Mistral Large 4, le modèle de Mistral AI en chiffres

Mistral Large 4 en bref

Mistral AI a publié Mistral Large 4 le 6 octobre 2026. Il dispose d'un mode raisonnement : il peut « réfléchir » avant de répondre, ce qui aide sur les problèmes en plusieurs étapes mais consomme plus de tokens, donc plus d'argent. C'est un modèle fermé : on y accède par API, auprès de Mistral AI ou de l'un des 14 fournisseurs recensés sur models.dev. Il s'agit d'une sortie très récente.

Nous le rangeons parmi les milieu de gamme (34 modèles dans cette catégorie sur le site).

Que disent les tests indépendants ?

Selon les résultats publiés par Epoch AI (relevé du 22 octobre 2026), Mistral Large 4 obtient un indice de capacité de 79,7 sur 100, calculé sur 4 tests de notre panier.

Cela le place à la 29e place du classement hebdomadaire des modèles.

• GPQA Diamond (questions de sciences de niveau doctorat) : 88,1 % — le meilleur modèle suivi, Gemini 4 Argon, atteint 96,4 %
• OTIS Mock AIME (problèmes de mathématiques de compétition) : 98,3 % — le meilleur modèle suivi, GPT-5.5 Pro, atteint 100 %
• FrontierMath (mathématiques de recherche très difficiles) : 58,6 % — le meilleur modèle suivi, GPT-6 Astra, atteint 93,7 %
• FrontierCode (tâches de programmation avancées) : 39,4 % — le meilleur modèle suivi, Claude Opus 5.5, atteint 54,6 %

Ce que ça coûte

Mistral Large 4 est facturé 1,36 $US par million de tokens en entrée et 4,18 $US en sortie (tarif du fabricant, relevé du 22 octobre 2026).

Pour fixer les idées : lire 20 000 tokens (une trentaine de pages) et en rédiger 2 000 coûte environ 0,036 $US ; mille fois cette tâche, 35,56 $US.

C'est dans la moyenne des milieu de gamme, dont le prix de sortie médian est de 4,38 $US.

Les tokens relus depuis le cache sont facturés 0,14 $US par million : utile pour un agent qui renvoie souvent le même contexte.

Pour estimer votre propre budget, utilisez le calculateur de coût d'un agent.

Ce qu'il sait faire

Sa fenêtre de contexte atteint 1 048 576 tokens, soit environ 1 573 pages de texte à 500 mots par page : de quoi charger un livre entier ou une base de code de taille moyenne. Une réponse peut compter jusqu'à 262 144 tokens.

Il accepte en entrée : texte, image et PDF.

Il sait appeler des outils (fonctions, API) et produire une sortie structurée en JSON, ce qui en fait une base possible pour un agent IA.

Quand le choisir ?

Par sa catégorie, Mistral Large 4 vise d'abord un compromis entre qualité et coût, pour des usages quotidiens qui ne justifient pas un modèle de pointe.

Sa très grande fenêtre de contexte le rend intéressant pour analyser de gros volumes de documents en une seule requête.

Avant de l'adopter, testez-le sur vos propres exemples : les benchmarks mesurent des tâches standard, pas votre métier.

Par quoi le remplacer ?

Dans la même catégorie, les modèles les plus proches de Mistral Large 4 sont :

• Grok 4.7 (xAI, indice 79,9)
• Claude Sonnet 5 (Anthropic, indice 79,3)
• Gemini 3.1 Pro Preview (Google DeepMind, indice 79,3)
• Gemini 3 Flash Preview (Google DeepMind, indice 80,3) — voir le comparatif