mistral-large-4-high : scores LiveBench et exécution avec BrainOutput
mistral-large-4-high est un modèle dont l'éditeur n'est pas indiqué publiquement. Dans la version LiveBench du 2026-06-25 (relevée le 2026-10-08), il se classe n°54 sur 71 avec un score global de 71,84.
Qu'est-ce que mistral-large-4-high ?
mistral-large-4-high figure dans le classement LiveBench, un benchmark public régulièrement renouvelé qui note les modèles sur sept catégories : raisonnement, code, code agentique, mathématiques, analyse de données, langage et suivi d'instructions. Sa meilleure catégorie dans ce relevé : mathématiques (n°21 sur 71).
Nous vérifions la licence et la disponibilité de ses poids lors du diagnostic IA, avant toute recommandation.
Le modèle en bref
| Éditeur | Non indiqué publiquement |
|---|---|
| Poids | Non indiqué publiquement |
| Licence | Nous vérifions la licence lors du diagnostic IA |
| Date de sortie (selon LiveBench) | — |
| Identifiant LiveBench | mistral-large-4-high |
Scores LiveBench, datés
Score et rang sur 71 modèles, par catégorie, dans la version LiveBench du 2026-06-25 relevée le 2026-10-08.
LiveBench, version 2026-06-25 · livebench.ai · 71 modèles · relevé le 2026-10-08
Rang global dans ce relevé LiveBench.
Score global : moyenne des sept catégories.
Écart avec le n°1, Claude Fable 5.1 Max Effort (83,41).
| Catégorie | Score | Rang |
|---|---|---|
| Raisonnement | 83,94 | n°43 / 71 |
| Code | 77,16 | n°43 / 71 |
| Code agentique | 57,17 | n°23 / 71 |
| Mathématiques | 93,58 | n°21 / 71 |
| Analyse de données | 76,54 | n°33 / 71 |
| Langage | 49,64 | n°70 / 71 |
| Suivi d'instructions | 64,82 | n°47 / 71 |
| Global (moyenne des 7 catégories) | 71,84 | n°54 / 71 |
Note de méthode : le score global est la moyenne des sept moyennes de catégorie, calculée par nos soins à partir du fichier publié par LiveBench ; il peut différer de quelques décimales de l'affichage du site. À score égal, l'ordre du fichier LiveBench départage. Un benchmark mesure des tâches de benchmark — lors d'un diagnostic IA, nous refaisons la comparaison sur vos propres tâches.
Utiliser mistral-large-4-high avec BrainOutput
BrainOutput route chaque tâche vers un modèle selon sa confidentialité : le travail sensible reste sur un modèle local ou privé, le reste ne part vers un modèle cloud que si votre politique l'autorise.
En local, sur votre matériel
À vérifier au diagnostic
Possible uniquement si les poids sont publiés : nous vérifions la licence lors du diagnostic IA, avant tout déploiement.
En cloud privé
À vérifier au diagnostic
Possible uniquement si les poids sont publiés — vérifié lors du diagnostic IA.
Avec votre propre clé (BYOK)
Possible
Branchez votre propre clé API : BrainOutput y route le travail non sensible quand votre politique l'autorise ; le travail sensible ne quitte jamais votre périmètre.
Questions fréquentes
mistral-large-4-high est-il un modèle open-weight ?
Ce n'est pas indiqué publiquement : nous vérifions la licence lors du diagnostic IA, avant toute recommandation. Le modèle open-weight le mieux classé de ce relevé est DeepSeek V4.1 Flash Max Effort (n°10, 81,11).
Peut-on utiliser mistral-large-4-high avec BrainOutput ?
Oui, via votre propre clé API (BYOK), pour le travail non sensible et seulement si votre politique l'autorise. Le travail sensible reste sur un modèle open-weight exécuté en local ou en cloud privé.
D'où viennent ces scores ?
De LiveBench (livebench.ai), version du 2026-06-25, fichier relevé le 2026-10-08. Le score global est la moyenne des sept catégories, calculée par nos soins. Le classement évolue chaque mois ; nous revérifions au moment du diagnostic.
Savoir si mistral-large-4-high convient à vos tâches
Un diagnostic IA cartographie vos processus, classe ce qui est sensible et compare les modèles actuels sur vos vraies tâches — des chiffres datés, les vôtres cette fois.
Sources
- LiveBench — classement, version 2026-06-25 — consulté le 2026-10-08