Mistral Large 4 : 1 000 milliards de paramètres et des poids ouverts promis pour le 27 octobre

Mistral a présenté le 6 octobre Mistral Large 4, un modèle de 1 000 milliards de paramètres surnommé « Le Chonk » en interne. L'API est disponible en preview via Mistral Studio, à 1,36 dollar le million de tokens en entrée et 4,18 dollars en sortie. Les poids seront publiés fin octobre, après trois semaines de tests de sécurité. Entrées multimodales, sortie texte, plus de 160 langues couvertes, dont toutes les langues officielles de l'Union européenne.

TL;DRL'essentiel pour les pressés

Mistral Large 4 : 1 000 milliards de paramètres dont 49 milliards actifs (architecture MoE), entraîné en Europe sur 3 800 GPU Grace Blackwell, API en preview dès maintenant à 1,36 $ / 4,18 $ le million de tokens.
Les poids ouverts arrivent le 27 octobre sous licence Mistral, une première à cette échelle hors des laboratoires chinois.
Les benchmarks annoncés restent à vérifier : sur DeepSWE, le classement public place GLM-5.3 et Kimi K3 autour de 69 % et les modèles fermés vers 74 %, contre 61,7 % revendiqués par Mistral.

3 800GPU Nvidia Grace Blackwell ont servi à l'entraînement, deux à trois fois moins que les concurrents chinois selon Pierre Stock, VP Science de Mistral (octobre 2026)

Un pari sur les poids ouverts plus que sur les benchmarks

L'architecture est un mixture-of-experts à grande échelle : 1 000 milliards de paramètres au total, 49 milliards activés par requête. Mistral a entraîné le modèle de zéro en deux mois environ, sur 3 800 GPU Grace Blackwell, dans ses datacenters européens. Pierre Stock revendique deux à trois fois moins de puissance de calcul que les concurrents chinois. Guillaume Lample situe l'ambition : être « à la frontière des modèles à poids ouverts », pas devant GPT-6 Astra ou Gemini.

Les chiffres maison appellent la prudence. Mistral annonce 61,7 % sur DeepSWE v1.1. La société revendique aussi la tête du juridique avec 15 % sur Harvey Legal, contre 12,92 % pour Kimi K3. En finance, Large 4 fait 67 % sur FinWorkBench, à égalité avec DeepSeek V4 Pro. VentureBeat relève que rien n'est vérifié de façon indépendante. Le classement public DeepSWE affiche GLM-5.3 et Kimi K3 autour de 69 %, et Claude, Gemini, GPT-6 vers 74 %. Sur le même benchmark, l'écart entre 61,7 % et 69 % reste à expliquer. Le point fort mesurable est la sécurité : top 5 mondial du Cyber Index d'Artificial Analysis et 82 % sur la reproduction de vulnérabilités.

Nous travaillerons avec des partenaires de confiance et des gouvernements pour que les poids ouverts puissent servir à défendre, mais pas à mener des attaques.

Pierre Stock, VP Science de Mistral, à TechCrunch

Le vrai événement est la promesse du 27 octobre : des poids ouverts à l'échelle du trillion de paramètres, jusqu'ici réservés aux laboratoires chinois comme DeepSeek, Moonshot ou Zhipu. Mistral vend une troisième voie entre modèles américains fermés et modèles chinois ouverts. L'argument est la souveraineté : hébergement européen, zéro rétention de données et un modèle auditable une fois les poids publiés.

Mon avis : notable, pas un basculement. Sur les benchmarks génériques, Large 4 ne rattrape pas les leaders fermés, et ses propres chiffres le placent derrière les meilleurs modèles ouverts chinois sur le code. Mais pour une entreprise française soumise à des contraintes de localisation des données, un modèle 1T hébergeable chez soi change le champ des options. La décision se prendra sur les benchmarks indépendants, pas sur le communiqué.

Ce que ça change pour vous

Votre équipe utilise déjà l'API d'un modèle fermé pour générer ou analyser du contenu ? Le tarif de Large 4 le place dans la zone des offres intermédiaires, comme GPT-6.1 Sol lancé fin septembre. Rien n'impose de bouger avant les mesures indépendantes d'Artificial Analysis sur la qualité, la vitesse et le prix réel.

Si vous travaillez pour un client public, bancaire ou santé qui exige un hébergement européen et des poids auditables, le 27 octobre est la date à retenir. Un modèle de cette taille reste hors de portée d'un serveur standard. En attendant, l'API de Mistral couvre déjà un déploiement multirégional sur infrastructure européenne.

Ce que vous devez faireConcrètement, pour votre visibilité

Teste Large 4 en preview sur Mistral Studio avec tes prompts de production actuels, et compare le coût par tâche réelle, pas le prix affiché au million de tokens.
Surveille la page Mistral du leaderboard Artificial Analysis cette semaine : les premières mesures indépendantes de qualité et de latence y tomberont avant la publication des poids.
Si la souveraineté est un critère chez tes clients, note le 27 octobre et liste les cas d'usage à évaluer sur les poids ouverts (licence Mistral, pas Apache 2).