Mistral Large 4発表：1.05兆パラメータのオープンソース巨人、欧州AIソブリンティの最強宣言

2026年10月6日、Mistral AIはMistral Large 4のパブリックベータプレビュー版（内部コード名：ML4）を正式に発表した。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52億、1.6億パラメータのビジョンエンコーダーを搭載し、最大100万トークンのコンテキストウィンドウをサポートする、Mistral史上最大規模のモデルである。Mistralは発表初日から翌日にかけて、公式発表のアクティブパラメータ数を49億から52億に更新しており、HuggingFaceコミュニティの記事にその記録が残っている。

Mistral Large 4は、Mixture-of-Experts（MoE）アーキテクチャに対して深度な改良を施している。従来のMoEがトークンを少数の大型エキスパートモジュールにルーティングするのに対し、Mistral公式ブログはML4を「粒度化MoE」と表現している。ルーターがより多く、よりスモールな特化ユニット群から選択する仕組みで、推論時の計算量を52億アクティブパラメータ水準に維持しつつ、1.05兆の総パラメータから豊富な知識を引き出すことを目指している。この設計思想は、DeepSeekシリーズやQwenシリーズがここ2年間MoE分野で追求してきた方向性と高度に一致している——スパース活性化により推論コストを抑えながら、密なモデルと同等あるいはそれ以上の知性上限を維持するというアプローチである。

検証可能なベンチマークデータによると、beam.aiおよび複数のテックメディアの報道によれば、ML4は実際のコードベースを対象としたエージェント型プログラミング評価DeepSWE v1.1において61.7%のスコアを記録した。同じ評価における他のモデルのスコアはGLM-5.3が61%、DeepSeek-V4-Proが57%、Qwen 3.8 Maxが51%、Reflection AIのBeamが44%であった。金融分野のFinWorkBench評価ではML4は67%でDeepSeek-V4-Proと同スコアを記録。総合評価機関Artificial AnalysisのIntelligence Index（10項目の評価を統合）では、ML4プレビュー版は38点を獲得し、225モデル中64位で「最強のオープンソースモデル」区間の直後に位置している。Mistral公式ブログはこれらの結果がプレビュー段階の暫定的な数値であり、「急速に改善中」であることを明示している。

学習インフラ自体が一つの戦略的声明である。Mistral公式ブログによれば、ML4はMistral自社が保有する欧州のデータセンターに完全展開された3,800基のNVIDIA Grace Blackwell GPUを用いてゼロから学習された。学習データはEUの全公用語を含む160以上の言語をカバーしている。Mistralはハードウェアの自律性によって欧州の規制当局と企業顧客に対する信頼を担保している——データは米国のクラウドを経由せず、モデルは米国の計算リソースに依存せず、推論は海外のサービス条件変更に左右されない。Mistralの発表は、欧州に展開されるバージョンがMistralによって「他のデジタルサービス事業者に依存せず、欧州の法律に従い独立して運営される」ことを明記している。

サイバーセキュリティ分野は、今回の発表でMistralが特に強調したフラッグシップ領域である。公式ブログは、サイバーセキュリティに代表される高い機密性を要求する垂直業界では、クローズドソースプロバイダーのコンテンツ審査が正当な脆弱性調査やインシデント対応を妨げると指摘している。ML4はオープンソースの重みとプライベート展開の組み合わせにより、機関が自らのセキュリティポリシーのもとで運用できるとしている。これは単なる機能上の特長ではなく、政府および大規模企業のセキュリティチームを明確なターゲットとした包括的な価値提案である。そのため、重みの正式公開に先立ち、Mistralはサイバーセキュリティ業界のトップパートナーおよび国家機関に対し、「コンテンツ審査を緩和し、サイバーセキュリティ能力を拡張する」構成でのレッドチームテストへの事前参加を認めた。

開発者や企業の導入選定においては、現時点でいくつかの実際的な制約を明確にしておく必要がある。第一に、10月22日時点でMistralのHuggingFace組織ページにはダウンロード可能なML4の重みチェックポイントが掲載されておらず、モデルはMistral StudioのAPI経由でのみアクセス可能で、重みの公開は10月末を予定している。第二に、コンテキストウィンドウについてプラットフォーム間で相違があり、Mistral公式ページでは100万トークンと記載されている一方、OpenRouterのカタログでは同日付で512K（524,288）と表示されている。これは開発者がML4をベースにシステムを構築する前に、実際に使用するサービスエンドポイントで検証する必要があることを意味する。第三に、視覚推論能力における「ビジュアルグラウンディング（visual grounding）」についてMistralは一部のクローズドソース最先端モデルを上回ると主張しているが、この主張は現時点では公式ブログに基づくものであり、第三者機関による独立したベンチマークでの同時検証は行われていない。

横断的に見ると、ML4が置かれた競争の座標系はすでに2年前とは大きく異なっている。2024年以前、オープンソースモデルは一般的にクローズドソースの最先端モデルの「廉価な代替品」と見なされていた——性能を犠牲にして価格優位性を得るというトレードオフである。しかし今や、特定タスクでクローズドソースのフラッグシップに真に匹敵あるいは凌駕するオープンソースモデルが複数存在する。DeepSeekシリーズは中国からシリコンバレーを震撼させるスケール効率を打ち出し、Qwenシリーズは多言語能力で継続的に突破口を開き、Llama 4シリーズはMetaの計算リソース投入のもと着実に上位を目指している。ML4の登場は、この競争の座標系に欧州発の新たな極点を加えた——データ主権を重視し、サイバーセキュリティや法律・金融といった高コンプライアンス業界に明確に照準を定めたポジショニングを持つ存在である。The Next Webはこの出来事を「欧州がオープンソースAI分野における中国のリードに挑戦する」と位置づけて報道しており、このナラティブの枠組みはある現実を映し出している——オープンソースフラッグシップの競争構図はもはや「オープンソース対クローズドソース」という二項対立ではなく、複数の地政学的・技術的路線が並行して覇を競う多極的な争いへと変貌しているということだ。