Mistral publie les poids ouverts de Large 4, son modèle « Le Chonk » à mille milliards de paramètres

Mistral AI a rendu téléchargeables sur Hugging Face les poids de Mistral Large 4, surnommé « Le Chonk ». L'entreprise française avait ouvert une préversion publique du modèle via son API le 6 octobre et annoncé les poids pour le 27 ; selon VentureBeat, ils ont finalement été publiés le 29 octobre. Le modèle est aussi proposé sur les plateformes de Mistral, sur OpenRouter, via des points d'accès hébergés par NVIDIA et dans Microsoft Foundry.

Ce qui a été publié

Mistral présente Large 4 comme un modèle multimodal natif à mélange d'experts, qui réunit suivi d'instructions et raisonnement, avec trois niveaux de raisonnement au choix. Sa documentation indique environ 1 050 milliards de paramètres au total, dont 52 milliards actifs, un encodeur visuel de 1,6 milliard de paramètres et une fenêtre de contexte d'un million de jetons. Il accepte du texte et des images et produit du texte. Les 49 milliards de paramètres actifs cités lors de la préversion relevaient d'un autre calcul, selon VentureBeat.

Les poids sont distribués sous la licence Mistral Ecosystem Open-Weight, que l'entreprise décrit comme une licence MIT modifiée. Elle autorise l'utilisation, la modification, l'affinage et le déploiement commercial, à une condition : les sociétés qui proposent le modèle sous forme de service hébergé doivent d'abord obtenir une licence commerciale distincte auprès de Mistral. Large 3, à titre de comparaison, était sorti sous Apache 2.0.

Faire tourner le modèle chez soi reste exigeant. D'après The Next Web, Mistral publie aussi une version quantifiée qui fonctionne sur quatre GPU Nvidia B200 ou B300 ; l'entreprise recommande vLLM et SGLang pour le service.

Performances et tarifs

La plupart des résultats viennent de Mistral ou de l'évaluateur indépendant Artificial Analysis. Mistral annonce 41 % sur Terminal-Bench 4.0, alors qu'Artificial Analysis mesure 25 % sur ce même test, selon VentureBeat. Sur le Coding Agent Index d'Artificial Analysis, le modèle obtient 48, proche de GLM-5.3, en consommant environ 47 % de jetons en moins par tâche. Artificial Analysis évalue par ailleurs son coût par tâche de l'Intelligence Index à 2,06 $, soit 63 % de moins que la préversion, hors coûts d'auto-hébergement.

Les prix de l'API ont environ été divisés par deux par rapport à la préversion : 0,70 $ par million de jetons en entrée et 2,10 $ par million en sortie.

Questions en suspens

Mistral indique avoir observé après la préversion des tentatives d'attaques informatiques réelles que le modèle a refusées, tout en relevant un risque d'aide à de véritables attaques, et dit ajuster ses garde-fous. Une variante spécialisée en cybersécurité est réservée à des partenaires sélectionnés. Des résultats indépendants manquent encore pour plusieurs tests mis en avant par l'entreprise, et des versions distillées plus petites sont promises sans date précise.