Modèles et plateformes d’IA
Société de benchmarking attribue à Mistral Large 4 Preview un score d’intelligence de 38
Ajouter Unite.AI à vos sources préférées sur Google
Artificial Analysis a publié son analyse comparative de Mistral Large 4 Preview le 6 octobre 2026, attribuant au modèle un score de 38 sur son Intelligence Index et le décrivant comme le modèle d’IA le plus intelligent provenant de l’extérieur des États-Unis et de la Chine.
Résultats de l’Intelligence Index
L’analyse indique que Mistral Large 4 Preview obtient un score de 38 sur la version 4.3.2 de l’Intelligence Index d’Artificial Analysis, un résultat que la société de benchmarking décrit comme comparable à GPT-6 Luna (max) à 38 et DeepSeek V4.1 Flash (max) à 39. Dans ce contexte, la France retrouve le modèle le plus intelligent provenant de l’extérieur des États-Unis et de la Chine, devant des pays tels que la Corée du Sud et les Émirats arabes unis.
Sur la page du modèle pour l’aperçu d’Artificial Analysis, ce score classe le modèle au rang 64 sur 225 modèles de sa catégorie de comparaison, au‑dessus d’une médiane de catégorie de 26. La page indique que l’aperçu est un modèle de raisonnement publié le 6 octobre 2026, avec entrée texte et image, sortie texte, et disponible via deux fournisseurs d’API.
Selon la méthodologie de l’Intelligence Index publiée, la version 4.3.2 combine dix évaluations — AA‑Briefcase v1.1, GDPval‑AA v2.1, AutomationBench‑AA, Terminal‑Bench 4.0, SciCode, Humanity’s Last Exam, GDP.pdf, CritPt, AA‑Omniscience et AA‑LCR v1.1 — sous forme de moyenne pondérée sur quatre catégories : agents à 30 %, codage à 20 %, raisonnement scientifique à 20 % et général à 30 %. Artificial Analysis estime un intervalle de confiance de 95 % inférieur à ±1 % pour l’indice et décrit la suite comme principalement textuelle et en anglais, les performances d’image, de parole et multilingues étant évaluées séparément.
Résultats du Cyber Index
Sur le Cyber Index d’Artificial Analysis, l’aperçu obtient un score de 50, au même niveau que GLM-5.3-Flash à 50 et derrière MiMo‑V2.6‑Pro à 56, tout en étant supérieur à des modèles tels que Kimi K3 et DeepSeek V4.1 Flash (max). Artificial Analysis indique que, une fois les poids du modèle publiés, il se classera parmi les trois meilleurs modèles à poids ouverts du Cyber Index.
Le meilleur résultat cyber individuel du modèle a été obtenu sur CyberGym‑E2E‑AA, où il obtient 82 %, devant MiMo‑V2.6‑Pro à 79 % et GPT‑6 Luna (max) à 78 %, selon l’analyse.
Coût, vitesse et utilisation des jetons
L’analyse estime le coût d’exécution de l’Intelligence Index sur Mistral Large 4 Preview à $1.13 par tâche, sur la base d’un tarif standard de $1.36 par 1M de jetons d’entrée et $4.18 par 1M de jetons de sortie, avec une entrée mise en cache à $0.14 par 1M de jetons. Une remise de lancement de 50 % s’applique pendant les deux premières semaines, réduisant les prix des jetons à $0.68 et $2.09 et faisant baisser le coût par tâche à $0.57 — toujours supérieur à GLM-5.3-Flash à $0.25 et DeepSeek V4.1 Flash (max) à $0.27. Artificial Analysis caractérise l’aperçu comme coûtant plus de quatre fois le coût par tâche des modèles à poids ouverts d’intelligence similaire.
La page du modèle indique que l’aperçu a généré 200M de jetons de sortie au cours de l’exécution de l’Intelligence Index, contre une médiane de classe de 81M. Mesurée via l’API de Mistral, elle rapporte une vitesse de sortie de 116.1 jetons par seconde contre une médiane de 86.1, et un temps jusqu’au premier jeton de 1.46 seconde contre une médiane de 3.81 secondes.
Raisonnement documentaire et détails du modèle
Sur GDP.pdf, une évaluation professionnelle de raisonnement documentaire, Mistral Large 4 Preview obtient 19 %, au même niveau que MiMo‑V2.6‑Pro à 19 % et derrière Kimi K3 à 22 %. Artificial Analysis décrit ce résultat comme une amélioration de 18 points par rapport à Mistral Large 3, en partie due à un changement d’API qui accepte désormais 100 images par requête, contre huit pour les modèles Mistral précédents.
L’analyse indique une fenêtre contextuelle de 512 k jetons et un modèle d’un trillion de paramètres avec 49 milliards de paramètres actifs. La disponibilité est limitée à un aperçu public de recherche sur l’API de Mistral, les poids ouverts étant prévus pour la fin octobre 2026 ; la page du modèle classe actuellement l’aperçu comme propriétaire parce que ses poids ne sont pas encore disponibles publiquement.
Le lancement de Mistral Large 4
Mistral a lancé l’aperçu public de Mistral Large 4, surnommé Le Chonk, le 6 octobre 2026, décrivant un modèle multimodal natif entraîné à partir de zéro sur 3 800 GPU NVIDIA Grace Blackwell dans les propres centres de données de l’entreprise en Europe, avec des données d’entraînement couvrant plus de 160 langues, y compris toutes les langues officielles de l’Union européenne. Mistral affirme que le modèle surpasse nettement tout modèle à poids ouvert développé aux États-Unis ou en Europe, et indique qu’il publiera les poids d’ici la fin octobre 2026, la phase d’apprentissage par renforcement derrière l’aperçu étant encore en cours.
