Mistral AI franchit une nouvelle étape dans sa stratégie de modèles ouverts. L’entreprise française annonce la publication, sur la plateforme Hugging Face, des poids de Mistral Large 4, un ensemble de fichiers permettant d’exécuter et d’adapter le modèle dans son propre environnement. Large 4 est également proposé via l’API de Mistral, une interface qui permet à des logiciels d’utiliser les capacités d’un modèle à distance, et peut être essayé dans Vibe Code.
Présenté le 6 octobre, le modèle porte le surnom « Le Chonk ». Il est décrit comme multimodal, c’est-à-dire capable de traiter plusieurs types de contenus, et compte 1 000 milliards de paramètres, dont 52 milliards sont actifs. Mistral AI indique avoir prolongé son entraînement par renforcement de trois semaines après la présentation initiale. Cette période aurait servi à intégrer les retours de clients et de partenaires, mais aussi à ajouter trois niveaux de raisonnement : faible, moyen et élevé.
Des résultats mis en avant dans le développement logiciel
Pour défendre le positionnement de Large 4, Mistral AI s’appuie notamment sur les tâches de programmation réalisées par des agents. Dans ce contexte, un agent logiciel est un système capable d’enchaîner plusieurs actions pour atteindre un objectif technique, plutôt que de produire uniquement une réponse textuelle. L’entreprise présente son modèle comme le meilleur modèle ouvert développé en Occident et affirme qu’il occupe la première place mondiale parmi les modèles ouverts consacrés au développement logiciel agentique, selon le Coding Agent Index d’Artificial Analysis.
| Indicateur | Résultat annoncé |
|---|---|
| Paramètres du modèle | 1 000 milliards, dont 52 milliards actifs |
| Jetons utilisés face à GLM-5.3 | 47 % de moins en moyenne par tâche, selon Mistral AI |
| Terminal-Bench 4.0 | Progression annoncée de 28 % à 41 % |
Selon Mistral AI, Large 4 rivalise avec GLM-5.3 en programmation agentique tout en consommant, en moyenne, 47 % de jetons en moins par tâche. Les jetons correspondent aux unités de texte traitées par un modèle. Leur volume a une conséquence directe sur la facture des entreprises qui utilisent une API ou des agents logiciels, ce qui donne à cet indicateur une dimension économique en plus de la seule comparaison de performances.
Le modèle est également évalué par Mistral à travers Terminal-Bench 4.0, un benchmark qui mesure la capacité d’agents à effectuer des opérations de programmation dans un terminal. L’entreprise affirme que le score de Large 4 est passé de 28 % à 41 % après les travaux supplémentaires, atteignant ainsi le niveau annoncé pour GLM-5.3. Ces résultats restent des mesures de benchmark publiées ou revendiquées par les acteurs concernés : ils ne constituent pas, à eux seuls, une garantie de performance identique dans tous les environnements professionnels.
Une exécution possible dans l’environnement de l’organisation
Mistral AI met aussi en avant des applications en cybersécurité. Large 4 doit notamment pouvoir assister des équipes dans l’analyse de code, la détection de menaces et l’examen d’infrastructures informatiques. Le communiqué de l’entreprise présente ces usages comme des capacités ciblées du modèle ; il ne décrit pas une certification de sécurité ni un remplacement des outils et des équipes spécialisées.
La publication des poids modifie surtout les conditions d’accès au modèle. Des entreprises et des administrations peuvent envisager de l’exécuter dans leur propre environnement, au lieu de dépendre exclusivement d’un service distant. Cette possibilité peut intéresser les organisations qui souhaitent conserver la maîtrise de leur infrastructure et de leurs traitements, mais son intérêt concret dépendra des moyens nécessaires pour faire fonctionner un modèle de cette taille. La mise à disposition sur Hugging Face s’ajoute ainsi à l’accès par API et à l’expérimentation dans Vibe Code, trois modalités distinctes proposées autour de Large 4.
- Hugging Face : publication annoncée des poids de Large 4.
- API de Mistral : accès au modèle depuis des applications et des services logiciels.
- Vibe Code : possibilité annoncée de l’essayer dans cet environnement.
Avec Large 4, Mistral AI cherche donc à combiner une architecture de très grande taille, des résultats revendiqués en programmation et une diffusion plus ouverte. L’entreprise devra toutefois distinguer, pour chaque organisation, les performances mesurées sur les benchmarks, les coûts liés aux jetons et les contraintes techniques d’une exécution locale. À ce stade, les annonces portent sur les capacités revendiquées par Mistral AI et sur les modalités d’accès au modèle.
