Mistral、1兆パラメータの「Mistral Large 4」を公開 ― 有効パラメータ490億、API料金は入力1.36ドル・出力4.18ドル
フランスのAI企業Mistral AIは、2026年10月6日、新モデル「Mistral Large 4(ML4)」をパブリックプレビューとして公開しました。社内の愛称は「Le Chonk」で、1兆(1T)パラメータを持つ同社最大のモデルです。重みはまだ公開されておらず、今月末に公開する予定です。
TechCrunchは、Mistralが、このモデルを、米国のクローズドモデルと中国のオープンモデルの両方に対する代替として位置づけていると報じました。本記事では、Mistral公式ブログとTechCrunchの記事をもとに、スペック、性能、戦略、留意点を整理します。
なお、ベンチマークの多くはMistralが公表した数値で、一部は外部機関(Artificial Analysis、vals.ai、Surge AIなど)による評価です。第三者による再現を経たものではない点に注意が必要です。
1. Mistral Large 4の概要
1-1. スペックと提供スケジュール
公式ブログによると、ML4は次のようなモデルです。
1兆パラメータで、有効パラメータは490億のMoE(Mixture of Experts)型
画像入力に対応するネイティブなマルチモーダルモデル
指示追従、推論、エージェント機能を1つのモデルに統合
160超の言語を学習し、EUの全公用語を含む
現時点ではMistral Studioでプレビュー版のAPIを利用可能。重みの公開は月末
API料金は、100万トークンあたり入力1.36ドル、出力4.18ドルと表示されています。
1-2. 重み公開が遅れている理由
TechCrunchによれば、現段階ではガードレール付きのエンドポイントのみで、重みは約3週間後に公開される見込みです。同社の科学担当VPであるピエール・ストック氏は、その間に信頼できるパートナーや政府と連携し、公開後の重みが「防御には使えても悪意ある攻撃には使えない」状態にすると述べました。
公式ブログも、サイバーセキュリティ分野の主要関係者、審査済みのパートナー、政府機関と実環境でレッドチーム演習を実施していると説明しています。これらの参加者は、モデレーションを緩和し、サイバー能力を拡張した同じモデルにアクセスできます。
2. 性能 ― Mistralが示した主な数値
2-1. サイバーセキュリティ
Mistralが最も強調したのが、サイバー分野です。
Artificial AnalysisのCyber Indexで、世界上位5モデルに入り、中国以外が開発したオープンウェイトモデルでは大差で首位
実在の脆弱性を再現してから修正するテストで82%。同社はこれを全モデル中最高と説明
競技会由来の40問で構成されるCybenchで93%を解決
Claude Opus 5.5やGPT-6 Astraなどのクローズドモデルは、同じテストでほぼゼロだったとされる。理由は、タスクを実行せず「拒否」するため
同社は、防御の現場では脆弱性が実在すると証明する作業から始まることが多く、クローズドモデルの安全フィルターがそれを妨げる可能性があると主張しています。一方で、JailbreakBenchなどによる悪意あるサイバー要求に対する平均拒否率は、比較対象のオープンウェイトモデルの中で最も高いとしています。
2-2. コーディング
DeepSWE v1.1が61.7%、SWE-Atlas-QnAが59.4%、Terminal-Bench 4が28.3%
3指標を合わせたCoding Agent Indexは、49.8%で、DeepSeek V4 Pro 0813とQwen3.8 Maxを上回る
Surge AIによる人間のブラインド評価(5段階)では、5モデル中2位(3.74)。1位はClaude Opus 5(4.22)で、Kimi K3(3.59)、GLM-5.3(3.60)、GLM-5.2(3.40)を上回った
なお、DeepSWE、Terminal-Bench 4、SWE-Atlas-QnAの数値は、評価用ハーネスの公開前にArtificial Analysisが非公開で測定したものだと注記されています。
2-3. エージェントとマルチモーダル
業務ワークフロー657件を対象とするAutomationBenchで59.9%。Kimi K3、MiMo-V2.6-Pro、DeepSeek V4 Proを上回る
長期の知的業務を測るAA-Briefcaseで1,393 Elo(DeepSeek V4 Pro超え)
視覚的な位置特定(visual grounding)のベンチマークDense 200で42%。GPT-6 Astraの41%を僅差で上回る
ギガピクセル級の衛星画像や、機械の設計図の検証にも適用できると説明
2-4. 知識労働と科学
vals.aiによる法務・金融タスクの評価で、GPT-6 Astraを上回ったと同社は説明
HarveyAIのLegal Agentベンチマークで、オープンソースモデルの中で最高
科学計算ベンチマークSciCode-Verifiedで、オープンウェイトモデルの中で最高水準
社内の専門家評価では、GLM-5.3に対し、CADとSTEM分野で優位、金融とコーディングでは同等かそれに近い
2-5. 安全性
LakeraのB3ベンチマークで、攻撃の**93.3%**に耐性。競合に、これより高いスコアは見当たらないとしている
KORAベンチマークで1.691(満点2)で、同社のオープンウェイトモデルとして最高値
3. 「第三の道」を掲げる戦略
3-1. 欧州で訓練し、ソブリンAIを訴求
ML4は、欧州にあるMistral自社のデータセンターで、3,800基のNVIDIA Grace Blackwell GPUを使って最初から訓練されました。プレビューのサービスも同じインフラで提供されています。TechCrunchは、ストック氏が「約4,000基のGPUで、中国の競合の2〜3分の1」と説明したと伝えています。公式ブログの3,800基と数字に差がありますが、いずれも同規模の記述です。
同社は、欧州内で独立して運営し、欧州の法律の下で動く展開も用意するとしています。オープンウェイトによって、企業が自社環境で運用できる点も訴求しています。
3-2. 閉じたモデルと中国製オープンモデルの間
TechCrunchは、背景にある対立を次のように描いています。
クローズドモデルは、提供停止などで「プラグを抜かれ得る」リスクがある
オープンモデルは、中国製が多い
Mistralはその間に立ち、ML4を代替の選択肢として位置づける。仏大統領マクロン氏が「AIにおける第三の道」と表現した流れに沿う
ストック氏は、オープンウェイトのほうが監査しやすいという利点にも触れました。
3-3. 資金と投資家
TechCrunchによれば、同社は、前月、サムスンが主導したシリーズDで、評価額210億ユーロ(約243.9億ドル)、調達額30億ユーロを発表しました。Mistral公式ブログは、これを欧州のテック企業が調達した株式ラウンドとして過去最大と説明しています。シリーズCはASMLが主導しました。
ストック氏は、ML4の最適化領域として、サイバー、金融に加え、チップ設計を挙げました。ASMLとサムスンという2大出資者の事業領域とも重なります。
また、Mistralは、前回の発表で、中国製モデルのホスティングを手がけると伝えましたが、単なる推論プロバイダーへの転換ではないと説明していました。TechCrunchは、ML4によって同社を「フロンティアラボ」として見てもらえると同社が考えている、と記しています。
4. 強化学習への投資
公式ブログは、ポストトレーニングの設計にも多くを割いています。
強化学習(RL)を使い、モデル自身の試行結果から学習し、難易度と範囲を引き上げていく
3,000基のGPU規模で、1回の学習が1日約330億トークンを生成し、フィルタリング後の学習可能な完了トークンは約160億
実行中のRLはまだ継続中で、「飽和の兆しはない」として、今後数週間から数か月で大幅な改善を見込む
ML4は、特化・最適化した次世代のMistralモデルの土台にもなる予定です。
5. 留意点
ベンチマークの検証:多くが同社の公表値で、一部は評価ハーネスの公開前の非公開数値です。TechCrunchも、ベンチマーク結果は「まだ出揃っていない」と記しています
「拒否でゼロ」の見方:クローズドモデルが低スコアなのは、能力ではなく安全方針による拒否が理由だと同社は説明しています。この比較をどう評価するかは、立場によって分かれます
重みは未公開:現時点でオープンウェイトモデルとは言えず、公開後のライセンスや条件の確認が必要です
今後の更新:同社は、アーキテクチャ、追加のベンチマーク、ポストトレーニング手法を、重みの公開時に開示すると述べています
