Mistral Large 4 リリースノート

Mistral AI は、1兆パラメータ（490億個のアクティブパラメータ）を持つネイティブなマルチモーダルモデルである Mistral Large 4 (ML4) のパブリックプレビューを発表しました。ML4 は、サイバーセキュリティ、金融、法務、エージェント型ソフトウェアエンジニアリングなどの高リスクのエンタープライズワークロードをターゲットに、オープンウェイト性能の限界を押し広げるために設計されています。

技術仕様とインフラ

Mistral Large 4 は、Mistralが所有するヨーロッパのデータセンター内で 3,800 基の NVIDIA Grace Blackwell GPU を使用して、ゼロから訓練されました。モデルの訓練データは多言語に富んでおり、EUのすべての公式言語を含む 160 言語以上をカバーしています。

主なアーキテクチャおよびデプロイメントの詳細は以下の通りです：

  • パラメータ数： 1兆個の合計パラメータ、うち490億個がアクティブパラメータ。
  • デプロイメント： Mistral Studio でのプレビューAPI経由で利用可能。重みは今月末までにリリース予定。
  • 主権： モデルはヨーロッパでMistralがエンドツーエンドで運用され、他のデジタルサービスプロバイダーとは独立しており、ヨーロッパ法に準拠しています。

サイバーセキュリティ機能

ML4 は、閉鎖型モデルで一般的な制限的な拒否を避けつつ、脆弱性調査やインシデント対応を実行できる能力を重視した、最先端のオープンウェイトモデルとして位置づけられています。

  • パフォーマンスベンチマーク： ML4 は Artificial Analysis Cyber Index において世界トップ5にランクイン。オープンソースソフトウェアにおける実際の脆弱性の再現とパッチ適用を求めるテストでは82%のスコアを達成し、どのモデルよりも高いスコアを記録しました。また、Cybench の課題の93%を解決しました。
  • 競争優位性： Mistral は、GPT-6 Astra や Claude Opus 5.5 などの閉鎖型モデルがこれらの特定テストで安全フィルタの拒否によりほぼ0点を記録する傾向にあると指摘しています。ML4 はマルウェア分析、脆弱性の優先順位付け、検出ルールの作成が可能であり、監査性を確保するためにプライベートクラウドやオンプレミスでのデプロイも可能です。

エージェント型コーディングとソフトウェアエンジニアリング

ML4 は、リポジトリの理解、ターミナルワークフロー、自律的なソフトウェアエンジニアリングタスクにおいて高い習熟度を示しています。

  • コーディングベンチマーク： DeepSWE v1.1 で61.7%、SWE-Atlas-QnA で59.4%、Terminal-Bench 4 で28.3% のスコアを記録。総合的な Coding Agent Index スコアは49.8%で、DeepSeek V4 Pro 0813 や Qwen3.8 Max を上回っています。
  • 人間評価： Surge AI による盲検評価では、ML4 プレビューは5モデル中2位（スコア3.74）にランクイン。Claude Opus 5（4.22）に次ぐ成績を収め、Kimi K3、GLM-5.3、GLM-5.2 を上回りました。
  • 一般自動化： AutomationBench（657のビジネスワークフロー）では59.9%のスコアを記録し、Kimi K3、MiMo-V2.6-Pro、DeepSeek V4 Pro を上回りました。

マルチモーダル理解と科学

ML4 は視覚的推論において顕著な進歩を遂げており、複雑なドキュメント、チャート、地理空間画像の処理が可能になっています。

  • 視覚的基盤： ML4 は Dense 200 ベンチマークで GPT-6-Astra を上回り（42% 対 41%）。大規模なジグピクセル衛星画像を災害対応に活用したり、技術図面における機械部品の検証が可能です。
  • 科学的ワークフロー： SciCode-Verified において、オープンウェイトモデルの中で最先端の性能を発揮しています。化学における完全なハートリー＝フォックシミュレーションの生成や、理論物理学に関連する複雑な応用数学タスクの実行が可能です。

専門知識作業

ML4 は、法律および金融分野における高精度なタスクに最適化されています。

  • 法律と金融： vals.ai による第三者評価では、ML4 が GPT-6-Astra を代表的な法律・金融タスクで上回っていることが示されています。また、HarveyAI の Legal Agent ベンチマークではすべてのオープンソースモデルを上回っています。
  • 金融分析： モデルは、EDGAR やヨーロッパのデータベースを通じて公開企業の提出書類を検索し、情報を統合する多段階の企業財務課題に対応可能です。

モデルの安全性と堅牢性

ML4 はサイバーセキュリティ研究者にとって有用性を維持しつつ、高度な安全対策を実装しています。

  • 攻撃耐性： Lakera の B3 AI セキュリティベンチマークにおいて、ML4 は93.3%の攻撃を耐えることができ、競合モデルの中で最高スコアを記録しました。また、GLM-5.2、GLM-5.3、Kimi-K2.6、Kimi-K3、DS-V4-Pro-0813 と比較して、間接的なプロンプトインジェクションに対して高い堅牢性を示しています。
  • 責任ある関与： ML4 は KORA ベンチマークで1.691のスコアを達成しました。高いサイバー能力を持つにもかかわらず、悪意のあるリクエス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も高い（JailbreakBench、StrongREJECT、AgentHarm で測定）という点で、責任ある行動を維持しています。

スケールでの強化学習（RL）

Mistral は、モデルの進化に応じて適応できるコンポーザブルな RL ライブラリを活用しています。このシステムにより、1回のトレーニング実行で、安全性の整合性、事実性、長期的なツール使用といった多様なタスクを統合できます。

  • トレーニング規模： 3,000 基の GPU を使用して、1回のトレーニング実行で1日あたり約330億トークンを生成し、そのうち160億トークンがトレーニング可能な完了トークンです。
  • インフラ： パイプラインは、長期的な軌道と高リロール予算（数百万トークン）を最適化しており、オフポリシーのドリフトを最小限に抑え、長期的なホライゾンにおける安定した RL を確保しています。

Sources