Mistral Large 4(Le Chonk)は同社のフラッグシップモデルで、10月初めにパブリックプレビュー(public preview)として公開されました。コーディング、サイバーセキュリティ、推論効率が改善されています。
Mistralは、1兆パラメータのマルチモーダルモデルであるMistral Large 4(Le Chonk)をリリースしました。Mistralによると、このモデルはコーディングと防御的セキュリティのオープンウェイトのベンチマークで首位に立ち、コストと性能のバランスをとるための3つの推論モードを備えています。ウェイトも公開されており、エージェント型コーディングとサイバーセキュリティの分野でオープンモデルの最前線を押し進めるとしています。
今回、Mistralは改良版のMistral Large 4のウェイトを公開しました。新モデルは推論効率が大幅に向上しており、開発者に高い性能をもたらすと同時に、推論コストを下げます。Mistralは、Mistral Large 4がコーディング向けの最良のオープンウェイトモデルであり、全体でも世界で最も高性能なオープンモデルの一つであるとしています。
コーディング性能、推論モード、評価結果
Mistral Large 4は、パブリックプレビューの時点で主要なコーディングベンチマーク全般で強い結果を出していました。その後、わずか3週間の追加の強化学習(reinforcement learning)により、オープンウェイトのコーディング分野の最前線に立ちました。FrontierCodeとTerminal-Benchで首位に立ち、Artificial Analysis Coding Agent Indexでは最良のオープンウェイトモデルに並びつつ、トークン効率(token efficiency)は大幅に高い結果を示しています。
CognitionのプライベートベンチマークFrontierCode 2.0は、エンドツーエンドのコード品質と、リポジトリのメンテナーがエージェントの変更をマージするかどうかを評価します。Mistral Large 4はこのベンチマークで19.7%のスコアで首位に立っています。Artificial Analysis Coding Agent Indexでは、スコアは48%で、オープンウェイトモデルで首位のGLM-5.3と実質的に並んでいます。タスクあたりのトークン使用量は平均で47%少ないです。「Artificial Analysis Coding Agent Index vs. Token Efficiency」のグラフは、Artificial Analysisで利用できる推論レベル(reasoning levels)ごとのCoding Agent Indexスコアとトークン効率を示しています。
Mistral Large 4は、フロンティア水準のコーディング性能を大幅に少ないトークンで実現し、高度なコーディングエージェントを大規模に運用する際の経済性を高めます。ターミナルベースのコーディングワークフローにおいても改善が見られ、Terminal-Bench 4.0ではパブリックプレビューと比べて13ポイント向上して41%となり、オープンウェイトモデル(open-weight models)の中で首位となりました。同時に出力トークンを30%削減しています。
Mistralの1兆パラメータ、ネイティブにマルチモーダルなフラッグシップモデルであるMistral Large 4は、性能とコストのトレードオフについて開発者により細かな制御をもたらすために、3つの推論モード(reasoning modes)に対応しました。そのうちLowは単純なタスク向けで、従来の'None'推論モードに代わるものです。Mediumは日常的なタスク向けです。High(デフォルト)は、高い精度と徹底した推論を必要とする最も難しいユースケース向けです。
Mistral Large 4のコーディング能力は、ベンチマークだけでなく、人間の選好によっても検証されています。Surge Codeのブラインドのペアワイズ評価では、GLM-5.3、Kimi K3、DeepSeek V4.1 Flashを含む主要なオープンウェイトモデルより好まれました。評価対象のモデルの中では、Claude Opus 5.5にのみ及ばない順位でした。
サイバーセキュリティ性能とガードレール
Mistralは、Mistral Large 4のプレビュー以降、大手サイバーセキュリティベンダーと協力し、脆弱性の再現とパッチ適用におけるMistral Large 4の強みを実環境で評価してきました。Artificial Analysis Cyber Indexでのスコアは51%でした。この指標は、コードベース内の脆弱性の発見、その再現と検証、既存機能を壊さないパッチ適用の能力を測るものです。Mistral Large 4は、こうした正当な防御的セキュリティ(defensive security)タスクを不必要な拒否なしに処理します。
Mistral Large 4に組み込まれたガードレール(guardrails)は、防御的なサイバーセキュリティタスクと悪意のある攻撃的なタスクを区別します。Cyberベンチマークでは高い性能を保ちつつ、悪意のあるサイバーリクエストに対する平均拒否率(refusal rate)は96.6%で、Mistralが測定したオープンモデル(open models)の中で最高です。Mistralはプレビュー以降、実運用トラフィックでのサイバーセキュリティ関連の利用を注意深く監視してきました。実在の標的に対するブラックボックス攻撃への協力を拒否することは確認されていますが、実際の攻撃を行う際に能力の引き上げ(uplift)の可能性があるとみており、ガードレールを修正し、今後数か月も更新を続けるとしています。「有害なサイバーリクエストの拒否」の図は、JailbreakBench、StrongREJECT、AgentHarmのサイバー関連プロンプトに対する平均拒否率を示しています。
Mistral Large 4は、欧州のインフラ上でゼロから学習されており、開始からリリースまでの系譜が明確です。組織にとっては、ソブリンAI(sovereign AI)のための信頼できる基盤になります。
MistralはOrange Cyberdefenseなどのエンタープライズ・デザインパートナーに対し、ペネトレーションテスト、脆弱性評価、レッドチーミングなどの高度なサイバーセキュリティワークフロー向けに最適化したMistral Large 4の特化バリアントのプレビューアクセスを提供しています。このアクセスは厳格な審査と契約上の保護措置が条件であり、テストは管理された環境下の自社所有または明示的に許可されたシステムに限られます。顧客はMistral Forgeを使って、独自のセキュリティデータ、ポリシー、検知ロジック、脅威環境でMistral Large 4を調整しています。内容が明確に定義されたサイバーセキュリティタスクでは、より小さなタスク特化バリアントへさらに最適化して精度を高められ、セキュリティアプリケーションをより効果的にできます。Mistral Large 4は、幅広い企業利用向け指標において改善を続けています。
Mistral Large 4は、金融関連業務で、実世界のワークフロー、特に金融・会計のユースケース向けのスプレッドシートの作成・編集を伴うものを実行する能力が改善されました。FinWorkBench(Finch)のスコアは73.3%に上がり、オープンモデルではKimi K3に次ぐ2位です。
ウェブブラウジング(web browsing)はナレッジワーク(knowledge work)の大半で重要な部分を占めます。Mistralの強化学習(RL)パイプラインにより、Mistral Large 4はBrowseCompで84.5%に到達しました(出発点の教師ありファインチューニング(SFT)チェックポイントは75%でした)。これはGLM-5.3やDeepSeek Flash 4.1 1017などのモデルより高い性能です。
組織が展開するエージェントは安全である必要があり、社内メンバー向けでも外部ユーザー向けでも、システムプロンプトの持ち出し(system prompt exfiltration)や悪意あるコードインジェクション(malicious code injection)などの脅威にさらされてはなりません。強化学習によりB3 Agent Security Benchmarkでの成果が伸びたMistral Large 4は、攻撃の97.1%に耐えました(パブリックプレビュー版は93.3%)。これはオープンソース(OSS)モデルの最前線の最上位であり、モデルをホストする人は追加のチューニングなしで安全なエージェントを動かせるとMistralは述べています。
Mistral Large 4は欧州でゼロから学習されたモデルであり、組織は自らが基盤とする技術の出自を明確に把握できます。Mistralは、ソブリンAI(sovereign AI)というカテゴリーを定義し、オープンの最前線を牽引していると述べています。同社は、世界で最も高性能なモデルを構築してオープンに公開し、開発者、企業、機関がAIを所有、カスタマイズ、制御できるようにすることを約束しています。Mistral Large 4では、組織が依存するモデルとそこで生み出す知能の管理を保持するという主権(sovereignty)の考え方に基づき、その管理はモデル自体から始まります。
La Banque Postaleの執行副社長(Executive Vice President)であるZakaria Moursliは、公的で市民のための銀行である同行にとって、技術的主権は任意ではなく、顧客の信頼を維持するための重要な前提条件であると述べています。同氏はまた、このオープンモデルの導入が新たな機会とユースケースを切り開くと述べました。Mistral AIとの提携により、人間の専門性とデジタル技術の最良の部分を組み合わせて、顧客と従業員の双方に長期的により良い体験を提供することを目指すと述べています。
Cyber Vulnerability Triageのデモ例では、エージェントが届いた脆弱性レポートを読み、ソースコードと製品の背景を調べ、隔離されたサンドボックスで欠陥を再現します。そのうえでパッチを書き、canary exploit(検知用の模擬攻撃)が機能しなくなるまで繰り返し修正を行います。
Agentic webdevのデモでは、Mistral Large 4が人の助けなしに、約19,000個の衛星とデブリが地球を周回する様子を示すライブ3Dマップ「Orbital Trace」を構築します。さらに、実際の追跡データを取得してアプリを書き、ブラウザで使って自らのバグや遅延を見つけ、独立したレビュアーが指摘した点をすべての要件を満たすまで修正します。
Quantum chemistry solverのデモでは、Mistral Large 4が分子内の電子の位置を計算するソフトウェアをゼロから書き、その答えを標準的な化学ツールと照合します。また、そのソフトウェアを中心に3Dページも構築し、ベンゼンや水などの分子を選び、スライダーをドラッグして分子を引き離し、結合が切れるにつれて電子が再配置される様子を見せます。
AIを自らの知識とワークフローを軸に構築する組織にとって、主権とは、依存するモデルと自ら生み出したインテリジェンスの制御を保持することを意味します。Mistral Large 4では、組織はモデルを検査し、カスタマイズし、自らのインフラ上にデプロイできます。MistralがAPI経由で提供することに依存せずに、Mistral Large 4を使い改良することも可能です。
Mistralは、プレビュー後のフィードバックを反映しつつ強化学習のスケールを拡大し続けました。その結果、コーディングと防御的サイバーセキュリティが大きく向上しました。この向上は加速し続けており、飽和の兆しはないとされています。Mistral Large 4は、マルチモーダル入力に対応したオープンウェイトのハイブリッドな指示・推論MoEであり、指示、推論、エージェント能力を1つのモデルに統合しています。サイバーセキュリティ、金融、製造においてオープンウェイトの中で最先端とされ、160以上の言語にネイティブに堪能です。Mistral Large 4の紹介欄に示された価格は、入力が100万トークンあたり$0.7、出力が100万トークンあたり$2.1です。このモデルにはMultimodal、Reasoning、Coding、Agentic、Cybersecurityのタグが付いています。
組織はMistral Forgeを使ってMistral Large 4を自社の独自データに合わせてカスタマイズできます。Mistral Studioを使うことで、その結果のエージェントやアプリケーションを構築、統制、改良することが可能です。MistralのApplied AI expertsは顧客チームと協力して、Mistral Large 4を用いたこうしたカスタマイズ済みシステムを構築・デプロイできます。この過程を通じて、チームは構築したものの背後にあるアーキテクチャと判断、学習と運用に使われた手法を理解し、AIを自力で運用・改良できるようになります。
主権は必ずしもセルフホスティングを必要とせず、場合によってはコントロール要件を満たすデプロイメントがあれば足りるとされています。マネージドサービスを好む組織向けに、Mistral Large 4はMicrosoft Foundryで利用可能であり、Azure開発者向けにはプライベートデプロイメントのオプションがあります。
MicrosoftとMistral AIは次世代AIにおける顧客の選択肢を広げることにコミットしています。Microsoftは最初のクラウドプロバイダーとして、Mistralの最新のオープンウェイトモデルであるMistral Large 4を、モデルを大規模に評価・デプロイ・運用するためのエンタープライズAIプラットフォームであるMicrosoft Foundryで提供します。ソブリンAI戦略を進める組織にとって、Mistral Large 4とMicrosoft Foundryの組み合わせは、データ、インフラ、AI運用にわたる柔軟性とコントロールの向上をもたらすとされています。
利用方法・ライセンス・価格
Mistral Large 4は、試用・デプロイ・カスタマイズが10月29日から可能です。利用を開始するには、Mistral Studio、Mistral API、またはOpenRouterを使用します。また、NVIDIAがホストするエンドポイントでも利用可能で、vLLMで提供するための最適化されたNVIDIA NIMコンテナとして提供されます。さらに、開発者はカスタマイズにオープンソースのNeMo AutoModelライブラリを、高スループットのサービングにオープンソースのTensorRT LLMライブラリを使うことができます。
完全な制御を求める場合は、Hugging Faceからオープンウェイト(open weights)をダウンロードし、vLLMまたはSGLangを使って自前のインフラにデプロイできます。Mistral Large 4のモデルカードとライセンスには、始めるために必要なものがそろっていますが、さらに深く知りたい人向けに、完全な技術レポートが近日公開される予定です。また、新しいモデルをVibe Codeで試すこともでき、自分のリポジトリで作らせたい機能や直したいバグを与えることができます。
企業は、Mistral Forgeを使うことで、Mistral Large 4を自社の独自データ、ユースケース、およびガードレールに合わせて調整できます。詳しくは、Mistralのチームに問い合わせるよう案内されています。
Mistral Large 4は、修正版MITライセンスである「Mistral Ecosystem Open-Weight license」の下で利用できますが、Model-as-a-Serviceを運営する企業は商用利用の前にMistralから別途商用ライセンスを取得する必要があります。このモデルは自由に使用・改変・ファインチューニング・商用化が可能ですが、Model-as-a-Serviceを運営する企業には、モデルを商用利用する前にMistralから別途商用ライセンスを取得しなければならないという条件が1つあります。
Mistral Large 4の価格は10月29日から、入力が100万トークンあたり$0.70、キャッシュ入力(cached input)が100万トークンあたり$0.07、出力が100万トークンあたり$2.10です。
Mistralはコミュニティに対し、独自の評価を実行し、限界まで試し、結果をX、Discord、GitHubで共有してMistral Large 4を試すよう促しています。今後、Mistral Large 4は専門化・最適化された新世代のMistralモデルの基盤となる予定です。同社は、VoxtralやTimestralなど最近のリリースを土台に、オープンウェイトAIのフロンティアを広げ続け、開発者や企業に知能を構築・カスタマイズ・所有するためのより大きな自由を与え続けるとしています。