Mistral Large 3 (675B Base)
Publié le 4 décembre 2025 par Mistral AI, Mistral Large 3 (675B Base) est un LLM open-weights de 675 milliards de paramètres, distribué sous licence Apache 2.0 avec usage commercial autorisé. Il s’agit d’un modèle pré-entraîné de base, conçu pour servir de fondation à des…
Publié le 4 décembre 2025 par Mistral AI, Mistral Large 3 (675B Base) est un LLM open-weights de 675 milliards de paramètres, distribué sous licence Apache 2.0 avec usage commercial autorisé. Il s’agit d’un modèle pré-entraîné de base, conçu pour servir de fondation à des post-entraînements personnalisés plutôt que pour répondre directement à des instructions.
Son architecture combine un Granular MoE de 673 milliards de paramètres, dont 39 milliards actifs, et un encodeur vision de 2,5 milliards. L’ensemble atteint 675 milliards de paramètres, dont 41 milliards actifs, avec une fenêtre de contexte de 256k, la prise en charge du texte et de la vision, ainsi qu’une couverture de dizaines de langues.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Mistral AI |
| Poids | 🟢 Poids ouverts · usage commercial autorisé |
| Licence | Apache 2.0 |
| Date de sortie | 4 décembre 2025 |
| Multimodal | oui |
| Paramètres | 675 milliards |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| MMMLU | 85,5 % | 28ᵉ / 49 | llm-stats | Auto-déclaré |
| AMC_2022_23 | 52,0 % | 1ᵉ / 6 | llm-stats | Auto-déclaré |
| GPQA | 43,9 % | 178ᵉ / 219 | llm-stats | Auto-déclaré |
| LiveCodeBench | 34,4 % | 53ᵉ / 72 | llm-stats | Auto-déclaré |
| SimpleQA | 23,8 % | 30ᵉ / 45 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Notre analyse
Forces. Mistral Large 3 (675B Base) réunit multimodalité, contexte long et architecture MoE, qui n’active qu’une partie des paramètres à chaque traitement. Sa fenêtre de 256k répond aux usages centrés sur les longs documents, tandis que son encodeur vision étend le modèle aux contenus visuels. Sa couverture comprend notamment l’anglais, le français, l’espagnol, l’allemand, l’italien, le portugais, le néerlandais, le chinois, le japonais, le coréen et l’arabe. Les domaines ciblés incluent les systèmes augmentés par récupération, les charges scientifiques, les workflows d’entreprise et l’assistance au codage. La licence Apache 2.0 autorise en outre l’exploitation commerciale et l’adaptation des poids.
Limites et points d’attention. Cette version Base n’est ajustée ni pour les tâches d’instruction ni pour le raisonnement. Elle nécessite donc un post-entraînement personnalisé avant les usages attendus d’un assistant spécialisé. Sur GPQA, qui mesure les connaissances et le raisonnement scientifique, elle se situait à sa sortie dans le top 78% des 147 LLM de sa génération, un positionnement qui ne la plaçait pas parmi les modèles les plus performants de cette cohorte. Cette évaluation repose sur une seule source de données concordante. Le modèle cible principalement les projets nécessitant une base multilingue, multimodale et personnalisable à grande échelle.
Sources des données : LLM-Stats (llm-stats.com).