# Mistral Large 4 (Le Chonk) : notre avis sur le modèle ouvert de Mistral

> Mistral Large 4 est téléchargeable : quelle version sur quelle machine, à quel prix, licence MEOW et comparatif chiffré avec sa préversion et les modèles chinois.

Page : https://iatechnologie.com/outils/mistral-large-4/
Mise à jour : 30 octobre 2026
Par Vincent Oliviero (https://iatechnologie.com/auteur/vincent-oliviero/), IA Technologie. Méthode et affiliation : https://iatechnologie.com/a-propos/#methode
Site officiel : https://mistral.ai/news/mistral-large-4-oss

## Verdict

Mistral Large 4 est le mieux noté des modèles ouverts développés hors de Chine, avec une licence permissive et un bon résultat en agent de code. Il reste 6 points derrière DeepSeek V4.1 Flash et GLM-5.3 à l'indice d'Artificial Analysis. Prenez-le pour garder vos données en Europe ou sur vos machines ; pour le meilleur rapport qualité-prix, DeepSeek reste devant.

- Idéal pour : Entreprises qui veulent un modèle européen sur leurs machines, équipes d'agents de code
- Limite principale : 6 points derrière les meilleurs modèles chinois, et au moins 256 Go de mémoire en local pour une version compressée
- Accès : Poids gratuits sur Hugging Face (233 Go à 1,06 To) · API 0,70 $ / 2,10 $ par million de tokens · démos gratuites la première semaine · en local, 256 Go de mémoire minimum pour une version compressée

## Points forts et limites

- Point fort : Licence permissive, sans seuil de chiffre d’affaires
- Point fort : Quasi-égalité avec GLM-5.3 en agent de code, avec moins de tokens
- Point fort : Hallucinations en nette baisse sur la préversion
- Limite : 6 points derrière les meilleurs modèles ouverts chinois
- Limite : 3,4 fois plus cher que DeepSeek par tâche
- Limite : Local réservé aux machines à 256 Go de mémoire ou plus

## Prix (relevé du 30 octobre 2026)

| Formule | Prix | Inclus |
|---|---|---|
| API à l’usage | 0,70 $ en entrée, 2,10 $ en sortie, par million de tokens | Contexte de 1 million ; Raisonnement faible, moyen ou élevé |
| API — entrée en cache | 0,07 $ / million de tokens | 90 % de moins que l’entrée standard |
| Poids en local | Gratuit, hors machine | 10 999 € pour un Mac Studio 256 Go, relevés le 30 octobre 2026 ; Version compressée 1 bit sur cette machine |

Tarifs officiels : https://mistral.ai/news/mistral-large-4-oss

## Analyse

## Mistral Large 4 en local : quelle version sur quelle machine, à quel prix

Pour faire tourner Mistral Large 4 chez vous, il faut au minimum 256 Go de mémoire, et vous n'aurez alors qu'une version compressée. La version complète pèse 1 060,6 Go et l'exemple de service officiel utilise 8 GPU. Mistral, vLLM et Unsloth publient ces chiffres séparément : les voici réunis.

| Version | Poids et mémoire | Fidélité* | Machine et prix |
|---|---|---|---|
| Unsloth 1 bit `UD-IQ1_S` | 233 Go, 256–270 Go de mémoire | 90,6 % | Mac Studio M5 Ultra 256 Go / 1 To : **10 999 €** (Apple Store France, 30 octobre 2026), ou 2 DGX Spark selon Unsloth |
| Unsloth 2 bits `UD-IQ2_XXS` | 302 Go, 310–390 Go de mémoire | 93,9 % | Station ou serveur, prix non relevé |
| Unsloth 2 bits `UD-Q2_K_XL` | 378 Go, 310–390 Go de mémoire | 95,6 % | Station ou serveur, prix non relevé |
| Unsloth 3 bits `UD-Q3_K_XL` | 493 Go, 435–500 Go de mémoire | 96,6 % | Station ou serveur, prix non relevé |
| Unsloth 4 bits `UD-Q4_K_XL` | 605 Go, 630 Go de mémoire | 97,8 % | Serveur, prix non relevé |
| Unsloth 8 bits `UD-Q8_K_XL` | 1 115 Go, 1,2 To de mémoire | Non publiée | Serveur, prix non relevé |
| Complète, sous vLLM | 1 060,6 Go, selon le contexte | Référence | 8 GPU Nvidia haut de gamme : centaines de milliers d'euros (ordre de grandeur, sans devis) |

*\*« Top-1 agreement » chez Unsloth : la part des cas où la version compressée choisit le même mot suivant que l'original. Unsloth ne détaille pas sa mesure. La mémoire additionne RAM et VRAM : un serveur à 256 Go de RAM peut charger le fichier, sans garantie de vitesse. Mistral et vLLM prévoient aussi des versions NVFP4 sur 4 GPU Nvidia Blackwell et MXFP4 sur 4 GPU AMD MI350.*

![Besoins en mémoire de Mistral Large 4 selon Unsloth : 256 à 270 Go en 1 bit, 310 à 390 Go en 2 bits, 435 à 500 Go en 3 bits, 630 Go en 4 bits et 1,2 To en 8 bits](/images/outils/mistral-large-4/mistral-large-4-local-memoire-unsloth.webp)

Quatre points changent la décision :

- **Le Mac Studio n'a presque aucune marge.** 233 Go de fichier dans 256 Go de mémoire laissent 23 Go au système et au contexte. Unsloth écrit que le modèle « should fit », et son exemple limite le contexte à 32 768 tokens, loin du million annoncé pour le modèle complet.
- **Aucun débit local mesuré n'a été trouvé.** La page d'Unsloth ne donne aucun chiffre, et cette fiche n'en a pas mesuré. Pour situer, l'API de Mistral atteint 161 tokens par seconde selon Artificial Analysis.
- **90,6 % par mot n'est pas 90,6 % de qualité.** Un mot différent influence le suivant, et les écarts s'additionnent sur un long raisonnement. Tous les scores de cette page concernent le modèle servi par l'API, pas la version compressée.
- **Le délai pèse aussi.** Le 30 octobre 2026, Apple annonçait 13 à 15 semaines de livraison pour cette configuration, ou 345,48 € par mois sur 36 mois.

**Machine ou API ?** En comptant 1 € pour 1 $, à ajuster selon le taux du jour et hors taxes, 10 999 € paient environ 5 300 tâches de l'indice d'Artificial Analysis, avec le modèle complet. Une tâche d'agent de code peut consommer bien plus : 8,5 millions de tokens en moyenne sur son classement. La machine se justifie surtout par une contrainte : un cabinet d'avocats, un hôpital ou une PME dont les données ne doivent pas sortir des murs. Pour un modèle plus léger sur une machine ordinaire, passez par [notre guide de l'IA locale](/ia-locale/).

## Télécharger Mistral Large 4 : Hugging Face, GGUF et commande

**Modèle complet.** Les poids sont sur [Hugging Face, dépôt Mistral-Large-4-1T-A52B](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B), sans formulaire : 54 fichiers, poids quantifiés en FP8. Mistral recommande vLLM ou SGLang, avec un exemple sur 8 GPU.

**Version compressée.** Les fichiers GGUF sont [chez Unsloth](https://huggingface.co/unsloth/Mistral-Large-4-1T-A52B-GGUF). Cette commande reprend l'exemple d'Unsloth, adapté à la plus petite version :

```bash
./llama.cpp/build/bin/llama-server \
    -hf unsloth/Mistral-Large-4-1T-A52B-GGUF:UD-IQ1_S \
    --ctx-size 32768 \
    --temp 1.0 --top-p 0.95 --top-k 0 --min-p 0.0 \
    --chat-template-kwargs '{"reasoning_effort":"high"}' \
    --host 127.0.0.1 --port 8080
```

`-hf` lance un téléchargement de 233 Go. Il faut une version de llama.cpp qui prend en charge le modèle, sans numéro minimal publié par Unsloth ; [sa documentation](https://unsloth.ai/docs/models/mistral-large-4) donne la compilation, avec `-DGGML_CUDA=OFF` sur Mac. Le serveur s'ouvre sur `http://127.0.0.1:8080`. Cette commande n'a pas été exécutée pour cette fiche.

**Ollama.** Le 30 octobre 2026, [sa page](https://ollama.com/library/mistral-large-4) n'affichait que le tag `mistral-large-4:cloud`, qui tourne sur des serveurs distants. **Sur GitHub**, aucun dépôt officiel des poids n'a été trouvé : la référence est Hugging Face.

## Mistral Large 4 benchmark : préversion, version finale et modèles chinois

La version finale gagne un point sur la préversion et coûte moins cher, mais DeepSeek, GLM et MiMo restent devant à l'indice général et sur FrontierCode. GPT-6 Luna, fermé, sert de repère de prix.

**De la préversion à la version finale** (Artificial Analysis, relevé le 30 octobre 2026) :

| Mesure | Préversion | Version finale |
|---|---|---|
| Indice d'intelligence v5 | 25 | **26** |
| FrontierCode 2.0 | 13,6 % | **15,0 %** |
| Terminal-Bench 4.0 | 26,8 % | **24,7 %** |
| Réponses inventées (AA-Omniscience) | 41 % | **28 %** |
| Tokens écrits par tâche | 135 k | **82 k** |
| Prix par M tokens (entrée / sortie) | 1,36 $ / 4,18 $ à l'origine | **0,70 $ / 2,10 $** |
| Coût par tâche de l'indice | 5,54 $* | **2,06 $** |
| Poids téléchargeables | Non | **Oui** |

*\*Chiffre publié par Artificial Analysis à la sortie. Sa page de la préversion affiche maintenant 4,21 $, sans explication de l'écart : la baisse est de 63 % sur le premier chiffre, de 51 % sur le second.*

**Face aux modèles chinois**, avec GPT-6 Luna comme repère :

| Mesure | Mistral Large 4 | DeepSeek V4.1 Flash | GLM-5.3 | MiMo-V2.6-Pro | GPT-6 Luna |
|---|---|---|---|---|---|
| Indice v5 | **26** | 32 | 32 | 30 | 28 |
| FrontierCode 2.0 | **15,0 %** | 28,5 % | 21,6 % | 24,0 % | 25,2 % |
| Terminal-Bench 4.0 | **24,7 %** | 33,8 % | 41,9 % | 34,8 % | 12,6 % |
| Agents de code | **48** | 46 | 49 | n. r. | n. r. |
| Tokens par tâche d'agent | **8,5 M** | 16,7 M | 15,9 M | n. r. | n. r. |
| Indice cyber | **51** | 57 | n. r. | 56 | n. r. |
| Prix entrée / sortie | **0,70 / 2,10 $** | 0,30 / 1,20 $ | 1,40 / 4,40 $ | 0,435 / 0,87 $ | 0,10 / 0,50 $ |
| Coût par tâche | **2,06 $** | 0,60 $ | 5,01 $ | 0,26 $ | 0,15 $ |
| Poids ouverts | **Oui** | Oui | Oui | Oui | Non |

*DeepSeek V4.1 Flash 1017. n. r. : non relevé. Les 7 modèles ouverts mieux notés écrivent de 113 k à 225 k tokens par tâche de l'indice, sans détail par modèle.*

Trois lectures que les annonces ne donnent pas :

- **Le prix par token ne suffit pas.** GLM-5.3 coûte 2,4 fois plus cher par tâche : un tarif deux fois plus élevé, et le reste vient de ce qu'il consomme. La sortie seule n'explique pas tout : 82 k tokens à 2,10 $ font 0,17 $ sur les 2,06 $, et Artificial Analysis ne détaille pas le reste.
- **Terminal-Bench ne confirme pas le bond annoncé.** Mistral annonce 28 puis 41 %. La mesure indépendante donne 26,8 puis 24,7 %. Les conditions peuvent différer et 2 points ne prouvent pas un recul, mais le bond n'y est pas. Le modèle fait quand même deux fois mieux que GPT-6 Luna sur cette épreuve.
- **Le mode moyen existe pour l'addition.** Lu sur le graphique d'Artificial Analysis, à un point près : environ 23 à l'indice et 56 k tokens par tâche, contre 26 et 82 k en mode élevé.

![Coût d'une tâche de l'indice : 5,54 dollars avec la préversion de Mistral Large 4, 2,06 dollars avec la version finale](/images/outils/mistral-large-4/mistral-large-4-prix-cout-par-tache.webp)

## Avis sur Mistral Large 4 : les 4 reproches à la préversion revérifiés un par un

Le bilan : un reproche corrigé, un à moitié, deux qui tiennent. Il confronte les annonces de Mistral aux mesures indépendantes, sans essai sur un projet réel.

![Bilan des 4 reproches faits à Mistral Large 4 : téléchargement corrigé, prix à moitié corrigé, retard sur les modèles chinois et vitrine flatteuse toujours là](/images/outils/mistral-large-4/mistral-large-4-avis-bilan-4-reproches.webp)

**1. Derrière sept modèles chinois : pas corrigé.** La préversion affichait 38, la version finale 26, mais elle n'a pas reculé : Artificial Analysis a durci son barème. Sur le barème v5, c'est 25 puis 26. Sept modèles ouverts restent devant, tous chinois, et Gemini 4 Carbon, Claude Opus 5.5 et GPT-6 Astra sont autour de 58. La formule de Mistral reste exacte, « the highest among western open-weight models », mais son avance sur Muse Spark Open, de Meta, tient à un point.

**2. Des chiffres flatteurs : toujours là.** Mistral se présente premier des modèles ouverts sur FrontierCode 2.0, le test de programmation de Cognition : 19,7 %, devant DeepSeek à 19,3 %. Sur le même test, [Artificial Analysis mesure](https://artificialanalysis.ai/evaluations/frontiercode-2-0) 15,0 % pour Mistral et 28,5 % pour DeepSeek V4.1 Flash 1017. L'écart peut venir des outils, du temps laissé, du réglage du concurrent. Artificial Analysis publie sa méthode : 132 tâches, trois lancements chacune, 500 tours au maximum. On ne connaît pas toutes les conditions du test de Mistral.

![FrontierCode 2.0 mesuré par Artificial Analysis : Mistral Large 4 à 15 %, loin derrière DeepSeek V4.1 Flash 1017](/images/outils/mistral-large-4/mistral-large-4-benchmark-frontiercode-artificial-analysis.webp)

**3. Bavard, donc cher : à moitié corrigé.** Il écrit 39 % de tokens en moins, et le tarif promotionnel du lancement est devenu le prix normal. Le coût par tâche passe de 5,54 $ à 2,06 $, sans qu'on puisse répartir la baisse entre tarif et consommation : Artificial Analysis publie deux points de départ différents. GPT-6 Luna fait pourtant 28 pour 0,15 $ la tâche, près de 14 fois moins, et DeepSeek 32 pour 0,60 $, 3,4 fois moins.

**4. Pas téléchargeable, licence inconnue : corrigé.** Les poids sont publics et la licence est lisible. Mistral a aussi ajouté trois semaines d'apprentissage par renforcement à la préversion, dont il écrivait qu'elle n'avait pas fini son entraînement.

**La vidéo sur la préversion**, du 7 octobre 2026, où ces quatre reproches sont posés :

## Licence MEOW de Mistral Large 4 : ce qui est permis

La licence de Mistral Large 4 permet tout usage, y compris commercial, sauf vendre de l'accès au modèle sans contrat. Mistral la présente comme une MIT modifiée.

| Vous voulez… | Permis ? |
|---|---|
| L'utiliser en interne, quelle que soit la taille de l'entreprise | Oui |
| Le modifier ou le réentraîner sur vos données | Oui |
| L'intégrer à une fonction de votre logiciel et vendre ce logiciel | Oui |
| Relayer des requêtes vers un modèle hébergé ailleurs | Oui |
| Donner à des tiers un accès au modèle avec un vrai contrôle sur les entrées, les paramètres ou l'entraînement | Licence commerciale obligatoire |

Le point à lire de près, dans [le texte de la licence](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/raw/main/LICENSE) : si vous **ou l'une de vos sociétés affiliées** exploitez une activité de Model-as-a-Service, il faut un contrat avec Mistral avant d'utiliser le modèle. L'usage interne et l'usage via les produits officiels de Mistral restent exclus. Le mot « affiliates » n'y est pas défini et aucun seuil de chiffre d'affaires ne figure. Gardez aussi la mention « 2026 - Mistral ». Un groupe qui possède un hébergeur doit faire relire ce point : ceci n'est pas un avis juridique.

Autre point réglementaire : un chercheur de Mistral annonce 10^25 opérations de calcul pour l'entraînement. C'est pile le seuil de l'[article 51 de l'AI Act](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-51), au-delà duquel un modèle est présumé à risque systémique, avec des obligations pour son fournisseur.

## Questions fréquentes

### Mistral Large 4, c'est quoi ?

C'est le plus gros modèle d'IA de Mistral, surnommé Le Chonk : 1 050 milliards de paramètres, poids ouverts, texte et image en entrée, 1 million de tokens de contexte. Sa préversion date du 6 octobre 2026, ses poids du 29 octobre.

### Mistral Large 4 est-il gratuit ?

Le téléchargement est gratuit et sans formulaire, mais il faut la machine. L'API est payante : 0,70 $ par million de tokens en entrée, 2,10 $ en sortie. Hugging Face annonce des démos avec un petit budget gratuit la première semaine, soit jusque vers le 5 novembre 2026 si l'on compte depuis la sortie.

### Mistral Large 4 est-il open source ?

Ses poids sont ouverts, sous une licence MEOW que Mistral présente comme une MIT modifiée. Vous pouvez l'utiliser, le modifier et le vendre dans un produit. Une activité de Model-as-a-Service demande un contrat, sauf pour un usage interne. Ce n'est donc pas une licence sans condition.

### Quelle RAM pour Mistral Large 4 ?

D'après Unsloth : 256 à 270 Go en 1 bit, 310 à 390 Go en 2 bits, 435 à 500 Go en 3 bits, 630 Go en 4 bits et 1,2 To en 8 bits. C'est le total RAM et VRAM, ou la mémoire unifiée d'un Mac. Gardez de la marge pour le système et le contexte.

### Peut-on utiliser Mistral Large 4 avec Ollama ?

Pas de tag local officiel à ce jour : le 30 octobre 2026, la page Ollama n'affichait que le tag mistral-large-4:cloud, sur serveurs distants. Pour le lancer chez vous, utilisez les fichiers GGUF d'Unsloth avec llama.cpp.

### Mistral Large 4 est-il disponible dans Vibe ?

Mistral annonce le modèle dans Mistral Vibe Code et son outil en ligne de commande, Mistral Vibe. Pour l'assistant grand public, aucune annonce n'a été trouvée. Sa page de prix n'indique pas quels modèles chaque formule inclut.

### Mistral Large 4 ou Claude Opus 5.5 ?

Pour le code difficile, Claude Opus 5.5 reste loin devant : 58 contre 26 à l'indice, 46,4 % contre 15,0 % sur FrontierCode 2.0. Il coûte aussi 10,04 $ par tâche contre 2,06 $. Mistral Large 4 offre ce qu'Opus n'a pas : des poids utilisables sur vos machines.

### Mistral Large 4 vs DeepSeek : lequel choisir ?

DeepSeek V4.1 Flash 1017 gagne sur le score et le prix : 32 contre 26, 28,5 % contre 15,0 % sur FrontierCode 2.0, 0,60 $ contre 2,06 $ par tâche. Mistral passe devant en agent de code (48 contre 46), et reste le choix pour un modèle européen.

## Sources

- [Mistral AI — Mistral Large 4 en poids ouverts](https://mistral.ai/news/mistral-large-4-oss), consulté le 30 octobre 2026 : Prix, niveaux de raisonnement, accès, chiffres annoncés, cybersécurité.
- [Mistral AI — billet de la préversion](https://mistral.ai/news/mistral-large-4/), consulté le 30 octobre 2026 : Préversion, 3 800 GPU, entraînement.
- [Mistral AI — fiche du modèle](https://docs.mistral.ai/models/mistral-large-4-0.md), consulté le 30 octobre 2026 : Identifiants API, capacités, contexte.
- [Mistral AI — tarifs de Vibe](https://mistral.ai/pricing), consulté le 30 octobre 2026 : Formules Vibe et crédits API.
- [Hugging Face — dépôt du modèle](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B), consulté le 30 octobre 2026 : Poids, démos, réglages, exemples de service.
- [Hugging Face — licence MEOW](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/raw/main/LICENSE), consulté le 30 octobre 2026 : Conditions, Model-as-a-Service, exceptions.
- [Artificial Analysis — fiche Mistral Large 4](https://artificialanalysis.ai/models/mistral-large-4), consulté le 30 octobre 2026 : Indice, coût par tâche, vitesse, contexte.
- [Artificial Analysis — fiche de la préversion](https://artificialanalysis.ai/models/mistral-large-4-preview), consulté le 30 octobre 2026 : Scores et coût de la préversion.
- [Artificial Analysis — FrontierCode 2.0](https://artificialanalysis.ai/evaluations/frontiercode-2-0), consulté le 30 octobre 2026 : Méthode et scores par modèle.
- [Unsloth — Mistral Large 4 en local](https://unsloth.ai/docs/models/mistral-large-4), consulté le 30 octobre 2026 : Tailles, mémoire, top-1 agreement, commandes.
- [vLLM — billet sur Mistral Large 4](https://vllm.ai/blog/2026-10-29-mistral-large-4), consulté le 30 octobre 2026 : Service sur 8 et 4 GPU, trieur de contexte.
- [VentureBeat — sortie des poids](https://venturebeat.com/technology/mistral-large-4-le-chonk-arrives-as-the-top-open-model-outside-china-with-improved-coding-performance-and-63-lower-cost-per-task), consulté le 30 octobre 2026 : Scores, coût par tâche, garde-fous.
- [Commission européenne — AI Act, article 51](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-51), consulté le 30 octobre 2026 : Seuil de 10^25 opérations.
- [Apple — configurateur Mac Studio France](https://www.apple.com/fr/shop/buy-mac/mac-studio), consulté le 30 octobre 2026 : 10 999 €, M5 Ultra 256 Go, 1 To.
- [Ollama — page mistral-large-4](https://ollama.com/library/mistral-large-4), consulté le 30 octobre 2026 : Tag cloud uniquement.