Mistral Large 4 vs Claude Opus 5.5 : le seul chiffre de comparaison directe concerne la mauvaise version

Le seul comparatif en aveugle qui existe pour Mistral Large 4 et Claude Opus 5.5a été mesuré par rapport à la version précédente de l'un d'eux. Surge AI a masqué l'identité des modèles et a demandé à des annotateurs professionnels d'évaluer la production de code sur une échelle de 1 à 5 ; Mistral Large 4 Preview a terminé deuxième sur cinq avec 3,74, derrière Claude Opus 5 à 4,22 et devant Kimi K3 à 3,59 et GLM-5.3 à 3,60. Claude Opus 5.5 est sorti le 22 septembre, si bien que ce qui ressemble le plus à une comparaison humaine publiée pour ce duo est plus vieux de trois semaines que la version actuelle de l'adversaire, et personne ne l'a refait. Tout le reste est comparable, et pointe dans une seule direction : sur l'Intelligence Index d'Artificial Analysis, Mistral Large 4 Preview affiche 38,4 et Claude Opus 5.5 affiche 58 — premier sur 216 modèles — tandis que le coût pour accomplir une seule tâche de l'indice est de 1,13 $ contre 5,98 $.

Ces deux faits dessinent entièrement la décision. L’écart de capacités est large et, dans cette version, plus large qu’il ne l’était. L’écart de coûts est d’un peu plus de cinq fois, et il n’a pas bougé quand Anthropic a baissé ses prix.

Ce qu'est Claude Opus 5.5, de l'aveu même d'Anthropic

Claude Opus 5.5 est le modèle phare actuel d'Anthropic, sorti le 22 septembre 2026 et positionné sur le travail agentique de longue durée : sessions à étapes multiples, usage intensif d'outils et code. Il est affiché à 4 $ par million de tokens en entrée et 20 $ par million en sortie, les lectures de cache à 0,20 $ et les écritures de cache à 5 $ — Anthropic indique que ces tarifs sont inférieurs de 20 % à ceux d'Opus 5 sur l'entrée et la sortie, et de 60 % sur les lectures de cache. Il existe un mode Fast à 8 $ / 40 $ dont l'entreprise affirme qu'il est jusqu'à 2,5 fois plus rapide dans Claude Code et la Claude Platform. Il est disponible sur Amazon Web Services, Google Cloud et Microsoft Azure, avec l'option de rétention nulle des données, et Anthropic annonce que Claude Sonnet 5.5 et Claude Haiku 5.5 suivront dans les semaines à venir.

Deux détails sur cette page comptent plus que le reste. Le premier est une contrainte de migration plutôt qu’une fonctionnalité : Anthropic indique que Claude Opus 5.5 n’est plus disponible avec le mode de réflexion désactivé. Si votre pipeline actuel appelle Opus 5 en mode sans réflexion pour des tours bon marché, rapides et déterministes, cette configuration n’a pas de successeur direct dans ce modèle. Le second est la mise en garde d’Anthropic elle-même, imprimée à côté de ses scores, selon laquelle les écarts de benchmark sont devenus un guide moins fiable des différences dans le monde réel — ce qui est une chose inhabituelle pour un fournisseur d’écrire à côté d’un tableau qu’il domine, et cela vaut la peine de la prendre au pied de la lettre lorsque vous lisez les chiffres ci-dessous.

Les chiffres rapportés par le fournisseur dans l'annonce d'Anthropic sont Terminal-Bench 4.0 à 66,4 %, FrontierCode v1.1 à 54,4 %, CursorBench 4.0 à 57,8 %, GDPval-AA v2.1 à 1 846 Elo, AutomationBench à 40,0 %, Humanity's Last Exam à 67,7 % avec des outils, Terminal-Bench-Science 0.1 à 58,7 % et OSWorld 2.1 à 81,8 % partiel. Tous ceux-ci sont des exécutions propres à Anthropic, les scores des modèles de comparaison étant tirés des pages des fournisseurs eux-mêmes, et aucun d'entre eux n'a été reproduit indépendamment pour cet appariement ni pour aucun autre.

Ce qu’est Mistral Large 4, au 13 octobre

Mistral Large 4 est une préversion publique annoncée le 6 octobre 2026, révision v26.10, et c'est le plus grand modèle que Mistral AI ait livré. La société le décrit comme un mélange d'experts clairsemé nativement multimodal, avec 1,05 billion de paramètres au total et 52 milliards de paramètres actifs, ainsi qu'un encodeur visuel de 1,6 milliard de paramètres, entraîné à partir de zéro sur 3 800 GPU NVIDIA Grace Blackwell dans les centres de données européens de Mistral, sur des données couvrant plus de 160 langues. Artificial Analysis enregistre le nombre de paramètres actifs à 49 milliards plutôt qu'à 52 milliards — un écart de trois milliards sur une dimension, signalé plutôt que moyenné. La fiche de modèle de Mistral indique une fenêtre de contexte de 1 M de tokens ; Artificial Analysis lit 524 288 sur la configuration qu'elle teste, et sa FAQ indique 520 k, ce qui correspond à la différence entre le plafond annoncé par un fournisseur et la fenêtre qu'un déploiement servi vous donne réellement.

La tarification est de 1,36 $ par million de jetons d'entrée, 0,14 $ pour l'entrée mise en cache et 4,18 $ par million de jetons de sortie sur la grille tarifaire, avec une promotion de lancement affichant les mêmes trois lignes barrées à 0,68 $, 0,07 $ et 2,09 $. Les libellés de statut sur la carte indiquent Préversion publique, Ouvert et v26.10 — et c'est le deuxième d'entre eux qu'il faut lire attentivement. Mistral affirme que les poids seront publiés d'ici la fin du mois, et l'article de lancement répète cet engagement deux fois ; ce qu'il ne fait pas, c'est nommer une licence. Artificial Analysis suit le domaine de manière indépendante et consigne le nom de la licence comme null, marque le modèle isOpenWeights: false, et le classe comme propriétaire. Personne ne contredit personne ici. Un aperçu servi depuis le cluster du fournisseur lui-même, sans dépôt de points de contrôle ni texte de licence, est un modèle appelable plutôt qu'une publication de poids ouverts, et la revendication de poids ouverts est un plan assorti d'une échéance plutôt qu'un lien de téléchargement.

Les propres chiffres de benchmark de Mistral, qui sont tous rapportés par le fournisseur, sont de 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA, 28,3 % sur Terminal-Bench 4.0 et un indice combiné Coding Agent Index de 49,8 % ; 59,9 % sur AutomationBench à travers 657 workflows métier ; 1 393 Elo sur AA-Briefcase ; 42 % sur Dense 200 pour l'ancrage visuel ; et, pour ses évaluations en cybersécurité, 82 % sur un test de reproduction et de correction que Mistral décrit comme le plus élevé de tous les modèles, aux côtés de 93 % sur les 40 exercices de compétition de Cybench. L'entreprise a également commandé une étude humaine en aveugle et l'a publiée, ce qui constitue une forme de preuve plus solide qu'un benchmark réalisé en interne, tout en restant une étude dont elle contrôlait la publication.

Ce que le passage à la version 5.5 a changé dans cette décision

Si vous lisez la page Mistral Large 4 versus Claude Opus 5 sur ce blog, trois choses ici sont nouvelles, et une seule d’entre elles est la baisse de prix.

• L'écart de capacités s'est creusé, il ne s'est pas réduit. Claude Opus 5 a obtenu 50,8 sur l'Intelligence Index ; Claude Opus 5.5 obtient 58. Face aux 38,4 de Mistral Large 4 Preview, la distance passe de 12,4 points à 19,6. Une montée de version qui ajoute sept points au sommet du classement tandis que le concurrent reste immobile fait du créneau de la frontière un achat plus évident, et non plus confus.

• La baisse des prix n'a pas atteint la facture. Anthropic a réduit les tarifs d'entrée et de sortie de 20 % — de 5 $ / 25 $ à 4 $ / 20 $ — mais le coût pour accomplir une tâche de l'indice d'Artificial Analysis a augmenté, passant de 5,86 $ pour Claude Opus 5 à 5,98 $ pour Claude Opus 5.5. Les tokens moins chers ont été consommés par un modèle qui en a utilisé davantage. C'est le chiffre le plus utile de cette page, et il mérite qu'on s'y attarde : les prix affichés sont une donnée d'entrée de votre facture, pas une prédiction de celle-ci.

• Une configuration a disparu. Le mode réflexion ne peut plus être désactivé dans Opus 5.5. Si vous achetiez Opus 5 en partie pour disposer d’une voie économique sans réflexion, ce modèle ne remplace pas cette voie, et la décision de remplacement se joue désormais entre deux modèles plutôt que par un simple changement de version.

Ce qui n'a pas changé : la question du cache continue de favoriser Anthropic pour le contexte répété — 0,20 $ par million pour une lecture de cache, contre 0,14 $ au tarif public de Mistral et 0,07 $ en promotion. Dans une boucle d'agent à contexte long avec un préfixe stable, c'est la ligne qui fait le plus bouger la facture, et les deux chiffres méritent le même examen que celui auquel les prix phares viennent d'être soumis.

Les deux modèles les plus verbeux du classement.

Artificial Analysis publie un décompte de tokens de sortie pour l'exécution d'index de chaque modèle, et les deux modèles ici se situent aux deux extrêmes de ce décompte. Claude Opus 5.5 a généré 260 millions de tokens de sortie lors de cette exécution. Mistral Large 4 Preview en a généré 200 millions. La médiane parmi les modèles mesurés est de 85 millions. Tous deux dépensent deux à trois fois ce qu'un modèle typique dépense pour répondre aux mêmes questions, et un seul d'entre eux facture 4 $ et 20 $ par million ce faisant.

La verbosité n'est pas un défaut, et ce n'est pas non plus un signal de qualité. C'est un multiplicateur sur un prix, et c'est la raison pour laquelle la baisse de prix d'Opus a été appliquée sans se traduire au niveau du coût par tâche. Si vous établissez votre budget à partir de la seule grille tarifaire, budgétisez aussi le multiplicateur : à 20 $ par million de tokens de sortie, un modèle qui émet trois fois la médiane a un tarif de sortie effectif plus proche de 60 $ par million par rapport à un modèle au comportement médian, et 260 millions de tokens sur une suite d'évaluation ne sont pas une erreur d'arrondi.

Le tableau d'affichage

• Prix par million de tokens, entrée / sortie — Mistral Large 4 à 1,36 $ / 4,18 $ prix catalogue, 0,68 $ / 2,09 $ en promotion, contre Claude Opus 5.5 à 4,00 $ / 20,00 $

• Entrée mise en cache — 0,14 $ prix catalogue, 0,07 $ en promotion, contre 0,20 $ par million de lectures et 5,00 $ par million d'écritures

• Coût par tâche de l’Intelligence Index — 1,13 $ contre 5,98 $, selon Artificial Analysis

• Indice d’intelligence — 38,4, 65e sur 216 contre 58, 1er sur 216, selon Artificial Analysis

• Tokens de sortie sur cette exécution d’index — 200 M contre 260 M, pour une médiane de 85 M

• Fenêtre de contexte — 1M annoncé par Mistral, avec 524 288 sur la configuration testée, contre 1M selon la lecture que fait Artificial Analysis de Claude Opus 5.5, dont la page d’annonce n’indique aucun chiffre ni dans un sens ni dans l’autre

• Sortie maximale — non publiée par aucun des deux fournisseurs

• Vitesse mesurée — non publiée pour Mistral Large 4 Preview, contre 95,2 jetons de sortie par seconde, avec un mode Fast à 8 $ / 40 $ dont Anthropic affirme qu'il atteint jusqu'à 2,5x

• Poids et licence — promis d’ici fin octobre, la licence n’étant pas nommée, actuellement signalée comme propriétaire par Artificial Analysis, vs fermé

• Disponibilité — l'API en préversion de Mistral et Mistral Studio, servis sur l'infrastructure européenne propre à Mistral, face à AWS, Google Cloud, Azure et au catalogue OrcaRouter

Quand Mistral Large 4 est le bon choix

Choisissez Mistral Large 4 lorsque le travail est à fort volume, bien spécifié et peu coûteux à vérifier. Classification, extraction, summarisation à grande échelle, génération de sorties structurées, première passe de relecture de code, et la longue traîne des tâches internes où une mauvaise réponse coûte une nouvelle tentative plutôt qu'un incident. À 1,13 $ par tâche d'indexation contre 5,98 $, un pipeline qui exécute un million de tâches par mois n'a pas besoin d'un argument subtil pour justifier le modèle bon marché ; il a besoin que le modèle bon marché soit suffisamment bon, et sur AutomationBench — la ligne où l'on demande à un modèle d'accomplir des flux de travail métier ordinaires — les 59,9 % rapportés par Mistral lui-même soutiennent la comparaison avec le chiffre qu'Anthropic rapporte pour Opus 5.5 sur le même harnais. Des exécutions différentes, des fournisseurs différents : à lire donc comme un signal plutôt qu'un résultat, mais c'est la ligne la plus proche de ce qu'une unité métier demande réellement à un modèle de faire.

Mistral Large 4 est aussi, dans ce duo, le modèle qui dispose d'une voie crédible vers l'auto-déploiement, et pour certains lecteurs, cela vaut plus qu'un point de benchmark. Une promesse de poids d'ici la fin octobre n'est pas une mise à disposition de poids, et une licence sans nom n'est pas une licence ; c'est donc une raison de surveiller plutôt qu'une raison de migrer aujourd'hui. Mais parmi les deux modèles présentés ici, c'est le seul pour lequel un argument de résidence des données ou d'accès en cours d'incident peut se conclure par « nous l'exploitons nous-mêmes ». Le récit européen de l'entraînement et de l'exploitation figure du même côté de ce bilan.

Quand Claude Opus 5.5 est le bon choix

Choisissez Claude Opus 5.5 lorsque la tâche est longue, que les étapes dépendent les unes des autres et qu'une erreur coûte cher. Terminal-Bench 4.0 est la ligne de démarcation la plus nette de cette comparaison — Anthropic annonce 66,4 % pour Opus 5.5 contre 28,3 % pour le propre modèle de Mistral sur le même harnais — et le travail sur terminal est le proxy public le plus proche du codage agentique, qui représente l'essentiel de ce pour quoi les équipes achètent un modèle de pointe. Un écart de 19,6 points sur l'Intelligence Index et un écart de près de 2,4x sur Terminal-Bench, formulés de la même manière : ce n'est pas une mince affaire sur le segment exigeant, et aucun argument de prix ne comble l'écart si votre charge de travail se situe là. Ajoutez le contexte de 1M, les 95,2 tokens par seconde mesurés contre un chiffre non publié en face, le mode Fast pour les chemins sensibles à la latence, et la disponibilité sur trois grands clouds avec zéro rétention des données : le surcoût achète une vraie marge opérationnelle.

La question pratique est de savoir si vous avez besoin de tout le premium à chaque appel. La plupart des équipes qui utilisent un modèle de pointe à grande échelle constatent qu'une minorité de requêtes — celles qui présentent une véritable ambiguïté multi-étapes — consomment la majeure partie de la capacité, et que les autres non. Il s'agit d'une décision de routage, pas d'une décision de modèle, et c'est le cas où faire tourner les deux est la vraie réponse. Claude Opus 5.5 figure dans le catalogue OrcaRouter au prix catalogue d'Anthropic avec 0 % de marge sur le même point de terminaison compatible OpenAI que plus de 200 autres modèles, donc essayer les deux coûte une seule clé plutôt qu'un second contrat fournisseur. Mistral Large 4 n'est pas dans notre catalogue aujourd'hui — on y accède via l'API de prévisualisation propre à Mistral et via plusieurs plateformes tierces — et cela est présenté comme un fait concernant notre liste, et non comme une annonce de lancement en douceur.

Pour une préversion, la fonctionnalité qui mérite sa place est le basculement automatique. Envoyer une partie du trafic vers un modèle dont la licence, les poids et le contexte servi sont encore tous des questions ouvertes signifie que le mode de défaillance utile est un réacheminement plutôt qu’une panne, et vous découvrez les vrais modes de défaillance du modèle sur vos propres données plutôt que sur le classement de quelqu’un d’autre.

Le seul fait qui tranche

Personne n'a comparé Mistral Large 4 et Claude Opus 5.5 en face-à-face, à paramètres identiques, sur un harnais nommé — le seul chiffre humain en aveugle qui existe concerne Claude Opus 5, et la version contre laquelle vous faites votre choix n'est pas Claude Opus 5 — donc la base honnête pour prendre une décision aujourd'hui est que le modèle bon marché coûte un cinquième du prix par tâche accomplie et que le modèle coûteux a une avance d'environ vingt points d'indice et d'un écart de près de 2,4x sur Terminal-Bench, à un prix catalogue qu'Anthropic a réduit sans réduire le coût par tâche.

Si une réponse échouée dans votre charge de travail coûte moins de 4,6 tentatives, achetez Mistral Large 4. Si elle coûte plus cher, achetez Claude Opus 5.5 — et si vous ne pouvez pas encore répondre à cette question concernant votre propre trafic, exécutez les deux sur un même point de terminaison et laissez un mois de requêtes réelles y répondre pour vous.