Mistral Large 4 : le « Chonk » de 1 000 milliards de paramètres, poids ouverts le 27 octobre

Mistral AI sort son plus gros modèle à ce jour, et le surnomme officiellement « le Chonk ». La start-up parisienne a ouvert mardi 6 octobre une préversion publique de Mistral Large 4 (ML4), un modèle multimodal de 1 000 milliards de paramètres, dont 49 milliards actifs à chaque token. Il est accessible dès maintenant par l’API, sur Mistral Studio. Les poids seront publiés en open weight le 27 octobre, selon les informations données à la presse. Le billet officiel parle, lui, de « la fin du mois ».

Il s’agit d’un modèle de type mixture-of-experts : seule une fraction du réseau travaille sur chaque requête. La documentation développeurs précise 1,05 billion de paramètres au total, 52 milliards actifs en comptant les couches d’embedding et de sortie, un encodeur visuel de 1,6 milliard de paramètres et une fenêtre de contexte de 1 million de tokens. Pendant la préversion, le tarif affiché est de 0,68 $ par million de tokens en entrée et de 2,09 $ en sortie, soit la moitié du prix barré (1,36 $ et 4,18 $).

Mistral annonce des versions quantifiées en FP8 et FP4, déployables sur 4 à 8 GPU Nvidia B200 ou B300, d’après le Journal du Net. ML4 deviendra dans les prochaines semaines le modèle par défaut des produits Mistral, dont l’agent Vibe, après une phase de tests A/B.

Un test cyber où Opus 5.5 et GPT-6 Astra refusent de jouer

La cybersécurité est l’argument numéro un de l’éditeur. Sur l’Artificial Analysis Cyber Index, qui mesure la capacité d’un modèle à trouver et corriger des failles dans du vrai logiciel, ML4 se classe parmi les cinq premiers modèles mondiaux selon Mistral. Sur l’une des épreuves, qui demande de reproduire une vulnérabilité réelle dans un logiciel open source puis de la corriger, il atteint 82 %, le meilleur score relevé. Il résout aussi 93 % des 40 défis de Cybench, tirés de compétitions de sécurité.

Le graphique publié par Mistral éclaire ce résultat. Claude Opus 5.5 (Anthropic) et GPT-6 Astra (OpenAI) y totalisent respectivement 36 et 38 tâches bloquées par leurs propres garde-fous, faute d’accepter l’exercice. Mistral y voit un handicap pour les équipes de défense, qui doivent souvent prouver qu’une faille existe avant de la corriger. « Les capacités de cyberdéfense permettront aux entreprises et aux gouvernements de se protéger contre des acteurs malveillants qui contournent les protections des modèles fermés pour mener des cyberattaques », a déclaré Guillaume Lample, cofondateur et directeur scientifique, cité par Euronews.

D’ici la publication des poids, des acteurs de la cybersécurité, des partenaires triés et des autorités étatiques testent une version du même modèle avec une modération allégée et des capacités cyber étendues. L’API publique, elle, filtre les requêtes malveillantes. Mistral affirme d’ailleurs que le taux de refus de ML4 sur les prompts cyber malveillants de JailbreakBench, StrongREJECT et AgentHarm est supérieur à celui de tous les modèles open weight comparés.

Kimi K3 garde la main sur le code

Le reste du bulletin est plus nuancé. Sur DeepSWE 1.1, un test de développement logiciel agentique mesuré par Artificial Analysis, ML4 obtient 62 %, devant GLM-5.3 (61 %), DeepSeek-V4-Pro (57 %), Qwen 3.8 Max (51 %) et Beam de Reflection AI (44 %). Mais le propre graphique de Mistral place Kimi K3 devant, à 68 %. Sur Terminal-Bench 4, le score tombe à 28,3 %. L’éditeur se montre plus à l’aise sur les tâches métier : 67 % sur FinWorkBench en finance, à égalité avec DeepSeek-V4-Pro, et 15 % sur le Legal Agent Benchmark de Harvey, contre 5 % pour GPT-6 Astra. En repérage d’objets sur images aériennes (DIOR-RSVG), ML4 atteint 73 % contre 68 % pour le modèle d’OpenAI, selon The Next Web.

Tous ces chiffres sont fournis par Mistral et restent provisoires : l’apprentissage par renforcement se poursuit, et l’éditeur s’attend à de meilleurs scores au moment de la sortie des poids. Aucune évaluation indépendante complète n’est encore disponible.

Le modèle a été entraîné de zéro sur 3 800 GPU Nvidia Grace Blackwell dans les centres de données de Mistral en Europe (environ 4 000 et 10 mégawatts selon les chiffres donnés à la presse), une infrastructure qui sert aussi la préversion. C’est le premier modèle issu de la série D de 3 milliards d’euros bouclée en septembre. Guillaume Lample estime ce parc « entre deux et trois fois » plus petit que celui de la plupart des laboratoires chinois. Mistral promet une mise à jour majeure d’ici deux mois. D’ici là, le rendez-vous est fixé au 27 octobre, sur Hugging Face, où la fiche du modèle attend déjà les poids.

Sources : Mistral AI, Journal du Net, Euronews, The Next Web.

Ajouter Geek Actu à mes sources préférées sur Google