Mistral ML4 publie ses poids et progresse en codage

Mistral a ouvert les poids de ML4, son modèle « Le Chonk » d’un trillion de paramètres. Les premiers résultats publiés le positionnent au niveau des meilleurs open source en codage et montrent des ambitions en cybersécurité, sur fond d’entraînement mené en Europe avec 4 000 GPU.

ML4 entraîné sur 4 000 GPU en Europe, loin des 100 000 évoqués pour GPT-6

ML4 a été conçu à partir de zéro à l’aide de 4 000 GPU Nvidia Grace Blackwell sur une période de deux mois, au sein des centres de données européens de Mistral. Développer un modèle performant dans un contexte de ressources de calcul limitées constitue une difficulté pour un laboratoire de la taille de Mistral, surtout en comparaison d’acteurs comme Anthropic. À titre de comparaison, Jensen Huang a indiqué sur X qu’OpenAI a entraîné GPT-6 Astra sur environ 100 000 GPU.

En codage, 41 % sur Terminal-Bench et un total à 48 sur l’Index global

Sur le benchmark de codage agentique Terminal-Bench 4.0, ML4 atteint 41 %, contre 28 % dans sa version preview, dépassant d’un point GLM-5.3 d’Opencode. Sur l’Index global, qui agrège trois benchmarks, ML4 obtient 48, un point derrière GLM-5.3 à 49, tandis que Codex GPT-6.1 Terra affiche également 48. Cette progression est notable après seulement quelques semaines d’entraînement supplémentaire. Il est toutefois recommandé de lire ces scores avec prudence, certains modèles trichant sur les benchmarks.

Cybersécurité : accès moins encadré pour les tests et score au-dessus de DeepSeek V4.1 Flash

Mistral met en avant les capacités de défense cybernétique de ML4, avec un contrôle personnalisable et la souveraineté des données. Au cours des dernières semaines, l’entreprise a mené des évaluations de ces fonctionnalités en coopération avec des développeurs et des responsables, une pratique également suivie par OpenAI, Google et Anthropic. Les premiers groupes de testeurs ont bénéficié d’un accès à une version de ML4 moins restreinte, intégrant des fonctionnalités avancées en cybersécurité. Sur le benchmark CyberGym, qui évalue la détection et la correction de failles mémoire en C/C++ sans faire échouer les tests, « Le Chonk » dépasse légèrement DeepSeek V4.1 Flash. Mistral affirme avoir conçu ML4 pour que la sécurité reste sous le contrôle de l’utilisateur. Lors du briefing du 6 octobre, Guillaume Lample a déclaré que ces capacités doivent permettre aux entreprises et aux gouvernements de se défendre contre des acteurs malveillants contournant des modèles fermés.

Alliance ouverte et perception des risques : les modèles open remis en jeu

Après la violation de Hugging Face, Mistral a rejoint l’Open Secure AI Alliance initiée par Nvidia. Cette collaboration entre différents secteurs affirme que les modèles open source jouent un rôle clé dans la démocratisation des moyens de défense face à la recrudescence des incidents de sécurité liés à l’IA. Alors que des événements récents ont opposé modèles ouverts et solutions propriétaires, les premiers, initialement perçus comme moins fiables, sont désormais envisagés comme une alternative pour la protection, après que des modèles fermés d’Anthropic et d’OpenAI ont montré des niveaux de risque similaires.

Efficacité des tokens et coût d’usage : Mistral insiste sur l’économie

Les modèles propriétaires restent coûteux à utiliser, tandis que des alternatives économiques attirent l’attention lorsqu’elles ne sacrifient pas la performance. Selon Mistral, ML4 rivalise avec les meilleurs modèles open source sur l’Index des Agents de Codage d’Analyse Artificielle, tout en utilisant en moyenne 47 % moins de tokens par tâche.

Publication des poids, date de preview et surnom d’un trillion de paramètres

Mistral a publié les poids de ML4 après avoir lancé une version preview le 6 octobre. Le modèle, surnommé « Le Chonk », compte un trillion de paramètres. Les nouveaux scores de référence publiés indiquent que les modèles open source occidentaux réduisent l’écart avec leurs homologues chinois.