Mistral Large 4 : un trillion de paramètres, des poids ouverts et la cyber en tête

Un trillion de paramètres, version européenne

Mistral lance la preview publique de Mistral Large 4, officieusement baptisé « le Chonk ». C'est le plus gros modèle de l'histoire de l'entreprise : 1 000 milliards de paramètres au total, 52 milliards actifs à chaque inférence, et une multimodalité native.

Le modèle a été entraîné de zéro sur 3 800 GPU NVIDIA Grace Blackwell installés dans les propres datacenters de Mistral en Europe. La preview tourne sur cette même infrastructure. Mistral promet aussi un déploiement européen opéré de bout en bout, indépendant des autres fournisseurs de services numériques et soumis au droit européen.

Les poids seront publiés d'ici la fin du mois, accompagnés de détails sur l'architecture, de benchmarks supplémentaires et de la méthodologie de post-training. D'ici là, le modèle est soumis à un red-teaming avec des acteurs de la cybersécurité, des partenaires triés sur le volet et des autorités étatiques, qui ont accès à une version à la modération réduite et aux capacités cyber étendues.

La cybersécurité comme argument de vente

C'est l'angle le plus appuyé de l'annonce. Sur l'Artificial Analysis Cyber Index, évaluation indépendante de la capacité à trouver et corriger des failles dans du vrai logiciel, ML4 figure dans le top 5 mondial et devance largement les modèles open-weight développés hors de Chine.

Sur l'un des tests de l'index, qui consiste à reproduire une vulnérabilité réelle d'un logiciel open source puis à la corriger, ML4 atteint 82 %, le meilleur score tous modèles confondus. Claude Opus 5.5 et GPT-6 Astra y obtiennent un score proche de zéro, non par incapacité, mais parce qu'ils refusent la tâche.

Mistral en tire un argument de fond : défendre un logiciel commence souvent par prouver qu'une faille existe, et les filtres des modèles fermés bloquent précisément ce travail, alors que des attaquants jailbreakent ces mêmes modèles. Perdre l'accès à une capacité en plein incident devient en soi un risque. D'où la promesse d'un modèle déployable en cloud privé ou on-premise, sous les politiques de l'organisation elle-même.

Code, agents et travail de bureau

En code agentique, ML4 affiche 61,7 % sur DeepSWE v1.1, 59,4 % sur SWE-Atlas-QnA et 28,3 % sur Terminal-Bench 4. Son Coding Agent Index de 49,8 % le place devant DeepSeek V4 Pro 0813 et Qwen3.8 Max. Dans une évaluation humaine à l'aveugle menée avec Surge AI, il finit deuxième sur cinq (3,74/5), devant GLM-5.3, Kimi K3 et GLM-5.2, mais nettement derrière Claude Opus 5 (4,22).

Sur AutomationBench, 657 workflows métiers impliquant Gmail, Google Sheets, Slack ou Salesforce, il atteint 59,9 %. Sur AA-Briefcase, qui évalue le travail intellectuel de longue haleine, il obtient 1 393 Elo, devant DeepSeek V4 Pro.

Côté métiers régulés, vals.ai le juge supérieur à GPT-6-Astra sur des tâches juridiques et financières représentatives, et il dépasse tous les modèles open source sur le Legal Agent benchmark de Harvey.

Vision, science et maths

Mistral présente ML4 comme un saut pour la compréhension d'images : documents complexes, graphiques, scènes naturelles, imagerie satellite gigapixel, plans techniques. Le modèle combine visual grounding et capacités agentiques pour zoomer, inspecter et vérifier jusqu'à obtenir une réponse exacte. Sur Dense 200, il devance GPT-6-Astra, de justesse (42 % contre 41 %).

En science, il est annoncé à l'état de l'art des modèles open-weight sur SciCode-Verified et capable de générer en une passe une simulation Hartree–Fock complète, une tâche de chimie en plusieurs étapes. Dans une évaluation humaine interne, il est préféré à GLM-5.3 en CAD et en STEM, et se situe au même niveau ou juste derrière en finance et en code.

Sécurité du modèle : le paradoxe assumé

ML4 résiste à 93,3 % des attaques du benchmark B3 de Lakera et sature les tests internes de robustesse aux prompt injections indirectes. Sur le KORA Benchmark, il obtient 1,691 sur 2, le meilleur score mesuré par Mistral parmi les modèles open source.

Détail notable : malgré ses performances en cyber, son taux moyen de refus sur les prompts cyber malveillants de JailbreakBench, StrongREJECT et AgentHarm est supérieur à celui de tous les autres modèles open source. Mistral revendique donc à la fois un modèle qui accepte le travail défensif et refuse davantage les demandes malveillantes, un équilibre que seule l'utilisation réelle permettra de vérifier.

Un RL à l'échelle industrielle, et la suite

Le post-training repose massivement sur le reinforcement learning, via une bibliothèque où les environnements (chat, problèmes scientifiques, alignement, factualité, usage d'outils au long cours) se combinent dans un même run. Une flotte d'acteurs en autoscaling génère des dizaines de milliers de rollouts en parallèle, avec un entraînement asynchrone et des budgets de plusieurs millions de tokens par trajectoire.

Sur environ 3 000 GPU, un run produit près de 33 milliards de tokens par jour, dont 16 milliards exploitables pour l'entraînement. Ce run est toujours en cours et, selon Mistral, ne sature pas : l'entreprise promet des améliorations rapides dans les semaines à venir.

ML4 est présenté comme le premier jalon de la Series D de 3 milliards d'euros, la plus grosse levée en capital jamais réalisée par une entreprise tech européenne. Il servira aussi de base à une nouvelle génération de modèles Mistral spécialisés, entraînés avec le même environnement que celui proposé aux clients via Mistral Forge.