Mistral Large 2

Fiche modèle · Mistral AI · mistral-large-2-2407

A 123B parameter model with strong capabilities in code generation, mathematics, and reasoning. Features enhanced multilingual support across dozens of languages, 128k context window, and advanced function calling capabilities. Excels in instruction-following and maintains concise outputs.

Fiches modèles

Identité

Organisation	Mistral AI
Pays	—
Famille	—
Type	llm
Date de sortie	2024-07-24
Licence	mistral research license
Licence commerciale	non
Licence open source	non
Poids ouverts	oui
Auto-hébergement (DGX Spark)	non — 123 Md > 107 Md
Modalités	text
Fenêtre de contexte	128 000
KV cache / token (Q8)	—
Paramètres totaux	123 B
Paramètres actifs (session)	123 B
Source des paramètres actifs	web : https://mistral.ai/news/mistral-large-2407
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	—
Créé le	2026-05-07T16:53:32.220532Z
Mis à jour le	2026-11-04T06:04:56.410932Z
Source	LLM Stats
URL	https://llm-stats.com/models/mistral-large-2-2407

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non — hors DGX Spark (> 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
chat	0.90
language	0.80
legal	0.80
math	0.90
reasoning	0.90
roleplay	0.90
finance	0.80
general	0.90
healthcare	0.80
code	0.90
communication	0.90
creativity	0.90

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
gsm8k	math	0.93	1.00	0.93	non	oui	2026-11-04T06:04:56.423318Z
humaneval	reasoning	0.92	1.00	0.92	non	oui	2026-11-04T06:04:56.433526Z
mmlu	general	0.84	1.00	0.84	non	oui	2026-11-04T06:04:56.443148Z
mmlu-french	language	0.83	1.00	0.83	non	oui	2026-11-04T06:04:56.453180Z
mt-bench	chat	0.86	100.00	0.86	non	oui	2026-11-04T06:04:56.463500Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	152	—	13.00	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04