ミストラルが1兆パラメータマルチモーダル「Mistral Large 4」プレビュー公開
25秒でわかる内容解説
フランスのAI企業ミストラルが、1兆パラメータのマルチモーダル大規模言語モデル「Mistral Large 4」のパブリックプレビューAPIを公開した。サイバーセキュリティや金融、マルチモーダル理解の分野でオープンモデル首位クラスの性能を示す。2026年10月末に重み公開を控える本モデルは、欧州の自社工場で3,800基のGPUを用いて学習された。データ主権やGDPR対応を重視する企業にとって、実装選択肢が広がる重要な発表である。
円換算は1ユーロ＝175.97円、1ドル＝157.05円（2026年10月22日、欧州中央銀行の参考レート）による概算で、日本での販売価格とは異なる。
統合アーキテクチャと主要ベンチマーク
Mistral Large 4は1兆パラメータのマルチモーダルモデルである。混合エキスパート型アーキテクチャを採用し、同時に動作するアクティブパラメータは520億に設計される。コード生成やエージェントワークフロー、視覚理解でオープンモデル首位クラスの性能を発揮する。2026年10月21日にプレビューAPIが公開され、Mistral Studioで試せる。重みは月末にリリースされる予定だ。
ML4 is a 1 trillion-parameter natively multimodal model with 52 billion active parameters.
ML4は1兆パラメータのネイティブマルチモーダルモデルで、520億パラメータがアクティブである。
サイバーセキュリティ分野では、オープンソースソフトウェアの脆弱性を再現・修正するテストで82%の正答率を記録した。これは他社オープンモデルを大きく上回る最高値である。また、セキュリティ競技から出題された40課題のCybenchでは93%の課題を解き終えた。内部テストではマルウェア解析や脆弱性の優先度付けにも有用だった。金融や法律の文書処理でも最上位スコアをマークする。
画像の理解能力も大幅に向上した。ビジュアルグラウンディング（画像内の特定領域とテキストの対応関係）のベンチマークではGPT-6-Astraを上回る42%のスコアを示し、衛星画像の解析や技術図書の検証に活用できる。 入力100万トークンあたり1.36ドル（約214円）、出力4.18ドル（約656円）のAPI料金で提供される。
%201_20jgWu.webp?dpl=6ada32c3ee1b19bfd79a65b3)
対応言語は160以上で、欧州連合の全公式言語を含む。自動化ベンチマークでは657の業務ワークフローを処理し、59.9%のスコアを記録した。
| 項目 | 値 |
|---|---|
| 入力料金 | 1.36ドル（約214円）/100万トークン |
| 出力料金 | 4.18ドル（約656円）/100万トークン |
| 学習GPU数 | 3,800基 |
| 対応言語数 | 160以上 |
| プレビュー公開日 | 2026年10月21日 |
| 重み公開予定 | 2026年10月末 |
欧州データセンターでの学習と資金調達
本モデルは2026年10月21日までに欧州の自社工場データセンターでゼロから学習された。使用されたのは3,800基のNVIDIA Grace Blackwell GPUである。プレビューAPIの配信も同じインフラで行われ、欧州法の下で独立して運用される。
ML4 was trained from scratch on 3,800 NVIDIA Grace Blackwell GPUs in Mistral’s own datacenters in Europe.
ML4は欧州のミストラル自社工場データセンターで、3,800基のNVIDIA Grace Blackwell GPUを使用してゼロから学習された。
欧州のテクノロジー企業史上最大のシリーズDラウンドとして30億ユーロ（約5,280億円）を調達済みだ。この資金は計算基盤の拡大と研究開発に充てられ、ML4はその最初のマイルストーンとなる。学習プロセスでは大規模な強化学習（正解フィードバックでモデルを最適化する手法）が採用されている。正解フィードバックでモデルを最適化するこの手法は、課題の難易度を自動で引き上げる仕組みだ。
3k GPU規模での単一トレーニングランで、1日あたり約330億トークンを処理する。フィルタリング後の学習可能トークンは約160億に達し、教師付き微調整と強化学習の両段階で性能が蓄積される。 生成パイプラインは長期の軌道に対応し、オフポリシードリフトを最小化する最適化が施されている。単一ランで330億トークンを処理し、160億が学習可能トークンとなる。写真では独立評価機関によるサイバーセキュリティ性能の比較が示されている。
改善効果は学習環境に限定されない。downstream評価でも転移し、最終的なモデル性能が確定する。インフラ増強に伴い、今後数週間で大幅な性能向上が期待される。
コミュニティの評価と実利用への慎重論
開発者コミュニティからは実用性に関する議論が巻き起こっている。DeepSeekと比較すると推論能力は匹敵するが、API料金は約10倍高額だと指摘される。一方で、欧州データセンターでの学習とGDPR準拠は、データ主権を重視する層から高く評価された。
ML4 is a 1 trillion-parameter natively multimodal model with 52 billion active parameters.
ML4は1兆パラメータのネイティブマルチモーダルモデルで、520億パラメータがアクティブである。
ベンチマーク結果の実世界での妥当性については慎重な見方が目立つ。独自のプログラミング言語ベンチマークではKimi K3と同等の順位にとどまり、ドイツ語での対話中に中国語の文字が混ざる現象も報告された。Pelicanベンチマークの結果公開を待つ姿勢が強い。Jailbreak（安全フィルターを回避する手）テストからの平均拒否率はオープンモデル中最も高い。
ユーザーは実際にAPIを叩いて検証を進めている。Surge AIによるブラインド人間評価では、コード品質で3.74点（5段階中）をマークし、GLM-5.3を上回った。間接プロンプト注入に対する耐性が93.3%である点も評価されている。性能が実業務でどう発揮されるかが焦点となり、追加ベンチマーク結果の公開を待つ動きが続く。
小型オープンモデルのリリースも期待される。実環境での速度とメモリ消費量に関する詳細検証が次々と投稿されている。
重み公開と今後のモデル展開予定
重み公開は2026年10月末を予定している。アーキテクチャの詳細や追加ベンチマーク結果、後処理の手法は今後順次公開される。強化学習のランは現在も進行中で、モデルは性能飽和の兆しを見せない。計算基盤の拡大に伴い、今後数週間で大幅な性能向上が期待される。
Mistral Forgeの環境で提供されるトレーニングとカスタマイズ手法が、ML4の基盤になっている。月末の重み公開後、実業務での性能発揮度合いが焦点となる。追加の評価指標や特定言語の挙動がどう推移するかで、採用判断が大きく変わる可能性がある。
ML4は新世代の専門化・最適化モデルの基盤としても機能する。インフラ増強は数ヶ月以内に本格化する。2026年10月末に重み公開が行われる。
用語の注釈
- Jailbreak
- LLMやチャットボットの安全フィルターや制約をプロンプトで回避し、通常出力されない回答や機能を引き出す。（参考：Jailbreakとは？プロンプトインジェクション・脱獄プロンプト ...）
出典
- Mistral Large 4（Hacker News） · 議論