Akira

Posted on Oct 6 Originally published at apidog.com

ミストラル復活：ル・チョンクがGPT-6アストラとクロードを凌駕

Mistralはしばらくトップエンドで静かでした。Mistral Large 3は2025年12月に出荷され、それ以来、オープンウェイトのフロンティアに関する話題はKimi、DeepSeek、GLM、Qwenに移っていました。2026年10月6日、MistralはMistral Large 4で応えました。これは、チームが「Le Chonk」と呼ぶ1兆パラメータモデルです。

今すぐApidogを試す

見出しの数字はサイバーベンチマークです。Large 4は82%を記録し、Claude Opus 5.5とGPT-6 Astraはほぼゼロでした。これはMistralの発表ページに記載された事実ですが、共有する前にコンテキストが必要です。

この記事では、Large 4の仕様、価格、ベンチマークの読み方、そして自分のAPIワークロードで評価する手順を解説します。

TL;DR

概要: 合計1.05兆パラメータ、アクティブ490億パラメータの混合エキスパート（MoE）モデルです。16億パラメータのビジョンエンコーダを持ち、テキスト・画像入力と100万トークンのコンテキストウィンドウをサポートします。
入手方法: Mistral APIでパブリックプレビューとしてmistral-large-4を指定して利用できます。ウェイトは「月末まで」、つまり10月27日頃に公開予定です。
価格: リスト価格は100万トークンあたり入力$1.36、出力$4.18。プレビュー期間中は入力$0.68、出力$2.09です。キャッシュ済み入力は$0.07です。
サイバーの結果: AA Cyber Indexの脆弱性再現テストで82%。Claude Opus 5.5とGPT-6 Astraは、タスクを失敗したのではなく拒否するため、ほぼゼロになります。
注意点: 人間によるコーディング品質評価では、Claude Opus 5が4.22、Large 4 Previewが3.74でした。

「Mistralが帰ってきた」と言える理由

2026年の大半において、最も強力なオープンウェイトモデルは中国から登場していました。MistralもMedium 3.5、Devstral 2、Small 4を継続的にリリースしていましたが、フロンティアのクローズドモデルと直接競合する位置ではありませんでした。

Large 4はその状況を変える可能性があります。Mistralは「米国またはヨーロッパで開発されたどのオープンウェイトモデルよりも著しく優れている」と主張しています。

モデルはMistral自身のヨーロッパのデータセンターで、3,800基のNVIDIA Grace Blackwell GPUを使ってゼロからトレーニングされました。160以上の言語を扱い、すべてのEU公用語を含みます。EU主権やリージョン内ホスティングを重視するチームにとって、重要な選択肢です。

Large 4は、ReflectionがオープンウェイトのBeamモデルを発表した直後に登場しました。米国対中国という構図だったオープンモデル競争に、ヨーロッパの有力候補が加わった形です。

サイバーの見出しと落とし穴

注目を集めているのは、Artificial Analysis Cyber Indexの結果です。このベンチマークでは、オープンソースソフトウェアの実際の脆弱性を再現し、修正するタスクをモデルに実行させます。

Mistralは、Large 4が82%で最高スコアを記録したと報告しています。

ただし、Mistral自身が重要な注記をしています。Claude Opus 5.5やGPT-6 Astraを含む複数の主要クローズドモデルは、同じテストでタスク実行を拒否するため、ほぼゼロのスコアになるということです。

主張	実際に意味すること
「Large 4はサイバーでAstraとOpus 5.5を打ち負かす」	このテストでは、クローズドモデルが回答を拒否します。Large 4は回答し、多くのケースで成功します。
「Large 4は最高のハッキングモデル」	未確立です。拒否は能力の限界ではなく、ポリシー上の選択である可能性があります。
「Large 4は安全ではない」	これも未確立です。MistralはJailbreakBench、StrongREJECT、AgentHarmのサイバープロンプトに対する平均拒否率が、他のオープンウェイトモデルより高いと報告しています。

この結果の背後には実際の能力もあります。Large 4は、40個のキャプチャ・ザ・フラッグ課題からなるCybenchで93%を解決しています。Mistralはこれを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つと説明しています。

B3 Agent Security Benchmarkでは、攻撃の93.3%に耐えるとされています。

セキュリティチームでの評価ポイント

防御目的で使う場合は、公開ベンチマークの順位だけで判断せず、自社の許可済み環境で検証してください。

ステージング環境に意図的な脆弱性を用意する
脆弱性の再現手順と修正案をモデルに生成させる
修正パッチをCIでテストする
危険な要求に対する拒否挙動も同時に記録する
結果を既存モデルと比較する

APIチームにとっては、外部のポリシーフィルターだけに依存せず、将来的に自社ハードウェア上で扱える可能性がある点も重要です。

サイバー以外でLarge 4がGPT-6 Astraに勝る点

サイバーの結果は派手ですが、Astraに対する次の2つの比較は、両モデルが実際にタスクを試行している点でより解釈しやすい結果です。

ベンチマーク	Mistral Large 4	GPT-6 Astra	注記
Dense 200（視覚的グラウンディング）	42%	41%	1ポイント差。実質的ですが僅差です。
Finance Agent v2（vals.ai）	先行	後塵	Mistralは順位のみを報告しています。
Harvey Legal Agent Benchmark	最高のオープンモデル	記載あり	直接比較の数値は未公開です。

他のオープンモデルとの比較では、Large 4は次の数値を報告しています。

ベンチマーク	Mistral Large 4	比較対象
AutomationBench（657ワークフロー）	59.9%	Kimi K3、DeepSeek V4 Pro
AA-Briefcase（ナレッジワーク）	1,393 Elo	DeepSeek V4 Pro
DeepSWE v1.1（コーディング）	61.7%	オープンウェイトモデルをリード
SWE-Atlas-QnA	59.4%	—
Terminal-Bench 4.0	28.3%	—

これらはすべてMistralが報告したプレビューモデルの数値です。独立したラボによる再実行はまだ行われておらず、Euronewsはローンチ時点で強化学習が最終段階にあったと報じています。

実装判断では、これらを最終結論ではなく、自社評価を始めるための強いシグナルとして扱うのが適切です。

まだ劣る点

Mistralは、クローズドモデルが明確に勝利した結果も公開しています。Surge AIが5モデルを対象に実施したコーディング品質の人間評価では、Large 4 Previewは2位でした。

モデル	人間のコーディングスコア（5点満点）
Claude Opus 5	4.22
Mistral Large 4 Preview	3.74
GLM-5.3	3.60
Kimi K3	3.59
GLM-5.2	3.40

Large 4は中国製の主要オープンモデルを上回っていますが、Claude Opus 5とは0.5ポイント近い差があります。

Mistral自身も、Large 4はコーディングでフロンティアモデルとの「ギャップを縮めている」と表現しています。この評価が妥当です。

また、ローンチ資料にはClaude Fable 5.1やGPT-6 Solとの比較はありません。Large 4がそれらを上回るという主張を見かけた場合は、必ずベンチマークと評価条件を確認してください。

スペック概要

スペック	Mistral Large 4
APIモデルID	`mistral-large-4`（エイリアス: `mistral-large-4-0`）
バージョン	26.10、パブリックプレビュー
アーキテクチャ	混合エキスパート、ハイブリッド指示+推論
パラメータ数	合計1.05兆、アクティブ490億、ビジョンエンコーダ16億
コンテキストウィンドウ	100万トークン
入力	テキスト、画像
推論	`reasoning_effort`パラメータ（`"high"`または`"none"`）
ツール	関数呼び出し、構造化出力、組み込みエージェントツール
エンドポイント	`/v1/chat/completions`、`/v1/conversations`、`/v1/agents`、`/v1/batch`
ウェイト	オープン、2026年10月末までに公開予定。ライセンスは未発表。

APIからLarge 4を呼び出す

まずは/v1/chat/completionsで、現在使っているモデルと同じプロンプトを実行してください。

curl https://api.mistral.ai/v1/chat/completions \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-large-4",
    "messages": [
      {
        "role": "user",
        "content": "次のAPI仕様を確認し、実装上の問題点を箇条書きで示してください。"
      }
    ],
    "reasoning_effort": "high"
  }'

比較評価では、次の項目を保存してください。

choices内の出力品質
HTTPステータス
レイテンシ
usage内の入力・出力トークン数
JSONやツール呼び出しなどの構造化出力の妥当性
期待した拒否・非拒否挙動

プレビュー中のモデルは更新される可能性があるため、同じテストセットを定期的に再実行できる状態にしておくことが重要です。

価格：今日呼び出せる最も安価なフロンティアクラスモデル

APIチームが特に確認すべきなのは価格です。Mistralの料金ページでは、Large 4はプレビュー期間中、リスト価格の半額で掲載されています。

モデル	入力 / 100万トークン	出力 / 100万トークン	オープンウェイト
Mistral Large 4（プレビュー価格）	$0.68	$2.09	はい、10月下旬
Mistral Large 4（リスト価格）	$1.36	$4.18	はい、10月下旬
Claude Opus 5.5	$4.00	$20.00	いいえ
GPT-6 Astra	$10.00	$50.00	いいえ

プレビュー価格では、Large 4の出力コストはAstraのおよそ24分の1です。リスト価格になっても、およそ12分の1です。

キャッシュ済み入力は100万トークンあたり$0.07です。同じシステムプロンプト、OpenAPI定義、ツール定義を毎ターン送信するエージェントでは、この差が大きくなります。

ただし、Mistralはプレビュー割引の終了日を明言していません。予算計画はプレビュー価格ではなく、リスト価格を前提に見積もるべきです。

乗り換えるべきか？

すぐに試すべきケース

エージェントワークフローやナレッジワーク自動化を運用しており、フロンティアモデルの価格を支払っている
EU言語での多言語出力、またはコンプライアンス上EUホスト型の推論が必要
防御的なセキュリティ作業で、正当な脆弱性再現タスクが頻繁に拒否される
数週間以内にセルフホスト可能なフロンティアクラスモデルが必要

待つべきケース

コード品質が最重要指標であり、現時点でClaudeの優位性を維持したい
レビューや調達で説明可能な独立ベンチマークが必要
Large 3をすでに本番運用している
プレビューの更新による挙動変化を受け入れられない

ApidogでLarge 4を自分のAPIに対してテストする方法

ベンチマークは、モデルが他者のタスクでどれだけ機能するかを示すものです。採用判断を早めるには、自分のプロンプト、自分のAPI仕様、自分の成功条件でLarge 4を評価してください。

Apidogを使えば、比較リクエストと回帰テストをコードを書かずに管理できます。

1. リクエストを一度保存する

以下のリクエストを作成します。

POST https://api.mistral.ai/v1/chat/completions
Authorization: Bearer {{MISTRAL_API_KEY}}
Content-Type: application/json

APIキーは環境変数MISTRAL_API_KEYとして保存します。リクエスト本文ではモデルIDを変数化しておくと比較が簡単です。

{
  "model": "{{MODEL_ID}}",
  "messages": [
    {
      "role": "user",
      "content": "{{PROMPT}}"
    }
  ],
  "reasoning_effort": "high"
}

2. モデルごとにリクエストを複製する

リクエストを複製し、modelだけを変更します。

{
  "model": "mistral-large-4"
}

比較対象には、現在本番で使っているモデルIDを設定します。同じプロンプトとパラメータで送信し、以下を並べて確認します。

応答内容
HTTPステータス
レイテンシ
レスポンスサイズ
usageブロック内のトークン数

3. アサーションを追加する

一度きりの実験で終わらせず、最低限の品質ゲートをテストとして保存します。

確認すべき項目は次のとおりです。

ステータスコードが200
回答が空ではない
構造化出力を要求した場合はJSON Schemaに一致する
必須フィールドが含まれる
許容レイテンシ内に収まる

これにより、モデル比較が再実行可能な回帰テストになります。

4. モデル更新時に同じシナリオを再実行する

リクエストを次のようなシナリオ単位でグループ化してください。

OpenAPI仕様からのツール定義生成
APIレスポンスの要約
エラー原因の切り分け
認証・認可フローのレビュー
JSON Schemaに従う構造化出力
画像を含むAPIドキュメント解析

Mistralがプレビューを更新したときやウェイトを出荷したときに同じセットを再実行すれば、ユーザーが気づく前に品質やコストの変化を検出できます。

Large 4のセキュリティ能力は、たとえばステージングAPIで認証バイパスの再現手順をレビューするような、APIセキュリティテストのセカンドレビューにも活用できます。

また、関数呼び出しと構造化出力を使えば、Apidogで設計したOpenAPI仕様を、エージェントが呼び出せるツール定義に変換できます。

キー、推論チャンク、画像、関数呼び出し、コスト計算を含む完全な実装手順は、Mistral Large 4 APIガイドを参照してください。

以前のMistralモデルから移行する場合は、Mistral AI APIの基本とMistral Medium 3.5 APIガイドも引き続き適用できます。ベースURLと認証方式は同じで、主にモデルIDを切り替えます。

FAQ

Mistral Large 4はオープンソースですか？

オープンウェイトです。Mistralは2026年10月末までにウェイトを出荷すると述べています。ライセンスはまだ公開されていないため、Large 3のApache 2.0ライセンスと同じだと仮定しないでください。

Mistral Large 4は本当にGPT-6 Astraを打ち負かしますか？

Mistralの数値では、視覚的グラウンディングは42%対41%、Finance Agent v2でもLarge 4が先行しています。一方、サイバー脆弱性テストの比較では、Astraが拒否するためほぼゼロになっており、能力を直接比較する結果とは言えません。

Claudeを打ち負かしますか？

コーディングではまだです。人間によるコーディング評価では、Claude Opus 5が4.22、Large 4 Previewが3.74でした。Claude Opus 5.5もサイバー再現タスクを拒否するため、そのベンチマークではほぼゼロになります。

「Le Chonk」とは何ですか？

Mistralが使う非公式なニックネームです。モデルの大きさに対するジョークで、正式名称はMistral Large 4、またはML4です。

無料で利用できますか？

Mistralの無料プランには月額$10のAPIクレジットと、Le ChatおよびVibeでの最新モデルへのアクセスが含まれます。プレビュー価格では、$10でLarge 4の出力トークンを約480万トークン購入できます。

結論

Mistralはフロンティアモデルの議論に復帰しました。Mistralの数値によれば、Large 4は中国以外で最も強力なオープンウェイトモデルであり、AstraやOpus 5.5の数分の一のコストで利用できます。さらに、数週間以内に自社ハードウェアで動かせる可能性があります。

ただし、「サイバーでAstraとClaudeを打ち負かす」という見出しには、クローズドモデルが拒否するという前提があります。コーディング品質では、現時点でもClaudeが優位です。

プレビュー価格の期間中に、自社のAPI、プロンプト、ツール呼び出し、構造化出力を対象にLarge 4を評価してください。本番導入の判断は、ウェイト公開後の独立ベンチマークと自社の回帰テスト結果を確認してから行うのが安全です。

DEV Community