Mistral、1 兆パラメータの MoE モデル Mistral Large 4 を発表──AutomationBench 59.9% を記録
1.05 兆パラメータ（アクティブ 49B）を持つマルチモーダル MoE モデルが Mistral Studio で公開され、10 月末にはオープンウェイトの公開も予定されている。
リリース: 2026-10-07 · 読了 4 分記事の要約
1. 核心（What）
- Mistral は総パラメータ数 1 兆超のマルチモーダル MoE モデル Mistral Large 4 をパブリックプレビューとして公開した。
- AutomationBench で 59.9% を記録し、DeepSeek V4 Pro や Kimi K3 を上回る性能を示した。
- 10 月末にはモデルウェイトの一般公開が予定されており、現在は Mistral Studio 経由で API が利用可能。
- プレビュー期間中の価格は入力 100 万トークンあたり $0.68、出力が $2.09、コンテキスト長は 100 万トークンをサポート。
2. 影響（Why）
- エージェント開発のコスト最適化: 100 万トークンの長文脈と低価格なプレビュー料金により、大規模なリポジトリやログを直接投入するエージェントの実装コストを大幅に引き下げられる。
- 国内エンタープライズへの影響: データ主権や欧州のプライバシー要件を意識したインフラ設計をとる国内の金融・製造系システム開発チームは、欧州拠点でのトレーニング実績を持つ本モデルを代替案として評価できる。
3. 根拠・詳細（How）
- MoE とハードウェア基盤の構成: 3,800 基の NVIDIA Grace Blackwell GPU を用いて欧州データセンターで事前学習され、ルーターがトークンごとに少数のエキスパートを選択する sparse 設計により推論計算量を抑制している。
- 強化学習によるツール利用の強化: シミュレートされた環境内での数万件に及ぶ並列ロールアウト（マルチステップの軌跡評価）を通じて、複数アクションやツール呼び出しの成功挙動を強化するポストトレーニングパイプラインを採用している。
4. 展望・課題（Next）
- オープンウェイトの公開とライセンス: 10 月末に予定されているウェイト公開に伴い、実際のライセンス条項、量子化サポート、必要となるディスク容量（16bit で約 2.1 TB）の検証が求められる。