Mistral Large 4の公開プレビュー開始、1.05兆パラメータのMoEモデル

Mistral Large 4の公開プレビュー開始、1.05兆パラメータのMoEモデル

基本情報

項目 内容
公開日 2026-10-06
出典の種類 公開元の一次情報(Mistral公式ブログとドキュメントが一次情報)

情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。

概要

欧州のAIスタートアップであるMistral AIは、同社最大かつ最も強力な新しいフラグシップモデル「Mistral Large 4」(非公式名:le Chonk)の公開プレビューを開始しました。本モデルは総パラメータ数1.05兆、アクティブパラメータ数490億のネイティブマルチモーダルモデルであり、オープンウェイトモデルの性能限界を大きく押し広げることを目指して開発されました。現在はMistral StudioにてプレビューAPIが提供されており、モデルのウェイト(重みデータ)は2026年10月末に公開される予定です。

スペック

公開された資料に基づく「Mistral Large 4」のスペックは以下の通りです。

  • 総パラメータ数: 1.05兆(1.05T)
  • アクティブパラメータ数: 490億(49B)
  • ビジョンエンコーダー: 16億(1.6B)パラメータ
  • アーキテクチャ: 粒度の細かいMixture-of-Experts(MoE)
  • コンテキスト長: 100万(1M)トークン
  • 対応言語: 欧州連合(EU)のすべての公用語を含む160以上の言語

性能

Mistral AIが公表した測定結果によると、Mistral Large 4はサイバーセキュリティ、エージェントワークフロー、コーディング、およびマルチモーダル理解の各分野で、既存の強力なオープンウェイトモデルや一部のクローズドモデルを凌駕する極めて高い性能を示しています。

サイバーセキュリティと安全性

サイバーセキュリティ分野において、本モデルは非常に優れた実績を示しています。独立評価機関であるArtificial Analysisの「Cyber Index」において、世界トップ5に入り、中国外で開発されたオープンウェイトモデルとしては大きな差をつけて首位に立っています。

  • 脆弱性の再現とパッチ適用: 実際のオープンソースソフトウェアの脆弱性を再現して修正するテストにおいて、82%という最高スコアを記録しました。競合するクローズドモデルであるClaude Opus 5.5やGPT-6 Astraは、安全フィルターによる拒否が発生してスコアがほぼ0%にとどまる中、実用的な防御活動において圧倒的な優位性を示しています。
  • Cybench: セキュリティ競技会の課題40問からなるベンチマークにおいて93%を解決し、オープンウェイトモデルとして最高水準のスコアを報告しています。
  • B3 AI Security Benchmark: Lakeraの公開ベンチマークにおいて、93.3%の攻撃を阻止し、競合モデルの中で最も高い耐性を示しました。

エージェントとコーディング

開発や業務自動化を行うエージェントとしての能力も高く評価されています。

  • コーディングエージェント: 「DeepSWE v1.1」で61.7%、「SWE-Atlas-QnA」で59.4%を記録しました。また、ターミナル上で実際にコマンドを実行して与えられた作業を最後までやり切れるかを測る「Terminal-Bench 4」(Terminal-Bench 4.0)では28.3%を記録しています。これらの統合スコアであるCoding Agent Indexは49.8%に達し、DeepSeek V4 Pro 0813やQwen3.8 Maxを上回る性能を示しました。
  • ブラインド評価: Surge AIと共同で実施されたプロの評価者によるコーディング品質のブラインド評価(5点満点)では、本モデルは3.74を記録し、Kimi K3(3.59)やGLM-5.3(3.60)を抑えて2位となりました。ただし、首位のClaude Opus 5(4.22)には及びませんでした。
  • 業務ワークフロー: アプリ連携タスクを評価する「AutomationBench」では59.9%を記録し、Kimi K3やMiMo-V2.6-Pro、DeepSeek V4 Proを上回っています。

画像理解と視覚的グラウンディング

画像とテキストを組み合わせたマルチモーダル性能、特に視覚的グラウンディング(画像内の特定オブジェクトの検出や位置特定)において、クローズドモデルを超える性能が報告されています。

  • Dense 200: 視覚的グラウンディングタスクにおいて42%を記録し、GPT-6 Astraの41%を上回る成果を示しました。
  • 図表の理解: グラフ画像から数値や傾向を読み取る「ChartQA」などのタスクでも強力な推論能力を発揮します。

他モデルとの比較における優劣

公開元のデータや第三者の報告から、本モデルはサイバーセキュリティや視覚的グラウンディング、特定のSTEM分野(CADや物理・数学)において、最高峰のクローズドモデルや競合オープンモデルを上回る、あるいは比肩する実力を持っていることがわかります。一方で、一般的なコーディング品質のブラインド評価ではClaude Opus 5に一歩譲る形となっており、また、一部の外部ベンチマーク(Vals Indexなど)においてはGLM-5.3(53.51%)に対して本モデル(48.05%)が下回っているとの指摘もなされています。このように、特定の専門的ワークロードで非常に強い個性を放つ一方で、すべての総合指標で他を圧倒しているわけではないというトレードオフが存在しています。

得意なこと・想定用途

Mistral Large 4は、高度な推論能力とマルチモーダル理解を組み合わせることで、以下のような専門性の高い実務において特に真価を発揮します。

サイバーセキュリティ

本モデルの最も際立った得意分野の一つがサイバーセキュリティです。ソフトウェアの脆弱性を実際に再現して修正パッチを適用する作業や、マルウェアの解析、脆弱性の優先順位付け、検出ルールの作成などに適しています。多くのクローズドモデルでは、安全フィルターの制限によって正当な脆弱性調査やインシデント対応の要求が拒否されてしまう問題(プロバイダーレベルの拒否)がありますが、オープンウェイトである本モデルを自社環境にデプロイすることで、ポリシーに縛られずに高度なセキュリティ業務を遂行できます。

高度なエージェントワークフロー

複雑な指示を理解し、自律的にツールを使いこなしてタスクを完結させるエージェントとしての利用に適しています。GmailやGoogle Sheets、Slack、Salesforceといった外部アプリケーションを連携させたビジネスワークフローの自動化や、スプレッドシート、プレゼンテーションスライド、PDFなどの複雑なビジネス文書の作成・編集作業において、高い処理能力を発揮します。

ソフトウェア開発とコーディング

リポジトリ全体の構造を理解した上でのソフトウェアエンジニアリングや、ターミナル上での複雑なコマンド操作を伴うワークフローを得意としています。仕様に沿って関数を実装したり、コードのデバッグを行ったりする開発支援エージェントとしての活用が想定されています。

視覚的グラウンディングとドキュメント解析

16億パラメータのビジョンエンコーダーを搭載したことで、画像理解能力が飛躍的に向上しています。複雑な図表やグラフの読み取り、PDFからの証拠データの抽出はもちろん、ギガピクセル級の超高解像度な衛星画像の解析や、工業用設計図の細部をズームして検証するような、極めて緻密な視覚的グラウンディングタスクに対応できます。これにより、災害対応や製造業、エンジニアリングなどの現場における視覚的な意思決定を強力に支援します。

科学・数学分野(STEM)

物理学、数学、材料科学、生物学などの専門的な科学ワークフローの実装に優れています。データ分析やシミュレーションコードの生成を得意としており、例えば化学における複雑な「Hartree–Fock(ハートリー–フォック)シミュレーション」のコードをワンショットで生成するような、高度な学術研究のアシスタントとして機能します。

多言語ビジネス

160以上の言語に対応しており、EU(欧州連合)のすべての公用語を網羅しています。多言語での高度な文書作成や翻訳、法的・財務的な分析業務など、グローバルなビジネス展開における主軸モデルとして活用できます。

入手方法

Mistral Large 4は、現在公開プレビューの段階にあります。

プレビューAPIでの利用

現在はMistral AIのプラットフォームである「Mistral Studio」にて、プレビューAPIを介してモデルを試すことができます。APIの利用料金は、入力100万トークンあたり1.36ドル、出力100万トークンあたり4.18ドルに設定されています。

ウェイトの公開予定

ローカル環境やプライベートクラウド、オンプレミス環境にデプロイして動かすためのモデルウェイト(重みデータ)は、2026年10月末までに公開される予定です。ウェイトが公開されれば、組織独自のセキュリティポリシーに準拠した形で、完全に独立したインフラ上で本モデルを自社運用することが可能になります。

関連記事

次に読むなら

出典