Mistralは2026年10月6日、1.05T（1兆500億）パラメータのMoEモデル「Mistral Large 4」を公開プレビューとして発表しました。Mistral StudioではプレビューAPIを利用でき、重みは10月末までに公開する予定です。
企業にとっての焦点は、1兆パラメータという規模だけではありません。入力・出力・キャッシュ入力の料金、APIで先に試すか重み公開後に自社環境へ載せるか、データ所在地や推論基盤をどう評価するかが導入判断を左右する論点です。
サイバーセキュリティ、コーディング、エージェント、画像理解に関するベンチマークも公表済みです。公開値と自社業務の結果を分けて扱い、標準価格と表示中のセール価格を使い分けながら、代表タスクで品質・レイテンシ・安全性を測定します。
※本記事は2026年10月14日時点の情報です。
AIシステム開発の種類・工程・費用・会社選定までの全体像については、無料ホワイトペーパー「AIシステム開発の完全ガイドブック」で詳しく解説しています。
Mistral Large 4とは｜総1.05T・MoEでテキストと画像を扱う
Mistral Large 4は、テキストと画像を入力できるマルチモーダルモデルです。公式モデルドキュメントでは、granular Mixture-of-Experts（MoE）アーキテクチャを採用しています。
同ドキュメントの仕様欄に並ぶのは、総1.05Tパラメータ、52B active parameters、1.6B vision encoder、1Mトークンのコンテキスト長です。
MoEは、モデル全体のパラメータを毎回すべて動かす構成とは異なります。「1兆パラメータ」はモデルが保持する総量で、1回の処理で動く量を示す数字ではありません。公式Hugging Faceページは、1トークン当たり49B active parameters、埋め込みと出力層を含めて52Bと表記です。比較では、出典ごとに総量とactiveの範囲をそろえることが必要です。
機能面では、Structured Outputs、Function Calling、Document QnA、Batchingが列挙されています。Agents & Conversations、Built-In Toolsにも対応します。長文の社内文書を扱う検索・回答や、ツールを呼び出す業務フローを同じ候補として評価しやすいモデルです。
ただし、調査時点で重みは公開されていません。オープンウェイトの選定では、モデルの能力とともに、公開後の利用条件や実行方法を判断材料へ加える必要があります。候補の見方は、中国製オープンウェイトAIの選定ポイントも参考になります。
ポイント
1兆パラメータは総量、49B／52Bはactiveの定義を含む数字です。長文・画像・ツール連携を使う代表業務に絞り、同じ条件で評価します。
ベンチマーク｜サイバー・コーディング・画像理解をどう見るか
Mistralの発表では、サイバーセキュリティの脆弱性再現・修正テストで82%、Cybenchで93%です。エージェント型コーディングはDeepSWE v1.1が61.7%、SWE-Atlas-QnAが59.4%、Terminal-Bench 4が28.3%、Coding Agent Indexが49.8%でした。
業務エージェント向けのAutomationBenchは59.9%、AA-Briefcaseは1,393 Eloです。画像のvisual groundingではDense 200が42%で、GPT-6-Astraの41%を上回ったと説明されています。サイバー、開発、業務自動化、画像を含む文書処理のどこで候補になるかを切り分ける材料です。
第三者評価のArtificial Analysisでは、Mistral Large 4 PreviewのIntelligence Indexが38、Cyber Indexが50でした。CyberGym-E2E-AAは82%です。ベンダー公表値と評価機関の数値は、データセットや測定条件が異なります。順位を導入の証明にせず、同一指示で複数モデルを比較する方法のように、自社の代表タスクを同じプロンプトと判定基準で測定する方針です。
- セキュリティ：脆弱性の再現・修正、マルウェア分析、検知ルール作成を自社の安全な検証環境で測定対象です。
- 開発：リポジトリ理解、端末操作、テスト修正を実際のコードと権限設定で評価します。
- 画像・文書：社内資料の読み取り、画像中の位置関係、回答の根拠提示まで確認項目です。
安全性についても、MistralはLakeraのB3 AI Security Benchmarkで93.3%の攻撃を防ぎ、KORA Benchmarkで1.691（最大2）と説明しています。数値は候補を絞る材料ですが、実際の権限・監査・拒否ルールを含む運用テストの代わりにはなりません。
ポイント
公表ベンチマークは用途別の入口です。自社のデータ、権限、失敗時の処理を含む評価シナリオに置き換え、APIと自社運用で同じ条件を測ります。
料金｜入力1.36ドル・出力4.18ドル、表示中は半額
公式モデルドキュメントの通常表示価格は、100万トークンあたり入力1.36ドル、キャッシュ入力0.14ドル、出力4.18ドルです。同じページにはsale priceとして、入力0.68ドル、キャッシュ入力0.07ドル、出力2.09ドルも表示されています。
※1ドル=150円で換算すると、通常価格は入力約204円、キャッシュ入力約21円、出力約627円です。sale priceは順に約102円、約11円、約314円になります。セールは表示中の価格として扱い、継続利用の予算は通常価格で置くと見積もりの振れを抑えられます。
| 項目（100万トークン） | 通常表示価格 | ページ上のsale price | 自社試算で見る点 |
|---|---|---|---|
| 入力 | 1.36ドル（約204円） | 0.68ドル（約102円） | 入力長とリクエスト数。 |
| キャッシュ入力 | 0.14ドル（約21円） | 0.07ドル（約11円） | 再利用できる共通文脈。 |
| 出力 | 4.18ドル（約627円） | 2.09ドル（約314円） | 回答長と出力上限。 |
API費は、入力と出力の比率で大きく変動します。長文コンテキストを毎回送るのか、共通の指示や文書をキャッシュできるのか、同時実行数とレイテンシの要件は何かを分けて計算する方法です。従量課金の考え方は、生成AIの従量課金と推論モードのコスト管理にも通じる解説です。
自社運用｜重みは10月末予定、今はAPIプレビューを使う
公式Hugging Faceページは、Mistral Large 4を「Upcoming release」と表示しています。Current ETAは2026年10月31日です。
重みファイルはまだダウンロード可能な状態ではありません。Mistralの発表も、重みを10月末までに公開する予定としています。
今すぐできるのは、Mistral Studioの公開プレビューAPIで品質、レイテンシ、安全性、データの扱いを測ることです。重み公開後に同じプロンプトとデータでAPIと結果を比べる設計です。モデルの提供状態が変わる前提で、評価データと合否条件を先に固定すると比較しやすくなります。
Mistralは、重み公開後のモデルをprivate cloudまたはon-premiseで実行できると説明しています。欧州法の下でMistralがエンドツーエンド運用する欧州リージョンを含む複数地域で提供する方針です。API利用と自社運用はデータ所在地、契約条件、監査の責任分界が異なるため、同じ選択肢として扱わないことが大切です。
Mistralは、欧州の自社データセンターにある3,800基のNVIDIA Grace Blackwell GPUで訓練し、同じ基盤で公開プレビューを提供しています。自社運用の費用は、重み公開後の仕様をもとに積み上げます。
| 選択肢 | 調査時点の状態 | 向いている検証 | 次に見る点 |
|---|---|---|---|
| APIプレビュー | Mistral Studioで利用可能 | 品質、料金、レイテンシ、データ取り扱い | 契約、リージョン、継続価格。 |
| 重み公開後の自社運用 | 10月末予定、Current ETAは10月31日 | 隔離環境、監査、カスタム運用 | 重み、利用条件、ハードウェア、ランタイム。 |
ポイント
重み公開まではAPIで実データに近い評価を進め、公開後に同一条件で自社推論を測ります。予定日だけでGPUや運用費を先に確定しないことが安全です。
導入判断｜APIと自社ホスティングを同じ条件で比較する
Mistral Large 4の導入判断は、モデルの順位から始めると評価が偏ります。まず代表タスクを決め、APIプレビューで出力品質と失敗パターンを把握する段階です。そのうえで、重み公開後に自社環境で同じ測定を繰り返します。
PoCの合否条件は、次の5項目に分解できます。
- 品質：正答率、根拠の提示、画像・文書の読み取り、コード修正結果を合否判定に使う項目です。
- 費用：入力・キャッシュ入力・出力の比率を反映した1件あたりの単価を算出。
- 性能：レイテンシ、同時実行数、長文を送った場合の安定性を測定します。
- 統制：データ所在地、契約、利用条件、権限、監査ログを確認。
- 運用：自社運用時のGPU、推論基盤、監視、更新手順は運用面の確認事項です。
エージェントを業務へ組み込むなら、成功率だけでなく、ツール呼び出しの失敗や人への引き継ぎも記録します。導入後の可観測性と評価を設計する際は、AgentOpsの可観測性・評価・監視も判断材料になります。APIと自社環境のどちらを選んでも、運用開始後に測定できる状態を作ることが必要です。
この進め方なら、重みの公開を待ってから調査を始める必要はありません。APIで業務適合性を測り、公開後に利用条件と推論要件を読み、同じデータで費用と性能を再計算する。判断を二段階に分けることで、予定と実際の仕様の差を吸収できます。
よくある質問
Q. Mistral Large 4は2026年10月14日時点でダウンロードできますか？
重みはまだダウンロード可能になっていません。Mistral Studioの公開プレビューAPIは利用でき、重みは10月末予定、公式Hugging FaceページのCurrent ETAは2026年10月31日です。
Q. Mistral Large 4のAPI料金はいくらですか？
通常表示は100万トークンあたり入力1.36ドル、キャッシュ入力0.14ドル、出力4.18ドルです。Docs上のsale priceは順に0.68ドル、0.07ドル、2.09ドルと表示されています。
Q. 1兆パラメータのすべてを毎回計算するモデルですか？
granular MoEのため、総量と1回の処理で動くactive parametersは分けて考える論点です。公式Docsは総1.05T・52B active、公式Hugging Faceページは1トークン当たり49B active・埋め込みと出力層込み52Bと記載しています。
Q. Mistral Large 4を自社サーバーで運用できますか？
Mistralはprivate cloudまたはon-premiseで実行できる方針です。ただし調査時点では重みが未公開のため、公開後に重み、利用条件、推論ハードウェア、ランタイムを確認して判断します。
まとめ
Mistral Large 4は、総1.05Tパラメータ、MoE、1Mトークンのコンテキスト、テキスト・画像入力を備える公開プレビューです。サイバー、コーディング、エージェント、画像理解の公表値があり、API料金は通常表示で入力1.36ドル、出力4.18ドルです。
重みは10月末予定で、調査時点ではAPIと自社運用を同列に比較できません。まず代表業務をAPIで測り、公開後に同一データで自社推論を測定し、品質・費用・性能・統制・運用の5項目で判断します。
ポイント
「1兆パラメータ」と「自社で運用できる」は別の論点です。APIで業務適合性を先に測定し、重み公開後に利用条件と推論コストを含めて再評価します。
関連記事
- DeepSeek V4を解説｜Pro・Flashの仕様とAPI料金、企業導入のポイント
- 中国製オープンウェイトAIを解説｜特徴とモデル選定のポイント
- 生成AIの従量課金・推論モードを解説｜コスト管理のポイント
- 同一指示でAIモデル11種を比較した実験を解説｜コスト216倍差のモデル選定ポイント
- AgentOpsを解説｜AIエージェントの可観測性・評価・監視のポイント
▼開発を相談する前に読みたい無料ホワイトペーパー
・AIシステム開発の完全ガイドブック
・【2026年最新版】AI駆動開発の完全ガイドブック
会社紹介
株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。
また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。
もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。
・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>
株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の最大化に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。