Mistral dévoile 'Le Chonk' : un modèle de codage d'un trillion de paramètres qui accuse du retard sur les rivaux chinois — Intelligence artificielle

Mistral, basée à Paris, a publié les poids de son plus grand modèle à ce jour, Large 4, surnommé 'Le Chonk'. Bien que ce système d'un trillion de paramètres excelle en vitesse de codage et en efficacité des coûts par rapport à ses pairs, des tests indépendants révèlent qu'il reste encore derrière les modèles de premier plan chinois en termes de scores d'intelligence globale.

Mistral a officiellement publié les poids de Mistral Large 4, son modèle le plus vaste à ce jour, sous le surnom « Le Chonk ». Le modèle comporte environ un trillion de paramètres au total, avec 52 milliards actifs par étape. Entraîné entièrement en Europe, il accepte des entrées texte et image pour générer du texte et du code. Cette sortie intervient trois semaines après une prévisualisation publique, les poids étant désormais disponibles sur Hugging Face sous une licence MIT modifiée qui autorise une utilisation gratuite et un déploiement commercial, bien que l'offre du modèle en tant que service cloud nécessite un accord séparé avec Mistral.

En termes de performance, Mistral affirme que Large 4 surpasse ses rivaux ouverts dans les tâches de codage. Des tests indépendants réalisés par Artificial Analysis montrent que le modèle obtient 26 points sur l'Indice d'Intelligence version 5. Cela le place au-dessus de la médiane des modèles ouverts de taille similaire, mais nettement derrière les systèmes chinois leaders. Plus précisément, DeepSeek V4.1 Flash et GLM-5.3 obtiennent tous deux 32 points, tandis que MiMo-V2.6-Pro atteint 30 points. L'écart s'élargit davantage face aux leaders propriétaires comme Gemini 4 Carbon de Google (59 points) et Claude Opus 5.5 d'Anthropic (58 points).

Malgré ce déficit de classement global, Large 4 démontre des forces spécifiques dans les benchmarks de codage. Sur Terminal-Bench 4.0, le modèle est passé de 28 % à 41 % après un entraînement supplémentaire par apprentissage par renforcement, devançant de justesse GLM-5.3 à 40 %. Sur le benchmark FrontierCode 2.0, il mène les modèles ouverts avec un score de 19,7 %, bien que Claude Opus 5.5 obtienne 46 %. Des comparaisons à l'aveugle menées par Surge indiquent que les testeurs ont préféré le code de Large 4 aux sorties de GLM-5.3, Kimi K3 et DeepSeek dans la plupart des confrontations, bien qu'il n'ait remporté que 22 % des comparaisons face à Opus 5.5.

Le modèle montre également des améliorations notables en matière d'efficacité et de vitesse. Large 4 génère des tokens à un taux de 161 par seconde, contre 111 durant la phase de prévisualisation. Il est plus rapide que la plupart de ses concurrents, seuls DeepSeek V4.1 Flash et Muse Wonder le surpassant en vitesse. En termes de coûts, Mistral a réduit les prix de son API à 0,70 $ par million de tokens d'entrée et 2,10 $ par million de tokens de sortie, ce qui le rend moins cher que GLM-5.3 et Kimi K3.1 Pro, bien que plus coûteux que DeepSeek V4.1 Flash et MiMo-V2.6-Pro. De plus, le modèle est plus économe en tokens, générant 110 millions de tokens de sortie lors des tests complets de l'indice, contre 150 millions lors de la prévisualisation.

Dans le domaine de la cyberdéfense, Mistral positionne Large 4 comme un leader parmi les modèles ouverts, mais les données suggèrent le contraire. L'entreprise indique que la version finale obtient 51 % sur l'Indice Cyber d'Artificial Analysis, mais leurs propres graphiques montrent que DeepSeek V4.1 Flash (57 %) et MiMo-V2.6-Pro (56 %) se classent plus haut, plaçant Large 4 à la troisième place parmi les modèles ouverts. Cependant, il excelle dans les refus de sécurité, rejetant en moyenne 96,6 % des demandes cybernétiques nuisibles, un taux supérieur à celui de tout autre modèle ouvert. Mistral reconnaît le potentiel de mauvaise utilisation et prévoit de renforcer les mesures de protection, avec des partenaires comme Orange Cyberdefense testant déjà des versions spécialisées pour les tests d'intrusion sous de strictes restrictions contractuelles.

Pour l'avenir, les chercheurs de Mistral Pierre Stock et Corentin Petit ont décrit ce développement comme un « pari de deux ans » qui commence maintenant à porter ses fruits, notant que les limites de performance sont définies par la difficulté des tâches que l'équipe peut créer et vérifier. L'entreprise admet fonctionner avec moins de ressources que les laboratoires américains et chinois, mais considère Large 4 comme une base pour des modèles spécialisés futurs. Bien que Mistral mène actuellement dans le codage parmi les poids ouverts, la prochaine sortie de Kimi K3.1 Pro de Moonshot le 4 novembre 2026, qui obtient 67 % sur Terminal-Bench 4.0, devrait remettre en question cette position.

Sources: The Decoder.