trois semaines supplémentaires d’apprentissage par renforcement décrites par Mistral, et elle est d’un point.

Pour l'argument générationnel, il ne vous reste que les évaluations de Mistral elles-mêmes : 41 % sur Terminal-Bench 4.0 contre 28 % en préversion, 61,7 % sur DeepSWE v1.1, 79 % sur CyberGym-E2E, 84,5 % sur BrowseComp. Toutes sont rapportées par le fournisseur, et le chiffre de Terminal-Bench en particulier mesure une chose différente selon la structure d’évaluation : 24,7 % lorsque les mêmes poids tournent sur le harnais neutre mini-swe-agent d’Artificial Analysis. Il n’existe pas de suite équivalente publiée par Mistral pour Large 3 à mettre en regard. Quiconque vous dit que Large 4 est exactement N points meilleur que Large 3 cite un indice qui n’existe plus sous cette forme.

Ce qu’on peut dire sans règle graduée : Large 4 ajoute une échelle de raisonnement que Large 3 n’a pas, avec des niveaux d’effort faible, moyen et élevé là où l’ancien modèle n’en avait aucun, et le niveau élevé est celui par défaut. Il double le contexte pour atteindre 1M et, ce qui compte davantage pour les tâches longues, il réfléchit avant de répondre. Ce sont des changements de nature, pas des changements d’échelle. Le coût d’un changement de nature, c’est que les anciens prompts se comportent différemment — parfois mieux, souvent plus cher.

La facture sur une charge de travail réelle

Cent millions de jetons d’entrée et quarante millions de jetons de sortie par mois, le même volume que celui utilisé ailleurs sur ce blog, car cela correspond à peu près à un assistant de support de taille moyenne.

• Mistral Large 3 — 100 × 0,50 $ font 50 $, et 40 × 1,50 $ font 60 $, soit 110 $ par mois.

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

• La différence — 44 $ par mois, soit 40 %, pour un nombre de tokens identique.

L’hypothèse de nombres de tokens identiques est celle à remettre en question. Mistral Large 4 est un modèle de raisonnement par défaut, et les modèles de raisonnement émettent plus de tokens pour une même requête. Artificial Analysis mesure 82 000 tokens de sortie par tâche d’index sur le checkpoint publié — en baisse de 39 % par rapport aux 135 000 de la preview, ce qui indique quelle part de la dépense de la preview tenait à la verbosité, et aussi que 82 000 reste beaucoup. Mistral affirme par ailleurs que le modèle utilise 47 % de tokens en moins par tâche que GLM-5.3, ce qui est une comparaison avec un concurrent, et non avec Large 3.

La conséquence pratique : si vous changez le modèle derrière une invite inchangée, votre nombre de jetons augmentera ainsi que votre tarif, et la facture variera de plus de 40 %. Réglez l’effort de raisonnement sur faible pour la classification, l’extraction et la génération de contenu court, et l’écart se réduit. Laissez-le sur élevé pour tout, et vous payez une prime de raisonnement pour un travail qui n’en a jamais eu besoin. Ce seul réglage vaut plus que n’importe quelle remise de migration.

La licence est la partie à lire deux fois.

Apache 2.0 sur Mistral Large 3 ne comportait aucune condition qui méritait le temps d’un avocat. La licence Mistral Ecosystem Open-Weight License appliquée à Large 4 est une MIT modifiée : utilisation, modification, ajustement fin et commercialisation libres, une licence commerciale distincte étant requise pour le modèle en tant que service. L’annonce de Mistral précise explicitement que les fournisseurs doivent en obtenir une.

Les exceptions ont leur importance pour les intermédiaires. La définition exclut les produits intégrés destinés aux utilisateurs finaux et le « simple relais des requêtes vers des modèles hébergés par des tiers », ce qui laisse de la place à une passerelle qui transmet le trafic vers une inférence hébergée par Mistral. Ce qu’elle ne couvre pas clairement, c’est le fait d’héberger vous-même les poids et de laisser d’autres personnes les appeler — ce que fait une équipe plateforme lorsqu’elle met en place un point de terminaison d’inférence partagé pour ses propres groupes produits. Si c’est là votre architecture, la mise à niveau modifie votre position juridique autant que votre facture, et la réponse passe par une conversation avec Mistral plutôt que par une lecture de la licence.

C’est aussi là qu’une couche de routage justifie sa place, avec une réserve. OrcaRouter répercute le prix catalogue du fournisseur avec 0 % de majoration, de sorte qu’une modification tarifaire d’un fournisseur est effective de notre côté le jour même plutôt qu’au prochain renouvellement de contrat — utile lorsqu’un modèle passe de 1,36 $ à 0,70 $ en trois semaines, comme celui-ci l’a fait. Mais ni Mistral Large 4 ni Mistral Large 3 ne figure dans notre catalogue, nous ne pouvons donc pas router cette migration pour vous. Ce que nous pouvons faire, c’est garder le reste de votre stack sur une seule clé pendant que vous décidez, avec basculement automatique et plus de 200 modèles derrière un point de terminaison unique.

Une checklist de migration qui tient sur un seul écran

• Identifiant API — mistral-large-2512 devient mistral-large-4 ou son alias mistral-large-4-0 ; l'ancien identifiant continue de servir le trafic existant mais est fermé aux nouvelles intégrations.

• Paramètre de raisonnement — Large 4 expose l’effort selon trois niveaux : low, medium et high, high étant la valeur par défaut et low remplaçant l’ancien mode « none » ; les prompts qui ne le définissaient pas jusqu’ici raisonneront désormais.

• Contexte — 256K devient 1M, ce qui change davantage la stratégie de segmentation que le modèle ; les pipelines de récupération réglés sur 256K commenceront silencieusement à envoyer des prompts beaucoup plus volumineux si vous les laissez faire.

• Budget de sortie — Mistral ne publie pas de chiffre maximal de sortie pour Large 4 ; mesurez-le par rapport au point de terminaison que vous appelez avant de supposer un nombre.

• Vision — Mistral publie un encodeur visuel de 1,6 Md pour Large 4 et ne fournit pas l’encodeur séparément pour Large 3 ; la voie multimodale est native dans les deux, mais relancez les tâches d’image plutôt que de présumer une parité.

• Licence — si vous revendez de l’inférence, obtenez l’accord commercial avant de livrer, pas après.

• Evals — réétablissez une base de référence sur vos propres tâches à effort élevé et faible. Les chiffres du fournisseur ne sont pas transférables, et vos anciens taux de réussite non plus.

Qui devrait bouger maintenant, et qui devrait attendre ?

Passez à l’action dès maintenant si votre travail est agentique, à contexte long ou à forte intensité de raisonnement, et si votre facture est dominée par les nouvelles tentatives plutôt que par les tokens du premier passage. Dans ce profil, la hausse de tarif de 40 % n’est pas le chiffre qui compte ; le chiffre qui compte est le nombre de tentatives nécessaires pour accomplir une tâche, et l’échelle de raisonnement est la première chose que Mistral a livrée qui puisse raisonnablement le réduire.

Attendez : si votre charge de travail est à fort volume, à sortie courte et déjà conforme, une augmentation de tarif de 40 % pour une capacité que vous n’utilisez pas constitue une perte nette, et Large 3 continue de servir. La dépréciation le ferme aux nouvelles intégrations, pas au trafic existant — mais considérez cela comme une période de transition avec une échéance, pas comme une option permanente, et demandez à Mistral la date de retrait par écrit plutôt que de la déduire d’une page de documentation.

Et si vous choisissez entre les deux en vous fondant sur un graphique de benchmark, vérifiez d’abord de quel indice il provient. Les chiffres les plus cités pour ce duo ont été mesurés sur une version remplacée le 27 octobre, et le seul score que les deux modèles partagent aujourd’hui est que Large 4 en a un et Large 3 non. Une décision de migration prise sur ces bases est une décision prise sur une règle périmée — exactement le genre de chose qu’une hausse de prix de 40 % rend coûteuse.