Benchmarks de Mistral Large 4
Preuves publiées sur la sécurité, le code et le raisonnement, avec les sources et les limites méthodologiques visibles.
Cybench
93%Défis de cybersécurité
Rapporté par Mistral AI · non testé par ce siteCyberGym
82%Tâches de vulnérabilités réelles
Rapporté par Mistral AI · non testé par ce siteDeepSWE v1.1
61.7%Tâches d'ingénierie logicielle
Rapporté par Mistral AI · non testé par ce siteDense200
42%Raisonnement de haute difficulté
Rapporté par Mistral AI · non testé par ce siteSource : version officielle, octobre 6, 2026. Les configurations de test différentes ne sont pas directement comparables. Lire la source
Résultats officiellement rapportés
| Benchmark | Score 4 élevé | Zone |
|---|---|---|
| Cybench | 93% | Cybersécurité |
| CyberGym | 82% | Tâches de vulnérabilité |
| DeepSWE v1.1 | 61.7% | Ingénierie logicielle |
| SWE Atlas | 59.4% | Tâches d'agent de code |
| Terminal Bench 4 | 28.3% | Tâches du terminal |
| Dense200 | 42% | Raisonnement |
| AutomationBench | 59.9% | Automatisation |
Ces résultats proviennent de l'annonce de sortie de Mistral. Ce site web n'a pas reproduit les exécutions de benchmark. Un pourcentage mesure un test spécifique, pas la fiabilité globale.
Comparez la même tâche et les mêmes conditions
Gardez l'identifiant du modèle, la version du harnais, l'accès aux outils, le budget de raisonnement et les limites de sortie fixes. Rapportez le taux de réussite avec le temps, le coût et les schémas d'échec. Effectuez des essais répétés pour les tâches aux résultats variables.
- Choisissez des tâches représentatives avec des réponses de référence ou des tests exécutables.
- Utilisez les mêmes entrées et publiez les paramètres d'évaluation.
- Inspectez les échecs, pas seulement le score agrégé.
- Répétez la comparaison lorsqu'une version du modèle change.
D'un classement à votre charge de travail
Un correctif sécurisé doit encore passer vos tests. Une réponse sur un document doit citer le passage source. La traduction nécessite une relecture par le public et le domaine. Utilisez un petit ensemble d'évaluation étiqueté avant de vous engager avec un fournisseur.