Muse Spark vs Mistral Large 4.0 : un aperçu face à un modèle déjà déployé

Ce n’est pas un combat équitable, et Mistral serait le premier à le dire. Mistral Large 4.0 a été annoncé le 6 octobre 2026 en aperçu public sous le surnom « le Chonk » — un mélange d’experts de 1 000 milliards de paramètres avec 52 milliards de paramètres actifs, qui se décrit comme encore en progrès, les poids étant promis d’ici la fin octobre. Muse Spark 1.3, le point de contrôle Muse Spark actuel de Meta, a été publié le 2 septembre 2026 et est stable depuis. Comparer un modèle en aperçu à un modèle publié est une erreur de catégorie si vous choisissez une infrastructure de production, et un exercice réellement utile si vous essayez de déterminer laquelle des deux lignes proches des modèles à poids ouverts mérite votre attention au cours des deux prochains trimestres. Selon celle des deux que vous faites, chaque conclusion ci-dessous change, donc cet article garde les deux questions distinctes.

Où chacun d'eux se situe réellement

Muse Spark is a family, not a model. Muse Spark 1.1 arrived July 16, 2026, Muse Spark 1.2 on August 5, and Muse Spark 1.3 on September 2, all from M​eta Superintelligence Labs, all sharing a 1,048,576-token context window. Muse Spark 1.3 gained its max reasoning setting on September 4. It is live, priced, documented and stable — and the family's pricing has not moved in three consecutive releases.

M​istral Large 4 est à l'autre extrémité de son cycle de vie. L'annonce fait preuve d'une franchise inhabituelle à ce sujet : un aperçu public sur M​istral Studio dès aujourd'hui, des poids « d'ici la fin du mois », un modèle qui « continue de s'améliorer rapidement à mesure que nous l'affinons », actuellement soumis à des tests d'équipe rouge avec des partenaires en cybersécurité et des organisations vérifiées sous modération réduite. Il a été entraîné de zéro sur 3 800 GPU N​VIDIA Grace Blackwell dans les propres centres de données européens de M​istral, et M​istral affirme explicitement que la souveraineté est l'objectif : un modèle hébergé en Europe et auto-déployable pour les organisations qui ne peuvent accepter des refus au niveau du fournisseur en pleine gestion d'incident.

Cette différence de maturité est la première chose à intégrer dans le prix, et ce n'est pas une critique. Une préversion qui va changer est une préversion sur laquelle vous ne devriez pas encore bâtir un pipeline certifié ; un modèle livré qui n'a pas changé depuis six semaines est un modèle sur lequel vous pouvez le construire.

Les nombres indépendants

Les deux lignes correspondent à des mesures hébergées par Artificial Analysis ; aucune ne constitue une revendication d'un fournisseur, et la liste nomme l'entrée de Mistral « Mistral Large 4 Preview ».

• Indice d'intelligence — Muse Spark 1.3 (max) : 48, rang 24 sur 217. Mistral Large 4 Preview : 38, rang 66 sur 217.

• Coût par tâche d'indexation — Muse Spark 1.3 : 1,60 $. Mistral Large 4 Preview : 1,13 $. Mistral est moins cher par tâche terminée malgré le score inférieur.

• Débit de sortie — Muse Spark 1.3 : 121,9 tokens par seconde, classé 43e sur 186. M​istral Large 4 Preview : non mesuré, aucun chiffre publié. Pour un aperçu servi depuis un seul cluster interne, un débit non mesuré n'a rien d'étonnant et reste une lacune.

• Verbosité — Muse Spark 1.3 : 170 M de tokens de sortie sur l’index. M​istral Large 4 Preview : 200 M, décrit comme très verbeux. Avantage Muse Spark.

• Tarifs catalogue — Muse Spark 1.3 à 1,25 $ en entrée / 4,25 $ en sortie, avec entrée mise en cache à 0,15 $, tarif fixe. M​istral Large 4 est actuellement en promotion à un tarif annoncé de 0,68 $ en entrée / 2,09 $ en sortie, avec entrée mise en cache à 0,07 $, contre des tarifs habituels de 1,36 $ et 4,18 $. La page de tarification publique de M​istral elle-même affiche encore un montant générique « M​istral Large » et ne répertorie pas Large 4 ; la page de documentation est donc la source faisant autorité, et c’est le tarif promotionnel qu’il faut vérifier avant de vous engager.

Lisez ce tableau comme une déclaration sur aujourd’hui et il dit quelque chose de légèrement embarrassant pour M​eta : le modèle le moins cher ici est celui qui obtient le score le plus bas, et il obtient un score inférieur de dix points d’indice. Lisez-le comme une déclaration sur un aperçu et il dit quelque chose de plus utile — le coût d’exploitation est compétitif alors que la capacité n’est pas encore au rendez-vous, ce qui correspond au profil d’un modèle qui a de la marge de progression et d’un fournisseur qui a fixé son prix en conséquence.

Le conflit de fenêtre de contexte, énoncé plutôt que résolu

La fiche modèle de Mistral donne à Mistral Large 4 une fenêtre de contexte d'un million de tokens. La fiche d'Artificial Analysis pour le même modèle affiche 524 000 dans son panneau de spécifications et le décrit comme « 520k tokens » dans le texte. Nous n'allons pas en faire la moyenne. L'un des deux est faux, ou l'un décrit une configuration que l'autre ne décrit pas, et nous n'avons pas pu le résoudre à partir des informations publiques. Ce que nous pouvons dire, c'est que le chiffre du fournisseur est plus précis concernant la modalité et l'architecture, et que le chiffre de l'analyste est plus précis concernant le coût et les performances par tâche, donc aucune des deux sources ne domine. Si la taille de la fenêtre est importante pour votre décision, vérifiez-la auprès de l'API avant de vous engager — c'est exactement le genre d'écart qui se propage en production sans être remarqué.

Sur le plan des modalités, il n'y a ni conflit ni ambiguïté : les deux modèles prennent du texte et des images en entrée et renvoient du texte. La fiche modèle de Mistral Large 4 ajoute le raisonnement comme modalité de sortie et liste parmi ses fonctionnalités les sorties structurées, l'appel de fonctions, les questions-réponses sur documents, la complétion de préfixe, le traitement par lots, les agents et les connecteurs. Muse Spark 1.3 prend en entrée du texte, des images et de la vidéo et renvoie du texte, avec une échelle de raisonnement allant de minimal à maximal. Notamment, aucun des deux modèles ne publie de chiffre maximal de tokens de sortie que nous ayons pu vérifier — ce qui est l'un des rares points, dans le domaine actuel, où un modèle de pointe d'un grand laboratoire ne se prononce tout simplement pas.

Ce que chaque fournisseur affirme, gardé de son côté

M​istral's announcement leans on vertical strengths rather than a general scoreboard. Vendor-reported and unreproduced: DeepSWE v1.1 at 61.7%, SWE-Atlas-QnA at 59.4%, Terminal-Bench 4 at 28.3%, a Combined Coding Agent Index of 49.8%, AutomationBench at 59.9%, AA-Briefcase at 1,393 Elo, a second-place 3.74 out of 5 in Surge AI's blind human coding evaluation, 42% on Dense 200 visual grounding, 93.3% attack resistance on Lakera B3, and a cybersecurity pitch that is the real differentiator — top five on the Artificial Analysis Cyber Index, 82% on a reproduce-and-patch task that M​istral claims is the highest of any model, and 93% on Cybench. M​istral's own framing of that last point is that several leading closed models, Claude Opus 5.5 and GPT-6 Astra among them, score near zero on the same test because they refuse the task rather than fail it.

Les chiffres de Meta pour Muse Spark 1.3 constituent un tableau de bord agentique polyvalent : DeepSWE v1.1 à 75,4, OSWorld 2.0 à 66,9, Terminal-Bench 2.1 à 76,4 avec l'agent Terminus 2, MCP-Atlas à 89,2, GDPval-AA v2 à 1 754, SciCode à 58,5, HLE-Diamond sans outils à 26,1 et JobBench à 61,8.

Les deux listes ne se recoupent quasiment pas. DeepSWE v1.1 est la seule évaluation que les deux publient, et là, Meta revendique 75,4 contre 61,7 pour Mistral — un écart suffisamment large pour survivre aux différences de harnais, même si nous n’avons reproduit aucun des deux. Partout ailleurs, les fournisseurs ont simplement mesuré des choses différentes, ce qui explique pourquoi la comparaison honnête repose sur les lignes indépendantes ci-dessus plutôt que sur la superposition de ces deux tableaux.

La question qui les distingue réellement : les poids ouverts

C'est l'axe que sous-entend le titre de la confrontation, celui où les deux modèles sont véritablement des produits distincts plutôt que des versions meilleure et moins bonne d'une même chose.

Mistral Large 4 dispose d'un calendrier annoncé vers des poids téléchargeables, promis d'ici fin octobre 2026, accompagné de l'affirmation qu'il surpasse tout modèle à poids ouverts développé aux États-Unis ou en Europe. Si cela se concrétise, il deviendra la plus importante publication européenne à poids ouverts et une option réelle pour les organisations qui ont besoin de s'auto-héberger. À noter que la licence n'est pas nommée sur la fiche du modèle à l'heure où nous écrivons ces lignes et que le dépôt Hugging Face n'était pas lisible publiquement lorsque nous avons vérifié ; les conditions dans lesquelles ces poids arriveront ne sont donc pas encore connaissables — une lacune que nous ne masquerions pas, car dans les publications à poids ouverts, la licence est souvent tout l'enjeu.

La gamme Muse Spark n'est pas une gamme à poids ouverts. Muse Spark 1.1, 1.2 et 1.3 sont fermés et servis via l'API de M​eta. Ce qui porte effectivement des poids, c'est un membre distinct de la famille, sous son propre nom — Muse Spark Open, une publication de 816B au total / 42B actifs dont le dépôt a été créé le 15 septembre 2026, est resté sous accès restreint et non annoncé pendant quatre semaines, puis a été publié sous licence par M​eta le 15 octobre 2026. Ce calendrier est la partie que nous pouvons affirmer sans détour, car les horodatages du dépôt et la date de la licence figurent dans l'artefact. Ce qui n'est pas confirmé, c'est sa qualité : M​eta n'a pas publié le rapport d'évaluation qui sous-tend sa propre fiche de scores ; considérez donc les poids ouverts comme une question à part entière, et non comme une version plus récente de Muse Spark 1.3. Quiconque compare la promesse de poids ouverts de M​istral à Muse Spark 1.3 compare deux modèles de distribution différents, et non deux niveaux de capacités.

Ce qui signifie que la règle de décision est simple et n’a presque rien à voir avec l’indice. Si vous devez exécuter le modèle sur votre propre matériel, dans votre propre juridiction, selon vos propres politiques, cette comparaison ne retient qu’un seul candidat : celui de M​istral, sous réserve de ce que sa licence stipule lorsque les poids apparaîtront. Si vous achetez un point de terminaison, l’aperçu M​istral est actuellement l’option au score plus faible et la moins chère face à un modèle déjà livré qui le dépasse de dix points d’indice.

Développer contre l’un ou l’autre sans s’enfermer

OrcaRouter achemine Muse Spark 1.2 et Muse Spark 1.1 au prix catalogue de Meta, avec 0 % de marge répercutée, aux côtés de plus de 200 modèles sur une seule API, avec basculement automatique et un DSL de routage pour répartir le trafic entre eux. Mistral Large 4 ne figure pas dans notre catalogue, et Muse Spark 1.3 non plus — nous n'allons donc pas prétendre que ce comparatif peut être exécuté de bout en bout avec l'une de nos clés aujourd'hui. Ce pour quoi le modèle de pass-through est utile ici, c'est précisément ce dont ce comparatif a besoin : comme les prix promotionnels de Mistral et la publication de ses poids tombent à quelques semaines d'intervalle, une clé routée signifie qu'un changement de prix ou une nouvelle build ouverte apparaît de notre côté le jour même où cela apparaît chez eux, plutôt qu'à la prochaine reconduction de contrat.

Que faire ce mois-ci

Si votre décision peut attendre jusqu'à fin octobre, attendez — le fait le plus déterminant concernant Mistral Large 4 n'est pas encore publié, et il s'agit de la licence sur les poids plutôt que de n'importe quel chiffre dans cet article. Si elle ne peut pas attendre, la comparaison telle qu'elle se présente aujourd'hui oppose un aperçu en vente à 0,68 $ / 2,09 $ avec un score d'indice de 38 et aucune vitesse de sortie mesurée, à un modèle livré à 1,25 $ / 4,25 $ avec un score d'indice de 48, environ 122 tokens par seconde et six semaines de stabilité derrière lui. L'aperçu est moins cher par tâche aujourd'hui et sera presque certainement un modèle différent au moment où quiconque lira ceci ; celui qui est livré est dix points plus fort et n'aura pas changé. Ni l'un ni l'autre ne constitue une recommandation, car le facteur décisif est de savoir si les poids que Mistral a promis sont quelque chose dont vous avez besoin — et ce n'est pas une question de benchmark.

Un résultat comme celui-ci rappelle aussi que les erreurs de modèle sont déjà documentées : les incidents d'IA et les défaillances d'agents liés aux modèles de cette catégorie sont recensés dans l'OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, son degré de gravité, sa note de confiance et son indicateur de contestation.