Muse Wonder vs Mistral Large 4.0 : comparer un modèle livré à un modèle encore en préversion

La première chose honnête à dire à propos de Muse Wonder face à Mistral Large 4.0, c'est qu'un seul des deux est terminé. Meta Superintelligence Labs a mis Muse Wonder à disposition sur une API commerciale le 12 octobre 2026 : 4,00 $ par million de tokens d'entrée, 20,00 $ par million de tokens de sortie, une fenêtre de 1 048 576 tokens et un indice d'intelligence Artificial Analysis de 52. Mistral AI a mis Mistral Large 4.0 en aperçu public le 6 octobre 2026 — six jours plus tôt — à 1,36 $ l'entrée et 4,18 $ la sortie par million, avec un indice indépendant de 38,4, aucun poids publié, aucune licence nommée et un plafond de sortie que Mistral n'a pas documenté. Tout ce qui suit est vrai cette semaine, et une partie cessera d'être vraie avant novembre, car Mistral a annoncé que les poids arriveraient d'ici la fin du mois.

Quatorze points, et ce qu'ils coûtent

L’écart composite est le plus large de cette série, et c’est le chiffre le moins intéressant de la page. Les deux chiffres proviennent d’Artificial Analysis, sur la même révision de son indice, ils sont donc directement comparables :

Indice d’intelligence — Muse Wonder (max) 52, neuvième sur 219 modèles ; Mistral Large 4 Preview 38.4, soixante-quatrième sur 225

• Tarif catalogue — Muse Wonder 4,00 $ en entrée / 0,20 $ en cache / 20,00 $ en sortie par million ; Mistral Large 4.0 1,36 $ en entrée / 0,14 $ en cache / 4,18 $ en sortie

• Coût par tâche d'indexation — Muse Wonder environ 4,52 $ ; Mistral Large 4.0 environ 1,13 $, soit un quart de ce montant

• Tokens de sortie lors de l’exécution de l’index — Muse Wonder environ 130 millions ; Mistral Large 4.0 environ 200 millions

• Fenêtre de contexte — Muse Wonder 1 048 576 tokens annoncés et servis ; Mistral Large 4.0 1 048 576 dans la documentation de Mistral, 524 288 selon l’interprétation de l’évaluateur indépendant

• Paramètres — Muse Wonder non communiqués ; Mistral Large 4.0 : 1,05 billion au total, avec 49 milliards actifs par token, plus un encodeur visuel de 1,6 milliard de paramètres

Poids — Muse Wonder : propriétaire, aucun publié ; Mistral Large 4.0 : propriétaire aujourd'hui, promis ouvert d'ici fin octobre 2026

Le rapport de coût de 4× est le véritable facteur décisif, et il n’est pas atténué par l’écart d’indice comme le sont certains appariements de cette série. Muse Wonder consomme moins de tokens et obtient tout de même 14 points de plus, si bien que la différence de prix achète réellement de la capacité plutôt que de la verbosité. Mais un score d’indice de 38,4 n’est pas un mauvais modèle — c’est à peu près le niveau auquel se situe un modèle de raisonnement compétent de milieu de gamme — et la question à laquelle un acheteur est réellement confronté est de savoir si quatorze points de capacité valent la peine de quadrupler le coût de fonctionnement sur un pipeline qui traite beaucoup de tokens.

Pour la plupart des travaux à fort volume, ce n’est pas le cas. Pour le codage agentique et les tâches professionnelles à long horizon, les scores de préversion de Mistral Large 4.0 sont suffisamment faibles pour que le modèle moins cher ne constitue pas un véritable substitut ; les propres chiffres du fournisseur l’évaluent à 28,3 sur Terminal-Bench 4.0 et à 49,8 sur son indice composite Coding Agent Index, ce qui relève d’une autre catégorie de résultat que les chiffres de terminal que Meta publie pour Muse Wonder.

La clause d'aperçu

La documentation de Mistral elle-même ne parvient actuellement pas à s’accorder sur ce modèle, et une comparaison écrite aujourd’hui en hérite.

• La fenêtre de contexte est indiquée comme étant de 1 million de tokens dans la documentation de Mistral et interprétée comme 524 288 par Artificial Analysis — un facteur deux, non résolu.

• Le nombre de paramètres actifs apparaît comme 49 milliards sur certaines interfaces Mistral et 52 milliards sur d'autres.

• Aucune licence n'est nommée. Le propre matériel de Mistral étiquette la publication « Open » sans préciser, et l'évaluateur la signale comme propriétaire sans champ de licence renseigné. Mistral Large 3 était sous Apache 2.0 ; celle-ci n'est encore couverte par rien.

• La longueur maximale de sortie n'est pas documentée.

Le prix promotionnel de lancement — 0,68 $ en entrée et 2,09 $ en sortie, soit la moitié du tarif standard — est barré sur la grille tarifaire de Mistral, ce qui signifie qu'il prend fin.

Aucun de ceux-là n’est un scandale. Ils sont ce à quoi ressemble un aperçu vu de l’extérieur : un modèle dont la configuration de service évolue encore, vendu avec moins de préavis, susceptible d’être re-tarifé ou retiré selon un calendrier plus court que celui d’une version en disponibilité générale. Muse Wonder a ses propres questions non résolues — le checkpoint Full réservé aux abonnés, la fonctionnalité Active Memory que personne n’a testée en production — mais sa grille tarifaire, sa fenêtre de contexte et ses endpoints sont des faits établis plutôt qu’une meilleure estimation actuelle.

La conséquence pratique, pour quiconque évalue ces deux modèles l’un par rapport à l’autre, est que la colonne Mistral va évoluer. Les scores d’un modèle preview changent entre les révisions d’un même banc d’essai sans que le fournisseur n’annonce quoi que ce soit, et une charge de travail optimisée pour un chiffre preview doit être considérée comme optimisée pour une cible mouvante.

Là où Mistral Large 4.0 a quelque chose que Muse Wonder n’a pas

Deux choses, et toutes deux sont précises plutôt qu’incrémentales.

Le premier est le déploiement souverain, et c'est une réponse d'approvisionnement plutôt qu'une réponse de benchmark. Mistral entraîne et sert ce modèle dans ses propres centres de données européens sur du matériel européen — les documents de lancement citent 3 800 GPU NVIDIA Grace Blackwell et une série D de 3 milliards d'euros — et il est nativement multilingue dans environ 160 langues, y compris toutes les langues officielles de l'UE. Pour un acheteur européen du secteur public ou réglementé, c'est souvent toute la décision, et Muse Wonder n'y participe à aucun prix. Le modèle de Meta est servi par Meta, selon les conditions de Meta.

Le second est le travail de sécurité, où les affirmations de Mistral sont particulièrement concrètes. L'éditeur annonce 82 % pour la reproduction et le correctif d'une véritable vulnérabilité open source, ce qu'il présente comme le meilleur score de tous les modèles testés, et 93 % sur une suite de cybersécurité de 40 défis. Il affirme en outre que Claude Opus 5.5 et GPT-6 Astra obtiennent un score proche de zéro au même test parce qu'ils refusent la tâche. Ce sont des chiffres rapportés par l'éditeur au sujet de son propre modèle, et l'affirmation de refus est la caractérisation par un éditeur du comportement de deux concurrents — à considérer l'une et l'autre comme des déclarations. Si les chiffres se vérifient, même approximativement, il existe une catégorie de travaux de sécurité défensive et de génération de correctifs où un modèle à indice 38,4 est plus utile qu'un modèle à 52, ce qui est le type d'inversion qu'un score composite ne peut pas montrer.

En matière de qualité du code telle que jugée par des humains plutôt que par un harnais, une évaluation à l’aveugle menée par Surge AI, avec les étiquettes masquées et des annotateurs professionnels, a attribué à Mistral Large 4.0 la note de 3,74 sur une échelle de cinq points, le classant deuxième sur cinq modèles testés — devant Kimi K3 à 3,59 et derrière Claude Opus 5 à 4,22. C’est un signal ténu mais réel que le score composite sous-estime le modèle en matière de code, et c’est le genre de chiffre que les tableaux de fournisseurs ne contiennent jamais.

La question européenne, et la question du routage

Mistral Large 4.0 ne figure pas dans le catalogue OrcaRouter. Il n'existe aucune route mistral pour ce modèle de notre côté, et cette page ne suggérera pas le contraire — c'est sur la plateforme de Mistral elle-même, son Studio API et plusieurs plateformes tierces que l'aperçu tourne aujourd'hui. Muse Wonder de Meta n'est pas non plus le nôtre : c'est sur la Meta Model API et Muse Code qu'il tourne, et il n'y a aucune entrée meta/muse-wonder dans notre catalogue.

Ce qui est routable ici, c'est la couche qui se trouve sous ces deux décisions. Muse Spark 1.2 — le plus grand checkpoint Meta dont cette famille descend — figure au catalogue à 1,25 $ en entrée et 4,25 $ en sortie par million de tokens, sur une fenêtre de 1 048 576 tokens, avec des lectures de cache à 0,15 $. Et la raison de maintenir ces deux comparaisons sur un seul point de terminaison, c'est qu'aucune des deux n'est un achat définitif : l'aperçu de Mistral évoluera lorsque les poids arriveront et que la licence sera nommée, et le checkpoint Full de Meta pourra ou non obtenir un chemin d'API. Les tarifs catalogue des fournisseurs sont répercutés avec 0 % de marge, donc quand un fournisseur révise le prix d'un aperçu — comme le fera finalement le tarif de lancement barré de Mistral — le montant de notre côté évolue le jour même plutôt qu'au cycle de facturation suivant. Le DSL de routage et le basculement automatique existent exactement pour la forme que présente cette comparaison : une charge de travail que vous voulez essayer sur un modèle non stabilisé sans parier un chemin de production dessus.

Choisir entre un modèle terminé et un modèle inachevé

• Choisissez Mistral Large 4.0 lorsque le déploiement doit être européen, lorsque la couverture multilingue des langues de l’UE importe, ou lorsque le travail relève de la sécurité défensive et de la génération de correctifs. Dans ces trois cas, l’écart d’index est le mauvais instrument.

• Choisissez Mistral Large 4.0 lorsque le coût par tâche est la contrainte. À 1,13 $ par tâche d’indexation contre 4,52 $, c’est le quart le moins cher de cette série, et pour la classification, l’extraction et le résumé à grand volume, il n’y a pas photo.

• Ne vous appuyez pas sur les chiffres de l’aperçu de Mistral Large 4.0 comme s’ils étaient définitifs. Un modèle dont la fenêtre de contexte et le nombre de paramètres sont encore contestés d’une page à l’autre des propres pages du fournisseur est un modèle dont la colonne de benchmark changera.

• Optez pour Muse Wonder lorsque le travail est agentique et à long horizon, lorsque l'entrée est vocale ou vidéo, ou lorsque la sortie doit être longue — le plafond de 943 718 tokens par réponse unique de Meta n'a pas d'équivalent ici, car Mistral n'en a documenté aucun.

• Prenez Muse Wonder lorsque vous avez besoin de cette capacité dès maintenant et que vous pouvez payer le quadruple pour l’obtenir. Un écart de quatorze points sur un indice pour un endpoint GA doté d’une grille tarifaire établie est une prime pour la certitude autant que pour le score.

La raison pour laquelle ce duo résiste à un verdict tranché, c’est que les deux modèles ne sont pas en concurrence pour le même achat. L’un est un modèle de pointe avec une grille tarifaire publiée et un ensemble de fonctionnalités inachevé ; l’autre est un modèle moins cher, souverain, encore en construction, avec une licence qui n’existe pas encore. Dans trois semaines, Mistral Large 4.0 sera peut-être le plus intéressant des deux — des poids ouverts sous une licence nommée changeraient chaque paragraphe ci-dessus. Pour l’heure, un seul des deux est quelque chose sur quoi vous pouvez vous engager.