Mistral Large 4 « Le Chonk » : 1 050 milliards de paramètres en préversion

Le 6 octobre, Mistral a ouvert une préversion publique de Mistral Large 4, son nouveau modèle de frontière, surnommé « Le Chonk ». Après de longs mois de quasi-silence sur les grands modèles, l’éditeur français revient avec un poids lourd, et le surnom ne ment pas sur la balance. Les éléments qui suivent viennent de la présentation relayée par Next. La plupart des chiffres de performance sont ceux de Mistral, et il faudra les vérifier sur le modèle final.

Un MoE de 1 050 milliards de paramètres

Sur le papier, le modèle compte 1 050 milliards de paramètres, dont 49 milliards actifs à la fois. Il repose sur une architecture Mixture of Experts, devenue classique : un immense comité d’experts dont seule une petite fraction prend la parole à chaque question, comme en réunion mais en plus efficace. La fenêtre de contexte annoncée atteint un million de tokens. Mistral dit avoir entraîné le modèle depuis zéro sur 3 800 puces Grace Blackwell de NVIDIA, dans ses propres centres de calcul en Europe.

Il faut prendre le mot « préversion » au pied de la lettre : l’entraînement continue. D’ici la version finale, prévue le 26 octobre, des partenaires sélectionnés reçoivent une version privée. Celle-ci leur donne une modération allégée, des fonctions de cybersécurité plus avancées et les poids de la préversion. Les poids publics et des informations plus précises sont promis pour ce même 26 octobre.

Des benchmarks flatteurs, une facture à surveiller

Mistral revendique 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA et 28,3 % sur Terminal-Bench 4. Cela donne un indice combiné de 49,8 %, devant DeepSeek V4 Pro 0813 et Qwen3.8 Max. Le site Artificial Analysis retrouve ces scores et place le modèle dans la moyenne haute, en intelligence comme en rapidité. Il le classe aussi parmi les modèles très verbeux. Le tarif paraît raisonnable : 1,36 dollar par million de jetons en entrée, 4,18 dollars en sortie. Mais quand un modèle a la parole facile, ce sont les jetons de sortie qui comptent, et votre facture le découvrira avant vous.

Une incohérence est à noter : Artificial Analysis indique une fenêtre de 524 000 jetons, soit environ la moitié de l’annonce. Next avance que ce chiffre pourrait venir d’une préversion antérieure.

La cybersécurité comme argument de vente

C’est le terrain que Mistral met le plus en avant. L’entreprise présente Large 4 comme « l’un des modèles d’IA les plus puissants au monde pour la cybersécurité ». Il serait dans le Top 5 du Cyber Index d’Artificial Analysis avec 82 %, et obtiendrait 93 % sur Cybench. Face aux Américains, l’argument est assumé : Claude Opus 5.5 et GPT-6 Astra obtiennent zéro au Cyber Index parce qu’ils refusent d’exécuter les tâches. Selon Mistral, des attaquants contournent déjà ces modèles fermés par jailbreak, et « les défenseurs ont besoin de systèmes pouvant égaler ces capacités sans être contraints par les mêmes refus ».

Next rappelle le cas de Hugging Face. Au moment d’une attaque contre ses services, l’entreprise s’était plainte que les modèles fermés refusaient de l’aider à analyser les premières traces. Elle s’était alors tournée vers un modèle chinois, GLM 5.2. Mistral traite la question comme une affaire de défense. Reste à savoir ce qu’un modèle ouvert et moins bridé offre aussi à l’attaque.

Face aux Américains, et surtout aux Chinois

Mistral se dit « de loin le meilleur en Europe et aux États-Unis » parmi les modèles à poids ouverts. La précision géographique en dit long : sur ce terrain, la référence reste chinoise, et ce sont justement DeepSeek et Qwen que visent ses comparatifs. Pour le travail de bureau, Mistral annonce 59,9 % sur AutomationBench. Le modèle dépasserait GPT-6 Astra sur des tâches financières et juridiques évaluées par vals.ai, et serait en tête des modèles ouverts sur le test juridique de Harvey. En ancrage visuel, il obtient 42 % sur Dense 200, contre 41 % pour GPT-6 Astra : un point d’écart, autant dire une égalité.

Next se demande si Le Chonk remplacera bientôt GLM 5.3 dans Vibe Code. Ce serait la meilleure preuve de confiance : voir Mistral confier son propre outil de code à son propre modèle.