Mistral ouvre Large 4, un modèle à 1 050 milliards de paramètres dont les poids arrivent fin octobre

6 octobre 2026. Mistral AI ouvre un aperçu public de Mistral Large 4, surnommé « Le Chonk » : un modèle multimodal à architecture mixture-of-experts d’environ 1 050 milliards de paramètres, dont 49 milliards seulement sont actifs par jeton. L’API est ouverte immédiatement, les poids ouverts sont promis pour la fin octobre, autour du 27. Pourquoi c’est important : c’est la première fois qu’un laboratoire européen met un modèle de cette taille sur la table, et la promesse des poids — si la licence suit — déplace le rapport de force des modèles ouverts, longtemps dominé par la Chine.

Un trillion de paramètres, la facture d’un 49 milliards

Mistral Large 4 est un granular mixture-of-experts : le réseau contient une multitude de petits sous-réseaux experts, et un routeur n’en active qu’une poignée à chaque jeton. C’est ce mécanisme qui permet à un modèle d’1 050 milliards de paramètres de tourner avec le coût de calcul d’un modèle de 49 milliards actifs. Il est nativement multimodal — image en entrée, texte en sortie — avec un encodeur visuel de 1,6 milliard de paramètres et une fenêtre de contexte d’un million de jetons.

Le modèle a été entraîné from scratch sur 3 800 à 4 000 GPU Nvidia Grace Blackwell dans les datacenters européens de Mistral, sur environ deux mois, à travers plus de 160 langues, dont toutes les langues officielles de l’Union européenne. Le positionnement est assumé : un modèle souverain, hébergé en Europe, destiné aux charges de la finance, de l’ingénierie, de la logistique et du secteur public. La sortie intervient quelques semaines après une levée de série D de 3 milliards d’euros — environ 24 milliards de valorisation post-money, présentée comme la plus grosse levée tech d’Europe — dont Large 4 est le premier jalon.

Ce que disent les benchmarks, et ce qu’il faut en croire

Les chiffres publiés sont, pour l’instant, fournis par le vendeur. Ils méritent d’être lus avec la même rigueur qu’un constructeur qui publie sa propre consommation. Mistral revendique le titre de « meilleur modèle à poids ouverts des États-Unis ou d’Europe » sur des benchmarks agrégés — une formulation qui exclut d’emblée les modèles chinois, et dont la comparaison inclut précisément ces derniers comme cibles à battre.

Les scores indépendants commencent à arriver. Artificial Analysis place Large 4 Preview à 38 sur son Intelligence Index v4.3.2, à égalité avec GPT-6 Luna d’OpenAI et au plus haut des modèles ouverts occidentaux. Mais ce score le classe huitième parmi les modèles ouverts, derrière MiMo-V2.6-Pro de Xiaomi (46,3), GLM-5.3 de Z.ai (≈45) et Kimi K3 de Moonshot (≈44) — et loin des leaders fermés, comme Claude Opus 5.5 à 57,6.

Sur les tâches d’agents, Mistral annonce 28,3 % à Terminal-Bench 4.0, 59,4 % à SWE-Atlas QnA et environ 62 % à DeepSWE v1.1. Sur la cybersécurité, l’argument est plus singulier : 82 % à un test de l’Artificial Analysis Cyber Index (reproduire une vulnérabilité open source puis la corriger) et 93 % à Cybench, avec un taux de refus sur les prompts cyber malveillants que Mistral dit plus élevé que tout autre modèle ouvert. Le coût, lui, reste un frein : environ 1,13 dollar par tâche chez Artificial Analysis, contre 0,27 dollar pour DeepSeek V4.1 Flash, à environ 116 jetons par seconde.

Le vrai sujet n’est pas la taille, c’est la licence

La promesse des poids ouverts est datée — fin octobre, autour du 27 — mais la licence n’est pas encore publiée. Mistral parle d’une licence « custom », et les conditions complètes n’arrivent qu’avec les poids. C’est le point à surveiller en priorité, car un modèle « ouvert » sous une licence restrictive — interdiction de concurrence, plafonds de revenus, clauses de redistribution — n’est pas le même actif stratégique qu’un modèle sous Apache 2.0. Le précédent est récent : Reflection AI a promis Beam, son modèle de 501 milliards de paramètres, sous Apache 2.0 le 5 octobre 2026, et Aleph Alpha a livré Kolibri, un MoE 78B, sous Apache 2.0 quelques jours plus tôt.

La stratégie commerciale est lisible entre les lignes. Mistral vend l’accès API aujourd’hui — 1,36 dollar en entrée, 4,18 dollars en sortie par million de jetons au prix catalogue, avec une moitié prix promotionnelle d’environ deux semaines — et garde les poids pour plus tard. La red teaming en cours avec des acteurs de la cybersécurité et des autorités étatiques, qui reçoivent une version à modération réduite, est un indice que Mistral veut publier des poids déjà éprouvés plutôt qu’un modèle brut. C’est une approche défendable, mais elle repousse le moment où l’on pourra réellement auditer ce que le modèle sait faire et refuse de faire.

Verdict

Si vous évaluez des modèles pour des charges de production, appelez Large 4 via l’API dès maintenant et mesurez-le sur vos tâches — vos prompts, vos jeux de données, vos seuils de refus — plutôt que sur les graphiques du vendeur, dont plusieurs lecteurs de Hacker News ont noté qu’ils trient les barres et ne commencent pas leurs axes à zéro. Si vous visez un déploiement souverain ou auto-hébergé, attendez le 27 octobre et lisez la licence avant d’investir : un trillion de paramètres qui exige plusieurs nœuds de GPU pour l’inférence n’a d’intérêt que si la licence vous laisse le déployer là où vos données l’exigent. Si vous comparez face aux modèles ouverts chinois, gardez en tête que le titre de « meilleur modèle ouvert occidental » laisse MiMo-V2.6-Pro, GLM-5.3 et Kimi K3 devant lui sur l’index Artificial Analysis — l’écart se mesure en points, pas en ordres de grandeur. Le signal durable n’est pas la taille du modèle, mais le fait qu’un laboratoire européen joue désormais dans la même cour que les géants chinois sur les poids ouverts.

Références

• Mistral AI — Mistral Large 4 announcement
• TechCrunch — Mistral’s new 1T model aims to leapfrog closed and open rivals (6 octobre 2026)
• MarkTechPost — Mistral AI Releases Mistral Large 4 (Le Chonk): A 1.05T Parameter Open-Weight Multimodal MoE
• explainx.ai — Mistral Large 4: 1T Open-Weight Model, Price and Benchmarks