Conçu pour les codeurs,Ils nous font confiance, Defenders.
Thinking
Summary
Mistral a lancé Mistral Large 4 (Le Chonk), un modèle multimodal de 1 000 milliards de paramètres, désormais disponible avec des capacités améliorées en codage et en cybersécurité, ainsi qu'un raisonnement plus efficace. Il arrive en tête des benchmarks des modèles à poids ouverts en codage et en cybersécurité défensive. Ses trois modes de raisonnement permettent d'équilibrer coût et performance. Avec ses poids entièrement ouverts et son entraînement en Europe, il contribue à une IA souveraine grâce à des options de déploiement personnalisables et auto-hébergées.
Nous publions les poids de Le Chonk et repoussons les limites des modèles ouverts en codage agentique et en cybersécurité.
Au début du mois, nous avons lancé Mistral Large 4 (Le Chonk) en préversion publique. Notre modèle phare, doté de 1 000 milliards de paramètres, est nativement multimodal. L'accueil de cette préversion a dépassé nos attentes. Nous remercions notre communauté de développeurs, nos clients en accès anticipé et nos partenaires pour leur soutien, leur collaboration et leurs retours.

Depuis, nous avons intégré ces retours tout en intensifiant l'apprentissage par renforcement, avec des améliorations majeures en codage et en cybersécurité défensive. Les progrès continuent de s'accélérer, sans signe de saturation.
Aujourd'hui, nous publions les poids de cette version améliorée de Mistral Large 4. Le nouveau modèle gagne aussi nettement en efficacité de raisonnement. Les développeurs bénéficient ainsi de meilleures performances et de coûts d'inférence réduits.
Mistral Large 4 se classe comme le meilleur modèle à poids ouverts pour le codage et figure parmi les modèles ouverts les plus performants au monde, tous usages confondus. Entraîné de zéro sur une infrastructure européenne, avec une traçabilité claire de sa conception à sa publication, il offre aux organisations une base de confiance pour l'IA souveraine
Mistral définit ce que peut être l'IA souveraine et porte les modèles ouverts à la pointe de l'IA. Nous nous engageons à construire les modèles les plus performants au monde et à les publier ouvertement, pour que les développeurs, les entreprises et les institutions puissent posséder, personnaliser et contrôler leur IA.
Conçu pour ceux qui construisent.
Dès sa préversion publique, Mistral Large 4 affichait de solides résultats sur les principaux benchmarks de codage. Trois semaines supplémentaires d'apprentissage par renforcement l'ont depuis placé à la pointe du codage à poids ouverts. Il prend la tête sur FrontierCode et Terminal-Bench, tout en égalant les meilleurs modèles à poids ouverts sur l'Artificial Analysis Coding Agent Index, avec une efficacité en tokens nettement supérieure.
Sur FrontierCode 2.0, le benchmark privé de Cognition qui évalue la qualité du code de bout en bout et détermine si le responsable d'un dépôt accepterait de merge la modification de l'agent, Mistral Large 4 arrive en tête avec un score de 19,7 %.
Cognition - FrontierCode 2.0
Repousser la frontière de Pareto du codage agentique.
Mistral Large 4 offre des performances de pointe en codage avec nettement moins de tokens. Les agents de codage avancés deviennent ainsi plus économiques à exécuter à grande échelle.
Sur l'Artificial Analysis Coding Agent Index, Mistral Large 4 obtient un score de 48 %, pratiquement à égalité avec GLM-5.3, le modèle à poids ouverts en tête du classement, tout en utilisant en moyenne 47 % de tokens en moins par tâche.
Artificial Analysis Coding Agent Index vs. Token Efficiency
Mistral
Other models
Coding Agent Index scores and token efficiencies for reasoning levels available on Artificial Analysis
Les gains concernent aussi les workflows de codage dans le terminal. Sur Terminal-Bench 4.0, Mistral Large 4 progresse de 13 points de pourcentage par rapport à sa préversion publique, pour atteindre 41 %. Il prend ainsi la tête des modèles à poids ouverts tout en réduisant de 30 % les tokens de sortie.
Artificial Analysis Coding Agent Index - Terminal-Bench 4.0
Pour donner aux développeurs davantage de contrôle sur le compromis entre performances et coût, Mistral Large 4 prend désormais en charge trois modes de raisonnement :
Mode | Usage recommandé |
Faible | Tâches simples ; remplace le mode de raisonnement « Aucun » |
Moyen | Tâches quotidiennes |
Élevé (par défaut) | Cas d'utilisation les plus complexes, nécessitant une grande précision et un raisonnement approfondi |
Au-delà des benchmarks, les évaluations humaines confirment les capacités de codage de Mistral Large 4. Dans les évaluations comparatives à l'aveugle de Surge Code, Mistral Large 4 a été préféré aux principaux modèles à poids ouverts, notamment GLM-5.3, Kimi K3 et DeepSeek V4.1 Flash. Parmi les modèles évalués, seul Claude Opus 5.5 le devance.
Surge Code - Human preference on code
Blind side-by-side win rates against other models
Mistral Large 4 win
Other model
Share of prompts where graders preferred Mistral Large 4's answer over the opponent's.
Conçu pour ceux qui défendent.
Depuis sa préversion, nous travaillons avec des acteurs majeurs de la cybersécurité pour évaluer Mistral Large 4 dans des environnements réels et tester ses capacités de reproduction et de correction des vulnérabilités.
Mistral Large 4 obtient un score de 51 % sur l'Artificial Analysis Cyber Index. Cet indice mesure la capacité d'un modèle à découvrir des vulnérabilités dans une base de code, à les reproduire et à les valider, puis à les corriger sans altérer les fonctionnalités existantes. Point essentiel : Mistral Large 4 accomplit ces tâches légitimes de sécurité défensive sans refus injustifiés.
Artificial Analysis - Cyber Index
La sécurité progresse au même rythme que les capacités. Les mécanismes de contrôle intégrés à notre modèle distinguent les tâches de cybersécurité défensives des tâches offensives malveillantes. Le modèle conserve de solides performances sur les benchmarks de cybersécurité, tout en atteignant un taux moyen de refus de 96,6 % sur les requêtes cyber malveillantes, le plus élevé que nous mesurons parmi les modèles ouverts.
Refusal of harmful cyber requests
Average refusal on the cyber-related prompts of JailbreakBench, StrongREJECT and AgentHarm
Les leaders mondiaux de la cybersécurité partagent leur avis sur Mistral Large 4 :
Depuis la préversion, nous avons suivi attentivement les usages liés à la cybersécurité dans notre trafic réel. Nous avons observé que le modèle refusait de participer à des attaques en boîte noire contre des cibles actives. Nous estimons toutefois qu'il pourrait faciliter la conduite d'attaques réelles. Nous adaptons nos mécanismes de contrôle en conséquence et continuerons à les mettre à jour dans les mois à venir.
Nous donnons également à des entreprises partenaires de conception, comme Orange Cyberdefense, un accès en préversion à une variante spécialisée de Mistral Large 4. Celle-ci est optimisée pour les workflows avancés de cybersécurité, notamment les tests d'intrusion, l'évaluation des vulnérabilités et le red teaming. L'accès est soumis à une vérification rigoureuse et à des garanties contractuelles. Les tests sont limités aux systèmes détenus par les participants ou explicitement autorisés, dans des environnements contrôlés.
En parallèle, les clients personnalisent Mistral Large 4 avec leurs propres données de sécurité, politiques, règles de détection et environnements de menaces grâce à Mistral Forge. Pour des tâches de cybersécurité bien définies, le modèle peut être optimisé en variantes plus petites et spécialisées, afin d'améliorer la précision et l'efficacité des applications de sécurité.
Conçu pour le travail.
Mistral Large 4 continue de progresser sur un ensemble d'indicateurs couvrant un large éventail d'usages en entreprise.
Pour les tâches financières, nous avons amélioré la capacité du modèle à exécuter des workflows réels, en particulier ceux qui impliquent la création et la modification de feuilles de calcul pour la finance et la comptabilité. Notre score sur Finch atteint ainsi 73,3 %, derrière Kimi K3 seulement parmi les modèles ouverts.
FinWorkBench (Finch)
La navigation web est essentielle à la plupart des activités fondées sur les connaissances. Notre pipeline d'apprentissage par renforcement nous a permis d'atteindre 84,5 % sur BrowseComp, à partir d'un checkpoint de fine-tuning supervisé (SFT) qui obtenait 75 %. Mistral Large 4 dépasse ainsi les performances de modèles comme GLM-5.3 ou DeepSeek Flash 4.1 1017.
Web browsing - BrowseComp
Les agents déployés par une organisation doivent être sécurisés. Qu'ils soient destinés aux équipes internes ou à des utilisateurs externes, les agents ne doivent pas vous exposer à des menaces telles que l'exfiltration du prompt système ou l'injection de code malveillant. L'apprentissage par renforcement a amélioré nos résultats sur le B3 Agent Security Benchmark : Mistral Large 4 résiste à 97,1 % des attaques, contre 93,3 % en préversion. Il se place ainsi en tête des modèles ouverts. Toute organisation qui héberge le modèle peut donc exécuter un agent sécurisé sans ajustement supplémentaire.
B3 Agent security benchmark - Attack resistance
Cet investissement majeur de Mistral AI conforte le choix fait par La Banque Postale il y a plus d'un an et souligne la pertinence du partenariat stratégique de long terme que nous construisons ensemble : soutenir l'émergence d'un leader européen de l'IA ouverte et souveraine. Pour une banque publique et citoyenne, la souveraineté technologique n'est pas une option ; elle est une condition essentielle au maintien de la confiance de nos clients. L'arrivée de ce modèle ouvert ouvre de nouvelles perspectives et de nouveaux cas d'utilisation. En nous associant à Mistral AI, nous voulons combiner le meilleur de l'expertise humaine et de la technologie numérique pour améliorer durablement l'expérience de nos clients et de nos collaborateurs.
Zakaria Moursli, directeur général adjoint chargé de la performance opérationnelle, des paiements et des services numériques, La Banque Postale
Découvrez-le en action
Triage des vulnérabilités cyber : un agent lit les rapports de vulnérabilités reçus, examine le code source et le contexte du produit, reproduit les failles dans une sandbox isolée, puis rédige et améliore un correctif jusqu'à ce qu'un exploit de contrôle ne fonctionne plus.
Développement web agentique : sans aide humaine, Mistral Large 4 construit Orbital Trace, une carte 3D en temps réel d'environ 19 000 satellites et débris en orbite autour de la Terre. Il récupère des données de suivi réelles, écrit l'application, l'utilise dans un navigateur pour repérer ses propres bugs et ralentissements, puis corrige les problèmes signalés par un relecteur indépendant jusqu'à ce que toutes les exigences soient satisfaites.
Solveur de chimie quantique : Mistral Large 4 écrit de zéro un logiciel qui calcule la position des électrons dans une molécule et vérifie ses résultats avec un outil de référence en chimie. Il crée ensuite une page 3D autour de ce logiciel : choisissez une molécule, comme le benzène ou l'eau, déplacez un curseur pour l'étirer et observez la réorganisation des électrons lorsque la liaison se rompt.
Conçu pour la souveraineté.
Lorsque les organisations construisent leur IA autour de leurs connaissances et de leurs workflows, la souveraineté signifie qu'elles gardent le contrôle des modèles dont elles dépendent et de l'intelligence qu'elles créent.
Avec Mistral Large 4, ce contrôle commence par le modèle lui-même. Les organisations peuvent l'inspecter, le personnaliser et le déployer sur leur propre infrastructure. Elles peuvent utiliser et améliorer Mistral Large 4 sans dépendre de Mistral pour y accéder via une API. Mistral Large 4 a été développé et entraîné de zéro en Europe. Les organisations connaissent ainsi clairement l'origine de la technologie sur laquelle elles s'appuient.
Le contrôle s'étend aussi au fonctionnement de l'IA au sein de l'organisation. Les organisations peuvent personnaliser Mistral Large 4 avec leurs données propriétaires grâce à Mistral Forge, puis construire, gérer et améliorer les agents et applications qui en résultent avec Mistral Studio. Les experts en IA appliquée de Mistral peuvent travailler aux côtés des équipes clientes pour construire et déployer ces systèmes sur mesure. Cette collaboration permet aux équipes de comprendre l'architecture et les choix de conception de leurs systèmes, ainsi que les méthodes utilisées pour les entraîner et les faire fonctionner. Elles peuvent ainsi utiliser et améliorer leur IA en toute autonomie.
La souveraineté ne nécessite pas toujours l'auto-hébergement ; des déploiements répondant à vos exigences de contrôle peuvent suffire. Pour les organisations qui préfèrent un service managé, Mistral Large 4 est disponible via Microsoft Foundry, avec des options de déploiement privé pour les développeurs Azure.
Microsoft et Mistral AI partagent la volonté d'élargir le choix des clients en matière d'IA de nouvelle génération. Premier fournisseur de cloud à proposer Mistral Large 4 à ses clients, Microsoft rend le dernier modèle à poids ouverts de Mistral disponible via Microsoft Foundry, une plateforme d'IA d'entreprise conçue pour évaluer, déployer et exploiter des modèles à grande échelle. Pour les organisations qui développent des stratégies d'IA souveraine, cette combinaison offre davantage de flexibilité et de contrôle sur leurs données, leur infrastructure et leurs opérations d'IA.
Tina Schuchman, vice-présidente Corporate, Foundry, Microsoft
Commencer à créer avec Le Chonk
Vous pouvez dès aujourd'hui essayer, déployer et personnaliser Mistral Large 4.
Démarrer dans Mistral Studio, via l'API Mistral ou sur OpenRouter. Pour garder un contrôle total, téléchargez les poids ouverts depuis Hugging Face et déployez le modèle sur votre propre infrastructure avec vLLM ou SGLang. La fiche du modèle et la licence contiennent tout le nécessaire pour démarrer. Le rapport technique complet permet d'approfondir le sujet.
Vous pouvez aussi essayer le nouveau modèle dans Vibe Code ; confiez-lui une fonctionnalité à développer ou un bug à corriger dans votre propre dépôt.
Mistral Large 4 est également disponible via des endpoints hébergés par NVIDIA, sous la forme d'un conteneur NVIDIA NIM optimisé pour l'inférence avec vLLM. Les développeurs peuvent utiliser la bibliothèque open source NeMo AutoModel pour la personnalisation, ou la bibliothèque open source TensorRT LLM pour l'inférence à haut débit.
Les entreprises peuvent aussi adapter Mistral Large 4 à leurs données propriétaires, à leurs cas d'utilisation et à leurs mécanismes de contrôle avec Mistral Forge. Contactez notre équipe pour en savoir plus.
Le modèle est disponible sous la licence Mistral Ecosystem Open-Weight, une licence MIT modifiée. Vous pouvez utiliser, modifier, adapter par fine-tuning et commercialiser le modèle gratuitement, à une seule condition : les entreprises proposant une offre de Model-as-a-Service doivent obtenir une licence commerciale distincte auprès de Mistral avant toute utilisation commerciale du modèle.
Dès aujourd'hui, les tarifs de Mistral Large 4 sont de 0,70 $ en entrée / M, 0,07 $ en entrée mise en cache / M, et 2,10 $ en sortie / M tokens.
Nous invitons la communauté à mettre Mistral Large 4 à l'épreuve. Menez vos propres évaluations, testez ses limites et partagez vos résultats avec nous sur X, Discord ou GitHub.
Et après
Mistral Large 4 servira de base à une nouvelle génération de modèles Mistral spécialisés et optimisés. Dans la continuité de versions récentes comme Voxtral et Timestral, nous continuerons à faire progresser l'IA à poids ouverts. Nous donnerons ainsi aux développeurs et aux entreprises davantage de liberté pour construire et personnaliser leur IA, tout en en gardant la maîtrise.























