AI NEWS
IA Générative
8 min de lecture

Quasar 438B vs Mistral Large 4 vs Kolibri : quel est le meilleur LLM européen en 2026 ?

Résumez cet article avec :

Résumé

Trois LLM européens lancés à cinq semaines d'intervalle. Tous trois proposent des fenêtres de contexte d'un million de jetons, mais chacun repose sur un pari très différent. Nous comparons le Quasar 438B de Multiverse Computing, Mistral Large 4 et Kolibri d'Aleph Alpha en termes de capacités, de benchmarks, de coût réel par tâche et de déploiement souverain. Nous indiquons également quand utiliser chacun d'eux, et pourquoi de nombreuses équipes finiront par alterner entre les trois.

En l'espace de cinq semaines à l'automne 2026, trois laboratoires d'IA européens ont lancé leurs modèles phares. Multiverse Computing a publié Quasar 438B le 2 septembre. Aleph Alpha a suivi avec Kolibri le 3 octobre. Trois jours plus tard, Mistral Large 4 entrait en phase de prévisualisation publique.

Ils proviennent de trois pays différents : l'Espagne, l'Allemagne et la France. Tous trois peuvent gérer environ un million de jetons de contexte et ciblent des charges de travail exigeantes en entreprise. Pourtant, ils font des compromis très différents. Quasar mise sur le raisonnement et le codage agentique, Mistral Large 4 sur l'étendue et la multimodalité, et Kolibri sur la spécialisation allemand-anglais et le déploiement souverain.

Cela fait de « Quel est le meilleur modèle d'IA européen ? » une mauvaise question. La plus pertinente est : quel modèle correspond à une charge de travail donnée, et quel est le coût réel pour accomplir cette tâche ?

Nous avons couvert chaque modèle en profondeur séparément. Cet article les compare côte à côte.

Trois modèles européens, trois paris différents

Quasar 438B provient de Multiverse Computing, une entreprise de Saint-Sébastien qui a passé six ans à compresser les modèles d'autres sociétés avant de construire le sien. Quasar associe 438 milliards de paramètres à une fenêtre de contexte d'un million de jetons et à un raisonnement permanent. Il obtient un score de 43 sur l' Artificial Analysis Intelligence Index, le plus élevé de tous les modèles européens et le 13e sur 178 modèles dans le monde. Deux contraintes sont à noter : il ne prend en charge que l'anglais et l'espagnol, et il est uniquement disponible via API, les poids n'ayant pas été publiés. Son domaine de prédilection est le travail complexe et multi-étapes où la planification, l'utilisation d'outils et le maintien du contexte sont essentiels.

Mistral Large 4surnommé « Le Chonk », adopte l'approche la plus large. Son architecture granulaire de mélange d'experts (Mixture-of-Experts) contient 1 050 milliards de paramètres, mais n'en active qu'environ 49 milliards par jeton. Un encodeur visuel de 1,6 milliard de paramètres lui permet de lire des images aussi bien que du texte, bien qu'il ne génère que du texte. Ses données d'entraînement couvrent plus de 160 langues, dont toutes les langues officielles de l'UE. Mistral le destine aux agents de codage, au traitement de documents, à la cybersécurité, à la finance et aux tâches visuelles industrielles. Durant la phase de prévisualisation, il est disponible uniquement via l'API, et ses poids sont prévus pour le 27 octobre 2026 sous une licence Mistral personnalisée. Il s'agit d'un changement notable par rapport à Mistral Large 3, qui avait été publié sous licence Apache 2.0.

Kolibri est délibérément spécialisé. Il contient 78,1 milliards de paramètres, mais seuls 3,46 milliards environ (soit environ 4,4 %) sont actifs pour chaque jeton. Il a été conçu autour de l'allemand et de l'anglais plutôt que d'ajouter l'allemand par-dessus un modèle anglais :

  • L'allemand représente plus d'un cinquième de ses données de pré-entraînement, soit environ 4 300 milliards de jetons.
  • Son tokeniseur est conçu pour les mots composés allemands.
  • Il raisonne en allemand lorsqu'il travaille en allemand.

Il prend en charge l'appel d'outils et un effort de raisonnement ajustable, allant de aucun à élevé. Ses poids sont sur Hugging Face sous licence Apache 2.0, ce qui en fait le seul des trois que vous pouvez télécharger et exécuter sur votre propre infrastructure dès aujourd'hui.

La différence importante ne réside pas dans la taille. C'est ce que chaque équipe a choisi d'optimiser.

Quasar 438B Mistral Large 4 Kolibri
Developer Multiverse Computing (Spain) Mistral AI (France) Aleph Alpha (Germany)
Released Sept 2, 2026 Oct 6, 2026 (preview) Oct 3, 2026
Primary strength Reasoning, coding & agents General-purpose & multimodal German-English & sovereignty
Parameters 438B 1.05T total / 49B active 78.1B total / 3.46B active
Context window 1M tokens 1M tokens 1M max (262K recommended)
Input Text Text + images Text
Languages English, Spanish 160+, all EU languages German, English
Reasoning & tools Always-on reasoning, tool calling Function calling, agents, built-in tools Adjustable reasoning, tool calling
AA Intelligence Index 43 38 Not listed yet
API price / 1M tokens $0.60 in · $1.80 out $0.68 in · $0.07 cached · $2.09 out Open weights: infra cost
Weights Not released (API only) Oct 27, 2026, custom license Available, Apache 2.0
Self-hosting footprint Not possible ~1 TB GPU memory (8-bit) ~78 GB (FP8), e.g. 2× H100

Specifications and prices as published by each vendor at launch. Mistral Large 4 is in public preview and may change.

Benchmarks : des résultats solides, mais aucun classement unique

Un seul score est directement comparable entre deux des trois modèles : l'Artificial Analysis Intelligence Index, un composite indépendant d'évaluations du raisonnement, des connaissances et des capacités agentiques.

  • Quasar obtient un score de 43, ce qui signifie qu'il reste le modèle européen le mieux noté, même après la sortie de Mistral Large 4.
  • Mistral Large 4 obtient un score de 38, ce qui en fait toujours le modèle à poids ouverts le plus performant en dehors de la Chine sur cet indice.
  • Kolibri n'a pas encore été répertorié.

Au-delà de cette mesure commune, chaque fournisseur met en avant des évaluations différentes, et le choix lui-même révèle la finalité de chaque modèle :

  • Quasar 438B : 69,3 sur Terminal-Bench v2.1, qui mesure des tâches réelles dans des environnements de terminal plutôt que des questions de codage isolées. Il obtient également 75,0 sur AA-LCR, qui teste le raisonnement sur de longs documents plutôt que de simplement accepter une entrée longue. Cette combinaison oriente vers les agents de codage, l'analyse de dépôts et l'automatisation multi-étapes.
  • Mistral Large 4 : 62 % sur DeepSWE v1.1 pour l'ingénierie logicielle à long terme, 67 % sur le benchmark financier Finch et 73 % sur la mise en correspondance visuelle DIOR-RSVG. La plupart de ces chiffres sont autodéclarés et proviennent d'un point de contrôle préliminaire. Sur le classement en direct de DeepSWE, les meilleures configurations publiées atteignent environ 69 %, le résultat de Large 4 est donc solide sans pour autant être en tête.
  • Kolibri : 96,9 sur AIME 2025, 84,3 sur GPQA Diamond et 85,9 sur LiveCodeBench v6, pour un score global de 75,5 en anglais et 70,8 en allemand. Il s'agit des évaluations propres à Aleph Alpha, qui compare Kolibri à des modèles creux de sa propre catégorie de poids, tels que Qwen3.6 35B-A3B et Mistral Small 4, plutôt qu'à des modèles de plus de 400B. L'indicateur pertinent est la qualité par unité de calcul, et non le classement brut.

Ces résultats ont été obtenus avec des évaluations, des méthodologies et des conventions de rapport différentes ; ils ne doivent donc pas être fusionnés dans un seul classement. Un benchmark peut vous indiquer où un modèle excelle, mais il ne peut pas vous dire si cette force est pertinente pour votre application.

Pour les équipes de production, la question utile n'est pas « quel modèle a le score le plus élevé ? » mais plutôt quel modèle produit le résultat le plus utile pour le travail que vous devez réellement accomplir ?

Le contexte d'un million de jetons : ce qui tient par rapport à ce que vous devriez envoyer

Les trois modèles peuvent atteindre environ un million de jetons de contexte. Cela permet de transmettre un dépôt entier, une vaste collection de documents ou l'historique d'un agent sur une longue période sans avoir à le diviser de manière arbitraire.

Cependant, une fenêtre de contexte maximale n'est pas une recommandation pour la remplir à chaque requête. Chaque jeton supplémentaire augmente le coût d'entrée et la latence, et davantage de contexte signifie également plus d'informations non pertinentes entrant en compétition avec les éléments réellement importants.

Kolibri illustre bien cette distinction. Il prend en charge jusqu'à 1 048 576 jetons, mais son contexte natif entraîné est de 262 144 jetons. Aleph Alpha recommande de rester à cette longueur ou en dessous pour les déploiements sensibles à la latence et les tâches complexes, et c'est ce chiffre qu'il faut utiliser pour la planification de production. Le même principe s'applique à Quasar et Mistral Large 4 : le rappel sur contexte long doit être testé sur vos propres données, et non déduit de la taille de la fenêtre.

Une grande fenêtre de contexte change ce qu'une application peut faire. Elle ne supprime pas la nécessité de décider ce que le modèle devrait réellement voir.

A larger context window changes what is possible, not what should be sent.
More context More documents, code and history can fit into one request.
More noise Irrelevant or repeated content increases latency and spend.
Better context strategy Retrieval, selection and caching still determine production efficiency.

Cette décision devient encore plus importante dès lors que le coût entre en ligne de compte.

Au-delà du prix des jetons : combien coûte une tâche terminée ?

Les comparaisons de modèles s'arrêtent généralement au prix par million de jetons en entrée et en sortie. Ce chiffre est utile, mais il peut être trompeur pour les applications agents et les processus de longue durée.

Prenons l'exemple d'un agent de codage IA. La première requête inclut une large partie du dépôt, et le modèle propose une modification. Un appel d'outil exécute les tests, qui échouent. L'agent reçoit le message d'erreur, raisonne à nouveau et réessaie, peut-être plusieurs fois, avant que la tâche ne soit accomplie.

L'application n'a pas acheté une sortie. Elle a acheté un flux de travail. Une mesure de production plus pertinente est :

Coût par tâche réussie = dépense totale du flux de travail ÷ tâches terminées avec succès

La dépense totale du flux de travail comprend :

  • les jetons d'entrée, y compris le contexte répété et non mis en cache
  • les jetons de sortie et de raisonnement
  • les appels d'outils
  • les tentatives et échecs
MODEL PRICING

Token price is only the starting point

1. Request Input + context
2. Generation Output + reasoning
3. Workflow Tools + repeated context
4. Recovery Retries + failed attempts
Production metric Cost per successful task

Cela change la façon dont la tarification de chaque modèle doit être interprétée.

Quasar coûte 0,60 $ par million de jetons d'entrée et 1,80 $ par million de jetons de sortie, et son raisonnement est toujours activé. Cela signifie que les jetons de sortie incluent le raisonnement, et pas seulement la réponse visible. Lors d'un appel mesuré via Eden AI, une question d'une seule phrase a utilisé 22 jetons d'entrée et 919 jetons de sortie, pour environ 0,0017 $. C'est peu coûteux pour une étape de raisonnement complexe, mais inutilement dispendieux pour une simple extraction ; Quasar est donc à réserver aux étapes qui en ont réellement besoin.

Mistral Large 4 affiche 0,68 $ par million de jetons d'entrée, 2,09 $ par million de jetons de sortie et seulement 0,07 $ par million pour les entrées mises en cache. Pour les agents qui envoient de manière répétée les mêmes instructions, documentations ou contexte de dépôt, la mise en cache modifie l'économie du projet. Une invite de 500 000 jetons coûte environ 0,34 $ au tarif standard et environ 0,035 $ depuis le cache. La page de tarification note également que le traitement par lots divise par deux le prix pour les tâches non urgentes.

Kolibri soulève une question économique différente, car il n'y a pas de coût par jeton lorsque vous l'hébergez vous-même. Les coûts pertinents deviennent alors l'infrastructure GPU, la concurrence, l'énergie, le temps d'ingénierie et la maintenance. Sa conception creuse est ce qui rend l'auto-hébergement réaliste :

  • Kolibri : les poids FP8 nécessitent environ 78 Go de mémoire, ce qui tient sur deux H100 ou un seul B200.
  • Mistral Large 4 : les poids seuls nécessitent environ 1 To en 8 bits, ce qui implique des déploiements multi-GPU, et souvent multi-nœuds.

C'est pourquoi comparer uniquement le tarif au jeton le plus bas peut mener à une conclusion erronée. Un modèle plus coûteux peut s'avérer moins cher par tâche s'il nécessite moins de tentatives, produit moins de résultats invalides ou accomplit des travaux en plusieurs étapes de manière plus fiable. À l'inverse, un excellent modèle utilisé pour des requêtes triviales rend une application plus coûteuse qu'elle ne devrait l'être.

L'objectif pertinent n'est pas le prix minimum par jeton. Il s'agit du coût minimum pour un résultat satisfaisant.

La souveraineté est une architecture, pas une étiquette

L'« IA européenne » est une catégorie de plus en plus floue. Un modèle conçu par une entreprise européenne ne rend pas souverain chaque déploiement qui l'utilise. La souveraineté dépend de quatre facteurs :

  • le modèle lui-même
  • le lieu d'exécution de l'inférence
  • le lieu de traitement des données
  • la capacité d'une organisation à modifier ou à déplacer le système sans dépendre d'un fournisseur unique

Nous avons exploré cette lacune dans Le chaînon manquant de la souveraineté européenne en matière d'IA.

AI sovereignty Control over the AI stack
Model Weights, training, licensing and intellectual property
Infrastructure Where inference runs and who controls the hardware
Data Where inputs are processed, stored and governed
Operations Deployment, monitoring, updates and provider independence

Les trois modèles occupent des positions très différentes sur cette carte.

Kolibri couvre le plus grand nombre de couches. Développé en Allemagne, il a été entraîné sur des infrastructures situées en Allemagne et en Finlande. Ses poids sont publics sous licence Apache 2.0, ce qui permet à une organisation de le déployer sur son propre matériel ou via le partenaire d'hébergement de son choix. Aleph Alpha est également signataire du code de pratique européen pour l'IA à usage général.

Quasar offre une valeur différente. Il permet d'accéder au modèle de raisonnement le plus performant d'Europe sans avoir à gérer d'infrastructure. Cependant, comme les poids ne sont pas publiés, le contrôle du modèle et de l'inférence reste entre les mains du fournisseur.

Mistral Large 4 est en phase de transition. Aujourd'hui, il s'agit d'un modèle accessible via API depuis l'infrastructure européenne de Mistral, avec des options de non-conservation des données. À partir du 27 octobre, les poids seront disponibles sous une licence personnalisée. Cela ouvre la voie à un auto-hébergement, mais les conditions de licence ainsi que les exigences matérielles doivent être évaluées avant de s'appuyer sur cette solution.

Même des poids ouverts ne constituent pas une réponse complète en matière de conformité. Le respect du RGPD dépend de la manière dont l'ensemble de l'application traite les données — y compris les contrôles d'accès, la conservation, la journalisation et la surveillance — et non du modèle utilisé en son cœur.

Quel modèle choisir ?

En pratique, le choix dépend de la charge de travail :

  • Une société de logiciels développant un agent de codage autonome privilégiera probablement les capacités de raisonnement et les performances de pointe de Quasar.
  • Une multinationale développant un assistant multilingue pour les marchés européens appréciera la couverture linguistique et la compréhension d'images de Mistral Large 4.
  • Une administration publique traitant des documents allemands sensibles privilégiera peut-être le contrôle du déploiement plutôt que les scores de référence, ce qui oriente le choix vers Kolibri.
Workload Best fit Why
Agentic coding Quasar 438B Reasoning, tool use, long context and strong terminal performance.
Complex long-context reasoning Quasar 438B 1M context paired with a 75.0 AA-LCR long-context reasoning score.
Spanish-language products Quasar 438B Spanish is a first-class language alongside English.
Multilingual enterprise applications Mistral Large 4 160+ languages, including every official EU language.
Multimodal workflows Mistral Large 4 Text and image input, strong visual grounding, 1M-token context.
Agents with large repeated context Mistral Large 4 Cached input at $0.07 per million tokens.
German-language applications Kolibri Trained and tokenized specifically for German and English.
Sovereign or self-hosted deployment Kolibri Apache 2.0 weights that run on two H100s or one B200.

Notez que chaque modèle l'emporte sur plusieurs points. C'est là la véritable leçon : ces choix ne sont pas mutuellement exclusifs, et un système en production n'a pas besoin de se limiter à un seul modèle pour toutes ses tâches.

Pourquoi l'architecture la plus robuste peut combiner les trois

Imaginez une application d'entreprise qui gère plusieurs types de requêtes :

  • La classification et l'extraction simples sont confiées à un modèle petit et peu coûteux.
  • Un document multilingue contenant des images est envoyé à Mistral Large 4.
  • Une étape complexe de raisonnement ou de codage est traitée par Quasar.
  • Un flux de travail en langue allemande impliquant des données internes sensibles est exécuté sur un déploiement Kolibri auto-hébergé.
APPLICATION One AI workflow
ROUTING LAYER Choose by task, cost, language & constraints
Quasar 438B
Hard reasoning
Agentic coding
Mistral Large 4
Multilingual
Multimodal
Kolibri
German / English
Sovereign workloads
Lightweight model
Classification
Extraction

C'est là qu'une passerelle de modèles devient utile. Au lieu d'intégrer des solutions spécifiques à chaque fournisseur dans toute l'application, les équipes placent une couche de routage entre l'application et les modèles. Cette couche peut alors évaluer les capacités, la langue, le coût, la latence, la disponibilité et les exigences en matière de données pour chaque requête. Notre guide sur les stratégies de routage LLM couvre les principales approches.

Le changement conceptuel est important : le choix du modèle devient une décision prise à l'exécution plutôt qu'un engagement architectural permanent. Une organisation pourrait commencer par utiliser Mistral Large 4 comme route polyvalente, envoyer ses tâches de raisonnement les plus complexes à Quasar, et réserver Kolibri aux charges de travail nécessitant une spécialisation en allemand ou un auto-hébergement. La même architecture permet une solution de secours : si un modèle devient indisponible, trop lent ou inadapté à une requête, une autre route prend le relais.

Avec Eden AI, Quasar est déjà appelable en tant que compactifai/quasar-438b via le même point de terminaison compatible OpenAI que des centaines d'autres modèles. Vous pouvez vérifier la disponibilité actuelle des autres modèles dans le catalogue de modèles Eden AI. Pour les charges de travail qui doivent rester en Europe, le point de terminaison européen permet de maintenir les prompts, les fichiers et les résultats au sein de l'Europe, sans aucune rétention de données. Cette route peut fonctionner parallèlement à un déploiement Kolibri auto-hébergé.

C'est également la raison pour laquelle l'évaluation comparative doit se faire au niveau du flux de travail. Exécutez les mêmes tâches réelles via plusieurs routes et mesurez :

  • le taux de réussite des tâches
  • taux de sortie accepté
  • nombre de tentatives
  • total des jetons consommés, raisonnement inclus
  • latence
  • fiabilité des appels d'outils
  • coût par tâche réussie
  • exigences en matière de données et de déploiement

Le résultat est une comparaison de modèles beaucoup plus proche de la réalité de la production.

Ce que cela révèle sur l'IA européenne en 2026

La conclusion la plus intéressante n'est pas que l'un de ces trois modèles soit le champion européen. C'est que l'IA européenne ne converge plus vers une stratégie unique:

  • Mistral mise sur l'échelle, l'étendue et la multimodalité.
  • Multiverse Computing a démontré qu'un spécialiste de la compression peut atteindre le sommet des classements de performance européens.
  • Aleph Alpha se construit autour de la spécialisation, du contrôle du déploiement et de la souveraineté.

Le paysage s'est également élargi. L'IA européenne a été, pendant deux ans, une histoire essentiellement franco-allemande ; son modèle le mieux classé est désormais espagnol. Pour une vision plus complète de l'écosystème, consultez notre aperçu des meilleurs fournisseurs de modèles d'IA européens.

Pour les équipes qui développent des produits d'IA, cette diversité est une bonne nouvelle. Le meilleur modèle n'est pas nécessairement celui qui obtient le score le plus élevé aux tests de référence ou celui dont le prix au jeton est le plus bas. C'est celui qui offre la combinaison idéale de capacités, de fiabilité, de rentabilité et de contrôle pour chaque tâche.

À mesure que les applications deviennent plus autonomes, la définition du coût continuera d'évoluer, passant du prix par jeton à coût par résultat concluant. C'est peut-être l'indicateur le plus important à suivre cette année.

FAQ

There is no single best model for every workload. Quasar 438B has the highest European score on the Artificial Analysis Intelligence Index (43) and is strongest for reasoning and agentic coding. Mistral Large 4 is the broadest choice for multilingual and multimodal applications. Aleph Alpha's Kolibri stands out for German-English workloads and sovereign, self-hosted deployment.
They optimize for different workloads. Quasar scores higher on the independent Artificial Analysis Intelligence Index (43 vs. 38) and is particularly strong for reasoning, long-context work and agentic coding. Mistral Large 4 accepts images, covers more than 160 languages and offers cheap cached input. The better choice depends on the tasks your application needs to complete.
Kolibri is designed specifically around German and English. German makes up more than a fifth of its pre-training data, and its tokenizer is optimized for German compound words. Mistral Large 4 is the stronger choice when German is one language among many in a broader multilingual application. Quasar does not support German.
Kolibri can be self-hosted today: its weights are available under Apache 2.0 and need about 78 GB of memory in FP8. Mistral Large 4's weights are scheduled for October 27, 2026 under a custom Mistral license, and they require roughly 1 TB of GPU memory at 8-bit. Quasar 438B is API-only, since its weights have not been released.
No. A production workflow can include multiple model calls, long contexts, reasoning tokens, tool calls, failed attempts and retries. A better metric is cost per successful task, which measures how much the system spends to produce an acceptable completed outcome.
Not necessarily. A large context window makes larger inputs possible, but sending unnecessary information increases cost and latency and can dilute the relevant evidence. Kolibri, for example, supports 1M tokens but recommends 262K for production. Retrieval, context selection and caching remain important even with million-token models.
Kolibri has the clearest sovereign-deployment profile of the three. Its weights are available under Apache 2.0 and can run on infrastructure the organization controls. Sovereignty still depends on the complete architecture, including infrastructure, data handling and operations, not on the model alone.
Not necessarily. Different models can be routed to different tasks based on capability, cost, latency, language and deployment requirements. A multi-model architecture also provides fallback when a primary model is unavailable or unsuitable for a request.
Quasar 438B is available on Eden AI as compactifai/quasar-438b through an OpenAI-compatible endpoint. Availability of other models should be checked in the Eden AI model catalog, as integrations are added regularly. Eden AI's EU endpoint keeps requests and data routed within Europe with zero data retention, and it can run alongside a self-hosted model such as Kolibri.

Articles similaires

COMMENCEZ

Commencez à créer avec Eden AI

Une interface unique pour intégrer les meilleures technologies d’IA dans vos flux de travail.