Mistral Large 4 « Le Chonk » : ce que vaut vraiment le modèle européen à 1 000 milliards de paramètres
Le 6 octobre 2026, Mistral AI a ouvert la préversion publique de Mistral Large 4, surnommé « Le Chonk ». C'est le plus grand modèle jamais entraîné en Europe et le premier modèle de Mistral à mille milliards de paramètres. Le discours de lancement est ambitieux : le meilleur modèle open-weight conçu hors de Chine, l'état de l'art des modèles ouverts en cybersécurité, finance et droit, et meilleur que les modèles fermés de pointe en visual grounding. Cet article sépare ce qui est confirmé de ce qui reste une promesse, et situe le modèle dans le marché d'octobre 2026.
Le modèle en bref
| Architecture | Mixture-of-Experts granulaire ; un seul modèle hybride instruct + raisonnement |
|---|---|
| Paramètres actifs | 49 Md (Mistral sur X) ou 52 Md avec embeddings (blog, dépôt A52B) : deux chiffres officiels |
| Vision | Encodeur de 1,6 Md de paramètres ; image en entrée, texte en sortie |
| Contexte | 1M de tokens annoncé ; 512K-524K servis par OpenRouter, Vals.ai, Artificial Analysis |
| Entraînement | Environ 3 800 GPU NVIDIA Grace Blackwell (blog ; la presse dit 4 000), ~2 mois, datacenters européens de Mistral |
| Prix API | 1,36 / 4,18 USD par million de tokens au catalogue ; 0,68 / 0,07 en cache / 2,09 au lancement (-50 % jusqu'au 20 octobre environ) |
| Poids ouverts | Promis fin octobre (27 octobre selon la presse) ; licence pas encore publiée |
Deux chiffres méritent une note. Les paramètres actifs valent 49 Md dans la communication de Mistral sur les réseaux et 52 Md dans le blog et le nom du dépôt Hugging Face : la différence correspond aux couches d'embedding et de sortie. Et le contexte de 1M de tokens est celui de la fiche modèle ; tous les hébergeurs indépendants servent 512K pour l'instant, ce qui dépasse déjà la plupart des prompts de production.
Pourquoi mille milliards de paramètres dont 5 % seulement actifs
Le Chonk est un MoE granulaire : beaucoup de petits experts, un routeur en choisit quelques-uns par token. Environ 5 % des poids travaillent sur chaque token, ce qui garde un calcul par token proche d'un modèle dense de 50 Md. Mais les 1,05 billion de paramètres doivent tous tenir en mémoire GPU : environ 2,1 To en BF16 et près de 500 Go même en 4 bits. « 49 Md actifs » rend le modèle rapide, pas petit.
| Ce que les paramètres actifs changent | Ce qu'ils ne changent pas |
|---|---|
| Calcul (FLOPs) par token généré | Mémoire nécessaire pour charger les poids |
| Latence et débit par GPU | Nombre de GPU pour une réplique (multi-nœud en BF16) |
| Prix API par token (peu coûteux à servir à grande échelle) | Taille du téléchargement, stockage, démarrage à froid |
Les benchmarks : fort là où Mistral a visé, moyen ailleurs
Les chiffres de lancement de Mistral portent sur les agents, le code et la sécurité : 61,7 % sur DeepSWE v1.1, 59,9 % sur AutomationBench, 28,3 % sur Terminal-Bench 4.0, un Coding Agent Index de 49,8 % (devant DeepSeek V4 Pro et Qwen 3.8 Max selon Mistral), 93 % sur Cybench et 42 % en visual grounding Dense200, juste devant les 41 % de GPT-6 Astra.
Les évaluateurs indépendants nuancent :
| Évaluateur / benchmark | Mistral Large 4 | Points de repère |
|---|---|---|
| Artificial Analysis Intelligence Index v4.3.2 | 38 | MiMo-V2.6-Pro 46, GLM-5.3 45, Kimi K3 44, Claude Opus 5.5 58 |
| Vals Index | 48,05 % (33e sur 45) | Gemini 4 Argon 68,9 %, Claude Sonnet 5.5 67,0 %, GLM 5.3 53,5 % |
| Vals Harvey Legal Agent | 15,83 % (6e sur 76) | Gemini 4 Argon 19,58 %, Kimi K3 12,92 %, Claude Opus 5.5 3,75 % |
| Vals Finance Agent v2 | 54,68 % (22e sur 76) | Gemini 4 Argon 65,40 % (premier), Claude Opus 5.5 58,59 % |
| Vals Terminal-Bench 4 | 22,73 % | Claude Opus 5.5 65,15 %, GPT-6 Astra 59,60 %, GLM 5.3 38,89 % |
| AA CyberGym de bout en bout | 81,7 % (premier) | MiMo-V2.6-Pro 78,6 %, GPT-6 Luna 77,9 % |
| AA Long-Context Reasoning | 81,3 % | Kimi K3 88,7 %, Claude Opus 5.5 84,7 % |
Vu comme une forme plutôt qu'un classement, le profil est net :
Gemini 4 Argon n'a pas encore de résultat Terminal-Bench 4 chez Vals. Lisez une ligne : Le Chonk est faible sur les agents de code et le meilleur des quatre après Argon au benchmark juridique de Harvey.
Trois lectures :
- Spécialiste, pas généraliste. Le Chonk est premier en exploitation cyber de bout en bout (CyberGym), sixième sur 76 au benchmark juridique de Harvey et solide sur les agents financiers, alors que ses scores sur les indices généraux sont en milieu de tableau.
- « Meilleur modèle ouvert » : vrai face à l'Occident, pas face à la Chine. Face à Nemotron 3 Ultra, gpt-oss et Muse Glimmer de Meta, Mistral est devant. Face à Xiaomi MiMo-V2.6-Pro, Z.ai GLM-5.3 et Moonshot Kimi K3, non, sur les indices généraux.
- Les agents de code restent un point faible. Terminal-Bench 4 donne 22,7 à 28,3 % selon le harnais, contre 55 à 66 % pour Claude 5.5 et GPT-6.
Le prix : le vrai argument
Au prix catalogue de 1,36 / 4,18 USD, Le Chonk coûte environ un tiers de Claude Opus 5.5 (4 / 20 USD) et un septième de GPT-6 Astra (10 / 50 USD) par token de sortie, dans la même gamme que GLM-5.3 (1,40 / 4,40 USD). Par tâche, le tableau est plus nuancé : passer tout le Vals Index coûte 13,78 USD par test avec Le Chonk, contre 32,14 USD avec Claude Opus 5.5 et 15,68 USD avec Gemini 4 Argon, qui obtient 20 points de plus. Des tokens bon marché ne rapportent que sur les tâches que le modèle réussit. Voir notre analyse du coût par tâche.
Qui doit s'y intéresser dès maintenant
- Mistral Large 4 pour vous ?
- → Données en UE, chez un fournisseur européen ?
- oui: Le présélectionner, tester sur vos tâches via la Plateforme
- non: Usage principal juridique, finance, cyber ou documents multilingues ?
- oui: Pilote dès maintenant au prix de lancement ; auto-hébergement à la sortie des poids
- non: Usage principal agents de code autonomes ?
- oui: Garder un modèle de code de pointe (Claude, GPT-6) ; re-tester à la GA
- non: Comparer avec GLM-5.3 et MiMo-V2.6-Pro au coût par tâche
- → Données en UE, chez un fournisseur européen ?
Ce qu'il faut surveiller d'ici fin octobre
Avant de vous engager sur Le Chonk
tadataAvant de vous engager sur Le Chonk
- MUST Lire la licence la doc dit seulement « Open » ; Large 3 et Small 4 sont sous Apache 2.0, Medium 3.5 sous MIT modifiée
- MUST Dimensionner le matériel environ 500 Go en 4 bits : un nœud de 8 GPU par réplique
- SHOULD Vérifier le contexte servi 512K aujourd'hui, 1M annoncé
- SHOULD Recalculer le prix après la remise de lancement retour au prix catalogue vers le 20 octobre
- COULD Rejouer vos évaluations à la disponibilité générale les préversions reçoivent des mises à jour silencieuses
En résumé
Le Chonk n'est pas le modèle le plus fort de l'automne 2026, et Mistral ne le prétend pas. C'est un modèle crédible, bon marché, européen et bientôt open-weight, excellent sur les métiers réglementés et la sécurité, multilingue par conception, entraîné et servi dans l'UE. Pour les entreprises qui ont besoin de souveraineté, il change la présélection ; pour les autres, c'est une option prix-performance à comparer avec GLM-5.3 et les leaders chinois. Lire aussi le comparatif des modèles d'IA d'octobre 2026.
Sources : annonce et pages modèle de Mistral AI ; Artificial Analysis (index v4.3.2) ; pages modèle de Vals.ai ; couverture du lancement par VentureBeat, TechCrunch et Tech.eu, consultées le 8 octobre 2026. Modèle en préversion : les chiffres peuvent évoluer avant la disponibilité générale.