フランスのAI企業Mistral AIが、主力モデル「Mistral Large 4」の重みを公開しました。
10月6日の発表時はAPIのプレビューが先行していましたが、10月29日の公開によって、条件を満たせばモデルをダウンロードし、自社の環境で動かしたり調整したりできるようになりました。
ただし、重みを入手できることと、手持ちのノートPCで快適に動くことは別です。
この記事では、試し方や料金に加え、公開ライセンスの条件、他のAIとの選び方まで整理します。情報は2026年10月30日時点です。
Mistral Large 4は、Mistral AIが開発した汎用の生成AIモデルです。
「Le Chonk」という愛称でも呼ばれ、文章の作成や推論、プログラミング、画像を含む資料の理解などに利用できます。
Mistral AIはフランスを拠点とする企業で、モデルの提供だけでなく、APIや企業向けの開発環境も展開しています。
2026年10月6日、同社はLarge 4を発表し、Mistral StudioでプレビューAPIを提供しました。
この時点で重みは月末公開予定とされ、10月29日に改良版の重みがHugging Faceで公開されています。
発表によると、その間に追加の強化学習を進め、コーディングや防御的なセキュリティ作業などを改善しました。
「重み」とは、学習によって得られたモデルの数値データです。
これを利用できれば、提供企業のサーバーに毎回処理を任せるだけでなく、必要な設備を用意したうえで自社運用や追加学習を検討できます。
ただし、配布条件には制約があり、自由な用途をすべて認める完全なオープンソースと同義ではありません。
出典：Mistral公式発表 https://mistral.ai/news/mistral-large-4/ ／重み公開発表 https://mistral.ai/news/mistral-large-4-oss/
公式ドキュメントによると、Large 4の総パラメータ数は約1.05兆、アクティブパラメータは約520億です。
MoE（Mixture of Experts）と呼ばれる仕組みを採用し、入力の処理に応じて複数の専門部分から必要なものを選びます。
アクティブ数は、毎回の処理で主に使う規模を示します。
全体を520億パラメータのモデルと同じ容量で保存できる、という意味ではありません。
また、モデルカードでは埋め込みと出力層を除いた約490億と、含めた約520億の両方が示されています。
数字の違いは数え方によるものです。
モデルが一度に扱える文脈の長さは最大100万トークン。
トークンは文章を処理する単位で、100万文字と同じではありません。
長い資料を扱える余地はありますが、長ければ必ず正確に読み取れるわけでもなく、実際の上限は利用先の設定にも左右されます。
Large 4はテキストと画像を入力し、テキストを出力するマルチモーダルモデルです。
図表やスクリーンショットに関する質問も想定されています。
画像生成や音声生成がモデル自体の標準出力として確認できたわけではないため、機能を選ぶ際は利用するサービスの画面も確認してください。
推論の強さはlow・medium・highの3段階で指定でき、公式モデルカードではhighが初期設定です。
深く考える設定は複雑な作業に向く一方、出力トークンや応答時間が増える場合があります。
ChatGPTとClaudeは利用者向けサービスの名称で、Large 4はその内部で動くAIモデルに相当します。
以下は利用形態を理解するための比較であり、回答品質の順位を示すものではありません。
Large 4は先代のLarge 3と同じく重みを利用できる選択肢ですが、今回のライセンス条件を先代からそのまま引き継いで考えることはできません。
性能を比べる場合も、同一の課題、モデルのバージョン、設定、費用をそろえる必要があります。
Mistralは2026年10月の重み公開発表で、コーディング用のArtificial Analysis Coding Agent IndexについてLarge 4が48％、GLM-5.3とほぼ同水準で、1課題あたりの平均使用トークンは47％少なかったと報告しています。
これは同社が示した評価結果であり、あらゆる仕事で他社モデルを上回ることを意味しません。
個々の業務で正答率と費用を試すことが大切です。
出典：公式モデルカード https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B ／公式仕様 https://docs.mistral.ai/models/mistral-large-4-0
会議メモから議題と決定事項をまとめたり、長い説明文を読みやすく書き直したりする用途が考えられます。
例えば「以下の議事録から決定事項、担当者、期限を分け、不明な項目は不明と書いて」と依頼すれば、確認すべき箇所を整理しやすくなります。
画像入力に対応するため、グラフのスクリーンショットを見せて「縦軸と横軸、読み取れる傾向を説明して」と尋ねる使い方も可能です。
ただし、小さな文字や数値の読み違いは起こり得ます。特に金額や日付は、元の資料と照合してください。
コードの説明、修正案の作成、テストのたたき台づくりは、公式が重視する用途です。
開発者であれば、コード変更に加え、外部ツールを呼び出して複数の作業を進めるエージェントにも組み込めます。
もっとも、ファイルの編集やコマンド実行は、接続したツールや権限があって初めて可能になる機能です。
企業では、社内の文書を検索して根拠を添えた回答を作る仕組みや、決まった形式でデータを返すシステムへの活用が考えられます。
モデルは構造化された出力や関数呼び出しに対応しますが、接続先の設計、権限管理、回答の検証は利用者側に必要です。
Mistralは、コードの問題点の発見や修正といった防御的なセキュリティ作業を強調しています。
例えば、管理者が自社コードのレビュー候補を洗い出し、人が確認したうえで修正案を検証する用途です。
AIの指摘は誤検知や見落としを含み得るため、テストや専門家の判断を省くことはできません。
自社運用はデータの置き場所や運用方針を自分たちで決めやすい反面、アクセス制限、監視、更新といった責任も利用組織が負います。
重み公開は、それらの管理が不要になることを意味しません。
Mistralのモデルカードは、公開後最初の1週間、公式デモに訪問者ごとの少額の共有無料予算を設けると案内しています。
公開は10月29日なので、利用可能な期間中であっても予算切れや提供終了の可能性があります。
デモ一覧を開き、対象のデモが利用できるか確認してください。
公式デモ一覧：https://mistralai-ml4-le-chonk-gallery.hf.space/
初めて試すなら、機密情報を含まない短い文章や画像を使い、入力欄に目的を具体的に書いて送信します。
例えば「この文章を、初めて読む人向けに200字以内でまとめて」と依頼し、結果を元の文章と比べるとよいでしょう。
画面や入力方法はデモごとに異なります。
Mistralの一般向けチャットでLarge 4を無料プランから常時選べるかは、確認した公式資料では確証が得られませんでした。
サービス名や無料プランの存在だけでLarge 4が利用できるとは限らないため、利用画面でモデル名と条件を確認してください。
Mistral公式のLarge 4 API料金は、2026年10月30日確認時点で以下の通りです。
これはモデルのAPI単価であり、チャットサービスの月額料金ではありません。
例えば通常入力を100万トークン、出力を100万トークン使った場合、単純計算では合計2.80ドルです。
税金、為替、接続先の追加料金は含めていません。キャッシュ入力の単価は、対応する条件でキャッシュが使われた部分に適用されます。
画像やツールの利用条件、課金対象となる推論トークンも、実行前に料金画面で確認してください。
APIを使うには、Mistral Studioでアカウントを用意し、利用可能な課金条件を確認してAPIキーを作成します。
アプリや対応ツールからモデルID「mistral-large-4」を指定し、使用量を見ながら呼び出す流れです。
APIキーはパスワードと同様に扱い、公開コードに書き込まないようにしましょう。
Large 4専用の恒常的な無料API枠については確認できていません。
Mistral Studio：https://console.mistral.ai/
料金・仕様：https://docs.mistral.ai/models/mistral-large-4-0
公式モデルカードは160以上の言語を扱えると説明しています。
一方、確認できた本文では日本語の品質や、日本語の業務文書に対する評価条件までは明示されていません。
日本語での入力・出力を試す際は、まず短い質問や要約から始め、固有名詞、敬語、専門用語を確認してください。
特に契約書や医療・金融関連の文章では、自然な文章でも解釈が正しいとは限りません。
実務に使う前に、実際の資料で精度を検証し、必要に応じて専門家が確認することをおすすめします。
Large 4の重みは公開されていますが、約1.05兆の総パラメータを保存するには大きなメモリが必要です。
単純計算では、1パラメータを8ビットで格納しても重みだけで約1,050GB、4ビットでも約525GBになります。
これは理論上の概算で、画像用部分や量子化の補助データ、実行時のキャッシュなどは別です。
実際に必要な容量や速度を保証する値ではありません。
公式モデルカードには8 GPUを使う実行例がありますが、これは構成例であって最低要件の断定ではありません。
GPUの種類、量子化形式、コンテキスト長、同時利用数、CPUへのオフロードで条件は変わります。
公式のNVFP4版はメモリ使用量を減らせますが、Blackwell GPUを対象とするなどの条件があります。
そのため、通常のノートPCやVRAM 8GB程度のPCでLarge 4を快適に動かすことは現実的ではありません。
手元でAIを試すことが目的なら、より小さなモデルを選ぶ方が実用的です。
関連記事：VRAM 8GBで動くローカルLLM一覧
https://www.ai-toptier.com/blog-post/local-llm-vram-8gb-models
関連記事：一般PCで使いやすいローカルLLMおすすめ8選
https://www.ai-toptier.com/blog-post/local-llm-ai-for-home-pc-comparison
Large 4には「Mistral Ecosystem Open-Weight License」が適用されます。
Mistralの説明では、利用、変更、追加学習、商用利用が認められる一方、モデルをサービスとして提供するModel-as-a-Service（MaaS）事業を商用で運営する場合は、別途Mistralとの商用ライセンスが必要です。
通常の企業内利用と、自社が他者向けにモデル提供事業を行う場合では、確認すべき条件が異なります。
自社のサービスがMaaSに該当するか迷う場合は、公開ライセンス全文を読み、契約内容をMistralや法務担当者に確認してください。
重みの利用料がかからなくても、サーバー、電力、運用担当者の費用は発生します。
使い勝手を知りたい人は、まず期間限定の公式デモを確認。
アプリに組み込みたい開発者は、APIの単価と利用量を見積もって小さく試すのが現実的です。
データの配置やシステム制御を重視する組織は、自社運用の設備費用と管理体制、契約条件を含めて比較するとよいでしょう。
Large 4の重み公開によって、Mistralの大型モデルをAPIで使うだけでなく、自分たちの環境で運用する選択肢が広がりました。
ただし、その自由度を生かすには相応の設備と管理が必要です。
個人が性能を確かめるなら、まずは公式デモで日本語の質問や手持ちの公開資料を試し、使い勝手を判断するのが近道です。
継続利用や開発へ進む際は、実際の作業にかかる費用と回答品質を、現在使っているAIと同じ課題で比べてみてください。
.png){kind=logo}
