Accueil›Modèles›mistral-large-4
mistral-large-4
Architecture mélange d’experts72 CouchesLicence mistral-ecosystem-open-weightContexte maximal 1.024kVocabulaire 204.800
En Q4_K_M, c’est un fichier de 591,21 Gio et il ne tient sur aucune des 18 machines que nous mesurons à 8k tokens. Sur ces 18, seul le Mac Studio avec M5 Ultra et 512 Go le fait tourner, en 2 ou 3 bits : avec le Q2_K de 354,56 Gio, il atteint, d’après nos calculs, son contexte complet, 1024k.
Taille du modèle en Q4_K_M
Mesuré par Local AI Scope
Mémoire de contexte à 8k tokens
Mesuré par Local AI Scope
Ce que coûte l’allemand face à l’anglais
Mesuré par Local AI Scope
Vidéos : mistral-large-4 1
Les vidéos officielles qui nous ont semblé les plus utiles. Appuyez et la vidéo s’ouvre ici.
Les vidéos sont sur YouTube et rien ne se charge depuis YouTube tant que vous n’appuyez pas (mode sans cookies). La miniature est servie par nous.
Tailles des fichiers publiés
Ce sont les tailles des fichiers réellement publiés par son auteur, additionnées lorsque le modèle est livré en plusieurs parties. Pas une estimation à partir du nombre de paramètres.
| Compression | Taille du modèle |
|---|---|
Q8_0 |
1.038,57 GiB |
Q4_K_M |
591,21 GiB |
Ce modèle lit aussi les images. Il lui faut pour cela un second fichier, le projecteur de vision (mmproj-F16.gguf, 3,17 Gio), publié à côté du modèle et non compté dans les chiffres de cette page : ils ne comptent que le texte. Si vous comptez lui envoyer des images, ajoutez-le à la taille du modèle.
Mémoire de contexte
Calculée à partir du schéma d’attention que ce modèle déclare couche par couche, et non de la formule générique. C’est pourquoi le chiffre est souvent bien inférieur à celui d’autres calculateurs. Ce modèle garde sa mémoire de contexte compressée (attention latente) : par couche et par token, un vecteur de 512 valeurs au lieu de ses 64 têtes de 64. Nous la comptons comme une tête de 512 pour la clé et une autre pour la valeur, un peu plus que ce qu’elle occupe réellement (un même latent sert aux deux) : ces chiffres pèchent par excès, jamais par défaut.
- 8k tokens → 0,98 GiB
- 32k tokens → 3,94 GiB
- 128k tokens → 15,75 GiB
Ce qu’il coûte dans chaque langue
Mesuré en exécutant le tokenizer de ce modèle sur le même contenu dans quatre langues. Les tokens sont ce que l’on paie en contexte, en mémoire et sur la facture du cloud.
| Type de texte | EN | ES | FR | DE |
|---|---|---|---|---|
| Code | — | ×1,18 | ×1,27 | ×1,37 |
| Contrats | — | ×1,10 | ×1,15 | ×1,19 |
| Courriels d’entreprise | — | ×1,11 | ×1,17 | ×1,13 |
| Tickets d’assistance | — | ×1,17 | ×1,31 | ×1,25 |
L’anglais est la référence : chaque chiffre indique combien de fois plus de tokens coûte le même contenu dans cette langue. Moyenne sur tout le corpus: DE ×1,24.
Où il tient
Tenir signifie que le modèle, sa mémoire de contexte et la marge de travail tiennent au contexte indiqué, en laissant au système sa part. 0 sur les 18 machines testées (Q4_K_M, 8k tokens).
Aucune des machines que nous mesurons n’accepte ce modèle à la compression de référence, même au plus petit contexte.
Avant de cliquer sur télécharger : au 3 novembre 2026, Mistral surnomme ce modèle « Le Chonk » et ce n’est pas une exagération : avec 591,21 Gio en Q4_K_M, il ne tient sur aucune de nos machines. Dans notre liste, la seule façon de le faire tourner est de descendre à 2 ou 3 bits sur le Mac Studio avec M5 Ultra et 512 Go. D’après nos calculs, cette machine accepte le Q2_K de ggml-org (354,56 Gio) avec son contexte complet, 1024k ; le UD-IQ3_XXS d’unsloth (394,43 Gio), jusqu’à 512k ; et son UD-Q3_K_XL (458,91 Gio), jusqu’à 256k. Notre catalogue ne reprend pas ces fichiers de 2 et 3 bits, donc le Model Finder ne les propose pas. Pour l’ouvrir, il vous faut llama.cpp v0.9.0, sa version stable du 4 novembre 2026, ou toute compilation quotidienne à partir de la b11998 (du 30 octobre 2026). Ollama ne le propose que dans son cloud (mistral-large-4:cloud), et LM Studio n’a pas encore de page pour ce modèle. mlx-lm ne l’ouvre pas dans sa dernière version, la 0.32.2 : les versions MLX de mlx-community ont été préparées avec une modification pas encore publiée ; celle en 3 bits pèse 427,71 Gio (texte seul), et celle en 4 bits (549,86 Gio), selon ses propres auteurs, ne tient pas dans un seul Mac de 512 Go. vLLM le sert avec son image Docker officielle, sous une étiquette dédiée à ce modèle ; la recette de Mistral utilise 8 cartes graphiques et sa version stable l’intègre depuis la 0.34.0, publiée le 16 novembre 2026. Le tableau ne compte que le texte : pour lui envoyer des images, ajoutez le projecteur de vision (3,17 Gio). Et la licence, la Mistral Ecosystem Open-Weight License, est une MIT modifiée : pour l’utiliser chez vous ou au sein de votre entreprise, rien ne change, mais si votre entreprise (ou une société de son groupe) vend à des tiers l’accès au modèle comme un service (par une API, par exemple), Mistral exige d’abord une licence commerciale à part.
