1兆パラメータ超の「Mistral Large 4 Le Chonk」をMistralが発表、中国勢に対抗するオープンウェイトAIモデル

Meet Mistral Large 4, aka Le Chonk.

• 1T parameters, natively multimodal. 49B active.
It is the best open weights model from US or Europe on aggregated benchmarks.
• State-of-the-art on critical workloads, including cyber defense, manufacturing and finance and it surpasses closed frontier models on visual grounding.
• Forged in Europe end-to-end and is deployable from Europe via our own Mistral Cloud infrastructure.
• Available to all via API today. Working with cybersecurity partners privately.

Open weights release end of October.

— Mistral AI (@MistralAI) October 6, 2026

Mistral Large 4は、複数の専門家モデルのうち必要な部分だけを選んで動かすMixture-of-Experts(MoE)アーキテクチャを採用しています。総パラメータ数は1.05兆ですが、推論時に使うアクティブパラメータ数は490億で、16億パラメータの画像エンコーダーを備えています。この仕組みにより、1兆を超えるパラメータを持ちながら、推論のたびにすべてを動かす必要はありません。

テキストと画像を扱えるネイティブなマルチモーダルモデルで、100万トークンのコンテキストウィンドウに対応します。コーディング、推論、ツールを使うAIエージェント、サイバーセキュリティ、科学、数学、財務、法律、画像理解などを、1つのモデルで扱えるよう設計されています。学習データのかなりの割合を多言語データが占めており、EUの全公用語を含む160以上の言語に対応します。

Mistralは特に、中国企業が開発するオープンウェイトモデルに対する競争力を強調しています。Le Chonkはソフトウェア開発能力を評価するDeepSWE v1.1では61.7％、ソフトウェアリポジトリの内容を理解して質問に答えるSWE-Atlas-QnAでは59.4％を記録しました。また、ターミナルを操作して複雑な作業をこなすTerminal-Bench 4では28.3％でした。これらをまとめたCoding Agent Indexは49.8％で、DeepSeek V4 Pro 0813やQwen3.8 Maxを上回ったとMistralは説明しています。

MistralはSurge AIと共同で、生成したコードをプロの評価者にモデル名を伏せた状態で5段階で採点させるテストも実施しました。Mistral Large 4の評価は3.74点で、Claude Opus 5の4.22点には届かなかったものの、GLM-5.3の3.60点、Kimi K3の3.59点、GLM-5.2の3.40点を上回り、比較した5モデル中2位となっています。

ツールを使いながら長時間にわたって作業を進める「AIエージェント」としての性能も強化されています。Gmail、Google Sheets、Slack、Salesforceなどを使う657種類の業務ワークフローを評価するAutomationBenchでは59.9％を記録し、Kimi K3、MiMo-V2.6-Pro、DeepSeek V4 Proを上回りました。スプレッドシートやスライド、PDFなどを作成する、長時間の知識労働を評価するAA-Briefcaseでは1393 Eloを記録し、DeepSeek V4 Proを上回っています。

サイバーセキュリティも重点分野の1つです。実在するソフトウェアの脆弱(ぜいじゃく)性をAIが発見・修正できるかを調べるArtificial Analysis Cyber Indexでは、世界の上位5モデルに入りました。中国以外で開発されたオープンウェイトモデルを大きく上回ったとされています。

この評価に含まれる、オープンソースソフトウェアの実在する脆弱性を再現してから修正するテストでは82％を記録しました。Mistralによると、評価対象モデル中で最高の成績でした。また、セキュリティ競技をもとにした40問を解くCybenchでは、問題の93％を解決しました。Mistralは、一部のクローズドモデルは安全機能によって脆弱性の再現を拒否するため、同じテストで成績がほぼ0％になるケースがあると説明しています。

画像理解の性能も、従来のMistralモデルから大きく強化されています。一般的な写真に加え、文書やグラフ、工学図面、巨大な衛星画像などを解析できます。画像内の特定の物体や領域を見つける「ビジュアルグラウンディング」にも対応します。高密度な画像から対象物を特定するDense 200では42％を記録し、Mistralの評価ではGPT-6 Astraの41.5％をわずかに上回りました。

科学分野では、物理学、数学、材料科学、生物学などの複雑な科学計算をコードとして実装する能力を測るSciCode-Verifiedで、オープンウェイトモデルとして最高水準の性能を記録したとMistralは説明しています。物理シミュレーションやデータ解析にも対応します。複数の高度な計算手順を要する、量子化学のHartree-Fockシミュレーションを、一度の指示で生成する例も示されています。

金融と法律のベンチマークでも高い性能が報告されています。Mistralによると、第三者評価機関vals.aiの金融・法律関連の評価ではGPT-6 Astraを上回りました。Harvey AIのLegal Agent Benchmarkでも、比較対象のオープンモデルを上回っています。実際の金融・会計業務を想定し、スプレッドシートの作成・編集能力を調べるFinWorkBenchでも、高い性能を示したとしています。

モデルの安全性についても評価されています。外部の文章などに埋め込まれた悪意ある命令でAIの動作を乗っ取る「間接プロンプトインジェクション」への耐性を調べるLakeraのB3 AI Security Benchmarkでは、攻撃の93.3％に耐えました。安全性や責任ある応答を評価するKORA Benchmarkでは、最高2点のうち1.691点を記録しています。

Mistral Large 4は、ヨーロッパにあるMistralの自社データセンターで、3800基のNVIDIA Grace Blackwell GPUを使ってゼロから学習されました。記事作成時点で提供されているPublic Previewも、同じインフラで稼働しています。Mistralは、企業や政府が特定の外部AI事業者に依存しない「AI主権」を重視しており、Mistralのインフラで学習から提供までを行い、将来的にはプライベートクラウドやオンプレミスでも運用できることを重要な特徴と位置付けています。

記事作成時点では、Mistral Large 4はPublic PreviewとしてAPI経由で利用できます。ただし、モデルウェイトはまだ一般公開されていません。Mistralは2026年10月末までにウェイトを公開する予定です。それまでは、サイバーセキュリティ企業や審査済みのパートナー、政府機関などと実環境でレッドチーミングを行い、安全性を検証するとしています。

Mistralによれば、Public Previewで提供しているモデルの強化学習は記事作成時点でも続いており、性能はまだ飽和していないとのこと。ウェイト公開時には、アーキテクチャの詳細や追加のベンチマーク、学習後の調整手法も公開する予定で、今後開発する特化型・最適化モデルの基盤としても利用するとしています。