MetaPatchAI home
AI

Mistral Large 4がオープンウェイトに：変更点、ベンチマーク、注目すべき人

MetaPatchAI AI編集部 · 公開日 · 更新日

MetaPatchAI header for "Mistral Large 4 Is Now Open-Weight: What Changed, What the Benchmarks Say, and Who Should Care": headline on a dark background with abstract neon-green network-node art.

MistralがMistral Large 4の重みを公開しました。1兆パラメータのネイティブ・マルチモーダルモデルで、愛称は「Le Chonk」。10月上旬にパブリックプレビューが始まっていました。今回のオープンウェイト版はその改良版で、Mistralによるとプレビュー後さらに約3週間、コーディングと防御的サイバーセキュリティに重点を置いた強化学習を行ったとのことです。

要点

  • 概要：1Tパラメータのマルチモーダルなフラッグシップモデル。欧州のインフラでゼロから学習（Mistralによる）。
  • プレビューからの変更点：コーディングとセキュリティのスコアが向上し、「推論効率」も改善。つまり1タスクあたりのトークン数が減りました。
  • 利用できる場所：Mistral Studio、Mistral API、OpenRouter、またはHugging Faceからの重みをセルフホスト（vLLMまたはSGLangで実行）。
  • ライセンス：Model-as-a-Service企業を対象とした条件が1つ付いた修正版MITライセンス（私たちのライセンス解説).

Mistralが報告している数値

以下の数値はすべてMistral自身の主張で、発表から引用しています。第三者による再現はまだなく、Mistralは完全な技術レポートを「近日公開」としています。

ベンチマーク 報告された結果
Cognition FrontierCode 2.0（非公開） 19.7%。Mistralのグラフで最高スコア、GLM-5.3（19.3%）を上回る
Artificial Analysis Coding Agent Index 48%。GLM-5.3と「事実上同点」で、1タスクあたりのトークンは47%少ない
Terminal-Bench 4.0 41%。プレビューから13ポイント向上し、出力トークンは30%減少
Artificial Analysis Cyber Index 51%
BrowseComp 84.5%（初期のSFTチェックポイントでは75%）
Finch（金融ワークフロー） 73.3%。オープンモデルではKimi K3に次ぐ2位
B3 Agent Security Benchmark 攻撃の97.1%に耐性（プレビューでは93.3%）

人間による評価について、MistralはSurgeのブラインド一対比較によるコーディングテストを挙げています。そこではLarge 4がGLM-5.3、Kimi K3、DeepSeek V4.1 Flashを上回り、テストされたモデルの中で「Claude Opus 5.5に次ぐ」順位でした。

3つの推論モード

Mistralによると、このモデルには3つの推論モードがあり、コストと品質を天秤にかけられます。最も軽いモードは簡単なタスク向けで、従来の「None」モードに代わるものです。最も重いモードは「高い精度が求められる最も難しいユースケース」向けです。トークン単位で支払うなら重要な点です。評価をクリアできる最も軽いモードを選びましょう。

サイバーセキュリティの側面（と注意点）

発表の大半は防御的セキュリティについてで、Booz Allen、Cisco、Cloudflare、CrowdStrike、Elastic、ENISA、Fortinet、NVIDIAなどのコメントが含まれています。Mistralはまた、プレビューのトラフィックを観察する中で「実際の攻撃を実行する能力を高める可能性」が見られたと率直に述べ、ガードレールを強化しているとしています。ペネトレーションテストに特化した派生モデルは、契約を結んだ審査済みのパートナーにのみ提供されます。

乗り換えるべき？

  • セルフホストする人や規制の厳しい業界のチーム：主な対象はここです。オープンウェイト、欧州での学習という出自、寛容なライセンスが手に入ります。
  • 趣味で使う人：1Tパラメータのモデルをローカルで動かすにはデータセンター級のハードウェアが必要です。ほとんどの人にとっては、APIかOpenRouterが現実的な選択肢です。（Mistralの投稿ではハードウェア要件は公開されていません。Hugging Faceのモデルカードを確認してください。）
  • コーディングエージェントを使う人：試すべきはトークン効率の主張です。導入を決める前に、OpenRouter経由で自分のエージェントのタスクを実行してみましょう。

動画

動画: Mistral（YouTube）

動画: Bijan Bowen（YouTube）

出典

確認済みの情報と未確認の情報

  • ✅ ベンチマークの数値はすべて、2026年10月29日午後11時58分（米国東部時間）頃にMistralの投稿から手作業で書き写しました。いずれもベンダー自身の報告です。
  • ✅ ライセンスの文言と提供チャネルも同じ投稿で確認しました。
  • ⚠️ 未確認：Hugging Faceのリポジトリ名、ハードウェア・VRAMの要件、APIの料金。いずれも投稿には記載されていません。
  • ⚠️ 3つの推論モードの名称は、ラベルを確実に読み取れなかったため記載していません。
  • HNのポイントはスナップショットであり、変動します。

上へ：AI