Mistral Large 4 : ce qui est disponible, ce qui reste promis

Mistral Large 4 : qu'est-ce qui est disponible au 13 octobre 2026 ?

Mistral Large 4 est le nouveau modèle phare de Mistral AI. Il est en préversion publique depuis le 6 octobre 2026, par l'API de Mistral, sous le nom mistral-large-4. Sa fiche officielle annonce 1 050 milliards de paramètres, dont 52 milliards actifs, et 1 million de tokens de contexte. Les poids (les fichiers du modèle) sont promis « d'ici la fin du mois ». Au 13 octobre, ils ne sont pas publiés.

Mistral le surnomme « le Chonk ». L'annonce officielle le présente comme un modèle à poids ouverts. Pour l'instant, c'est un modèle d'API comme un autre.

Au 13 octobre 2026	Statut
API mistral-large-4 en préversion publique	Disponible
Prix de l'API, avec une promotion de lancement	Publié
Fiche technique (paramètres, contexte, fonctions)	Publiée
Nombre de paramètres actifs	Corrigé après l'annonce (49, puis 52 milliards)
Poids sur Hugging Face	Promis « d'ici la fin du mois »
Licence des poids	Non publiée
Mémoire GPU nécessaire	Non publiée

L'API en préversion : nom du modèle, fonctions et prix

La fiche du modèle donne deux noms d'API : mistral-large-4 et mistral-large-4-0. Le statut affiché est « Public Preview », en version 26.10. Le modèle prend du texte et des images en entrée. La fiche mentionne un encodeur de vision de 1,6 milliard de paramètres.

La fiche liste les fonctions attendues d'un modèle de production : sorties structurées, appel de fonctions, traitement par lots (/v1/batch), agents et conversations. Son exemple d'appel passe "reasoning_effort": "high" sur /v1/chat/completions : le même modèle répond avec ou sans raisonnement.

Les prix, par million de tokens, sur la page tarifs de la documentation :

• entrée : 1,36 $, soldé à 0,68 $ ;
• entrée en cache : 0,14 $, soldé à 0,07 $ ;
• sortie : 4,18 $, soldé à 2,09 $.

Le changelog de Mistral annonce, à la date du 6 octobre, « Launch pricing: 50% off for 2 weeks ». Deux semaines à partir du 6 octobre mènent au 20 octobre, mais Mistral n'écrit pas de date de fin. Budgétez au prix plein.

Selon l'annonce, la préversion tourne dans les datacenters européens de Mistral, sur l'infrastructure qui a servi à l'entraîner : 3 800 GPU NVIDIA Grace Blackwell. Mistral prévoit aussi un déploiement européen qu'il opère de bout en bout, sous droit européen. Le texte l'écrit au futur.

49 ou 52 milliards de paramètres actifs, 1 M ou 524 k de contexte

Le chiffre des paramètres actifs a changé après l'annonce. La version de la page archivée le 6 octobre à 23 h 01 (UTC) disait « 49 billion active parameters ». La même page dit aujourd'hui 52 milliards, comme la fiche. La page Recherche du site de Mistral affiche encore « 1T - 49B active ».

Je n'ai trouvé aucune note de Mistral qui explique la correction. La presse reprend l'un ou l'autre chiffre.

Le contexte varie aussi. La fiche et le changelog annoncent 1 million de tokens. Artificial Analysis, un évaluateur indépendant, indique 524 000 tokens pour la préversion, dans sa version avec raisonnement. Je ne sais pas laquelle des deux valeurs l'API sert aujourd'hui.

Pour une équipe, la leçon est simple. Citez la fiche officielle avec sa date de lecture. Et testez la longueur de contexte réelle avant de concevoir un traitement qui dépend du million de tokens.

Benchmarks : les chiffres de Mistral et la première mesure indépendante

Mistral publie ses propres scores. En code, l'annonce donne 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA et 28,3 % sur Terminal-Bench 4. En cybersécurité, elle donne 82 % sur un test de l'Artificial Analysis Cyber Index et 93 % des défis de Cybench. Ce sont des déclarations de l'éditeur, sur un modèle que Mistral dit encore en cours d'entraînement.

Artificial Analysis donne un premier repère extérieur. Son indice d'intelligence place la préversion à 38, pour une médiane de 27 chez les modèles comparables. Il note aussi un modèle très bavard : 200 millions de tokens produits pour passer l'indice, contre une médiane de 85 millions. Comme l'API facture chaque token de sortie, cette verbosité pèse sur le coût réel d'une tâche.

Je n'ai pas testé Mistral Large 4. Aucun chiffre de cet article ne vient de mes mesures.

Poids ouverts et licence : une promesse pour fin octobre

L'annonce écrit trois fois que les poids sortiront d'ici la fin du mois. Au 13 octobre, l'onglet « Weights » de la fiche pointe vers un dépôt Hugging Face libellé « Coming soon ». L'API de Hugging Face ne renvoie aucun modèle public à ce nom. La licence affiche aussi « Coming soon ».

Plusieurs articles avancent la date du 27 octobre ; ActuIA l'attribue à The Next Web. Je ne la trouve sur aucune page de Mistral.

La licence compte autant que la date. Mistral Large 3 est sous Apache 2.0, sans clause de taille d'entreprise. Devstral 2, autre modèle de Mistral, est sous une licence MIT modifiée. Elle exclut les entreprises au-delà d'un seuil de chiffre d'affaires : j'en détaille la clause dans mon article sur les licences de Devstral 2. Rien ne dit encore quelle licence aura Large 4.

D'ici la sortie, Mistral fait tester le modèle par des acteurs de la cybersécurité, des partenaires et des autorités publiques. Selon l'annonce, ils y accèdent « with reduced moderation and expanded cyber capabilities ».

Auto-héberger Mistral Large 4 : le matériel à prévoir

La fiche de Large 4 affiche « N/A » pour la mémoire GPU minimale. Le seul repère officiel est celui du modèle précédent.

La fiche de Mistral Large 3 (675 milliards de paramètres, 41 milliards actifs) donne ces minimums approximatifs :

• 1 800 Go en BF16 avec le contexte complet ;
• 900 Go en FP8 avec la moitié du contexte ;
• 450 Go en FP4 avec un quart du contexte ;
• 360 Go en FP4 avec 16 000 tokens de contexte.

Ces chiffres ne s'expliquent que par le total de 675 milliards de paramètres. En BF16, deux octets par paramètre, les 41 milliards actifs ne pèseraient que 82 Go. Large 4 compte environ 55 % de paramètres de plus que Large 3. Je ne vois pas comment ses besoins seraient plus bas.

Mon avis : pour une PME ou une équipe produit, l'auto-hébergement de Large 4 n'est pas réaliste. Il vise un opérateur cloud, un grand compte ou une administration qui dispose déjà d'un parc de GPU. Pour les autres, les poids ouverts valent surtout comme garantie : la possibilité de changer d'hébergeur sans changer de modèle.

Appeler Mistral Large 4 depuis Spring AI ou LangChain4j

Premier piège : l'alias mistral-large-latest pointe encore vers Large 3 (mistral-large-2512), selon la fiche de Large 3. Les deux bibliothèques Java proposent cette constante. Pour Large 4, passez le nom exact en chaîne.

Avec Spring AI 2.0.1, la version stable, le starter spring-ai-starter-model-mistral-ai suffit :

spring.ai.mistralai.api-key=${MISTRAL_API_KEY}
spring.ai.mistralai.chat.model=mistral-large-4
spring.ai.mistralai.chat.reasoning-effort=high

La documentation Spring AI accepte high ou none pour l'effort de raisonnement. Elle ne cite que Mistral Small 4 et Medium 3.5 pour ce réglage : elle date d'avant Large 4. La valeur high est celle de l'exemple officiel de Mistral. Je n'ai pas exécuté cette configuration. Si vous suivez la branche 2.1, mon article sur Spring AI 2.1 détaille ce jalon.

Avec LangChain4j 1.22.0, publiée le 8 octobre, MistralAiChatModel.builder().modelName("mistral-large-4") accepte le nom libre. En revanche, le module langchain4j-mistral-ai n'expose aucun paramètre reasoning_effort. Sa Javadoc précise que l'option de retour du raisonnement « does not enable thinking/reasoning for the LLM ». Le modèle répondra donc avec le réglage par défaut de l'API, que la fiche ne documente pas.

Que faire maintenant si vous cherchez un modèle européen ?

Mon avis : Mistral Large 4 est aujourd'hui une API en préversion, servie en Europe, à un prix lisible. La partie « ouverte » reste une promesse, et la licence décidera de sa valeur pour une entreprise.

Trois choses à faire d'ici fin octobre :

1. Tester l'API sur un cas réel non sensible, en mesurant le coût par tâche, pas seulement le prix par token : le modèle est bavard.
2. Écrire le nom mistral-large-4 en dur dans la configuration Spring AI ou LangChain4j, et vérifier la longueur de contexte réellement acceptée.
3. Relire la licence le jour de la sortie des poids avant de promettre un auto-hébergement à votre direction.

Vous voulez brancher un modèle européen sur une application Java / Spring Boot existante, et garder la possibilité d'en changer ? Je développe sur cette stack depuis 2015. Réserver un appel découverte de 30 minutes.