Mistral publie les poids de Mistral Large 4, un modèle ouvert de 1 000 milliards de paramètres

Ce qui a été publié

Mistral a mis le modèle en ligne sur Hugging Face sous le nom mistralai/Mistral-Large-4-1T-A52B. La page parle d’un modèle de « 1 000 milliards de paramètres ». Les paramètresles valeurs qu’un modèle apprend pendant l’entraînement ; plus il y en a, plus le modèle a de capacité, et plus il faut de mémoire pour le faire tourner mesurent la taille du modèle. Le « A52B » du nom du dépôt indique environ 52 milliards de paramètres actifs pour chaque morceau de texte, ce qui correspond au fonctionnement d’un modèle à mélange d’expertsune architecture où le modèle possède de nombreux sous-réseaux spécialisés et n’en utilise que quelques-uns à chaque étape, ce qui le rend plus rapide que sa taille totale ne le laisse penser. Le texte de l’annonce ne donne pas ce nombre de paramètres actifs : considérez les 52B comme l’étiquette du dépôt.

Il s’agit de poids ouvertsles fichiers du modèle entraîné sont publiés pour que chacun puisse les télécharger et les faire tourner, même si les données et le code d’entraînement restent privés. On peut faire tourner le modèle avec vLLM ou SGLang, ou l’utiliser via Mistral Studio, l’API de Mistral, OpenRouter, les points d’accès de NVIDIA et Microsoft Foundry. Côté API, le prix est de 0,70 dollar par million de tokens en entrée et de 2,10 dollars par million de tokens en sortie.

La licence, en bref

Mistral l’appelle « Mistral Ecosystem Open-Weight license », une licence MIT modifiée. La plupart des usages sont autorisés. Principale exception : une entreprise qui propose le modèle à d’autres sous forme de service hébergé doit obtenir une licence commerciale distincte. Lisez le texte complet sur la page Hugging Face avant de bâtir un produit dessus.

Les benchmarks annoncés par Mistral

Mistral annonce 48 % au Coding Agent Index d’Artificial Analysis, qu’elle présente comme une quasi-égalité avec GLM-5.3, avec 47 % de tokens en moins par tâche. Elle annonce aussi 41 % sur Terminal-Bench 4.0 et 84,5 % sur BrowseComp, et affirme être en tête des modèles en poids ouverts sur le test privé FrontierCode 2.0 de Cognition, avec 19,7 %.

Ces chiffres viennent de l’annonce de Mistral. FrontierCode 2.0 est privé, donc impossible à reproduire de l’extérieur, et le score de la préversion sur Terminal-Bench a été communiqué par l’entreprise elle-même. Les résultats indépendants arrivent en général dans les semaines qui suivent une sortie.

Le volet sécurité

Mistral présente le modèle aux équipes de défense. Elle annonce 51 % au Cyber Index d’Artificial Analysis, qui mesure la capacité à trouver, reproduire et corriger des vulnérabilités, un taux moyen de refus de 96,6 % face aux demandes malveillantes et 97,1 % de résistance au benchmark de sécurité des agents B3. Une variante spécialisée en cybersécurité est en préversion pour des partenaires sélectionnés, limitée aux systèmes qu’ils possèdent ou qu’ils sont autorisés à tester.

Le même billet indique que, lors de la surveillance, le modèle a refusé des attaques en boîte noire contre des cibles réelles, mais que Mistral voit « un potentiel d’aide pour mener de vraies attaques » et modifie ses garde-fous. Comme les poids sont publics, quiconque affine le modèle peut aussi l’entraîner à se passer de ces garde-fous.

Pour mesurer ce que les défenseurs affrontent chaque semaine, notre analyse CVE Watch de la faille WordPress exploitée montre une vraie fenêtre d’attaque, et la mise à jour Firefox 159 montre combien de bugs mémoire une seule version de navigateur peut corriger.