Mistral Large 3 (675B Instruct 2512)

Publié par Mistral AI le 4 décembre 2025, Mistral Large 3 (675B Instruct 2512) est un LLM multimodal à poids ouverts sous licence Apache 2.0, utilisable commercialement. Son positionnement associe une architecture Mixture-of-Experts de grande taille, une longue fenêtre de contexte et des tarifs très économiques.

Le modèle compte 675 milliards de paramètres, dont 41 milliards actifs en FP8. Il combine un modèle de langage MoE et un encodeur visuel, puis un post-entraînement orienté vers les instructions. Ses fonctions couvrent le chat, l’analyse d’images, les assistants agentiques, l’appel natif de fonctions et la production de JSON, dans des dizaines de langues.

Caractéristiques

Performances (benchmarks)

« 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.

Tarifs

Prix en dollars US par million de tokens.

Sa tarification se situe 76 % en dessous de la moyenne des LLM similaires, et 11 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).

Coût & vitesse agentiques

Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.

Notre analyse

Forces. L’architecture granulaire Mixture-of-Experts limite l’activation à 41 milliards de paramètres sur un total de 675 milliards. La fenêtre de 262 100 tokens convient au traitement de volumes importants de texte. Le modèle prend en charge plusieurs usages structurés, notamment l’appel de fonctions et la sortie JSON, ainsi que l’analyse d’images grâce à un encodeur vision de 2,5 milliards de paramètres. Il peut être servi avec vLLM. Son principal avantage économique reste son tarif, inférieur de 75 % à la moyenne des LLM similaires et environ onze fois moins élevé que celui des modèles frontière. La licence Apache 2.0 autorise en outre les usages commerciaux.

Limites et points d'attention. À sa sortie, Mistral Large 3 figurait seulement dans le top 78 % des LLM de sa génération sur GPQA, un positionnement qui ne le plaçait pas parmi les références de l’époque. Sur PinchBench, consacré aux capacités agentiques dans OpenClaw, son rang de 46e sur 57 indique également une faiblesse nette malgré la prise en charge des assistants et de l’appel de fonctions. Le modèle se destine donc surtout aux déploiements multimodaux, multilingues ou à long contexte où le coût et l’ouverture des poids priment sur une performance agentique de premier plan.

Sources des données : LLM-Stats (llm-stats.com) · PinchBench (pinchbench.com).