Nous utilisons des cookies pour améliorer votre expérience, personnaliser le contenu et analyser notre trafic ; consultez notre Politique cookies.
mistral/mistral-large-4Le modèle phare de Mistral, pour des textes soignés en français
Mistral Large 4 est le modèle phare de Mistral AI, sorti le 6 octobre 2026 en préversion publique. Il succède à Mistral Large 3 avec une fenêtre de contexte d'un million de tokens, la lecture d'images et des réponses jusqu'à 262K tokens.
Il rédige avec soin en français comme en anglais : annonces, e-mails, synthèses, réponses clients au ton juste. Il appelle des outils et renvoie du JSON. Sur Tchavi, il répond directement ; ajoutez reasoning_effort: "high" pour qu'il raisonne avant de répondre, utile pour les calculs et les problèmes en plusieurs étapes.
Sur Tchavi, vous le payez en mobile money, sans carte bancaire internationale ni KYC, avec une seule clé API pour 80+ modèles. Compatible OpenAI : changez l'URL de base, gardez votre SDK.
Annonces, e-mails et synthèses au ton juste, en français et en anglais
Environ un million de tokens d'entrée dans une seule requête
De très longues réponses en une seule passe
Captures, photos et schémas avec votre texte
Appel de fonctions et sortie structurée
reasoning_effort: "high" active la réflexion avant la réponse
Rédige une réponse polie à un client de Porto-Novo mécontent d'un retard de livraison, avec un geste commercial.
Résume ce contrat de prestation en dix points, avec les obligations de chaque partie.
Analyse cette capture de tableau de ventes et donne les trois tendances principales.
Large 4 est la nouvelle génération : un million de tokens de contexte contre 262K, et le raisonnement à la demande. Large 3 (model: "mistral-large-latest") revient moins cher pour les tâches courantes.
Ajoutez reasoning_effort: "high" à votre requête. message.content devient alors une liste : un bloc de réflexion, puis le texte de la réponse. Sans ce paramètre, il répond directement avec une simple chaîne de texte.
Les images, oui : captures, photos et schémas. Pour un PDF, extrayez d'abord le texte, ou choisissez un modèle qui accepte les documents.
Jusqu'à 1 048 576 tokens en entrée, et jusqu'à 262 144 tokens par réponse.
Remplacez l'URL de base par celle de Tchavi, utilisez votre clé Tchavi et indiquez model: "mistral-large-4" sur /v1/chat/completions. Le reste de votre code ne change pas.
Oui. Rechargez votre compte Tchavi avec Orange Money, MTN MoMo, M-Pesa ou un autre opérateur mobile money : aucune carte bancaire n'est nécessaire. Les crédits arrivent dès que le paiement est confirmé et sont débités à l'usage.
Oui. Gardez votre SDK OpenAI actuel, remplacez simplement l'URL de base par celle de Tchavi (visible dans l'onglet API) et utilisez votre clé Tchavi. Le reste de votre code ne change pas.
import Tchavi from '@tchavi/sdk';
const client = new Tchavi({ apiKey: 'API_KEY' });
const response = await client.chat.completions.create({
model: 'mistral-large-4',
messages: [
{
"role": "user",
"content": "Hello!"
}
],
});
console.log(response.choices[0].message.content);
console.log('Credits used:', response.tchavi.credits_used);Tous les paramètres acceptés par ce modèle. Consultez le SDK pour les types complets.
modelRequisIdentifiant du modèle de chat (ex. `mistral-large-4`).
messagesRequisMessages de la conversation. Chaque élément a un `role` (system/user/assistant) et un `content` qui peut être soit une chaîne simple, soit un tableau de blocs de contenu (`text`, `image_url`, `document_url`).
temperature1Température d'échantillonnage entre 0 et 2. Plus haut = plus aléatoire.
max_tokensNombre maximum de tokens à générer dans la réponse.
max_completion_tokensAlias OpenAI pour `max_tokens`. Les deux fonctionnent ; si les deux sont fournis, `max_completion_tokens` prime.
streamfalseSi vrai, les deltas de message partiels sont streamés en Server-Sent Events.
toolsOutils pour le function-calling. Passe un tableau de `{ type: "function", function: { name, description, parameters } }`. Les appels d'outils renvoyés sont dans `choices[].message.tool_calls`. Réservé aux modèles avec `supportsTools: true`.
tool_choiceComment le modèle choisit parmi les outils : `"auto"` (par défaut), `"none"` pour forcer une réponse texte, ou `{ type: "function", function: { name } }` pour forcer un outil précis. Uniquement avec `supportsTools: true`.
response_formatContraint la sortie. Passe `{ type: "json_object" }` pour forcer un JSON valide (le modèle a quand même besoin d'une instruction JSON dans le prompt). Uniquement avec `supportsJsonMode: true`.
top_p1Échantillonnage nucleus : seuls les tokens dans la masse de probabilité `top_p` sont considérés.
seedGraine entière pour une sortie déterministe. Même seed + même requête = même complétion, quand le fournisseur le supporte. OpenAI l'honore ; Anthropic l'ignore.
n1Nombre de complétions à générer en un appel. Défaut 1 ; chaque complétion supplémentaire est facturée.
stream_optionsOptions de streaming, ex. `{ "include_usage": true }` pour recevoir un dernier chunk SSE avec les compteurs d'usage. Effectif uniquement quand `stream: true`.
stopJusqu'à 4 séquences après lesquelles l'API cesse de générer.
frequency_penalty0Entre -2.0 et 2.0. Les valeurs positives pénalisent les tokens fréquents.
presence_penalty0Entre -2.0 et 2.0. Les valeurs positives encouragent à parler de nouveaux sujets.
userIdentifiant utilisateur final transmis au fournisseur pour le suivi modération / abus. Doit rester stable par utilisateur.
logit_biasBiais logit par token `{ "<tokenId>": <-100..100>, ... }`. Spécifique OpenAI ; Anthropic l'ignore.
messages[].content[].image_urlAttachez une image à un message utilisateur. Passez un bloc de contenu `{ "type": "image_url", "image_url": { "url": ... } }`. PNG / JPEG / WebP, jusqu'à 4 par requête. Seuls les modèles avec `supportsImageInput: true` acceptent ce bloc (ex. `gpt-4o`, `claude-opus-4-7`).
Estimation sur 30 jours, pour un message type : ~500 tokens en entrée + ~150 en sortie, facturé au millième de crédit.