Mistral Large 4 (Le Chonk)公開:1Tパラメータのマルチモーダルモデル

基本情報
| 項目 | 内容 |
|---|---|
| 公開元 | Mistral AI |
| 公開日 | 2026-10-29 |
| 出典の種類 | 公開元の一次情報(Mistral AI公式ブログからの一次情報) |
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
Mistral AIは、1-trillion-parameterのネイティブマルチモーダルモデル「Mistral Large 4 (Le Chonk)」のモデル重みを公開しました。パブリックプレビューの公開後に3週間の強化学習を重ねたことで、コーディング、サイバーセキュリティ、推論効率の面で大幅な機能向上を実現しています。オープンウェイトモデルとして最高水準のコーディング性能を持ち、自社インフラ上で自己ホスト可能な sovereign AI の基盤として提供されています。
スペック
- パラメータ数: 1-trillion-parameter
- アーキテクチャ: ネイティブマルチモーダル (natively multimodal)
性能
Mistral AIが公開した測定結果によれば、Mistral Large 4はコーディング、セキュリティ、一般的な作業タスクにおいてオープンウェイトモデルの中でトップクラスの成果を示しています。
モデルカードや発表で示された主な評価結果は以下の通りです。
| ベンチマーク / 評価指標 | スコア / 測定値 | 比較・詳細 |
|---|---|---|
| Cognition – FrontierCode 2.0 | 19.7% | 首位 |
| Artificial Analysis Coding Agent Index | 48% | GLM-5.3と同等(1タスクあたりの平均使用トークン数を47%削減) |
| Terminal-Bench 4.0 | 41% | オープンウェイトモデルで首位(プレビュー版から13ポイント向上、出力トークン数30%削減) |
| Surge Code(人間の選好評価) | – | オープンウェイトモデル(GLM-5.3、Kimi K3、DeepSeek V4.1 Flash)を上回り、Claude Opus 5.5に次ぐ評価 |
| Artificial Analysis Cyber Index | 51% | 脆弱性の発見、再現、パッチ適用タスク |
| 有害なサイバーリクエストの拒絶率 | 96.6% | オープンモデルの中で最高(JailbreakBench, StrongREJECT, AgentHarmの平均) |
| FinWorkBench (Finch) | 73.3% | オープンモデルの中でKimi K3に次ぐ2位 |
| BrowseComp | 84.5% | GLM-5.3やDeepSeek Flash 4.1 1017を上回る |
| B3 Agent Security Benchmark | 97.1% | 攻撃耐性(プレビュー版の93.3%から向上) |
Terminal-Benchは、ターミナル上で実際にコマンドを実行し、与えられた作業を最後までやり切れるかを測る指標(Pass@1(%)、数値が高いほど良い)です。Terminal-Bench 4.0において41%を記録し、オープンウェイトモデルの中で首位を獲得しています。また、Artificial Analysis Coding Agent Indexでは48%を獲得し、オープンウェイトの競合モデルであるGLM-5.3と同等のスコアを達成しながら、タスクあたりの使用トークン量を平均47%削減することに成功しています。
一方で、Surge Codeによる人間によるブラインド評価では、GLM-5.3やKimi K3、DeepSeek V4.1 Flashといった他のオープンウェイトモデルに対する勝利数で上回ったものの、評価対象の中では商用モデルであるClaude Opus 5.5には及びませんでした。また、金融ワークフローを対象としたFinWorkBench (Finch)では73.3%を記録しましたが、オープンモデルの中ではKimi K3に次ぐ2位となっています。
なお、開発者が性能と推論コストのトレードオフを調整できるよう、本モデルは3つの推論モード(Low、Medium、デフォルトのHigh)に対応しています。用途に応じて選択することで、より効率的な運用が可能です。
得意なこと・想定用途
Mistral Large 4 (Le Chonk)は、主にソフトウェア開発(コーディング)、防御的サイバーセキュリティ、および金融・ナレッジワーク領域における高度なエージェント処理で優れた能力を発揮します。
コーディングと自律的開発タスク
エージェント型のコーディングワークフローにおいて高いトークン効率と正確性を備えており、ターミナル操作やリポジトリ全体のコード変更・保守に適しています。以下のような複雑な開発を自律的に進めることが可能です。
– サイバー脆弱性の判別と修正: 報告された脆弱性レポートを読み込み、孤立したサンドボックス内で不具合を再現した上で、検証を通過するまで修正パッチを繰り返し作成・調整します。
– 自律的なWebアプリ開発: 人間の支援なしに、約19,000個の人工衛星や宇宙ごみの軌道をリアルタイム表示する3Dマップアプリ(Orbital Trace)を作成し、ブラウザ上で自ら不具合や動作遅延を検知して修正まで行います。
– 科学計算プログラムの構築: 分子内の電子配置を計算する量子化学ソルバーをゼロから記述し、既存の標準ツールと結果を照合した上で、分子の結合解離を可視化する3Dインターフェースを構築できます。
防御的サイバーセキュリティ
コードベースからの脆弱性発見、動作確認、機能不全を起こさない補修といった防御セキュリティ実務に強みを持っています。正当な防御分析タスクに対して無用な拒絶を起こさない一方、悪意あるサイバー攻撃手法のリクエストに対しては高い拒絶率を維持します。また、企業や公的機関向けに以下の運用方法が用意されています。
– 企業独自の脅威インテリジェンスや検出ロジックを「Mistral Forge」で学習させ、特定のセキュリティタスク向けにモデルを最適化できます。
– ペネトレーションテストや脆弱性評価、レッドチーム演習に特化した専門バリアントが、事前審査を経た設計パートナー(Orange Cyberdefenseなど)向けにプレビュー提供されています。
金融・実務ワークフローおよびセキュアなエージェント運用
会計や金融実務で頻繁に発生するスプレッドシートの作成・編集作業、ならびにWebブラウジングを用いた情報収集ワークフローに対応しています。また、システムプロンプトの漏洩やコードインジェクション攻撃に強い耐性を持つため、社内外に展開するAIエージェントを安全に運用できます。欧州の金融機関(La Banque PostaleやCrédit Agricole、ABN AMRO、Belfiusなど)や宇宙機関(ESA Φ-lab)において、データ主権を確保した基盤モデルとしての活用が進められています。
入手方法
Mistral Large 4はオープンウェイトとしてモデルの重みが公開されており、独自のインフラストラクチャにデプロイしてセルフホスト運用することができます。これにより、サードパーティのAPIに依存することなく、データの所在地や運用環境を完全にコントロールすることが可能です。
本モデルの構築・運用を支援するエコシステムとして、以下が提供されています。
– Mistral Forge: 独自の社内データや脅威インテリジェンス、検知ルールを用いてモデルをカスタマイズ・最適化するためのツールセットです。
– Mistral Studio: 作成したモデルやエージェントの動作ルール、データアクセス権限を統合的に構築・ガバナンス管理・改良するための開発環境です。
セルフホストでの運用に加えて、管理型のクラウドサービスを希望する組織向けには、Microsoft Foundry を通じた利用や、Azure 開発者向けのプライベートデプロイといった選択肢も提供されています。
モデルの公開詳細や導入に関する案内については、Mistral AI公式ブログをご確認ください。
関連記事
- 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の時系列予測モデル「Timestral」公開、CPUでも高速動作
- Mistral AIが音声認識・音声合成モデル「Voxtral 3」を発表
- Mistral Large 4公開:マルチモーダル対応のMoEモデル
次に読むなら
- 記事に出てくる Terminal-Bench の読み方を知る → ベンチマーク用語集

