Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieAnalyse · Sur le radarMistral AI Blog→ original

Mistral publie les poids de Large 4 : 19,7 % des corrections d'agent accepteraient les mainteneurs dans le code

Mistral met en ligne les poids de Large 4 (surnommé Le Chonk), un modèle ouvert d'1 billion de paramètres dédié au code. Dans le test fermé FrontierCode 2.0 de Cognition, on évalue si le mainteneur d'un dépôt accepterait la correction proposée par l'agent : Large 4 obtient 19,7 %, contre 19,3 % pour DeepSeek V4.1 Flash. Dans le Coding Agent Index, elle atteint 48 %, au même niveau que le leader GLM-5.3, mais consomme 47 % de tokens en moins par tâche. Pour un agent de code hébergé sur ses propres serveurs, c'est une piste concrète pour réduire la facture en tokens.

Traité par IA depuis Mistral AI Blog ; édité par Hamidun News
Mistral publie les poids de Large 4 : 19,7 % des corrections d'agent accepteraient les mainteneurs dans le code
Source : Mistral AI Blog. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireMistral AI Blog ↗
Rédacteur en chef
Terminal-Bench 4.041 %, soit 13 points de pourcentage de plus que la préversion, avec 30 % de tokens de sortie en moins
Cyber Index51 % ; refus des requêtes cyber malveillantes dans 96,6 % des cas
Trois modes de raisonnementLow, Medium, High (par défaut)

Mistral a publié les poids de Mistral Large 4, que l'entreprise appelle Le Chonk. Il s'agit d'un modèle multimodal phare d'1 billion de paramètres, entraîné depuis zéro sur une infrastructure européenne. On peut le télécharger, le déployer chez soi et le affiner sans passer par l'API de Mistral.

Le chiffre clé de cette sortie est 19,7 % au test fermé FrontierCode 2.0 de Cognition. Ce test est terre à terre : l'agent corrige un dépôt réel, et on vérifie si le code dans son ensemble est bon et si le mainteneur vivant du projet l'accepterait.

Autrement dit, près d'une correction sur cinq de Large 4 aurait été fusionnée. Parmi les modèles ouverts, c'est le meilleur résultat du tableau de Mistral.

Toutes les chiffres ci-dessous proviennent de Mistral elle-même. Une partie des tests a été menée par des équipes tierces, mais cet article ne contient aucune vérification indépendante.

Code : devant ses voisins et plus économe en tokens

La préversion du modèle est sortie plus tôt ce mois-ci. L'équipe a ensuite poursuivi pendant trois semaines l'apprentissage par renforcement (RL), où le modèle reçoit une récompense pour les tâches correctement résolues. Le résultat a progressé, et Mistral ne constate aucun signe de saturation.

Dans FrontierCode 2.0, Large 4 est suivi de DeepSeek V4.1 Flash (19,3 %), GLM-5.3 (17,8 %) et Kimi K3 (17,3 %). L'avance est faible, mais elle est nette.

Dans l'Artificial Analysis Coding Agent Index, Large 4 atteint 48 %, soit presque le score du leader parmi les modèles ouverts, GLM-5.3. En revanche, elle consomme en moyenne 47 % de tokens en moins par tâche. Si un agent traite des centaines de tâches par jour, l'écart se voit directement sur la facture d'inférence.

Sur Terminal-Bench 4.0, qui évalue les scénarios où l'agent lance lui-même des commandes, le modèle obtient 41 %. C'est 13 points de pourcentage de plus que la préversion, et le meilleur score des modèles ouverts comparés. Dans le même temps, les tokens de sortie ont diminué de 30 %.

Dans les comparaisons à l'aveugle en binôme de Surge Code, les évaluateurs ont préféré les réponses de Large 4 à celles de GLM-5.3 (64 %), de Kimi K3 (64 %) et de DeepSeek V4.1 Flash (56 %). Elle n'a été battue que par Claude Opus 5.5, qui remporte 78 % des victoires.

Il existe désormais trois modes de raisonnement :

  • Low pour les tâches simples, remplace l'ancien mode sans raisonnement ;
  • Medium pour le travail quotidien ;
  • High pour les tâches les plus complexes, où la précision prime. C'est le mode par défaut.

Cybersécurité : aider les défenseurs, pas les attaquants

Dans l'Artificial Analysis Cyber Index, le modèle obtient 51 %. L'indice vérifie trois étapes : trouver une vulnérabilité dans le code, la reproduire et la confirmer, puis la corriger sans rien casser. Le diagramme de Mistral montre des modèles affichant des scores plus élevés, jusqu'à 57 %. Mistral met en avant autre chose : sur des tâches défensives légitimes, Large 4 ne refuse pas sans raison.

Des garde-fous intégrés distinguent la défense de l'attaque. Face aux requêtes cyber malveillantes, le modèle refuse en moyenne dans 96,6 % des cas. C'est le taux le plus élevé parmi les modèles ouverts mesurés par Mistral. Les mesures ont porté sur les requêtes de JailbreakBench, StrongREJECT et AgentHarm. Pour comparaison, dans le même diagramme, DeepSeek-V4-Pro affiche environ 51 %, Gemma-4-31B environ 84 %, GLM-5.3 environ 87 % et Kimi K3 environ 94 %.

Les partenaires confirment cet intérêt. Booz Allen indique que le modèle égale d'autres solutions cyber de pointe pour l'exhaustivité de la détection des vulnérabilités, à un coût plus avantageux. L'ENISA teste le modèle sur la recherche de vulnérabilités, l'audit de code et l'analyse de journaux défensifs. Elastic prend déjà en charge les modèles ouverts de Mistral dans Elastic Security. Cisco, Cloudflare, CrowdStrike, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik et Zscaler ont aussi donné leur avis. Presque partout revient le même argument : les défenseurs ont besoin d'un modèle qu'ils contrôlent eux-mêmes.

Souveraineté et limites

Pour les banques, les administrations et les secteurs réglementés en Europe, il est important que le modèle ait été entièrement entraîné en Europe et que son origine soit traçable de bout en bout. Les données n'ont pas besoin d'être envoyées dans une autre juridiction, et l'architecture peut être étudiée et auditée. Mistral parle d'« IA souveraine ».

Des réserves demeurent. Les résultats des tests sont publiés par l'entreprise elle-même, et FrontierCode 2.0 étant fermé, il est impossible de le reproduire manuellement. Le leadership en code est constaté parmi les modèles ouverts : dans la comparaison à l'aveugle, Claude Opus 5.5 s'est révélé plus fort. Un modèle d'1 billion de paramètres exigera un parc de GPU conséquent.

La conclusion pratique est simple. Si vous construisez un agent de code ou de défense et voulez le garder sur votre propre infrastructure, ajoutez Large 4 à votre comparatif. Testez-la sur vos propres tâches et comparez le nombre de tokens qu'elle consomme en modes Medium et High. C'est cette économie qui constituera l'argument décisif.

Dossier

Questions clés sur cet article

Que sait-on sur Code : devant ses voisins et plus économe en tokens ?

La préversion du modèle est sortie plus tôt ce mois-ci. L'équipe a ensuite poursuivi pendant trois semaines l'apprentissage par renforcement (RL), où le modèle reçoit une récompense pour les tâches correctement résolues. Le résultat a progressé, et Mistral ne constate aucun signe de saturation. Dans FrontierCode 2.0, Large 4 est suivi de DeepSeek V4.1 Flash (19,3 %), GLM-5.3 (17,8 %) et Kimi K3 (17,3 %). L'avance est faible, mais elle est nette.

Que sait-on sur Cybersécurité : aider les défenseurs, pas les attaquants ?

Dans l'Artificial Analysis Cyber Index, le modèle obtient 51 %. L'indice vérifie trois étapes : trouver une vulnérabilité dans le code, la reproduire et la confirmer, puis la corriger sans rien casser. Le diagramme de Mistral montre des modèles affichant des scores plus élevés, jusqu'à 57 %. Mistral met en avant autre chose : sur des tâches défensives légitimes, Large 4 ne refuse pas sans raison. Des garde-fous intégrés distinguent la défense de l'attaque.

Que sait-on sur Souveraineté et limites ?

Pour les banques, les administrations et les secteurs réglementés en Europe, il est important que le modèle ait été entièrement entraîné en Europe et que son origine soit traçable de bout en bout. Les données n'ont pas besoin d'être envoyées dans une autre juridiction, et l'architecture peut être étudiée et auditée. Mistral parle d'« IA souveraine ». Des réserves demeurent.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…