2026年10月30日、欧州のAI開発企業Mistralがフラッグシップモデル「Mistral Large 4」（コードネーム「Le Chonk」）のウェイトを公式にオープンソース化しました。総パラメータ数は1.05兆に達し、スパースMoE（Mixture of Experts）アーキテクチャを採用、欧州現地のインフラでスクラッチから事前学習が行われました。画像・文書・コードのマルチモーダル理解にネイティブ対応しており、オープンウェイトモデルとしては最高峰の規模を誇ります。
Artificial AnalysisのCoding Agent Indexベンチマークにおいて、Le Chonkは48%を記録し、同時期のオープンソースモデルであるGLM-5.3とほぼ肩を並べました。しかし、エンジニアリングの実測データは直感に反する驚くべき結果を示しています。同等のソフトウェアタスクを完遂するにあたり、出力トークンの消費量が平均で47%も少なかったのです。Mistralはこの高効率ゾーンを、モデル推論の「スイートスポット」と位置づけています。
大規模言語モデルの進化の焦点は、単なるベンチマークのスコア争いから、実運用のエンジニアリングワークロードにおける推論コストへと急速にシフトしています。タスクの合格率が同等であるならば、システムの成否を分けるのはインタラクティブなスループットとVRAM消費量です。今回のデータは、オープンソース陣営が計算資源のコスト構造においてフロンティアモデルと真正面から戦える実力を備えたことを証明しています。
ベンチマークで先端並走、1タスクあたりのトークン消費を47%削減
エージェントが実際のプロダクション環境に組み込まれるにつれ、長大なコンテキストと反復的な推論ステップが主要なコスト要因となってきました。Coding Agent Indexにおいて、Le Chonkは48%のスコアを達成し、GLM-5.3と同水準を維持しています。しかし決定的な違いはその消費効率にあります。トークン消費量が47%削減されたことで、長期にわたるタスクの推論コストは実質的にほぼ半減します。
Mistralの報告によると、CognitionのFrontierCode 2.0（リポジトリメンテナーが実際にプルリクエストをマージしたかどうかを評価基準とするベンチマーク）において、Le Chonkは19.7%のマージ率を記録し、GLM-5.3の19.3%を上回りました。同テストでは、Kimi K3が17.8%、GLM-5.3 Flashが17.3%を記録。一方、ランキング下位ではBeam 1.0が14.2%、DeepSeek V4.1 Flashが2.9%にとどまっています。
マージ率におけるわずかなリードは、生成されたコードが実務的なコーディング規約において高い一貫性を保っていることを示しています。自動生成コードは、冗長なコメントや脆弱なテストコードが原因でメンテナーから却下されることが少なくありません。Le Chonkは出力を半減近くまで削ぎ落としながらも合格率を維持しており、モデルのポリシーが無駄な試行錯誤や過剰な実装（オーバーエンジニアリング）を大幅に抑制できていることを物語っています。
図：FrontierCode 2.0 プログラミングベンチマークのスコア比較。実際のメンテナーによるコードマージを合否基準としており、厳格なエンジニアリング基準下での各社モデルのスコア差に注目。出典：Mistral公式ブログ。
3週間の追加強化学習によりターミナルタスクの出力長を圧縮
出力長の大幅な削減は、事後学習（ポストトレーニング）の最適化による成果です。Mistralは事前学習済みベースモデルに対し、エージェントの行動ステップ数を圧縮することを目的とした強化学習（RL）を3週間にわたって追加実施しました。ターミナル環境の検証ベンチマークであるTerminal-Bench 4.0において、Le Chonkは41%の合格率を達成。これは従来のプレビュー版から実に13ポイントの向上です。
成功率が上昇する一方で、推論時の出力ボリュームは逆に縮小しました。ターミナルタスクにおける出力トークン数は30%削減されています。公式発表によれば、強化学習による改善ペースは現在も加速傾向にあり、頭打ちの兆候は見られないとのことです。対話型環境に特化して調整された報酬モデルが、エージェントの無駄な饒舌さを効率的に削ぎ落としています。
様々なコンピュート予算に対応するため、本モデルには「Low」「Medium」「High」の3段階の推論モードが用意されています。デフォルトで有効化されている「High」は深層かつ長期的な推論を担い、「Low」は従来の推論なし状態を完全に代替します。この段階的アプローチにより、思考の深さを運用上の制御可能な変数へと変えました。軽量なトラブルシューティングタスクで過剰なChain-of-Thoughtをロードする必要がなくなり、高同時実行下でのVRAMオーバーヘッドを劇的に節約できます。
悪意ある要求への拒絶率96%を維持、企業の商用運用に適した安全設計
モデルが持つセキュリティ境界の防御力は、企業がオンプレミス環境でプライベート運用する際の導入障壁を左右します。公式スローガンとして「Built for Coders, Trusted by Defenders」が掲げられました。悪意あるネットワークリクエストのテストにおいて、Le Chonkは96.6%の平均拒絶率を達成しました。公式はこの数値をオープンウェイトモデルとして最高峰であると説明しつつ、正当な防御・監査タスクに対して無差別に拒否することはないと強調しています。
Artificial Analysisによるセキュリティベンチマーク「Cyber Index」において、Le Chonkのスコアは51%でした。同テストではDeepSeek-V4.1-Flashが57%、MiMo-V2.6-Proが56%を記録しています。一方で、Surge Codeによる人間のブラインド選好評価では、Claude Opus 5.5に次ぐ第2位に位置づけられました。このコードブラインドテストの評価は、同時期の他のオープンソース競合モデルを明確に上回っています。
高い拒絶率とセキュリティ指数のギャップは、ファインチューニングにおけるトレードオフを浮き彫りにしています。96.6%の遮断率は、自動化されたハッキングスクリプトの生成ルートを遮断し、企業のコンプライアンス要件を満たします。しかしその一方で、深層的な脆弱性のリバースエンジニアリングや敵対的検証を処理する際、厳格な安全制限が推論の探究領域を狭めてしまう側面もあります。不正な攻撃の防止と推論深度の維持との間で、実用的な落としどころを探る調整が続けられています。
1兆パラメータのプライベート構築：欧州の主権コンピュートが直面する経済計算
Le Chonkは1.05兆の総パラメータを持ち、スパースMoE（混合エキスパート）機構によって動作します。各フォワードパスにおいてパラメータの一部のみをアクティブ化することで、超巨大モデルでありながら特定規模のクラスタ環境でのデプロイを可能にしています。Mistralは、本モデルが欧州現地のインフラでゼロから事前学習された点を強調しています。これは、生成AI領域における欧州の技術的自律性を確立する極めて重要なマイルストーンとなりました。
モデルウェイトはHugging Face上で既に公開されており、vLLMやSGLangを用いたセルフホスティングに即座に対応しています。モデルカードおよびライセンス規約も同時に公開され、詳細な技術レポートも近日公開予定とされています。ローカル環境での稼働アーキテクチャにより、機密性の高いビジネスロジックや社内コードを外部クラウドへ晒すリスクを回避できます。
公式に発表されたパートナー企業には、NVIDIA、Cisco、Cloudflare、CrowdStrikeなどが名を連ねています。また欧州の現地企業としては、ASML、Orange Cyberdefense、Crédit Agricole（アグリコル銀行）、欧州宇宙機関（ESA）などが参画しています。産業製造業や防衛・宇宙機関の参画は、厳格なコンプライアンスを求める組織において、計算基盤を自ら主権的に管理することへの強い要請を示しています。
しかし、主権と自律のビジョンは、データセンターの物理的な運用コストという現実的な試練を乗り越えなければなりません。1.05兆パラメータはスパースにアクティブ化されるとはいえ、ウェイト自体は数百ギガバイト規模のファイルであり、VRAMやストレージの転送負荷は避けられません。自前クラスタにおける超高速ネットワークと電力消費は、物理インフラに対して厳格なハードルを突きつけます。企業はハードウェアへの先行投資と長期的な運用保守コストの総合的な収支を冷静に見極める必要があります。
図：Mistralが公開した提携機関および顧客リスト。半導体製造、サイバーセキュリティ、欧州航空宇宙などの中核分野をカバー。出典：Mistral公式ブログ。
ベンチマーク競争の頭打ち後、オープンソースの命運を握る推論コスト
オープンソース大規模言語モデルの競争は、新たな分岐点へと突入しています。初期の競争は、データ規模の拡大とベンチマークスコアの引き上げに集中していました。しかし主要モデル間でタスク合格率に決定的な世代差がつかなくなった今、24時間365日稼働するコンピュート予算が最大の決定要因となっています。単位成果物あたりにどれだけのトークンを消費するかが、業務システムにおける長期運用の継続可能性を左右します。
Le Chonkは新たな指標を提示しました。トークン消費をほぼ半減させながら同等のコード品質を提供することで、ハードウェア調達および運用コストを大幅に抑制しています。ユーザー企業が求めるのは自律的な統制力であり、日々の消費に耐えうる持続可能な計算コストです。トップクラスの実力と優れたエネルギー効率を兼ね備えて初めて、オープンウェイトモデルは実際のエンジニアリング生産現場への本格的なパスポートを手にするのです。
図：Mistralが本フラッグシップモデルのために選定したマスコットキャラクター「Le Chonk」。出典：mistral.ai。
参考リンク：
- Mistral 公式ブログ：Mistral Large 4 オープンウェイト公開のお知らせ
- Mistral 公式ブログ：Mistral Large 4 モデルアーキテクチャとベンチマーク評価
- Hugging Face 公式ウェイトリポジトリ：Mistral-Large-4-1T-A52B
