Mistral Large 4、1兆パラメータの重みをオープンソース公開——コーディングベンチマークでオープンソースモデルをリード

Mistralは2026年10月、Mistral Large 4モデルの重みを正式公開した。同モデルの総パラメータ数は1.05兆で、Mixture-of-Experts設計を採用しており、推論時には約520億パラメータが活性化される。また、画像入力処理用に1.6億パラメータのビジョンエンコーダを搭載している。

公式ブログによると、今回の重み公開に先立ち3週間の強化学習による最適化が実施され、モデルはCognition FrontierCode 2.0ベンチマークで19.7%のスコアを記録した。これはBeam 1.0の2.9%、GLM-5.3 Flashの14.2%を上回る結果である。

欧州インフラでの訓練がもたらす実際のデプロイ上の差異

モデルは欧州のデータセンターでゼロから訓練されており、パラメータの出自を明確に追跡できる。これにより、企業は外部APIコールチェーンに依存せずローカルデプロイが可能となる。

データによると、モデルは100万トークンのコンテキストウィンドウをサポートしており、すでに19,300回のダウンロードが記録されており、開発者による実際の利用が始まっていることが示されている。

欧州で訓練されたモデルは、主権AI（Sovereign AI）シナリオにおいて制御可能な基盤を提供する。機関はコードやセキュリティデータを海外サーバーに送信する必要がない。

また、防御的なサイバーセキュリティタスクにおいて同モデルは優れたパフォーマンスを示した一方、一部の中国語オープンソースモデルはターミナルコマンド処理ベンチマークの一部で依然として優位を保っている。

推論効率の向上がコスト構造に与える直接的な影響

強化学習フェーズにより推論トークン効率が大幅に改善され、同等規模の密なモデルと比較して同一のコーディングタスクで消費するトークン数が少ない。

この効率性は、セルフホスト環境におけるハードウェアコストの低減に直結する。開発者は3種類の推論モードから性能とコストのバランスを選択できる。

APIの公開価格は入力100万トークンあたり0.70米ドル、出力2.10米ドルとなっているが、重み公開後はローカルデプロイによりこの費用を完全に回避できる。

プレビューから重み公開までの実行プロセス

モデルはまずMistral Studio APIを通じてプレビュー公開され、その後同月内に重みファイルが提供された。実際のデリバリーは当初の約束通りのスケジュールで実施された。

プレビュー段階ですでにマルチモーダルおよびエージェント型コーディングワークフローがサポートされており、重み公開後はユーザーがローカルで同等の機能を直接実行できる。

このペースは、Mistralが機能の約束と実際のデリバリーの一致を維持していることを示しており、デモのみを公開して重みの提供を遅延させるような事態を回避している。

オープンソース競争環境におけるパラメータ活用率の変化

総パラメータ1.05兆のうち推論時に活性化されるのは約5%にとどまるこのスパース設計は、フロンティアレベルのコーディング性能を維持しつつ、1回のフォワードパスあたりの計算量を削減している。

開発者コミュニティからのフィードバックでは、エージェント型コーディングやサイバーセキュリティのシナリオで実際にデプロイ可能な段階に達しており、ベンチマーク上のデモにとどまっていないとの評価が示されている。

多言語対応は主要言語で安定しているが、低リソース言語ではパフォーマンスに依然としてギャップが存在する。この制限は、重み公開後にコミュニティによるファインチューニングを通じて段階的に解消されていく可能性がある。

上記のベンチマーク結果は複数の独立メディアが報じており、事実の根拠は信頼できる。

独立した見解

Mistral Large 4の重み公開における核心的な価値は、1.05兆パラメータ規模のコーディング能力をローカルで実行可能な形式で欧州および世界中の開発者に提供した点にあり、短期的にはセルフホスト型エージェントツールのイテレーション速度を加速させるだろう。

長期的には、欧州での訓練経路とオープンな重み公開の組み合わせにより、北米のクローズドソース路線と並行する別の技術進化の分岐が形成される可能性がある。