Mistral Large 4：それは何なのか、いくらかかるのか、そしてMistral自身のカードで依然として空白のままの一行

Mistral Large 4は Mistral AI のフラッグシップ汎用モデルであり、以前にMistral Large 3が担っていた Large 系譜の頂点に位置する——ネイティブにマルチモーダルな Mixture-of-Experts モデルで、Mistral 自身のドキュメントによれば総パラメータ数 1.05 兆、アクティブ 520 億、16 億パラメータのビジョンエンコーダ、100 万トークンのコンテキストウィンドウを備え、料金表は入力 100 万トークンあたり 1.36 ドル、出力 100 万トークンあたり 4.18 ドル。API 名はmistral-large-4。この料金表に載っていないものこそ、多くの読者が探しに来るものである。Mistral 自身のモデルページにあるライセンスバッジは「Open」と表示されているのに、その後には何も記されていない。そしてダウンロードできるチェックポイントリポジトリも存在しない。これが 2026 年 10 月 13 日時点の、このモデルの説明である。

前提となる枠組みが重要なので、まず最初に述べる。Mistralは2026年10月6日にMistral Large 4のパブリックプレビューを発表し、このブログにはすでにそのニュース記事と、そこから派生した9つの一対一比較ページが掲載されている。欠けていたのは、その下にある地味な1ページだ。このギャップは憶測ではなく実測に基づいている。10月13日までの28日間、その名前だけの語は当社の自社プロパティで3,141回のインプレッションと68回のクリックを集め、5つのクエリに分散していた。一方、その下にある修飾語付きの行——artificial analysisは129インプレッション、previewは122、benchmarkは84、ollamaは70——はいずれも小さい。一方、比較系の行は素の検索語よりも数倍よくコンバージョンしており、まさにそれが比較ページを先に書いた理由だ。これは、その名前を入力し、それが何なのかを知りたかった読者のためのページだ。

その名前、そして4-0私たち自身のURLにある

MistralはこのモデルをMistral Large 4と表記している。発表記事ではそれに加えて「ML4」と「le Chonk」という2つの非公式な呼び名が示されており、ドキュメントではmistral-large-4とmistral-large-4-0のどちらでもアクセスできるページからモデルカードが提供されている。カード自体のバッジにはmistral-large-4と記されており、モデル選択ガイドではAPI名としてmistral-large-4が掲載されている。つまりシンプルな形式がベンダーの現在の名称であり、末尾のゼロは発表当日のリンクから引き継がれたレガシーなエイリアスである。

それには一文で整合を取る価値があります。なぜなら、ここで既に公開されているすべてのページは4-0という形式を使っており、プレビューの記事、ホスティングページ、そして9件の比較はすべてmistral-large-4-0-*の下にまとめられています。これらのURLは、このページが説明しているモデルと同じモデルを指します。このページは単に、参照エントリーにベンダーの綴りを採用しているため、素の名前からここにたどり着いた読者は、製造元が現在表記している名前でこのモデルに出会うことになります。

Mistralのカードに並ぶ3つのステータスラベルは、まとめて読む価値がある。なぜなら、それらはこのモデルの置かれた状況のすべてを3つの単語で表しているからだ：パブリックプレビュー、オープン、そしてv26.10。1つ目は、サービング構成がまだ変更されうることを示している。2つ目は、オープンウェイトであるという主張だ。3つ目はリビジョンであり、3つの中で唯一、単なる事実であるものだ。

Mistralが述べる仕様

以下のリストにあるものはすべて、Mistral 自身がそのモデルカード、モデル選定ガイド、およびローンチ投稿で用いた文言です。独立したラボが同じ数値を異なる形で解釈している場合は、その解釈は平均に混ぜ込むのではなく、その行に明記しています。

• パラメータ — 総計1.05兆、うちアクティブパラメータ520億。細粒度のスパースな混合エキスパート（MoE）アーキテクチャを採用している。ローンチ時の投稿では総数を「1兆パラメータ」と丸めているが、モデルカードには1.05Tという数値が記載されている。Artificial Analysisはアクティブ数を520億ではなく490億として記録しており、同じ次元で30億の開きがある。

• ビジョンエンコーダー — 16億パラメータ。Mistralが、後から画像に適応させたのではなく、ネイティブにマルチモーダルであると説明するモデル上に搭載。

• モダリティ — 入力はテキストと画像、出力はテキストで、推論を含む。Mistral の選択ガイドでは出力を「reasoning, text」として分類しており、Artificial Analysis は推論モデルとして記録し、非推論のバリアントも存在する可能性があると注記している。ローンチ投稿自体のプロダクトカードでは、これを「hybrid instruct-and-reasoning MoE」と呼んでいる。

• コンテキストウィンドウ — Mistralのモデルカードでは100万トークン。Artificial Analysisがテストする構成では524,288トークンと読み取っており、これがベンダーの上限と実際に提供されるウィンドウの違いである。

価格 — 入力トークン100万あたり$1.36、キャッシュ済み入力は$0.14、出力100万あたり$4.18（Mistralの公開価格ページによる）。同ページにはローンチプロモーションも掲載されており、同じ3つの金額が$0.68、$0.07、$2.09として取り消し線付きで示されている。

• 言語 — トレーニングデータには160を超える言語が含まれており、ミストラル自身の説明によれば、欧州連合のすべての公用語が含まれています。

• ライセンス — 名称未記載。これについては後述する。このページで最も重要な空白だからだ。

ライセンスと重み：このリリースが実際に公開するもの

Mistral Large 3 は Apache 2.0 の下で提供された。Hugging Face 上のモデルカードにはメタデータにライセンスタグが付いており、その重みは FP8、NVFP4、BF16 でダウンロードできる。Mistral Small 4 と Ministral 3 の各サイズも Apache 2.0 であり、Mistral Medium 3.5 は Modified MIT として記載されている。しかし、そのどれも引き継がれるわけではない。ライセンスは目の前にあるリリースから読み取るものであり、Mistral Large 4 については、ベンダーはまだライセンスを明記していない。

Mistral自身のサーフェス上の3か所にその空白が表れており、読者はそれぞれをブラウザで確認できる。

docs.mistral.ai のモデルカードには、「Open」という一語だけを表示し、ライセンス名が一切添えられていないライセンスチップがある。

• モデル選択ガイド — Mistral が自社モデルの中から選ぶ開発者向けに公開している横並び比較表 — にはライセンス列があり、隣接する行はすべて埋まっています。Mistral Small 4 は Apache 2.0、Mistral Medium 3.5 は Modified MIT、Mistral Large 3 は Apache 2.0 です。Mistral Large 4 の行のライセンスセルは空です。

• モデルカードの重みタブには「近日公開」と表示されています。

同じ分野を独自に追跡しているArtificial Analysisは、Mistral Large 4のライセンス名とライセンスURLをnullとして記録し、このモデルにisOpenWeights: falseを付与し、プロプライエタリとして分類している。このフラグはMistralのマーケティングと矛盾するものではない。それは現在実際に存在するものについての記述である。ベンダー自身のクラスタから提供されるプレビューは、リポジトリもライセンス文も存在しないため、オープンウェイトのリリースではなく、呼び出し可能なモデルである。

Mistralが確約したのは日付だ。ローンチ投稿自身の言葉によれば、「今月末までに重みを公開する」とのことで、それに加えてアーキテクチャの詳細、追加ベンチマーク、ポストトレーニング手法についても記されている。それに先立ち、同社は精査済みのパートナーおよび各国当局とレッドチーミング期間を設けていると述べている。10月13日に確認した同組織のHugging Faceアカウントには、10月8日より新しいものは依然として何もなく、どちらのエントリもLarge-lineのチェックポイントではない。

つまり、現時点でオープンウェイトの主張を正確に言い表すなら、それは期限が付けられた計画であり、以前にこのティアでApache 2.0の重みを出荷したことのあるラボによって示されたものだ。それは曖昧な約束より強い立場であり、ダウンロードリンクより弱い立場である。それら二つの違いこそが、このセクションが存在する理由のすべてだ。

ミストラルの言葉で語る、Mistral Large 4が動く場所

Mistralは、プレビューAPIはMistral Studioで利用可能だと述べており、同モデルは「世界中の複数のリージョンで利用可能で、Mistralが他のデジタルサービスプロバイダーとは独立して、欧州法の下でエンドツーエンドで運用する欧州向けデプロイメントを含む」としている。同社はまた、プレビューは同モデルのトレーニングに使われたのと同じインフラストラクチャ上で提供されると述べている。それは同社自身の欧州データセンターにある3,800基のNVIDIA Grace Blackwell GPUである。さらに、同モデルは、その対象とするワークロード向けにプライベートクラウドまたはオンプレミスで実行できるようになるとしている。これらは、自社モデルがどこで動作するかに関するベンダーの発言であり、当社ではなくベンダーに帰属するものである。

別途、率直に言えば：Mistral Large 4 は OrcaRouter のカタログにありません。10月13日時点で確認した当社のライブモデルリストには 207 個のモデル識別子があり、その中に Mistral ファミリーのモデルは 1 つもなく、mistral-large-4、mistral-large-4-0 やその他の綴りでも存在しません。ここではいかなるルートも主張しておらず、この段落のいかなる内容もそのように読まれるべきではありません。

このページで改めて答えないデプロイの疑問の1つは、Ollamaの掲載です。Mistral Large 4は、そのライブラリではダウンロード可能なサイズ別ラインナップではなく、単一のクラウドタグとして表示されており、これは独自の記事がある別の話題です — mistral-large-4-ollama-cloud-only — そして、重みをローカルマシンにプルできるかどうかを知りたくて訪れた読者は、このページではなくそちらのページを読むべきです。

ベンチマークの数値と、それを実行したのは誰か

Mistralのローンチ記事は多数のスコアを報告しており、そのうちどれを同社が実行しなかったかについて異例なほど明確にしている。エージェント型コーディングの面では、DeepSWE v1.1で61.7%、SWE-Atlas-QnAで59.4%、Terminal-Bench 4.0で28.3%を挙げており、これらは合計して49.8%のCoding Agent Indexスコアとなり、記事によればこのモデルをDeepSeek V4 Pro 0813とQwen3.8 Maxより上に位置づける。エージェント型ワークフローでは、657のビジネスワークフローにわたるAutomationBenchで59.9%を報告し、長期的な知識作業ではAA-Briefcaseで1,393 Eloを報告している。サイバー評価では、Artificial Analysis Cyber Indexでトップ5の位置、あらゆるモデルの中で最高とされる再現・パッチテストで82%、Cybenchの40の競技課題で93%を報告している。マルチモーダルグラウンディングでは、Dense 200で42%、GPT-6 Astraの41%に対して報告している。これらはすべてベンダー報告の数値である。いくつかは、そのハーネスが公開される前に第三者によって評価されたと記事で説明されており、これは自社実行の数値よりも強い出所であり、それでもなお公表されたものではない。

独立した数値のほうがより簡潔で、役に立つ。Artificial Analysis は Mistral Large 4 Preview の Intelligence Index v4.3 におけるスコアを 38.4 としており、これは同モデルが比較対象クラスの中央値を上回り、同インデックスの 216 モデル中 65 位に位置することを意味する。同じページには、Intelligence Index のタスクを 1 つ実行するコストが 1.13 ドルと記されており、さらにローンチ記事がまったく触れていない事実も記録されている。すなわち、このモデルはインデックス実行中に 2 億個の出力トークンを生成したのに対し、中央値は 8,500 万個であり、冗長性では 114 モデル中 107 位にランクされている。品質は平均以上、回答あたりに消費するトークンは平均をはるかに超えるモデルは、見出しのスコアが示さない形で請求額の計算を変えてしまう。

ローンチ記事には、他とは切り分けて考える価値のあるブラインド評価がもう1つある。手法が異なるからだ。Surge AIはモデルの正体を伏せたコーディング品質に関する人間によるブラインド比較を実施し、プロのアノテーターはMistral Large 4 Previewを5段階中3.74と評価した。これは5モデル中2位にあたり、Kimi K3の3.59とGLM-5.3の3.60を上回り、Claude Opus 5の4.22には及ばなかった。名の明かされた第三者が関わるブラインドパネルは、ベンダーが選んだスコアとは証拠の種類が異なり、発表の中で懐疑的な読者が最も重く見るべき唯一の数値はこれである。

Mistral Large 3 から何が変わったのか、3文で答えてください。

Mistral Large 3は、6750億パラメータのスパースなMixture-of-Expertsモデルで、410億のアクティブパラメータ、256kのコンテキストウィンドウ、25億パラメータの視覚エンコーダーを備え、今日ダウンロードできるApache 2.0の重みも提供されています。Mistral Large 4は、ベンダーの公称では合計を1.05兆に、アクティブを520億に引き上げ、公称コンテキストを100万トークンに拡大し、以前Mistralがインストラクト専用のマルチモーダルと説明していたモデルに推論を追加しています――これは規模だけでなく、種類の変化です。また、現時点では、Large 3を容易に採用可能にしたライセンスとチェックポイントを伴わずに登場しています。

Artificial Analysis は Mistral Large 3 を非推奨として記録し、その非推奨の移行先を Mistral Large 4 に指定している。これは、これらが並行する選択肢ではなく、同じ枠における連続する世代であることを示す、入手可能な最も明確なシグナルだ。Mistral 自身の価格ページも同様で、Large 3 は100万トークンあたり入力 $0.50、出力 $1.50 に位置し、Large 4 はプロモーション価格のペアが設定された状態でその上に記載されている。

比較セットは、判定ではなく指標として

このモデルにはすでに9つの1対1比較ページが存在しており、本ページではそれらを意図的に再掲していない。Mistral Large 4 と他のモデルのどちらを選ぶか検討している読者にとって、該当するページは次のとおりだ。mistral-large-4-0-vs-claude-opus-5、-vs-deepseek-v4-pro、-vs-gemini-3-1-pro、-vs-glm-5-5、-vs-gpt-6-sol、-vs-grok-4-7、-vs-kimi-k3、-vs-minimax-m3、および-vs-qwen-3-8-max。実測された需要はまさにこれらのページに集中している——mistral large 4 vs claudeは78インプレッション・11クリック、vs opus 5.5は84インプレッション・10クリック——そしてどちらも素の用語単体のコンバージョン率を大きく上回っており、これは定義を本ページに、優劣の判断を各対戦ページに置くべきだという根拠になる。

名指しする価値のある依存関係はmistral-large-4-0-vs-glm-5-5だ。なぜなら GLM-5.5 自体がこの同じバッチ内の1ページであり、2つの記事は互いにすれ違い続けるのではなく、ある比較について一致していなければならないからだ。リスト上のそれ以外はすべて安定したターゲットである。

何が未解決なのか

重みが10月末までに公開されるのか、そしてどのライセンスの下で公開されるのか。また、プロモーション価格がプレビュー期間を過ぎても残るのか。標準の料金表とローンチ料金は、3つのラインすべてでちょうど半額の差があるからだ。どちらも、誰にも尋ねることなく読者が確認できる。ライセンスとチェックポイントは Hugging Face に現れるか、現れないかのどちらかであり、料金表に取り消し線の付いた数字が依然として表示されるか、表示されないかのどちらかだ。

それまでは、このモデルが誘う姿勢は、それ自身のステージラベルが示すとおりのものだ。呼び出して、自分のワークロードに照らして測り—トークン消費も含めて。それはローンチ投稿が抜いている数字だ—そして、本番経路は、挙動が変わる予定のないものに載せておく。プレビューは価格表の単なるラベルではない。モデル、ライセンス、請求が同時に動き得ることを意味する。

OrcaRouterでは、200を超えるモデルを1つのOpenAI互換エンドポイントを通じてルーティングしています プロバイダーの定価で、0%のマークアップをそのまま適用しています — つまり、ベンダーの価格変更は、それがどのモデルに適用されるものであっても、当日に当社側の価格変更になります。 自動フェイルオーバーは、プレビュー段階にあるあらゆるものにとってそのもう半分です。実トラフィックの一部を未実証のモデルに当てつつ、実績のあるモデルには残りを任せられるようにし、回帰が起きても誰かを呼び出すのではなく迂回ルーティングします。これらのどちらも、当社が提供していないMistral Large 4についての主張ではありません。それらは、次のモデル、そしてライセンスが下りる前に出荷されるこのモデルに対する答えの形です。

そのどれも仮定の話ではない。このリファレンスが対象として書かれている、文書化されたAI障害やエージェントインシデントは、以下に収集されている：OrcaRouter AI Incident Archive。各エントリには、それぞれ独自の出典、重大度、信頼度グレード、異議ありフラグが付されている。