Mistral AIは、Mistral Large 4(ML4)(非公式にはML4、正式な呼び名は「le Chonk」)のパブリックプレビューを開始しました。Mistral Large 4(ML4)はオープンウェイトの性能のフロンティアを押し広げるモデルです。プレビューAPIは、10月6日からMistral Studioで試せます。
Mistral Large 4(ML4)(パブリックプレビュー版)は、総パラメータ数が1兆で、アクティブパラメータが520億のネイティブにマルチモーダルなモデルです。Mistralにとってこれまでで最大かつ最も高性能なモデルであり、改良を進める中でも急速に向上し続けています。
Mistralは10月末までにモデルのウェイトを公開する予定であり、あわせてアーキテクチャの詳細、追加のベンチマーク、ポストトレーニング手法についても詳しく公開するとしています。ウェイトの公開までの間、Mistralはサイバーセキュリティの主要企業、審査を経たパートナー、国の当局と実環境でレッドチーミングを行っています。これらの参加者は、モデレーションを緩め、サイバー能力を広げた同じモデルを使います。
Mistral AIの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を使ってゼロから学習されました。パブリックプレビューも同じインフラで提供されています。ML4は、顧客にAIの制御を与えることを狙ってオープンウェイトで提供される設計です。サイバーセキュリティにおいては、プロバイダー側の拒否が正当な脆弱性調査やインシデント対応を妨げることがあり、インシデントの最中に機能へのアクセスを失うこと自体が重大なセキュリティリスクになりうるため、この点は特に重要だとMistralは述べています。
サイバー性能・安全性と提供形態
Artificial Analysis Cyber Indexの、実在する脆弱性を再現してパッチを当てるテストにおいて、Claude Opus 5.5やGPT-6 Astraを含むいくつかの有力なクローズドモデルは、タスクの実行を拒否するため、スコアがほぼゼロです。ソフトウェアの防御は欠陥が実在すると示すことから始まることが多く、これはクローズドモデルの安全フィルターが妨げうる作業です。脅威アクターがそれらと同じモデルを脱獄して攻撃的なサイバー活動の支援に使うことが増えており、防御側には、攻撃側が使うのと同等の能力を、同じ拒否に縛られずに発揮できるシステムが必要だとMistralは述べています。
Lakeraが公開しているB3 AI Security Benchmarkにおいて、ML4は攻撃の93.3%に耐えました。Mistralが確認した範囲では、競合にこれより高いスコアはありません。また、JailbreakBench、StrongREJECT、AgentHarmのサイバー関連のプロンプトでは、悪意のある要求を拒否する平均の割合が、すべてのオープンソース(OSS)モデルより高いとしています。
Mistral Large 4(ML4)は、最上位クラスのサイバー性能とオープンウェイト、およびセルフデプロイを組み合わせています。これにより組織は、高度なセキュリティ業務を自らのポリシーのもとで実行する能力と自律性の両方を得られます。主権と監査可能性が必要なセキュリティ業務向けには、プライベートクラウドまたはオンプレミスでも動かせるようになる予定です。ML4の学習データのかなりの部分は多言語であり、EUの全公用語を含む160を超える言語にわたっています。このモデルは世界の複数のリージョンで提供されます。その中には、Mistralが他のデジタルサービス事業者から独立して、欧州法のもとで一貫して運用する欧州のデプロイも含まれます。
Mistral AIは、金融、エンジニアリング、製造、物流、製薬、科学、海運、公共部門などのミッションクリティカルな業界の大手企業と緊密に連携してML4を学習させました。ML4は、Mistral Forgeを通じて顧客に提供しているものと同じ学習・カスタマイズ・強化学習(RL)環境を使っています。ML4はサイバーセキュリティ向けで世界最強クラスのAIモデルの1つだと、Mistralは述べています。Artificial Analysis Cyber Indexは、AIモデルが実際のソフトウェアのセキュリティ上の欠陥をどれだけ見つけて修正できるかを測る独立した評価です。この指標において、ML4は世界の上位5モデルに入り、中国国外で開発されたオープンウェイトモデルの中では大差で首位です。
各分野のベンチマーク結果
ML4は、オープンソースソフトウェアの実在する脆弱性をモデルに再現させたうえでパッチを当てさせるテストにおいて82%を記録し、評価対象のどのモデルよりも高いスコアを示しました。また、セキュリティ競技から取った40問のCybenchでは93%を解いており、オープンウェイトモデルで報告された最高水準のスコアの1つだとしています。ML4は明示的に訓練された範囲を超えて能力が及び、社内テストではマルウェアの分析、脆弱性の優先順位付け、検知ルールの作成に有用だと分かりました。また、ML4はソフトウェアエンジニアリング、リポジトリ理解、複雑なターミナルワークフローにおいて優れており、DeepSWE v1.1で61.7%、SWE-Atlas-QnAで59.4%、Terminal-Bench 4で28.3%を記録しました。これらのスコアを合わせたCoding Agent Indexのスコアは49.8%であり、DeepSeek V4 Pro 0813とQwen3.8 Maxを上回ります。
MistralがSurge AIと行ったコーディング品質のブラインド人間評価では、プロのアノテーターがモデル名を伏せた状態で出力を1から5点で採点しました。ML4 Previewは5モデル中2位の3.74を記録し、Kimi K3 (3.59)、GLM-5.3 (3.60)、GLM-5.2 (3.40)を上回りましたが、Claude Opus 5 (4.22)のみに及びませんでした。ML4は、Gmail、Google Sheets、Slack、Salesforceなどのアプリにまたがる657のビジネスワークフローからなるAutomationBenchで59.9%を記録し、Kimi K3、MiMo-V2.6-Pro、DeepSeek V4 Proを上回ります。さらに、長期的なナレッジワークを評価するAA-Briefcaseでは1,393 Eloに達し、DeepSeek V4 Proを上回りました。ML4のマルチモーダルのデモ（ビジュアルグラウンディングとエージェント的能力を組み合わせたもの）では、密集した自然のシーンのグラウンディング、技術図面内の機械部品の検証、PDFからの根拠の取得、見つけにくい物体を探すための巨大な地理空間画像のスキャンが示されています。ビジュアルグラウンディングとエージェント的能力を組み合わせることで、災害対応チームの迅速な行動を助けるギガピクセルの衛星画像の調査から、答えが正確になるまで拡大・調査・検証を繰り返す技術図面の分析までこなせます。
ビジュアルグラウンディングにおいて、ML4は検証したモデルの中で最も高性能なものの1つであり、Dense 200ではGPT-6-Astraを僅差で上回ります (42% 対 41%)。ML4はAI駆動の手法と、数学・物理・化学における研究者の専門知識を組み合わせて作られた強力な科学的能力を持っています。ベンチマークにおいて、ML4はオープンウェイトモデルの中でSciCode-Verifiedで最先端です。SciCode-Verifiedは、物理、数学、材料科学、生物学などの分野における複雑な科学的ワークフローを、モデルがコードで実装する能力をテストするベンチマークです。ML4の数学能力は、形式的推論と応用数学の両方で強化されています。ML4は、最初の問いから最終結果まで、技術ワークフロー全体にわたる強力なリサーチアシスタントになります。
ML4は、STEMタスク(数学と物理)においてGLM5.3と比較した社内評価が行われています。Mistral Large 4(ML4)は専門職が日々扱う実務タスクに向けた同社で最も高性能なモデルであり、複雑なスプレッドシートや文書の作成・編集・修正ができ、法務と金融の両方のベンチマークで模範的な性能を示すとされています。第三者評価機関のvals.aiによる評価では、ML4は法務タスクと金融タスクのどちらにおいてもGPT-6-Astraを上回りました。HarveyAIのLegal Agent benchmarkにおいて、ML4はすべてのオープンソースモデルを上回ります。FinWorkBenchは、実際の財務・会計のユースケースで、モデルがスプレッドシートを作成・編集する能力を試すベンチマークです。
正確さと複数の情報源からの情報の統合が求められ、多くの金融機関ではいまも時間のかかる作業である金融分析のデモでは、ML4と他の上位オープンソースモデルが同じ複数ステップの企業財務の課題に取り組み、米国の企業開示データベースであるEDGARや同等の欧州データベースなどで入手できる上場企業の提出書類や財務報告書を検索します。ML4は間接プロンプトインジェクションへの頑健性に関する同社のベンチマークを飽和させており、GLM-5.2、GLM-5.3、Kimi-K2.6、Kimi-K3、DS-V4-Pro-0813との比較で、オープンソースモデルの最前線に位置します。ML4は同社のこれまでのどのモデルよりもユーザーに責任をもって対応し、KORA Benchmarkでは、ML4は同社が測定したオープンソースモデルの中で最高のスコアである1.691を記録しました。このスコアの最大値は「Exemplary」と表される2です。同社の社内評価では、コーディング、CAD(computer-aided design)、金融、数学、物理の専門アノテーターがMistral Large 4とGLM-5.3を比較しました。ML4はCADとSTEMで好まれ、金融とコーディングではGLM-5.3と同等かそれに近い性能でした。デモのアニメーション付きセマンティックマップは、各モデルが解答に至る道筋をたどり、途中で取得した文書をすべて強調表示します。各トラックの位置は、集めた根拠、計算結果、未解決の問いを表しており、閲覧者は各モデルがたどる異なる経路を比べられます。
ウェイトの公開までの間、Mistralは読者にプレビューAPIを試してもらい、ソーシャルメディアでフィードバックを共有してほしいとしています。
ポストトレーニングと強化学習の手法
Mistralは、ベースモデルが急速に改善しているため、ポストトレーニングもそれに追随する必要があると言及しています。以前はモデルを限界まで押し上げていた正解データのサンプルが、今日のフロンティアモデルでは同じ効果を持たず、昔のモデル向けに調整したレシピでは能力を取りこぼすとしています。
Mistralが強化学習を使う理由は、モデルの成長に合わせて適応できるためです。モデル自身の試行の結果で学習し、モデルが強くなるにつれてタスクの難易度と幅を引き上げることができます。
強化学習ライブラリは、新しい環境を簡単に追加でき、大規模に学習できるように設計されています。共有された組み合わせ可能なインターフェースにより、単一の学習実行で、シングルターンのチャットや複雑な科学的問題解決から、安全性のアラインメント、事実性、長期的なツール使用までのタスクを組み合わせられます。各環境は、コードサンドボックス、ウェブ検索、外部APIなどのスキャフォールドとリソースを共有します。
Mistralの強化学習ライブラリは、環境と同様に検証を組み合わせることが可能です。報酬モデル、ユニットテスト、大規模言語モデル(LLM)による判定、静的チェックを、タスクごとに必要に応じて組み合わせます。
強化学習の実行時には、オートスケールするアクター群が数万件のロールアウトを並列に生成し、その間にモデルの学習が非同期に進みます。強化学習の生成・学習パイプラインは長い軌跡向けに最適化されており、複数回のコンパクションをまたいで数百万トークン規模のロールアウト予算をサポートしつつ、ロールアウトの古さを低く保ちます。生成と学習の両方の段階で新しい手法と最適化を用いて、オフポリシーのずれを最小限に抑え、長いホライズン(長い軌跡)でも安定した強化学習を可能にしています。
現在の規模(3,000基のGPU)では、単一の学習実行は1日あたり約330億トークンを生成し、そのうちフィルタリングとマスキングの後に学習対象となる補完トークンは約160億です。学習ロールアウトでは、ポリシーがより複雑なタスクを解けるようになるにつれ、代表的な複数の環境で学習報酬が上昇していく様子が直接確認できます。これらの改善は学習に使った環境に限られず、下流の評価にも及びます。最終モデルの改善は、教師ありファインチューニングと強化学習という両方のポストトレーニング段階によるものです。
金融分析には正確さと複数の情報源から情報を統合・整理する能力が求められます。この作業は、現在も多くの金融機関において時間がかかっており、MistralはこれをML4のデモの題材にしています。デモの閲覧者は、調査がどう進むかを追い、各モデルが最終解答に至るまでにたどる異なる経路を比較できます。
資金・ロードマップ・今後の見通しと価格
ML4は、Mistralの30億ユーロのシリーズDで資金提供されたロードマップの最初のマイルストーンです。この30億ユーロのシリーズDは、欧州のテクノロジー企業が調達したエクイティラウンドとして過去最大です。Mistralは、欧州のテクノロジー企業として史上最大の株式調達となる30億ユーロのシリーズDで得た資金をすでに投入しており、自社の欧州データセンターの計算能力を大幅に拡大しています。さらに、今後数か月でより多くの計算能力が稼働する予定です。Mistralは、計算資源が増えれば学習も増えると述べています。
このプレビューの背後にある強化学習の実行はまだ進行中です。モデルには飽和の兆しは見られず、Mistralは今後に大きな伸びしろがあると述べています。拡張したインフラで学習を拡大するにつれ、Mistralは今後数週間から数か月で大きく急速な改善を見込んでいます。
ML4はあくまで基盤であり、顧客が最も重視する業界やワークロード向けに作られる、新世代の特化・最適化されたMistralモデルのベースになります。Mistralは、今後の進歩のペースは速いものになるとしています。
Mistralの製品カードによれば、Mistral Large 4の価格は入力が100万トークンあたり$1.36であり、出力が100万トークンあたり$4.18です。