仏Mistral AIは現地時間10月6日、大規模言語モデル「Mistral Large 4」のパブリックプレビューを開始しました。
同社が公開したモデルのなかで最大・最高性能と位置付けるオープンウェイトモデルで、コーディングやエージェント処理、サイバーセキュリティなどの用途を想定しています。
APIからプレビューを利用でき、モデルの重みは10月末にも公開される予定です。
欧州のデータセンターで学習・運用できる点も特徴で、米国系クラウドやモデルへの依存を減らしたい企業や組織に向けた選択肢となります。
「Mistral Large 4」の規模と主な仕様
Mistral AIの公式ドキュメントによると、Mistral Large 4は総パラメーター数が約1兆500億、推論時に使用するアクティブパラメーター数が約520億のモデルです。
| 項目 | 内容 |
|---|---|
| モデル名 | Mistral Large 4（ML4、愛称「le Chonk」） |
| 総パラメーター数 | 約1兆500億 |
| アクティブパラメーター数 | 約520億 |
| 対応形式 | ネイティブのマルチモーダル対応 |
| 提供状況 | APIでパブリックプレビュー中、重みは月末公開予定 |
総パラメーター数とアクティブパラメーター数は異なる指標です。
約1兆500億という総数はモデル全体の規模を示し、約520億というアクティブ数は処理ごとに有効化されるパラメーターの規模を示します。
同社は、欧州のデータセンターに設置した3,800基の「NVIDIA Grace Blackwell」GPUを使い、モデルをゼロから学習させたと説明しています。
学習データは160以上の言語に及び、欧州連合（EU）の公用語もすべて含むとされています。
ネイティブのマルチモーダル対応により、テキストだけでなく画像を扱うタスクにも対応します。
欧州での運用を重視、米国依存の低減を訴求
Mistral Large 4の特徴は、モデルの性能だけではありません。
欧州のデータセンターで学習され、欧州法の下で運用できることに加え、顧客が自社インフラで自己運用できる点を同社はアピールしています。
生成AIの利用では、モデルの提供地域やデータの保管場所、適用される法制度が、組織の導入判断に影響します。
とりわけ機密情報を扱う企業や公共機関では、データを外部サービスに送信せずに運用できるかどうかが重要な検討事項です。
欧州域内での学習・運用と自己運用の選択肢を組み合わせ、米国系クラウドやモデルへの依存を抑えたい組織に訴求するのが、Mistral Large 4の戦略といえます。
ただし、「オープンウェイト」はモデルの重みを利用者が取得できる形で公開することを指し、必ずしもソフトウェア全体がオープンソースであることと同じではありません。
重みの公開後は、利用条件やライセンス、商用利用の可否、自社環境で動かすための要件を確認する必要があります。
一部ベンチマークでGPT-6 Astraを上回ると主張
Mistral AIは、Mistral Large 4がコーディング、エージェント処理、サイバーセキュリティ、文書理解、金融・法務業務に強みを持つと説明しています。
同社によると、Artificial Analysis Cyber Indexのサイバーセキュリティ評価では世界上位5位に入り、サイバーセキュリティや金融、法務の分野でオープンモデル最高水準の性能を示したとしています。
また、画像内の物体の位置を特定する「Dense200」など一部のベンチマークでは、「GPT-6 Astra」を上回ったと発表しています。
ただし、この結果をもってあらゆる用途でGPT-6 Astraを上回ると判断することはできません。
ベンチマークは、評価対象や測定方法、モデルの設定によって結果が変わります。
導入を検討する場合は、総合順位だけでなく、自社で必要とする言語や文書形式、処理内容に近い評価を確認し、実際の業務データで比較することが重要です。
安全性とサイバーセキュリティ用途
同社は安全性の評価として、「JailbreakBench」「StrongREJECT」「AgentHarm」における、サイバー関連の悪意ある要求への平均拒否率を挙げています。
比較対象となったオープンモデルのなかで、Mistral Large 4の拒否率が最も高かったとしています。
一方で、Mistral AIはクローズドモデルについて、提供元の方針によって正当な脆弱性調査やインシデント対応まで制限されるおそれがあると指摘しています。
自社で運用できるオープンウェイトモデルなら、セキュリティ業務に合わせた利用環境を整えやすいというのが同社の訴求点です。
ただし、モデルを自社運用する場合も、安全性が自動的に確保されるわけではありません。
アクセス管理やログの監視、出力の検証、プロンプトインジェクションへの対策など、運用側の管理体制が必要です。
重み公開後は技術情報も追加予定
Mistral Large 4は、約30億ユーロの資金調達を含む「Series D」に関連したロードマップの最初のマイルストーンでもあります。
同社はモデルの重みを公開する際、アーキテクチャーの詳細や追加のベンチマーク、ポストトレーニングの手法も公表する予定です。
これらの情報が明らかになれば、モデルの特性や評価結果を外部から検証しやすくなり、導入に必要な計算資源や運用方法を判断する材料も増えると期待されます。
同社はMistral Large 4を、今後提供するMistralの派生モデルや後継モデルの基盤にする考えです。
月末に予定される重みの公開と追加情報の内容が、開発者や企業による採用を左右するポイントになりそうです。
まとめ
Mistral Large 4は、約1兆500億の総パラメーターを持つマルチモーダルモデルで、APIによるプレビュー提供が始まり、重みは月末に公開予定です。
欧州での学習・運用や自己運用への対応は、データの所在や米国系サービスへの依存を重視する組織にとって注目点です。
一方、ベンチマークの優位性は一部の評価に限られるため、ライセンスや運用コストを確認したうえで、実際の業務に沿った検証を行うことが大切です。