Mistral Large 4のオープンウェイトが公開 ― 1兆パラメータMoEと変わったライセンスの要点
投稿日:2026.10.30
CATEGORY
- AI開発
Mistral AIが、大規模言語モデル「Mistral Large 4」(社内呼称「Le Chonk」、APIモデルID mistral-large-4-0)のオープンウェイトを公開しました。2026年10月6日にホスト型APIでプレビュー公開した後、重み自体は「10月下旬」の公開予定とされていましたが、本稿執筆時点(2026年10月30日)でHugging Faceの mistralai/Mistral-Large-4-1T-A52B から実際にダウンロードできる状態になっています。総パラメータは約1兆という規模ですが、オープンウェイトとして公開されたからといって、誰でも同じ条件で使えるわけではありません。前バージョンのMistral Large 3が採用していたApache 2.0から、今回は独自のライセンスに変わっているためです。
1兆パラメータのMoE、実際に動くのは49〜52B
Mistral Large 4はMixture-of-Experts(MoE。入力ごとに異なる専門家ネットワークを選んで使う構成)方式を採用しています。総パラメータは約1兆(1T)ですが、1回の推論で実際に使われるアクティブパラメータは約49B〜52Bです。Hugging Faceのモデルページでは「Key Features」の記載が約52B active、本文中の記載が49Bとなっており、公開資料の中でも表記が揺れています。本稿では無理にどちらかに断定せず、両方の表記がある前提として扱います。
ルーティングの仕組みとしては、128のルーティングエキスパートの中からトークンごとに4つが選ばれて使われ、加えて常に使われる共有エキスパートが1つ用意されています。総パラメータの数字だけを見ると扱いが大変そうに見えますが、実際の推論コストは稼働するエキスパートの分だけで決まるため、アクティブパラメータの方が運用コストの見立てに直結します。
ライセンスがApache 2.0から独自ライセンスへ

Mistral Large 4の重みは、MITライセンスを土台に改変した独自の「Mistral Ecosystem Open-Weight License」で公開されています。利用・改変・ファインチューニング・商用利用自体は認められていますが、Model-as-a-Service(MaaS。モデルをAPIとして第三者に提供する事業形態)として提供する事業者は、別途Mistralとの商用ライセンス契約が必要になります。
前バージョンのMistral Large 3はApache 2.0ライセンスで公開されており、利用条件に関する制約はほとんどありませんでした。今回の変更で、自社のプロダクトに組み込んで使う利用者と、モデルをAPIとして転売する事業者とで、適用される条件が分かれた形になります。オープンウェイトというラベルだけでライセンス条件を判断せず、自社の利用形態がMaaSに当たるかどうかを、条文に沿って確認する必要があります。
性能面の主張 ― 数字はすべてMistral自身の発表
Mistral社はMistral Large 4を「オープンウェイトモデルの中で最良のコーディング性能」と位置づけています。ただし、以下の数値はすべてMistral自身の発表によるものであり、独立した第三者による検証結果ではない点を踏まえて読む必要があります。
発表されている数値は次のとおりです。
- コーディング: Cognition社の非公開ベンチマーク「FrontierCode 2.0」で19.7%を記録して首位、Artificial Analysis Coding Agent Indexでは48%で首位のGLM-5.3とほぼ同水準としつつトークン使用量は約47%少ない、Terminal-Bench 4.0では41%でプレビュー版から13ポイント向上
- サイバーセキュリティ: Artificial Analysis Cyber Indexで51%、悪意あるサイバー要求への拒否率は平均96.6%で公開モデル中最高水準だと主張
- 業務系タスク: 金融表計算(Finch)73.3%、Web閲覧(BrowseComp)84.5%、エージェントへの攻撃耐性(B3)97.1%
API利用時の料金は、入力が100万トークンあたり0.70ドル、キャッシュ入力が0.07ドル、出力が2.10ドルです。これらの性能指標は発表元の自己申告である以上、実際の導入判断には自社のタスクでの検証を挟む価値があります。
利用経路 ― 自社インフラかホスト型か
Mistral Large 4を使う経路は大きく二つに分かれます。一つは、Hugging Faceから重みを直接ダウンロードし、vLLMまたはSGLangで自社のインフラにデプロイする方法です。データを外部に送らずに運用したい場合はこちらが選択肢になります。もう一つは、Mistral Studio・Mistral API・OpenRouter・NVIDIAのホスト型エンドポイント・NVIDIA NIMコンテナ・Microsoft Foundryといったホスト型サービスを使う方法です。自社でインフラを持たずに使い始められるのが利点です。どちらの経路でも、モデルを自社の用途に使うだけであれば前述のMaaSライセンスの対象にはなりません。MaaSライセンスが関係してくるのは、自社がこれらの経路で動かしたモデルを、さらに自社サービスとしてAPIで第三者に提供する(転売する)場合です。
まとめ
ライセンス条文の確認は、性能ベンチマークの自社検証より先に済ませておける作業です。自社の利用形態がMaaSに当たるかどうかは、自社データでの性能検証と違ってインフラや計算資源を用意しなくても、条文を読むだけで無料かつ短時間に判断できます。性能数値の検証に着手する前に、まずここで足を止めても損失はありません。
関連
AI エージェントを業務で回すときの設計と運用については、CTO の note に書いています。
出典
- Mistral AI: Mistral Large 4 発表ページ https://mistral.ai/news/mistral-large-4-oss/
- Hugging Face: mistralai/Mistral-Large-4-1T-A52B https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B
※ この記事は AI を使用しています。Leadeas が自社開発した AI エージェント基盤で下書きを作成し、人間のレビューを経て公開しています。AI ネイティブ開発会社として自社の技術をそのまま実演する目的で、この手法を用いています。(詳しくは AI 利用ポリシー)


