Mercury 3 vs Mistral Large 4：2つの未完成モデルと、それぞれに添えられた約束

これらのモデルはいずれも未完成であり、しかもその未完成の仕方は正反対だ。Mercury 3は2026年10月19日にInception Labsから出荷済み製品として公開され、入力100万トークンあたり0.20ドル、出力100万トークンあたり0.70ドルという価格だが、あらゆる種類の独立評価が存在しない——Artificial Analysisのスコアも、サードパーティのハーネスも、何もない。Mistral Large 4は2026年10月6日にMistralからパブリックプレビューとして発表され、100万トークンあたり1.36ドルと4.18ドルで、Artificial Analysis Intelligence Indexで38という独立スコアと、インデックスタスクあたり1.13ドルという実測値を持つが、その重み——Mistralが「今月末までに」公開すると約束したもの——は本稿執筆時点でHugging Faceに公開されておらず、プレビュー自体の強化学習の実行も発表時点ではまだ進行中だった。このようなリリースの背景にある、記録されたAIの障害やエージェントのインシデントはthe OrcaRouter AI Incident Archiveにまとめられており、各エントリには独自の情報源、重大度、信頼度グレード、そして係争中フラグが付されている。

つまりこの比較は、数値がすべてベンダー報告によるモデルと、数値がすべて確定しているわけではないモデルの間の比較だ。両者は製品カテゴリーも異なる。Mercury 3 は100万トークンのコンテキストを持つテキスト専用の拡散言語モデルで、毎秒1,068トークンというスループットを主張している。一方、Mistral Large 4 はネイティブにマルチモーダルな1兆パラメータのMixture-of-Expertsで、520億のアクティブパラメータを持ち、フランスのデータセンターで3,800台のNVIDIA Grace Blackwell GPUを使ってトレーニングされ、欧州のAI主権を明示的に中心に据えている。ワークロードがテキストで、制約がコストなら、その違いはベンチマークを参照するまでもなく決定的だ。そうでなければ、両モデルはほとんど競合していない。

Mercury 3、そして欠けている具体的なもの

Inceptionのモデルは、並列デコーディングへの賭けの第3世代だ。Mercuryはフォワードパスごとに1トークンではなく、位置のブロックをノイズ除去してまとめて確定する。毎秒1,000トークン超という性能はここから来ている。Inceptionによれば、Mercury 3は総パラメータ数がMercury 1の40倍超で、コンテキストウィンドウは260,000から1,000,000トークンに拡大し、出力上限は131,072トークン。指定されていないNVIDIAハードウェア上で毎秒1,068トークンで動作する。

欠けているのは、Inception が自ら行っていない測定すべてだ。発表の中で唯一の構造化された品質結果は、ライブサイトでのエージェントテストである。Inception 自身の本番ハーネス内で、実際のウェブサイトに対して行われた 50 件の Mind2Web ナビゲーションタスクで、Mercury 3 は 50％—25 タスク—を完了した。Inception によれば、これは同じトークン量と同じステップ数で「GPT-6.1-Sol より大幅に多い」という。これはサイトがライブだったためベンチマーク表より興味深い一方、ベンダーのデモが常にそうであるのと同じ理由で信頼性は低い。Inception がハーネス、ターゲット、スコアリングを選んだからだ。2026 年 10 月 20 日時点で Mercury 3 の Artificial Analysis ページは存在しない。そのため、その 100 万トークンウィンドウについて、中立的なスループット数値、中立的なタスクあたりコスト、中立的なリコール曲線は存在しない。

その帰結は哲学的なものではなく、具体的なものだ。リコール曲線が測定されていない100万トークンのコンテキストは、容量に関する主張にすぎない。トークンは収まるが、モデルが実際にそのうちどれだけを使うのかは誰も確立していない。Mercury 2.5はArtificial Analysis Intelligence Indexで12点を記録した。これは前世代がどこに位置していたかを示すものであり、今回の世代について何も語るものではない。

Mistral Large 4、そして具体的に未完成な点

Mistralのモデルはまったく別の話であり、発表はその点について異例なほど具体的だ。1兆パラメータのネイティブマルチモーダルモデルで、520億のアクティブパラメータを持つ。疎なMixture-of-Experts方式なので、1兆の大半は各トークンで計算を行っているわけではない。文書、チャート、自然画像、技術図面、ギガピクセル衛星画像を扱い、EUの全公用語を含む160以上の言語にわたるデータで訓練された。

• コーディング — DeepSWE v1.1で61.7%、SWE-Atlas-QnAで59.4%、Terminal-Bench 4で28.3%、総合Coding Agent Indexは49.8%。すべてMistralによる報告値です。

• エージェントとサイバー — AutomationBenchで59.9%、AA-Briefcaseで1,393 Elo、Mistralが全モデル中首位と述べる実脆弱性の再現・パッチ適用テストで82%、Cybenchで93%、LakeraのB3で攻撃耐性93.3%。

• ビジョン — Dense 200 の視覚グラウンディングで 42%、41% の GPT-6 Astra を僅差で上回っています。

• 人間による評価 — Surge AIのブラインドコーディング評価で5点満点中3.74点、5モデル中2位で、4.22点のClaude Opus 5に次ぐ。調査は第三者機関が実施し、Mistralが委託して公開した。

• 独立系の総合指標 — Artificial Analysis Intelligence Index で38、217件中66位、インデックスタスクあたり1.13ドル、毎秒67.5出力トークン、最初のトークンまでの時間1.65秒。

• ステータス — プレビュー、重みは2026年10月末までの提供を約束、発表時点でRLの実行はまだ進行中。

この分類には注意が必要だ。Mistral 自身のドキュメントでは、v26.10 世代を「Open」かつオープンウェイトとして記載している。一方、10 月 20 日に読んだ Artificial Analysis のページには、依然として「プロプライエタリ」と「モデルの重みは公開されていない」と書かれている。どちらも異なる時点では正しい。ライセンスは意図を示すもので、重みはまだディスク上にない。Mistral Large 4 が 11 月にダウンロード可能になるという前提でデプロイを構築する人は、その約束には日付はあってもリポジトリはまだないことに留意すべきだ。

2つの料金表と、その差を実際より小さく見せる数字

表面上、Mercury 3は劇的に安価です。出力100万トークンあたり$0.70に対し$4.18、入力は$0.20に対し$1.36です。これは定価で6倍の差であり、Mercuryのローンチ期間中は$0.10と$0.35で12倍の差になりますが、Mistral自身のプロモーション価格$0.68と$2.09により、その差は約6倍まで縮まります。

回答あたりの数値は、さらに圧縮される場所であり、この記事の中でモデルを販売するベンダー以外の誰かによって測定された唯一の数値だ。Artificial Analysisは、Mistral Large 4 PreviewをIntelligence Indexタスクあたり1.13ドルと見積もっている。Mercury 3には相当する数値がないため、それを作る唯一の方法はトークン量を仮定することであり、以前のMercury比較は、その仮定がなぜ重要かを示していた。あるモデルが193,000出力トークンを使うところを31,000で済ませるモデルは、トークンあたり20倍高くても、回答あたりでは依然として安くできる。100万トークンあたり0.70ドルなら、Mercury 3が1つのタスクで1.13ドルかかるには、約160万出力トークンが必要になる。そんなに使うことはない。現実的などのようなトークン量でも、はるかに1.13ドルを下回る。これがその主張の正直な核心だ。トークンあたりの優位性は、GPT-6 Sol相手のときにはそうならなかったのに対し、ここでは回答あたりの補正を経ても生き残る。

• コンテキスト — Mercury 3: Inceptionのドキュメントによれば1,000,000トークン。Mistral Large 4: Mistralのモデル一覧では1,000,000トークン、Artificial Analysisのテスト済み構成では524,288トークン。

• マルチモーダル対応 — Mercury 3：入力も出力もテキストのみ、画像は一切なし。Mistral Large 4：文書、グラフ、写真、技術図面、衛星画像。

• 速度 — Mercury 3：ベンダー測定で毎秒1,068トークン。Mistral Large 4：Artificial Analysis調べで毎秒67.5トークン、最初のトークンまでの時間は1.65秒で、この規模のモデルとしては本当に高速です。

• 重み — Mercury 3: 公開されているものはなく、Inception の Hugging Face 組織にはモデルリポジトリがありません。Mistral Large 4: 10月末までの公開が約束されているが、まだ公開されていない。

• ガバナンス — Mercury 3: 学習データやEUでの展開に関する公表された声明はなし。Mistral Large 4: 欧州のデータセンターで学習、欧州内で運用される展開、EUの全公用語に対応。

長文コンテキストの行は、二度読むべきものだ。Mistralのドキュメントには100万トークンと記載されているが、Artificial Analysisがテストしたのは524,288トークンだ。これは矛盾ではない——プロバイダーは自社のハーネスが対応する2の累乗でテストする——が、コンテキストの数値は最大値であり、テスト済みの能力ではないという注意喚起でもある。そしてMistral Large 4の長文コンテキストの想起能力も、フルウィンドウでは公開されていない。

ヨーロッパの議論が実際に効いてくるのはどこか

主権性の訴求は、このモデルにおける飾りではない。むしろ、より安価で高性能な別の選択肢ではなく、これを選ぶ購入者が複数いる理由そのものである。Blackwell GPUを用いてフランスのデータセンターでトレーニングされ、欧州から運用され、EUのすべての公用語に対応する多言語モデルである——公共部門の購入者や規制対象の欧州企業にとって、その組み合わせは知能指数の12ポイントを補って余りある場合がある。なぜなら、代替品はそもそも調達できない可能性があるからだ。

Mercury 3はそのどれも提供していない。Inceptionは、企業顧客が専用キャパシティ、オートスケーリング、コンプライアンス制御、構成可能な保持を購入できると述べている以外に、モデルがどこで実行されるか、どのデータで訓練されたか、どの保持条件が適用されるかについて何も公表していない。それらは企業に売るべき正しいものではあるが、公表されたデータ処理上の立場と同じではない。

欧州の話には、解決するというより指摘しておく価値のあるもう一つのひねりがある。オープンウェイトの約束だ。もしMistralが10月末にウェイトを公開すれば、欧州の買い手は、現在どの米国のラボもこの規模では提供していないものを手に入れることになる。すなわち、自社の境界内で、自社のハードウェア上で、リクエスト経路にベンダーが介在することなく動作させられる、フロンティアに近いマルチモーダルモデルである。それはプレビューAPIとは実質的に異なる製品であり、欠けているリポジトリが、欠けているベンチマークの点数よりも重要である理由もそこにある。

これらのモデルはどちらも当社のカタログから外れているため、推奨内容が変わります

Mercury 3はOrcaRouterのカタログにありませんし、Mistral Large 4も同様です。当社のモデルAPIは、試したあらゆるスラッグ表記のバリエーションにおいて、どちらに対しても何も返しません。これははっきり言うべきほど異例なことです。というのも、この比較は「両方を1つのキーに載せる」では終えられないということだからです。どちらかのモデルを呼び出す人は、ベンダーに直接アクセスするか、それをホストする複数のサードパーティプラットフォームのいずれかにアクセスすることになります。

そうした状況でルーティングレイヤーがなお担うのは、モデルのホスティングを必要としない部分です：実際にルーティングするモデルを、OpenAI互換の単一エンドポイントの背後に保持し、どのトラフィックをどこへ送るかというルールを表現できるようにします。Mistralの重みが10月末に登場するなら、興味深いアーキテクチャは「すべてにMistral Large 4を使う」ことではなく、自社の境界の外に出せないドキュメント向けのセルフホストMistral経路、外に出せる作業向けのルーティングされたフロンティアモデル、そしてその間を決めるルールです。同じルールは、InceptionがMercury 3を当社が利用できる場所で提供するならそれにも対応し、いずれかのベンダーのプロモーション価格が終了するケースにも対応します。Mercury 3については終了時期が告知されていません。

誰がどれを選ぶべきか、そして何がその答えを変えるのか

作業がテキストで、量が多く、回答の検証が安く済むなら、Mercury 3を選べ。料金表は、どの価格が有効かにもよるが、Mistral Large 4より6〜12倍安く、コンテキストウィンドウは公称サイズが同じで、中立スコアがないことは、自社のエラー率で1日以内に測れるリスクだ。犠牲になるのは、テキスト以外のあらゆる形式の入力と、展開前にモデルの挙動を監査する能力だ。

入力に画像、図面、スキャンが含まれる場合、調達要件で欧州での学習と運用が求められる場合、生のスループットよりも1.65秒という最初のトークンまでの時間が重要な場合、あるいはオープンウェイトの約束こそが興味の本当の理由である場合は、Mistral Large 4を選んでください。最後の場合は、発表ではなくリポジトリを待ってください。犠牲になるのは、価格で6倍の差がつくことと、利用可能な中で最速であるという主張です。

この記事の未解決の疑問の大半は、2つの日付が明らかになれば片付くだろう。1つ目は10月末で、Mistralが重みを公開するかどうかが決まる。2つ目はArtificial AnalysisがMercury 3を実行する時で、そうなれば第1節のベンダー数値はすべて実測値に置き換わる。どちらの日付も発表されていない。それらが来るまでは、妥当な要約はこうだ。Mercury 3はより安価なテキストエンジンであり、Mistral Large 4はより完成度の高い製品であり、両者とも購入者が現時点では信じて受け入れるしかない主張に基づいて販売されている。