LangGraph
Orchestration en production. Le contexte 256K plus les checkpoints LangGraph gèrent des workflows très longs.
Mistral Large 3 est le modèle open-weight le plus puissant d'un laboratoire occidental en 2026. Publié le 2 décembre 2025 sous Apache 2.0, il arrive comme un MoE granulaire de 675 milliards de paramètres avec 41 milliards actifs par token, plus un encodeur de vision de 2.5 milliards de paramètres, plus 256K de contexte.
Les specs qui comptent pour choisir le modèle et le matériel.
675B total, 41B actifs par token, plus encodeur vision 2,5B
MoE granulaire, multimodal (texte + vision)
256K tokens
Apache 2.0
2 décembre 2025
3 000 GPU NVIDIA H200
73.1 (évaluation indépendante)
93.6
~38 tok/s
~340 Go, 8x A100/H100/B200
~675 Go, noeud 8x H200
244 Go
Trois niveaux, de vrais SKU, de vrais chiffres de débit.
Débit : 10-25 tokens/s. Idéal pour : Travail de laboratoire et pilote uniquement, pas pour le service en production. Mieux vaut utiliser les variantes Mistral 3 14B ou 8B sur un seul GPU pour les PME.
Débit : 60-120 tokens/s. Idéal pour : Entreprises de 20-50 utilisateurs faisant tourner vision plus texte jusqu'à 64K de contexte, vLLM avec --tensor-parallel-size 4 et le parser d'outils Mistral. Sur A100/H100, NVFP4 tourne via le repli Marlin FP4 (gain de mémoire, pas d'accélération par rapport à FP8).
Débit : 150 à 300 tokens/sec. Idéal pour : Production complète en contexte 256K, déploiement multi-tenant, workflows agentiques avec vision.
GGUF, AWQ, FP8, INT4.
NVFP4 pour la production avec un contexte inférieur à 64K sur H100 ou A100 (quasi sans perte sur le texte, moitié moins de mémoire que FP8, tensor-parallel-size 4). FP8 pour le contexte complet de 256K sur un nœud 8x H200, et FP8 quand vous prévoyez un fine-tuning. GGUF Q4 uniquement pour le travail de laboratoire et le batch hors ligne.
NVFP4 est calibré principalement sur le texte, attendez-vous donc à une régression mineure sur les jeux de données de vision et à une baisse de qualité au-delà de 64K de contexte, c'est exactement là que vous passez à FP8. Sur A100 ou H100, vLLM se replie sur Marlin FP4 : vous gardez le gain de mémoire mais pas l'accélération par rapport à FP8, et seul B200 dispose du chemin d'accélération NVFP4 natif. FP8 est aussi le choix le plus précis pour le fine-tuning. GGUF Q4 fonctionne mais le débit est limité par la bande passante sur les GPU grand public et le parser de tool-calling nécessite une configuration spécifique à Mistral. L'encodeur de vision de 2,5B tourne en FP16 indépendamment de la quantification du LLM.
Taille du fichier : ~340 Go.
Taille du fichier : ~675 Go.
Taille du fichier : 244 Go.
Taille du fichier : 370 Go.
Publié le 2 décembre 2025 sous Apache 2.0, 41B actifs / 675B totaux MoE, 256K de contexte, appel de fonctions natif et sortie JSON.
CLI d'agent officiel Mistral : npm install -g @mistralai/vibe-cli. Natif au format d'outils Mistral. Disponible en extension Zed. À utiliser pour l'expérience first-party la plus fluide, surtout quand l'acheteur est déjà sur le niveau enterprise Mistral.
Mistral est un fournisseur Cline de première classe. La config OpenAI Compatible fonctionne contre votre endpoint vLLM. Cline a validé la fiabilité des appels d'outils de Devstral 2, et Mistral Large 3 hérite du même template de chat. Les modes Plan et Act sont fonctionnels.
Mistral Large 3 fonctionne nativement : aider --model mistralai/mistral-large-3 --api-key $MISTRAL_API_KEY pour l'hébergé, ou --openai-api-base http://your-vllm:8000/v1 pour l'auto-hébergé. Le format d'édition s'applique proprement sur Python, TypeScript, Go.
config.yaml avec provider: mistral ou openai (apiBase personnalisée). Déclarer capabilities: [tool_use, image_input] pour le modèle multimodal flagship. Les rôles chat et edit fonctionnent ; associer un modèle plus petit et rapide pour le rôle autocomplete.
Fork de Cline. Même config OpenAI-compatible. Multi-mode (Code, Architect, Ask, Debug) fonctionnel. Le contexte 256K de Mistral Large 3 débloque le plan repo-contexte complet du mode Architect.
Fonctionne mais Devstral 2 est le meilleur modèle Mistral pour l'autonomie sur dépôt. Utiliser Mistral Large 3 uniquement quand le déploiement est consolidé sur un seul modèle. Définir LLM_BASE_URL vers vLLM, s'attendre à un taux de passage SWE-bench Verified entre 35 et 45%.
Bundle de codage enterprise Mistral : assistant en IDE, modèles, déploiement local, support. Encapsule Mistral Large 3 plus Devstral 2 plus outillage. Utilisé quand l'acheteur veut un package supporté par le vendeur plutôt qu'un stack assemblé.
Là où ce modèle + stack d'agents livre du travail réel.
Le contexte de 256K gère la synthèse documentaire approfondie.
Remplacement standard de OPENAI_BASE_URL. Le suivi des instructions de Mistral Large 3 est fort, les patterns plan-et-exécute de GPT Researcher fonctionnent sans ajustement des invitations. Les rapports prennent 4 à 7 minutes pour 5 à 10 sources.
Le fournisseur OpenAI générique fonctionne. Le drapeau parallel_tool_calls de Mistral signifie que le mode @agent peut appeler plusieurs outils par tour, ce qui accélère les workflows de recherche multi-outils.
Chargement de documents, recherche web, appels de fonctions fonctionnent tous. Le contexte 256K est le point fort pour les chats de recherche multi-documents. Associer avec le décodage spéculatif EAGLE de Mistral pour un streaming plus rapide.
Orchestration de recherche en production. Le contexte 256K de Mistral Large 3 permet à LangGraph de maintenir un état d'agent plus long sans compression de checkpoint ; langchain-mistral ou langchain-openai avec remplacement apiBase fonctionnent tous les deux.
Équipes basées sur les rôles. Le fort suivi des instructions et les appels d'outils parallèles de Mistral Large 3 conviennent au pattern séquentiel de CrewAI. Définir llm dans la config de l'agent.
GroupChat fonctionne. Le contexte 256K absorbe plus d'historique de débat que le 128K de DeepSeek V3.2. La vitesse de sortie plus lente de Mistral (~38 t/s) est le goulot d'étranglement sur les débats multi-agents.
Stack hybride : moteurs de requête LlamaIndex comme outils dans un workflow LangGraph ou AutoGen. Le mode d'appel de fonctions strict de Mistral se couple proprement avec les définitions d'outils structurés de LlamaIndex.
Là où ce modèle + stack d'agents de recherche livre des rapports que votre équipe utilise vraiment.
Choisissez le framework selon la forme du workflow.
Orchestration en production. Le contexte 256K plus les checkpoints LangGraph gèrent des workflows très longs.
Équipes séquentielles avec appels d'outils parallèles activés.
GroupChat. La vitesse de sortie plus lente de Mistral est le goulot sur les patterns à forte intensité de débats.
Compilation d'invitations. Fort avec le suivi de format strict de Mistral.
Agents type-safe. Mistral Guidance (grammaire lark) et Pydantic AI ciblent tous deux la sortie structurée.
Couche de retrieval. Stack hybride avec orchestration LangGraph au-dessus.
CLI d'agent first-party Mistral avec extension Zed.
Trois profils d'acheteurs pour lesquels ce modèle est la bonne réponse.
Tâche : Révision de contrats multilingues, traitement documentaire par vision (PDFs numérisés, pièces jointes), discovery agentique. Résultat : Apache 2.0 plus la provenance EU de Mistral simplifie la posture GDPR. Vision plus texte dans un seul modèle supprime une couche de glue de pipeline.
Tâche : Rédaction de rapports conditionnée par images, Q&A vision-texte sur exports DICOM dé-identifiés. Résultat : Multimodal de première classe dans un modèle open-weight avec auto-hébergement compatible HIPAA complet. Le contexte 256K gère les longs cas longitudinaux.
Tâche : Traitement documentaire (vision OCR plus raisonnement), KYC multilingue, workflows agentiques avec appels d'outils natifs. Résultat : La redistribution Apache 2.0 permet à la firme de livrer le modèle intégré dans des produits client-facing sans friction de licence par siège.
Là où ce modèle gagne, là où il perd.
DeepSeek V3.2 gagne sur le raisonnement le plus difficile et la démonstration de théorèmes. Mistral Large 3 gagne sur le multimodal (vision native), la simplicité Apache 2.0 (DeepSeek est MIT, comparable mais Mistral a une familiarité enterprise occidentale plus forte), et le contexte 256K versus 128K.
Qwen3 235B gagne sur le plancher matériel (143 Go versus 370 Go en Q4) et les benchmarks de raisonnement pur. Mistral Large 3 gagne sur la vision multimodale et la provenance d'entraînement (3 000 H200, entièrement divulguée), utile pour les acheteurs averses au risque.
Catégorie différente. Llama 3.3 70B est déployable sur machine unique sur un Mac à 7K$. Mistral Large 3 nécessite un noeud 8x H200. Choisir Llama pour l'auto-hébergement PME, Mistral Large 3 quand qualité frontier plus vision plus Apache 2.0 sont tous requis.
Jour 4 vLLM sert Mistral Large 3 avec le parseur tool-call mistral et les trois indicateurs mistral obligatoires.
vLLM sert Mistral Large 3 avec --tokenizer_mode mistral, --config_format mistral, --load_format mistral, --enable-auto-tool-choice, --tool-call-parser mistral, --max-model-len 32768 (augmenter après validation de la marge mémoire), --tensor-parallel-size 8. mistral_common >= 1.8.6 obligatoire sinon les appels d'outils échouent. NVFP4 pour l'inférence, FP8 pour le fine-tuning.
Décodage spéculatif EAGLE connecté avec le modèle compagnon mistralai/Mistral-Large-3-675B-Instruct-2512-Eagle et num_speculative_tokens: 3. Le débit s'améliore sans changer la qualité de sortie.
Agents éditeurs connectés. Aider via --model mistralai/mistral-large-3, Cline comme fournisseur Mistral, Continue.dev avec provider: mistral, Roo Code OpenAI-compatible. Appels de fonctions stricts activés selon la version Mistral 1.10.0.
Open WebUI plus AnythingLLM opérationnels. Le chargement de documents supporte la multimodalité image. Les espaces de travail isolent les jeux de documents sensibles.
Workflows LangGraph. Trois workflows livrés : recherche-approfondie, révision-de-code, traitement-client. Validation de schéma Mistral Guidance par grammaire lark connectée dans les noeuds de sortie structurée.
Mistral Code (bundle supporté par le vendeur) ou autonomie sur dépôt OpenHands. Pour les acheteurs à forte intensité de codage, nous ajoutons Devstral 2 aux côtés de Mistral Large 3 car Devstral 2 possède le codage (72.2% SWE-bench Verified).
Dashboard de métriques Prometheus (vllm:num_requests_waiting, gpu_cache_usage_perc, time_to_first_token_seconds), pack de preuves, runbook et inventaire des agents livrés.
Les retours des personnes qui étaient dans la pièce quand les décisions ont été prises.
I used to spend every Sunday reconciling contractor invoices. Now they match automatically. I got my weekends back.
We didn't rush. We just stopped wasting time on things that didn't matter. The risk was managed, not ignored.
The Firebase-to-Supabase migration sounded terrifying. They moved 200k users without a single support ticket. We were live in 19 days.
Prix fixe.
Audit matériel. Confirmer le noeud 8x H100/H200/B200. Choisir NVFP4 versus FP8 selon le besoin de longueur de contexte. Lancer de vraies invitations incluant des tâches vision si applicable.
Servir via vLLM avec les formats Mistral tokenizer/config/load. Activer le parseur tool-call ('mistral'). Prompt système avec descriptions d'outils. Température 0.1 pour la production.
RAG avec retrieval capable de vision si nécessaire. SSO, audit, RBAC. Ajuster max-model-len à 32K ou 64K si vous n'avez pas besoin du 256K complet (économie significative de mémoire KV-cache).
Test de pénétration validé. Fichier NOTICE Apache 2.0 déposé. Bascule en production. Résidence EU confirmée si pertinent pour la posture GDPR.
Apache 2.0, y compris les versions de base et celles ajustées aux instructions. Aucune restriction d'usage, aucune clause d'œuvre dérivée, aucun plafond lié au chiffre d'affaires. Le modèle phare à poids ouverts le plus permissif de 2026. Pineido recommande Mistral Large 3 en particulier quand l'acheteur exige Apache 2.0 ou MIT (certains acheteurs prudents rejettent l'Acceptable Use Policy de Llama ou s'inquiètent du MIT avec juridiction chinoise de DeepSeek).
8x A100 80GB ou 8x H100 avec poids NVFP4 est le plancher pratique, soit 150 000 à 200 000 $ de capex. En dessous, vous tournez Q4 GGUF sur des cartes multi-GPU grand public (4x RTX 5090 ou similaire) avec des compromis de performance significatifs. Pour une entreprise de moins de 30 utilisateurs n'ayant pas besoin des 675B complets, les modèles frères plus petits (Mistral 3 14B, 8B, 3B) sur un seul GPU sont généralement la bonne réponse.
Oui. L'encodeur vision de 2.5 milliards de paramètres est intégré, pas ajouté en option. Il traite les PDFs numérisés, les graphiques, les diagrammes, les photos et les cas multi-images longitudinaux. Pour de meilleurs résultats, maintenez des rapports d'aspect proches de 1:1 et faites tourner l'encodeur vision en FP16 quelle que soit la quantification du LLM. C'est parmi les premiers modèles frontier open avec vision et multilingue dans un seul package.
Les deux sont des MoE de classe 670B sur matériel enterprise. Choisir Mistral Large 3 si vous avez besoin de vision, d'un contexte plus long (256K versus 128K), ou d'Apache 2.0 plus une provenance d'entraînement occidentale. Choisir DeepSeek V3.2 si vous avez besoin d'une performance maximale en raisonnement et démonstration de théorèmes et pouvez vous passer de vision.
Devstral 2 pour les déploiements dédiés au codage. Mistral Large 3 pour les déploiements un-modèle-plusieurs-usages. Devstral 2 affiche 72.2% SWE-bench Verified, tourne sur 4 H100, et Cline a officiellement validé sa fiabilité d'appels d'outils. Mistral Large 3 est le généraliste (675B total / 41B actifs) pour les équipes qui veulent codage plus recherche plus Q&A documentaire sous une seule licence. Pineido fait souvent tourner les deux : Mistral Large 3 comme endpoint par défaut, Devstral 2 ajouté sur la voie codage quand le volume le justifie.
Trois indicateurs Mistral spécifiques sont obligatoires : --tokenizer_mode mistral, --config_format mistral, --load_format mistral. Plus --enable-auto-tool-choice et --tool-call-parser mistral pour les appels de fonctions. Sans --tool-call-parser mistral, vLLM utilise le parseur par défaut et les appels d'outils retournent vides. Vérifier que mistral_common >= 1.8.6 est installé sinon la tokenisation revient au défaut HuggingFace et échoue. Épingler vLLM >= 0.17.0.
675B total, 41B actifs par token (MoE), encodeur vision 2,5B Paramètres
Prix fixe.
Au Jour 1 vous voyez le modèle exact, le matériel exact, le stack d'agents exact, les calculs de coûts exacts et la posture de conformité exacte.
ParKostadin StambolievFondateur et Imaginator
Pineido, basé à Strumica, North Macedonia, est une société de logiciels qui conçoit des sites web, des boutiques en ligne, des applications web et mobiles, de l’automatisation et de l’IA pour des entreprises d’ici et de l’étranger. Le travail est livré en sprints de 30 jours à prix fixe, et le code appartient au client.
Publié Mis à jour