Mistral Large 4 : poids, licence et premiers résultats

Ce que change la publication des poids

Mistral Large 4, surnommé « Le Chonk », est passé d’une préversion accessible par API à une version dont les poids auraient été publiés, selon une mise à jour datée du 29 octobre. Ce changement compte, car le téléchargement des poids permet de déployer le modèle en dehors du service API, sous réserve des besoins matériels et des conditions de licence. L’information sur la disponibilité des poids et sur la licence vient d’une mise à jour secondaire : les éléments primaires disponibles sur l’annonce initiale ne confirment pas, à eux seuls, que ces deux étapes ont bien eu lieu.

La mise à jour décrit les poids comme distribués sous une licence MIT modifiée. Cette description ne signifie pas nécessairement qu’il s’agit d’une licence MIT sans changement : il faut consulter le texte juridique applicable pour connaître les conditions précises et les éventuelles restrictions d’usage. Le fait que des fichiers soient téléchargeables ne suffit pas non plus à conclure que le modèle est open source dans tous les sens du terme ou que son usage commercial est dépourvu de restrictions.

Échelle et architecture : ce que signifie un billion de paramètres

Mistral a présenté Large 4 comme un modèle multimodal à mélange d’experts, ou MoE, comprenant un billion de paramètres au total et 52 milliards de paramètres actifs. Dans un MoE, le système active une partie de ses composants pour traiter chaque entrée, au lieu d’utiliser tous les paramètres à chaque étape. Le nombre total et le nombre de paramètres actifs décrivent donc des aspects différents : le premier indique l’ampleur globale du modèle, le second la partie mobilisée lors d’une inférence donnée. Aucun de ces deux chiffres ne détermine, à lui seul, la mémoire exacte nécessaire à son déploiement.

Dans son annonce initiale, Mistral indique que le modèle a été entraîné à partir de zéro sur 3 800 GPU NVIDIA Grace Blackwell dans ses propres centres de données en Europe. L’entreprise affirme également que les données d’entraînement couvraient plus de 160 langues. Ces informations, communiquées par le fabricant, décrivent l’entraînement ; elles ne démontrent ni que le modèle est aussi performant dans chaque langue ni que tous les déploiements futurs utiliseront la même infrastructure.

Benchmarks : des résultats à ne pas confondre

Une mise à jour du 29 octobre indique que Large 4 a obtenu un score de 26 dans la version 5 de l’Intelligence Index d’Artificial Analysis. Elle compare ce résultat à 32 pour DeepSeek V4.1 Flash et GLM-5.3, et à 30 pour MiMo-V2.6-Pro. Ces résultats sont attribués à Artificial Analysis et correspondent à une version ultérieure de l’indice : ils ne doivent pas être confondus avec le score de 38 associé au modèle pendant la préversion dans des sources secondaires et selon une version antérieure. Une nouvelle version peut modifier les tâches comme l’échelle de notation ; il n’est donc pas pertinent de comparer directement deux scores sans vérifier la méthodologie.

La mise à jour rapporte aussi que le résultat de Large 4 à Terminal-Bench 4.0 serait passé d’environ 28 % pendant la préversion à 41 % après plusieurs semaines d’entraînement supplémentaires. Ce chiffre est présenté comme une donnée de Mistral, et non comme une mesure indépendante vérifiée ici. Le même texte attribue à Artificial Analysis un score de 51 au Cyber Index pour la version ultérieure. Les écarts entre les résultats de l’annonce initiale et ceux de la mise à jour peuvent refléter un entraînement supplémentaire, des configurations différentes ou des versions distinctes des évaluations ; les éléments disponibles ne permettent pas d’attribuer chaque évolution à une cause unique.

Cybersécurité : une capacité utile, pas une garantie de protection

La cybersécurité fait partie des usages mis en avant par Mistral. Dans son annonce initiale, l’entreprise attribue à Large 4 un résultat de 82 % à un test consistant à reproduire puis corriger une vulnérabilité, et de 93 % aux défis de Cybench. Elle affirme également que le modèle résiste à 93,3 % des attaques du benchmark B3 de Lakera. Il s’agit de résultats communiqués par Mistral dans son annonce. Même si celle-ci qualifie certaines évaluations d’indépendantes, les protocoles complets, les jeux de données et les exécutions originales nécessaires pour reproduire ces résultats ne figurent pas dans les éléments disponibles ici.

Un score élevé à un test de vulnérabilités ne prouve pas qu’un système peut protéger un réseau réel ni que chaque résultat est sûr. Le test de reproduction d’une faille et de proposition d’un correctif porte sur une tâche délimitée ; une opération de sécurité dépend aussi de l’environnement, des autorisations, de la revue humaine et de la validation du changement. La distinction entre tâches défensives autorisées et demandes malveillantes est également importante : permettre l’analyse de vulnérabilités peut servir des usages légitimes, tout en exigeant des contrôles pour réduire les risques d’abus.

Coût, vitesse et utilisation avec des agents

Une évaluation d’intelligence générale ne suffit pas pour décider si Large 4 convient à un agent de programmation. Dans ce type de processus, le modèle doit comprendre le dépôt de code, choisir des outils, lancer des commandes et vérifier le résultat. Une réponse convaincante peut ne pas correspondre à un fichier créé ni à une tâche terminée. Pour la préversion, Mistral a communiqué des résultats de 61,7 % à DeepSWE v1.1, de 59,4 % à SWE-Atlas-QnA et de 28,3 % à Terminal-Bench 4, ainsi qu’un score combiné de 49,8 % à un indice d’agents de programmation. Ces chiffres viennent du fabricant et dépendent du protocole d’évaluation.

La mise à jour ultérieure attribue à Artificial Analysis une vitesse de 161 tokens par seconde et un coût moyen de 2,06 dollars par tâche de l’indice, contre 5,54 dollars pour la préversion. Elle indique aussi que Large 4 a produit 110 millions de tokens de sortie sur l’ensemble des tâches, contre 150 millions pour la préversion. Ces chiffres illustrent pourquoi le prix par million de tokens ne suffit pas à estimer le coût réel d’une tâche : la longueur des sorties, le nombre d’étapes et les tentatives nécessaires comptent également. Ils ne garantissent pas que le modèle coûtera moins cher dans toutes les applications.

Disponibilité et limites des informations confirmées

La mise à jour du 29 octobre affirme que les poids ont été publiés sur Hugging Face et décrit une licence MIT modifiée. Toutefois, la source primaire disponible ici est l’annonce initiale de Mistral, qui prévoyait seulement une publication des poids vers la fin du mois ; elle ne contient ni la page du dépôt ni le texte de la licence. La publication et les conditions juridiques peuvent donc être décrites comme des informations rapportées dans la mise à jour, mais pas comme des faits directement vérifiés dans le dépôt à partir des éléments disponibles.

La date compte aussi pour interpréter les résultats. L’annonce initiale concerne une préversion ; la mise à jour décrit une version ultérieure et un entraînement supplémentaire. Les scores, le prix et les performances peuvent varier selon la version, le mode de raisonnement, le fournisseur et l’environnement d’exécution. Avant de décider d’un déploiement, identifiez la version exacte, examinez la licence applicable et évaluez le comportement du modèle sur vos propres tâches avant de lui confier des opérations critiques.

Poursuivre l’exploration

Corrections et transparence

Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.