Mistral Large 4, Muse Spark Open de Meta et DeepSeek V4.1 Flash sont trois modèles d’Intelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. qui font régulièrement l’objet de comparaisons chiffrées. Les dernières mesures, publiées par le site Artificial Analysis et consultées le 19 octobre 2026, offrent un aperçu détaillé de leurs capacités, de leur consommation de TokenUnité de contenu traitée par un modèle de langage, pouvant représenter un mot, une partie de mot ou un caractère. et de leurs conditions d’usage. Voici ce que ces données révèlent aux développeurs et aux entreprises qui envisagent d’intégrer l’un de ces modèles.

Scores d’intelligence et performances sur les benchmarks

Artificial Analysis utilise un indice d’intelligence (version 4.3.2) pour classer les modèles. Muse Spark Open et DeepSeek V4.1 Flash obtiennent chacun 39 points, tandis que Mistral Large 4 Preview enregistre 38 points. Il faut toutefois rappeler que Large 4 est encore en pré‑version ; son Reinforcement LearningMéthode d'apprentissage dans laquelle un agent améliore ses décisions en fonction des récompenses reçues lors de ses interactions. est décrit comme « still in flight » dans le billet d’annonce de Mistral.

Sur les dix épreuves détaillées par le comparatif, Large 4 remporte la majorité (cinq tests) dont les deux benchmarks d’agents : Terminal‑Bench 4.0 (27 % de réussite contre 8 % pour Muse) et AutomationBench‑AA (60 % contre 50 %). Le modèle dépasse également Muse sur les évaluations GDPval‑AA, AA‑Briefcase et AA‑LCR. Sur le test de programmation agentique DeepSWE 1.1, Meta indique un score de 62 pour Large 4 contre 60 pour Muse.

Muse Spark Open, en revanche, excelle dans les tests de connaissances et de sciences : Humanity’s Last Exam (44 % contre 35 %), SciCode (58 % contre 54 %) et CritPt (15 % contre 11 %). Le plus grand écart se situe sur AA‑Omniscience, où Muse obtient +25 points contre ‑5 pour Large 4. Cette différence reflète la capacité de Muse à limiter les hallucinations, l’épreuve pénalisant les réponses fausses sans sanctionner l’abstention.

DeepSeek V4.1 Flash se montre compétitif sur les tests d’agents : il égalise Large 4 sur Terminal‑Bench (27 %) et le dépasse sur AutomationBench (69 % contre 60 %).

Verbosité et impact sur le coût

La production de tokens constitue un facteur déterminant pour le coût d’utilisation. Large 4 génère 200 millions de tokens de sortie pour l’exécution d’un index, contre 110 millions pour Muse (les chiffres varient légèrement selon les fiches, entre 106 et 110 millions). Par tâche, cela représente 69 000 tokens pour Large 4 (dont 52 000 de raisonnement) contre 40 000 pour Muse (18 000 de raisonnement).

En termes de tarif, les prix au million de tokens sont quasi identiques : 0,79 $ pour Large 4 et 0,78 $ pour Muse, selon le modèle de tarification mixée (pondération 7 : 2 : 1 entre cache, entrée et sortie). La différence de coût provient donc du volume de tokens. L’exécution de l’index coûte 1 607 $ avec Large 4 et 1 183 $ avec Muse, soit une hausse de 36 %. Le coût par tâche passe de 0,84 $ (Muse) à 1,13 $ (Large 4).

La verbosité affecte également les temps de calcul : une tâche d’index dure 734 s avec Large 4 contre 288 s avec Muse. Pour une réponse de 500 tokens, le délai moyen passe de 18,3 s (Muse) à 35,4 s (Large 4).

DeepSeek V4.1 Flash, grâce à un tarif très bas (0,18 $ / million de tokens en prix mixé), reste le plus économique : l’index lui coûte 677 $ pour 253 millions de tokens générés.

Remises et prix révisés

Mistral a annoncé des prix de lancement pour son API : 1,36 $ / million de tokens en entrée et 4,18 $ en sortie. La documentation officielle de Large 4 indique toutefois une remise de 50 % (0,68 $ en entrée, 0,07 $ en cache, 2,09 $ en sortie) sans préciser de date de fin. En appliquant cette remise, le coût total de l’index chute à ≈ 804 $, soit 32 % de moins que Muse et 19 % de plus que DeepSeek V4.1 Flash. Cette réduction dépend d’une offre non datée, ce qui introduit une incertitude pour les futurs utilisateurs.

Contraintes matérielles et exigences d’hébergement

Mistral n’a pas publié de configuration de référence pour Large 4, dont le nombre de paramètres est estimé à 1 050 milliards. En comparaison, Meta indique que Muse (816 milliards de paramètres) nécessite au moins 700 Go de mémoire GPUProcesseur conçu pour effectuer de nombreux calculs en parallèle, notamment utilisé pour entraîner et exécuter des modèles d'IA. (NVFP4), équivalant à deux Mac Studio M5 Ultra. Reflection AI prévoit pour son modèle Beam (501 milliards) l’usage de quatre GPU B200. La verbosité accrue de Large 4 implique que, à débit égal, les GPU seront occupés 1,8 fois plus longtemps que pour Muse, augmentant les besoins d’infrastructure.

Licences et restrictions commerciales

La Muse Model License, publiée le 15 octobre, autorise l’usage, la modification, la DistillationTechnique permettant d'entraîner un modèle à reproduire certaines capacités ou sorties d'un autre modèle. et la revente du modèle, sous deux conditions principales :

  • Un accord écrit avec Meta est requis lorsqu’un tiers propose le modèle ou un dérivé via un service (API, SaaS) et que le chiffre d’affaires dépasse 20 millions $ sur douze mois consécutifs.
  • La mention « Built with Muse Spark Open » doit apparaître clairement dans l’interface ou la documentation du produit.

L’usage interne, la recherche et l’intégration comme composant d’un produit propriétaire sont exclus de ces obligations. La politique d’usage interdit les applications à risque de mort ou de blessure, notamment dans les secteurs militaire, nucléaire ou d’infrastructures critiques.

Artificial Analysis signale une incohérence : son tableau indique que Muse « License Supports Commercial Use Without Restrictions », tandis que la fiche du modèle précise « Commercial use is allowed with restrictions ». Le même type d’ambiguïté apparaît pour le modèle Kimi K3 de Moonshot AI.

Perspectives et points de vigilance pour les acheteurs

Mistral prévoit de publier les poids de Large 4 d’ici la fin du mois — probablement le 31 octobre 2026, selon le dépôt Hugging Face. Aucun texte de licence n’est encore disponible, même si le dépôt porte la mention « Open ». Avant de s’engager, les acheteurs devront vérifier :

  1. Les conditions de licence (seuil de chiffre d’affaires, clause de service, mentions obligatoires, usages exclus).
  2. La durée et la pérennité de la remise de moitié sur l’API.
  3. La configuration matérielle de référence, qui reste à définir.
  4. Le score et la verbosité de la version finale, sachant que l’apprentissage par renforcement est encore en cours.
  5. Le volume de tokens générés par tâche, qui impacte directement la facture.

Conclusion factuelle

Les données d’Artificial Analysis placent Muse Spark Open légèrement en tête en termes de score d’intelligence, grâce à ses performances dans les tests de connaissances. Mistral Large 4 domine les benchmarks d’agents et montre une supériorité sur des tâches d’ingénierie logicielle, mais son coût et sa LatenceDélai entre l'envoi d'une requête à un système et l'obtention d'une réponse ou du début de celle-ci. restent supérieurs du fait de sa verbosité. DeepSeek V4.1 Flash, quant à lui, offre le meilleur rapport prix‑performance grâce à un tarif très bas et des scores compétitifs sur les tests d’agents.

Pour les développeurs, le choix dépendra surtout de la balance entre besoin en capacités d’agent, contraintes budgétaires et exigences de conformité licence. La publication prochaine des poids de Large 4 et la clarification de sa licence seront déterminantes pour évaluer son attractivité à moyen terme.

Sources : Artificial Analysis (pages consultées le 19 octobre 2026), fiches modèles de Meta et Mistral, annonces officielles de Mistral (6 octobre 2026) et de Meta (15 octobre 2026).