Mistral Large 4 : 1 000 milliards de paramètres, 1,36 $ / 4,18 $ en préversion

Le 6 octobre 2026, Mistral AI a présenté Mistral Large 4 (ouvre mistral.ai dans un nouvel onglet)Aller vers mistral.ai, son plus gros modèle, surnommé « le Chonk » par Mistral elle-même : 1 000 milliards de paramètres, dont 49 milliards actifs. Il est disponible en préversion publique de l’API ; les poids doivent suivre d’ici la fin du mois.

Ce que Mistral annonce

Large 4 est un modèle à « mélange d’experts » (MoE) : découpé en sous-réseaux spécialisés, il n’en sollicite qu’une partie à chaque token. Il mêle réponses directes et raisonnement, lit texte et images, et couvre plus de 160 langues, dont celles de l’Union européenne.

• Disponibilité : préversion publique de l’API dans Mistral Studio, sans date de version finale.
• Prix : 1,36 $ par million de tokens en entrée, 4,18 $ en sortie, sans tarif en euros affiché.
• Poids ouverts : promis « d’ici la fin du mois », sans licence précisée dans l’annonce.
• Entraînement : environ 3 800 GPU Nvidia Grace Blackwell, dans les data centers européens de Mistral, qui opère aussi le déploiement en Europe, sous droit européen.

Côté scores, selon Mistral, Large 4 obtient 61,7 % sur DeepSWE v1.1 (des tâches de développement confiées à un agent), figure dans le top 5 de l’indice cyber d’Artificial Analysis, et dépasse GPT-6 Astra sur un benchmark juridique de Harvey et sur Finance Agent v2 de Vals AI. The Register invite à la prudence et rapporte que, chez Artificial Analysis, le modèle se classe entre DeepSeek V4.1-Flash et GPT-6 Luna.

Le prix face aux concurrents

On compare ici les tarifs, pas la qualité.

En sortie, Large 4 coûte environ 2,4 fois moins que Sol ou Sonnet 5.5, mais environ 3,5 fois plus que DeepSeek V4.1-Flash au tarif normal. Attention : le prix au token ne dit pas le coût d’une tâche. Un modèle qui raisonne longtemps produit beaucoup de tokens.

Notre essai dans le Lab : un échec, sur un seul essai

Crédit : Lab Yatofix, capture du test du 6 octobre 2026.

Le jour même, nous avons soumis mistral-large-4 au bench « Faites pousser une plante en 3D » du Lab Yatofix, avec le réglage de raisonnement le plus élevé accepté. Un seul essai, réponse jugée telle quelle.

Résultat : la page reste vide. Le code charge la bibliothèque 3D three.js, mais oublie l’« import map », la ligne qui indique au navigateur où trouver le module three : le script ne démarre jamais. La génération a duré 6 min 19 s, pour 14 437 tokens de sortie (raisonnement compris), soit environ 38 tokens par seconde. Hors bench, en ajoutant cette seule ligne à la main, la simulation démarre, mais saute la germination.

Un essai unique ne suffit pas à juger un modèle.

Notre lecture

Analyse. Mistral joue trois cartes : un prix sous celui des modèles américains de milieu de gamme, un hébergement européen et des poids ouverts. Si la licence est permissive, ce sera l’un des rares modèles de cette taille qu’une entreprise pourra faire tourner chez elle. Mais 1 000 milliards de paramètres, c’est un serveur multi-GPU, pas ton PC. Avant de trancher, il faudra la licence, des mesures indépendantes et plus d’un essai.