Magazine LLM Opensource · 10 November 2026Magistral de Mistral AI en 2026 : que vaut encore le pari open-weight du raisonnement français face à Kimi K3, DeepSeek V4 et Beam ?
En juin 2025, Mistral AI dévoilait Magistral, sa première famille de modèles de raisonnement open-weight, avec la promesse de rivaliser avec les meilleurs modèles propriétaires. Seize mois plus tard, l’écosystème des LLM open source a été bouleversé par des géants comme Kimi K3 (2,8 billions de paramètres), DeepSeek V4 (1,6 trillion) ou Qwen3.8-Max (2,4 billions), tandis que Meta a lancé Muse Glimmer puis Muse Spark Open, que Z.ai a sorti GLM-5.3 et que Reflection AI a dégainé Beam (501 milliards de paramètres) le 5 octobre 2026. Que reste-t-il de la promesse de Magistral ? Entre scores toujours solides sur AIME 2024, licence Apache 2.0 et déploiement local sur un simple RTX 4090, ce modèle de 24 milliards de paramètres trouve-t-il encore sa place ? Décryptage et mise à jour à l’heure où l’Intelligence Index v5 d’Artificial Analysis rebat les cartes.
Mistral frappe fort… puis le monde change
Mistral AI a toujours joué la carte de l’open-weight, de Mistral 7B à Mixtral 8x7B, puis Mistral Small 3. Mais avec Magistral, la start-up française visait un nouveau segment : le raisonnement avancé. Présenté le 10 juin 2025 (TechCrunch), Magistral se déclinait en deux versions : Magistral Small (24 milliards de paramètres, dense, sous licence Apache 2.0) et Magistral Medium (version entreprise, poids non divulgués, accessible via API et Le Chat). L’objectif : combler l’écart avec les modèles propriétaires de pointe, tout en restant ouvert.
Mais dès 2026, la concurrence s’est intensifiée de manière spectaculaire. Comme le détaille notre article « LLM open source : Qwen3.8, Kimi K3, DeepSeek V4, Beam — le grand basculement de 2026 », le paysage a connu un séisme :
- Moonshot AI a publié Kimi K3 (2,8 billions de paramètres, poids ouverts) le 27 juillet 2026, présenté comme le plus grand modèle open source jamais développé. Notre analyse six mois après confirme que les poids complets (1,56 To) sont en ligne depuis le 26 juillet.
- DeepSeek a sorti DeepSeek V4 (1,6 trillion, licence MIT) le 24 avril 2026, avec une fenêtre de contexte d’un million de tokens, puis DeepSeek V4 Pro le 12 août 2026, marquant la fin de la période de prévisualisation et poursuivant la guerre des prix chinoise (Techbooky). Une variante DeepSeek V4.1 Flash (552 milliards de paramètres MoE, architecture Causal Encoder Decoder, KV cache réduit) a été présentée le 10 septembre 2026 comme un saut rapide après la version de juillet (AI-Side).
- Alibaba a dévoilé Qwen3.8-Max (2,4 billions de paramètres) le 3 août 2026, avec poids ouverts annoncés.
- Meta a publié Muse Glimmer le 12 août 2026, un modèle agentique multimodal de 30 milliards de paramètres sous licence Apache 2.0, conçu pour fonctionner localement sur PC et Mac (ITdaily, ContextStudios). Le 16 octobre 2026, le groupe a remis une couche avec Muse Spark Open, un MoE de 816 milliards de paramètres (42 milliards actifs) et un contexte d’un million de tokens (iaexpertos, Hugging Face).
- Z.ai a lancé GLM-5.3 le 14 août 2026, un modèle MoE de 753 milliards de paramètres qui réutilise la base de GLM-5.2 sans nouveau paramètre, mais avec un post-entraînement massif (The Agent Report). Il s’impose en tête du benchmark cybersécurité CyberGym avec 84,5 %, devançant Claude Sonnet 5 et GPT-5.6 Sol (Ayinedjimi).
- Tencent a ouvert Hy4 en preview le 8 septembre 2026, un modèle de 770 milliards de paramètres avec 49 milliards actifs et un contexte d’un million de tokens, orienté code, productivité bureautique et recherche scientifique (Gadgetpilipinas, Techgenyz).
- Cloudflare a créé la surprise le 1er octobre 2026 avec Clef (27B) et Clef-Flash (9B), des modèles de décision open-weight sous Apache 2.0, qui renvoient des probabilités typées en 38,8 ms là où un LLM classique rédige de la prose (The Register, OrcaRouter).
- Reflection AI, le laboratoire fondé par deux anciens de Google DeepMind, a dévoilé Beam le 5 octobre 2026 : un MoE open-weight de 501 milliards de paramètres (23 milliards actifs), taillé pour le code et le raisonnement, avec des poids annoncés pour la fin du mois (SiliconANGLE, TechCrunch, Unite.AI). Son PDG résume la doctrine : « The only way to own intelligence is, by definition, if it’s open » (The Next Web).
- NVIDIA a complété le tableau le 28 octobre 2026 avec Nemotron 3.5 Transcribe, un modèle vocal open-weight couvrant 40 langues (dont le français), avec attribution des locuteurs et traduction, livré avec un jeu de données audio de 463 062 heures (NVIDIA Research, TechCrunch, Unite.AI).
- Google a peaufiné Gemini 3.x et lancé Gemma 4.
Dans ce contexte, Magistral Small (24B) peut sembler modeste. Pourtant, sa spécialisation dans le raisonnement et sa licence permissive lui confèrent une niche précieuse, notamment pour les déploiements locaux et les applications sensibles à la confidentialité. Comme le rappelait TechCrunch dès juin 2025, Magistral est « adapté à un large éventail de cas d’usage en entreprise, des calculs structurés à la logique programmatique, en passant par les arbres de décision et les systèmes à base de règles ».
« Magistral Small est conçu pour être exécuté localement sur un RTX 4090 ou un Mac avec 16-24 Go de RAM », rappelle la documentation d’Unsloth. Une promesse toujours d’actualité, alors que les modèles géants exigent des clusters de GPU.
Il faut aussi noter que Mistral a renforcé son partenariat avec Microsoft en juillet 2026, avec des déploiements cloud et hors ligne en Europe, ce qui élargit les canaux de distribution de ses modèles. Cette collaboration, non confirmée par des sources indépendantes, reste à surveiller.
24 milliards de paramètres et un raisonnement transparent : ce que l’on sait (et ce que l’on ignore) de l’architecture
Les détails techniques de Magistral restent partiels, mais plusieurs éléments sont confirmés par les sources officielles et les articles de presse.
Ce que l’on sait
| Caractéristique | Magistral Small | Magistral Medium |
|---|---|---|
| Paramètres | 24 milliards (dense, pas de MoE) | Non divulgué (MoE selon certaines analyses) |
| Licence | Apache 2.0 | Propriétaire (API) |
| Benchmark AIME2024 (single) | 70,7 % | 73,6 % |
| AIME2024 (majority voting @64) | 83,3 % | 90 % |
| Support multilingue | 8 langues (anglais, français, espagnol, arabe, allemand, italien, russe, chinois simplifié) | Idem |
| Fonctionnalités | Raisonnement par chaîne de pensée (CoT) avec balises <thinking> |
Idem + Réponses Flash, mode réflexion |
Magistral Small est un modèle dense de 24B, contrairement à Mixtral qui utilisait un mélange d’experts. Le point le plus intéressant — et le plus mal compris — concerne l’entraînement. Contrairement à la plupart des modèles de raisonnement, qui distillent les traces de géants propriétaires comme GPT-4o ou Claude, Magistral a été entraîné par apprentissage par renforcement à récompenses vérifiables (RLVR) appliqué directement au checkpoint Mistral Medium 3, sans distillation depuis un autre modèle de raisonnement (analyse détaillée). Concrètement, Mistral a combiné un fine-tuning supervisé (SFT) pour établir un style de raisonnement de base, puis du RL pour optimiser la justesse vérifiable des réponses finales. Ce combo SFT + RL apporterait plus de 5 points de pourcentage par rapport à l’une ou l’autre technique employée seule, sur plusieurs benchmarks. La version Small, elle, a bénéficié de données « cold-start » issues de Medium, puis d’un renforcement par RLHF (ActuIA).
Le raisonnement est explicite : le modèle génère d’abord une réflexion interne entre balises <thinking>, puis produit la réponse finale. Une approche qui rappelle les modèles o1 d’OpenAI ou DeepSeek R1, mais dont l’intérêt revendiqué est l’auditabilité : chaque étape de la chaîne de pensée est visible, ce qui compte énormément dans les secteurs régulés (droit, finance, santé) où « le modèle l’a dit » ne constitue pas une justification suffisante.
TechCrunch notait d’ailleurs que, comme les autres modèles de raisonnement (o3 d’OpenAI, Gemini 2.5 Pro de Google), Magistral « travaille les problèmes étape par étape pour une meilleure cohérence et fiabilité dans des domaines comme les mathématiques et la physique ».
Ce que l’on ignore
- Taille du contexte : la documentation d’Unsloth mentionne une fenêtre de 128k tokens pour Magistral-Small-2509 (mise à jour de septembre 2025 avec vision), mais précise que les performances se dégradent au-delà de 40k tokens. La version initiale de Magistral (annoncée en juin 2025) pourrait avoir des caractéristiques différentes.
- Type d’attention : rien n’est dit sur l’utilisation de GQA, sliding window ou autre mécanisme.
- Données d’entraînement : volume, nature, durée, cluster GPU – tout reste sous silence.
- Innovations par rapport à Mistral 7B ou Mixtral : Mistral n’a pas publié de comparatif architectural.
Mistral semble avoir fait le choix de la transparence sur les performances et sur la méthode d’entraînement (RLVR), mais pas sur les détails d’infrastructure. Une stratégie qui laisse la communauté sur sa faim.
AIME 2024 : le benchmark qui fait la différence – mais que valent les scores sans MMLU ni GSM8K ?
Le seul benchmark officiellement communiqué par Mistral est AIME 2024 (American Invitational Mathematics Examination), un test de raisonnement mathématique complexe. Les scores annoncés sont les suivants :
| Modèle | Score unique | Majority voting (@64) |
|---|---|---|
| Magistral Medium | 73,6 % | 90 % |
| Magistral Small | 70,7 % | 83,3 % |
Ces chiffres sont impressionnants : 90 % avec vote majoritaire place Magistral Medium au niveau des meilleurs modèles de raisonnement de 2025. Mais pourquoi Mistral a-t-il choisi uniquement AIME 2024 ? Plusieurs raisons possibles :
- Spécialisation : Magistral est un modèle de raisonnement, pas un généraliste. Les benchmarks classiques comme MMLU (culture générale), GSM8K (maths simples) ou HumanEval (code) ne reflètent pas sa force.
- Comparaison avantageuse : AIME 2024 est un benchmark difficile, où les modèles propriétaires de l’époque obtenaient des scores nettement inférieurs. En choisissant ce terrain, Mistral se positionne comme leader.
- Manque de données : peut-être que les performances sur d’autres benchmarks sont moins bonnes, et Mistral préfère mettre en avant son point fort.
« Aucun score sur MMLU, GSM8K, HumanEval ou HellaSwag n’est rapporté dans les sources fournies », confirme l’analyse des documents. Une absence qui interroge : un modèle de raisonnement doit aussi être évalué sur sa capacité à généraliser.
Depuis 2026, d’autres modèles open-weight ont publié des scores sur des benchmarks variés — et le niveau a changé d’échelle. DeepSeek V4 affiche des performances de premier plan sur MMLU-Pro et HumanEval, et Kimi K3 ne se contente plus de talonner les meilleurs modèles fermés : sur l’indice d’Artificial Analysis, il ne pointe qu’à un point d’écart de GPT-5.6 Sol (OrcaRouter). Le leaderboard BenchLM de juillet 2026 classe 95 modèles open-weight, et les modèles chinois dominent largement le haut du classement. GLM-5.3 a fait un bond spectaculaire sur Terminal-Bench 3.0, passant de 4,6 % à 28,3 % grâce au seul post-entraînement (DataNorth), et s’impose sur CyberGym avec 84,5 %. Beam, enfin, revendique 97,8 % sur AIME 2026 et 80,1 sur Terminal Bench, tout en admettant des performances en retrait sur les tests de code face aux ténors chinois — mais avec une promesse de 3 à 4× moins de compute d’inférence (Help Net Security).
Magistral, lui, reste cantonné à AIME 2024 – un choix qui le distingue mais limite les comparaisons directes. Il faut aussi noter qu’AIME a atteint un plafond : plusieurs modèles atteignent désormais des scores parfaits (100 %) sur les éditions récentes du concours, signe que ce benchmark perd de sa valeur différenciante. La pertinence d’AIME comme argument de vente diminue donc, même si les scores de Magistral datent de 2025.
Le coup de semonce d’Artificial Analysis v5
Un événement d’octobre 2026 achève de replacer les scores de Magistral dans leur contexte. Le 27 octobre 2026, Artificial Analysis a publié la refonte v5 de son Intelligence Index : deux nouveaux benchmarks, trois mises à niveau, et surtout, pour la première fois, une majorité de l’indice construite sur des jeux de données privés (Artificial Analysis). Résultat : l’écart entre modèles propriétaires et open weights est passé de 3 à 12 points (TechTimes). Comme l’analyse notre article « Artificial Analysis v5 : les 12 points qui séparent les agents ouverts des agents fermés », ce décrochage ne dit pas que les modèles ouverts sont devenus mauvais : il dit que les benchmarks se sont déplacés vers l’agentique « sale » — trajectoires longues, outils, environnements réels — là où les open weights décrochent. Magistral, modèle de raisonnement mono-tour optimisé pour les mathématiques, se situe exactement du mauvais côté de ce basculement. Sa transparence de raisonnement reste un atout ; son absence de dimension agentique est en revanche un angle mort de plus en plus visible.
Magistral face aux ténors : GPT-4o, Claude 3.5, Gemini 1.5 Pro – une comparaison en pointillé
Les sources ne fournissent aucune comparaison chiffrée directe entre Magistral et les modèles propriétaires de sa génération. TechCrunch notait dès juin 2025 que, sur GPQA Diamond et AIME, Magistral Medium « sous-performe Gemini 2.5 Pro et Claude Opus 4 », et qu’il échoue à surpasser Gemini 2.5 Pro sur LiveCodeBench. Mistral se contente d’affirmer que Magistral Medium « rivalise avec les meilleurs modèles de raisonnement », sans citer de noms ni de scores. Le Monde Informatique souligne d’ailleurs une omission révélatrice : dans son comparatif, Mistral n’a pas intégré GPT o3 d’OpenAI, ni Qwen d’Alibaba, ni Claude Opus et Sonnet d’Anthropic (Le Monde Informatique). Face à DeepSeek, en revanche, Magistral Medium « se défend » sur plusieurs évaluations — sans battre R1 ni R1-Zero.
Ce que l’on peut dire :
- Positionnement : Magistral est un modèle de raisonnement, pas un assistant généraliste. Il est optimisé pour les tâches multi-étapes, la logique et les mathématiques, avec des cas d’usage revendiqués allant de « la recherche juridique et les prévisions financières au développement logiciel et à l’écriture », en passant par la planification de projet, l’architecture back-end et l’ingénierie des données.
- Déploiement : Magistral Medium est disponible sur Le Chat, via l’API, sur Amazon SageMaker, puis sur IBM WatsonX, Azure AI et Google Cloud Marketplace. Magistral Small est téléchargeable sur Hugging Face (
mistralai/Magistral-Small-2506). - Latence : les « Flash Answers » de Le Chat réduisent drastiquement la latence des réponses, un avantage d’usage face aux modèles de raisonnement lents.
Mais la comparaison qui compte en 2026 n’est plus celle avec GPT-4o ou Claude 3.5 : c’est celle avec les open weights de nouvelle génération. Et là, l’écart de taille est brutal. Un modèle de 24 milliards de paramètres denses ne peut structurellement pas rivaliser, sur les benchmarks frontière, avec des MoE de 500 à 2 800 milliards de paramètres. La question n’est donc pas « Magistral est-il le meilleur ? » — la réponse est non, et elle l’est depuis longtemps — mais « pour quoi Magistral reste-t-il le bon choix ? ».
Le vrai match : Magistral face aux open weights de 2026
Pour situer Magistral, il faut croiser trois dimensions : la taille, le coût de déploiement et la nature de la tâche.
| Modèle | Paramètres | Actifs | Licence | Déploiement local réaliste |
|---|---|---|---|---|
| Magistral Small | 24 Md (dense) | 24 Md | Apache 2.0 | RTX 4090 / Mac 32 Go |
| Muse Glimmer | 30 Md | 30 Md | Apache 2.0 | PC / Mac haut de gamme |
| Clef / Clef-Flash | 27 Md / 9 Md | dense | Apache 2.0 | serveur léger |
| Kolibri-1 (Aleph Alpha) | 78,1 Md (MoE) | 3,46 Md | Apache 2.0 | multi-GPU |
| Beam (Reflection AI) | 501 Md (MoE) | 23 Md | open weight (restrictive) | cluster |
| GLM-5.3 | 753 Md (MoE) | n.c. | open weight | cluster |
| Hy4 (Tencent) | 770 Md (MoE) | 49 Md | open weight | cluster |
| Muse Spark Open (Meta) | 816 Md (MoE) | 42 Md | open weight | cluster |
| DeepSeek V4 | 1,6 Tn (MoE) | n.c. | MIT | datacenter |
| Qwen3.8-Max | 2,4 Tn | n.c. | poids ouverts annoncés | datacenter |
| Kimi K3 | 2,8 Tn | n.c. | open weight | datacenter (1,56 To de poids) |
Deux enseignements. D’abord, la catégorie des « petits » modèles open-weight s’est elle aussi musclée : Meta (Muse Glimmer, 30B) et Cloudflare (Clef, 27B) occupent désormais le terrain du déploiement local que Magistral avait défriché. Ensuite, la vague open-weight de l’automne se heurte à un mur de mémoire : comme le résume The Agent Report dans son analyse du 16 octobre 2026 (« 816B, 560B, 120B en un jour »), les modèles à 800 milliards de paramètres et plus ne sont pas des options de déploiement pour la majorité des équipes — ils vivent sur des clusters, pas sur un bureau. C’est précisément l’espace que Magistral continue d’occuper.
Il faut aussi compter avec la quantification : la mécanique de distillation, de MoE et de quantization qui a permis aux open weights de combler leur retard (voir notre article « LLM open source en 2026 : la parité est acquise, l’orchestration devient le vrai champ de bataille ») profite autant à Magistral qu’aux géants. Un modèle dense de 24B quantifié en 4 bits tient dans une VRAM modeste, là où un MoE de 500B reste hors de portée même très compressé.
L’écosystème autour de Magistral : ce qui a changé à l’automne 2026
Un modèle ne vit pas seul : son écosystème d’inférence et d’outillage décide de sa praticité réelle. Et sur ce front, l’automne 2026 a apporté des évolutions qui bénéficient directement à un modèle comme Magistral.
- vLLM et SGLang sur TPU : le 20 octobre 2026, Google a publié sur son blog développeur des versions TPU des deux moteurs d’inférence open source les plus utilisés (note.com). Pour les équipes qui font tourner des modèles ouverts sur leur propre infrastructure, c’est une option matérielle supplémentaire — et un moyen de réduire la dépendance aux GPU.
- llm-d 1.0 : présenté le 20 octobre 2026 à la PyTorch Conference North America, cette pile d’inférence distribuée native Kubernetes, portée par IBM Research, vise la mise en production à l’échelle (Unite.AI, Toolnavs). Un modèle léger comme Magistral y trouve sa place comme brique de raisonnement au sein d’un pipeline plus large.
- Le routage MoE décortiqué : une analyse du 28 octobre 2026 détaille comment la sélection sparse de paramètres actifs, le top-k gating et l’équilibrage de charge entre experts réduisent la facture GPU en entreprise sans sacrifier la profondeur de raisonnement (TopAI Tools). Un rappel utile : Magistral Small, dense, ne bénéficie pas de ces optimisations — c’est à la fois sa limite (coût par token plus élevé qu’un MoE équivalent) et sa force (comportement plus prévisible, plus facile à quantifier et à auditer).
- Nemotron 3.5 Transcribe : le modèle vocal open-weight de NVIDIA (28 octobre 2026, 40 langues, attribution des locuteurs, traduction, dataset de 463 062 heures) illustre la spécialisation croissante de l’écosystème ouvert (NVIDIA Research). Comme Magistral en son temps, il ne cherche pas à être généraliste : il excelle sur une tâche. C’est le modèle de survie des modèles de taille moyenne.
Ce qu’il faut retenir
Seize mois après son lancement, Magistral n’est plus un modèle frontière — s’il l’a jamais été. Mais il n’a pas dit son dernier mot, pour quatre raisons.
- La licence Apache 2.0 reste un privilège rare. Beam est « open weight » mais sous licence restrictive ; plusieurs géants chinois publient leurs poids avec des conditions d’usage. Magistral Small, lui, est véritablement réutilisable, fine-tunable et redistribuable.
- Le déploiement local est un argument qui se renforce. À l’heure où les modèles frontière pèsent 500 à 2 800 milliards de paramètres et exigent des clusters, un dense de 24B qui tourne sur un RTX 4090 ou un Mac 32 Go reste la seule option pour les données sensibles, l’edge et les environnements hors ligne.
- La transparence du raisonnement est un atout réglementaire. Avec l’application des règles de transparence de l’AI Act européen depuis le 2 août 2026, un modèle dont chaque étape de raisonnement est visible et auditable — et qui raisonne nativement en français — a un argument que peu de concurrents peuvent aligner.
- Mais les angles morts se sont accumulés. Pas de score sur MMLU, GSM8K ou HumanEval ; pas de dimension agentique face au basculement de l’Intelligence Index v5 vers les trajectoires longues ; pas de mise à jour majeure documentée depuis Magistral-Small-2509 (septembre 2025) ; et une concurrence qui a investi la même niche du déploiement local (Muse Glimmer, Clef).
Le verdict est donc nuancé. Magistral n’est plus le modèle de raisonnement open-weight « le plus capable déployable localement » qu’il pouvait revendiquer en 2025 : cette couronne est disputée. Mais pour un raisonnement mathématique et logique auditable, en français, sous Apache 2.0, sur du matériel grand public, il reste une brique pertinente — à condition de ne pas lui demander ce qu’il ne sait pas faire. La vraie question de 2026 n’est plus « quel modèle est le meilleur ? » mais « quelle combinaison de modèles, orchestrée intelligemment, fait le travail au meilleur coût ? ». Et dans une orchestration, un petit modèle dense, transparent et pas cher a toute sa place.
Sources
- Mistral AI — Magistral (annonce officielle)
- TechCrunch — Mistral releases a pair of AI reasoning models (10 juin 2025)
- ActuIA — Mistral AI défie DeepSeek avec Magistral
- Le Monde Informatique — Face à OpenAI, Mistral présente son modèle de raisonnement Magistral
- Magistral Review 2026 (analyse RLVR et benchmarks)
- Modperl — Magistral de Mistral AI : nouveautés et benchmarks
- Artificial Analysis — Announcing Intelligence Index v5 (27 octobre 2026)
- TechTimes — Agentic AI Benchmarks Widen Proprietary-Model Edge to 12 Points in Artificial Analysis v5 (29 octobre 2026)
- The Agent Report — 816B, 560B, 120B en un jour : la vague open-weight se heurte à un mur de mémoire (16 octobre 2026)
- TopAI Tools — Deconstructing Mixture-of-Experts Routing in Open-Weight Models (28 octobre 2026)
- NVIDIA Research — Nemotron 3.5 Transcribe (28 octobre 2026)
- Unite.AI — NVIDIA Launches Open-Weight Speech Model and 463,062-Hour Audio Dataset (28 octobre 2026)
- Unite.AI — llm-d 1.0 Debuts at PyTorch Conference (20 octobre 2026)
- note.com — vLLM et SGLang sur TPU (21 octobre 2026)
- iaexpertos — Meta lance Muse Spark Open (16 octobre 2026)
- Hugging Face — How to Use Muse Spark Open (16 octobre 2026)
- SiliconANGLE — Beam de Reflection AI (5 octobre 2026)
- Help Net Security — Benchmarks de Beam
- DataNorth — GLM-5.3 et Terminal-Bench 3.0
- OrcaRouter — Kimi K3 et l’Intelligence Index
- BenchLM — Leaderboard open-weight (juillet 2026)
- Articles du magazine : « LLM open source : le grand basculement de 2026 », « Kimi K3, six mois après », « Artificial Analysis v5 : les 12 points qui séparent les agents ouverts des agents fermés », « LLM open source en 2026 : la parité est acquise, l’orchestration devient le vrai champ de bataille », « Beam de Reflection AI : 501 milliards de paramètres »
Article recherché et rédigé automatiquement · Magazine Electrosens