答え公開済み25 ソース
Mistral Large 4のオープンウェイト公開、ベンチマークの数字をどう読む？
Mistralは10月29日、Large 4のオープンウェイトを公開。追加の強化学習後、Terminal Bench 4.0のスコアはプレビュー時の28％から41％に上がったとしています。 マルチモーダルの混合専門家モデルで、総パラメーター数は1.05兆。ライセンスはMITライセンスを変更したもので、利用形態に応じて条件の確認が必要です。
公開者GPT-6 Luna で編集GPT Image 2 で画像を生成
研究の答え
重要なポイント
- Mistralは10月29日、Large 4のオープンウェイトを公開。追加の強化学習後、Terminal Bench 4.0のスコアはプレビュー時の28％から41％に上がったとしています。
- マルチモーダルの混合専門家モデルで、総パラメーター数は1.05兆。ライセンスはMITライセンスを変更したもので、利用形態に応じて条件の確認が必要です。
- 同社はCyber Indexで51％、悪意あるサイバー関連の依頼への拒否率で平均96.6％を報告。ただし、これらの数値は悪用の可能性がないことを保証するものではありません。
AI プロンプト
openai.comCreate a landscape editorial hero image for this Studio Global article: What are the key details and implications of France’s Mistral releasing the open weights of its flagship Mistral Large 4 model, nicknamed “L. Article summary: Mistral released the open weights of Mistral Large 4, “Le Chonk,” on October 29, following its October 6 preview, and claims leading open-weight performance in coding and defensive cybersecurity.[9] The available evidenc. Topic tags: general, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Mistralは10月29日、Mistral Large 4（愛称「Le Chonk」）のオープンウェイトを公開しました。10月6日のプレビューに続く正式公開で、同社はコーディングや防御目的のサイバーセキュリティで性能が向上したと説明しています。ベンチマークの改善は注目に値しますが、特定の評価結果を、あらゆる用途での優位性と受け取るのは早計です。4
7
9
18
プレビュー後に何が変わったのか
Mistralによると、追加の強化学習を経て、Terminal-Bench 4.0のスコアはプレビュー版の28％から公開版では41％へ上昇しました。差は13ポイントです。21
31 また、Artificial AnalysisのCoding Agent Indexでは48％を記録し、GLM-5.3と同水準だったと報じられています。この比較では、タスクあたりのトークン使用量が47％少なかったともされています。
31
35
いずれも特定の評価における数値です。コーディング業務全般で優れていると証明するものではなく、トークン数が少ないからといって、運用コスト全体も必ず低くなるとは限りません。また、Anthropicの非公開モデルMythos 5.1との同条件による数値比較は、確認できる情報からは示されていません。
総パラメーター数1.05兆のマルチモーダルモデル
Mistralの文書では、Large 4は総パラメーター数1.05兆、ビジョンエンコーダーは16億パラメーターの、マルチモーダルな混合専門家（Mixture of Experts）モデルと説明されています。17 総数だけではモデルの動作規模を捉えにくいため、補足も必要です。Hugging Faceのモデル説明によると、トークンごとに有効化されるのは490億パラメーターで、埋め込み層と出力層を含めると520億です。
20
Mistralはプレビュー発表時、欧州の自社データセンターにあるNvidia Grace Blackwell GPU 3,800基を使って学習させたと説明しました。6 公開版には、推論の度合いを「低・中・高」から選べる設定があると報じられています。
34
「オープンウェイト」でもライセンス確認は必要
モデルの重みはHugging Faceで公開されており、ライセンス名は「Mistral Ecosystem Open-Weight License」です。ライセンス文面では、MITライセンスを変更したものと説明されています。18
32 そのため、「オープンウェイトだから、標準的なMITライセンスと同じ条件で、どのような再配布やホスティングもできる」とは限りません。商用サービスに組み込む場合は、実際の利用方法に適用される条件をライセンス本文で確認する必要があります。
32
36
重みを入手できることで、利用者はプロバイダーのAPIだけに頼らず、自前環境での運用やモデルの変更を検討できます。ただし、公開されたという事実だけでは、各環境で必要となるインフラや運用負荷までは分かりません。
サイバーセキュリティの数値は慎重に読む
公開をめぐる報道では、Artificial Analysis Cyber Indexで51％、悪意あるサイバー関連の依頼に対する平均拒否率で96.6％という数値が紹介されています。31
33 これは評価上の結果であり、有害な依頼を必ず拒否する保証でも、重みの公開に悪用リスクがないという証明でもありません。
防御目的のセキュリティ能力を測る評価と、悪意あるプロンプトへの耐性は別の観点です。実際の導入では、評価方法や利用環境に照らして判断する必要があります。これらの数字だけで、広く利用可能になることのリスクが解消されたとは言えません。
今回の公開が示すこと、示さないこと
Large 4は、欧州で開発されたオープンウェイトモデルとして、各地域のオープン／非公開モデルが競う市場に新たな選択肢を加えました。Mistralは欧州の学習インフラや、オープンウェイトモデルとのベンチマーク比較を打ち出しています。6
15
18 利用者にとって大きな違いは、モデルの重みを入手して検討・運用できることです。開発元の国だけを根拠に、モデルの品質を判断することではありません。
現時点で堅実に言えるのは、Mistralがプレビューから公開版にかけてコーディング関連の評価向上を報告し、ある比較ではCoding Agent IndexでGLM-5.3と同水準のスコアを、より少ないトークン使用量とともに示したということです。自社の作業で試す価値はありますが、幅広い用途での優位性や、サイバーセキュリティ上の主張の全面的な裏付け、ライセンス・運用リスクの解消まで示すものではありません。
Studio Global AI
研究を続けてください
このページにはソースに裏付けされた回答が含まれており、Studio Global 内で続行できます。
人々も尋ねます
「Mistral Large 4のオープンウェイト公開、ベンチマークの数字をどう読む？」の短い答えは何ですか?
Mistralは10月29日、Large 4のオープンウェイトを公開。追加の強化学習後、Terminal Bench 4.0のスコアはプレビュー時の28％から41％に上がったとしています。
最初に検証する重要なポイントは何ですか?
Mistralは10月29日、Large 4のオープンウェイトを公開。追加の強化学習後、Terminal Bench 4.0のスコアはプレビュー時の28％から41％に上がったとしています。 マルチモーダルの混合専門家モデルで、総パラメーター数は1.05兆。ライセンスはMITライセンスを変更したもので、利用形態に応じて条件の確認が必要です。
次の実践では何をすればいいでしょうか？
同社はCyber Indexで51％、悪意あるサイバー関連の依頼への拒否率で平均96.6％を報告。ただし、これらの数値は悪用の可能性がないことを保証するものではありません。