Mistral Small 4
Sorti le 16 mars 2026 par Mistral AI, Mistral Small 4 est un LLM open-weights de 119 milliards de paramètres sous licence Apache 2.0, utilisable commercialement. Son positionnement très économique contraste avec une fenêtre de contexte étendue à 262 144 tokens.
Sorti le 16 mars 2026 par Mistral AI, Mistral Small 4 est un LLM open-weights de 119 milliards de paramètres sous licence Apache 2.0, utilisable commercialement. Son positionnement très économique contraste avec une fenêtre de contexte étendue à 262 144 tokens.
Ce modèle hybride réunit instruction, raisonnement et développement logiciel. Son architecture MoE compte 128 experts, dont 4 actifs, et mobilise 6,5 milliards de paramètres par token. Il traite le texte et l’image, produit du texte et prend en charge les appels de fonctions, le JSON natif ainsi que plusieurs 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 | 16 mars 2026 |
| Multimodal | oui |
| Paramètres | 119 milliards |
| Fenêtre de contexte | 256 000 tokens |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| AIME 2025 | 83,8 % | 57ᵉ / 108 | llm-stats | Auto-déclaré |
| MMLU-Pro | 78,0 % | 58ᵉ / 125 | llm-stats | Auto-déclaré |
| AA-LCR | 71,2 % | 2ᵉ / 15 | llm-stats | Auto-déclaré |
| GPQA | 71,2 % | 112ᵉ / 219 | llm-stats | Auto-déclaré |
| LiveCodeBench | 63,6 % | 28ᵉ / 72 | llm-stats | Auto-déclaré |
| COLLIE | 62,9 % | 7ᵉ / 10 | llm-stats | Auto-déclaré |
| MMMU-Pro | 60,0 % | 48ᵉ / 64 | llm-stats | Auto-déclaré |
| Arena Hard | 58,3 % | 13ᵉ / 26 | llm-stats | Auto-déclaré |
| IFBench | 48,0 % | 24ᵉ / 27 | 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.
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Mistral | 0,15 $ | 0,6 $ | 0,015 $ |
| mistral | 0,15 $ | 0,6 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 93 % en dessous de la moyenne des LLM similaires, et 36,7 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Notre analyse
Forces. Mistral Small 4 associe plusieurs modes d’utilisation dans un même modèle, avec un paramètre reasoning_effort qui module, requête par requête, l’arbitrage entre réponse rapide et raisonnement. Sa longue fenêtre de contexte, les entrées texte et image, les appels de fonctions et la production native de JSON couvrent des besoins variés, de l’instruction générale aux traitements structurés. La licence Apache 2.0 autorise le déploiement, l’affinage et l’usage commercial. Le prix constitue son principal avantage compétitif : il se situe 92% sous la moyenne des LLM similaires et environ 36,7 fois sous celui des modèles frontière.
Limites et points d'attention. À sa sortie, son résultat sur GPQA le plaçait dans le top 53% des 172 LLM de sa génération. Il se situait donc dans la moitié supérieure, mais sans rejoindre le groupe de tête sur ce benchmark de questions scientifiques exigeantes. Son architecture totalise 119 milliards de paramètres malgré l’activation de 6,5 milliards par token, une caractéristique à intégrer dans le choix du mode de déploiement. Mistral Small 4 cible ainsi les usages multilingues, multimodaux, structurés ou orientés raisonnement qui privilégient un coût d’inférence très bas et une licence ouverte.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai).