2026年10月6日、Mistral AIは新モデル「Mistral Large 4（通称Le Chonk）」の公開プレビューを発表しました。StudioからAPIを試せますが、モデルの重みは10月末までに公開する予定です。つまり、今できるのはAPI経由で業務との相性を評価すること。自社サーバーで動かす判断は、重みとライセンス、必要な計算資源が明らかになってからです。Mistral AIの発表を基に、現在試せる範囲と、導入判断に必要な検証を整理します。

「オープンウェイト」と聞くと、すぐにダウンロードして自社環境で使えるように感じるかもしれません。しかし10月8日時点で公開されているのはAPIプレビューです。クラウドAPIを試すか、重み公開後まで待つかを、業務上の制約から決めましょう。

Mistral Large 4はAPIプレビュー中、重みは10月末までの公開予定

Mistralの公式発表によると、Large 4は1兆パラメーターを持つマルチモーダルモデルで、Mixture-of-Experts（MoE）の構造を採用しています。1トークンの処理で有効になるパラメーターは520億です。Rundown AIの記事では490億と紹介されていますが、公式発表は520億としているため、本稿では公式値を採用します。

モデルの重みは「10月末までに公開予定」とされています。発表時点では、実際の配布日、最終的なライセンス、ローカル実行に必要な構成は示されていません。したがって「オープンウェイト」は、現時点で自由に取得・改変・自社運用できるという意味ではありません。まずAPIでタスクを評価し、重みの配布条件が出てから自社環境での運用可否を見積もるのが現実的です。

MoEでは、毎回の処理でモデル全体ではなく一部の専門家パラメーターを使います。ただし、520億という有効数だけからローカル実行のメモリー量を見積もることはできません。1兆の総数、モデル構成、量子化方式、配布形式などが関係し、発表時点では重みも詳細構成も未公開です。スペックの数字だけでGPU調達を先行させず、配布後の実測で判断します。

確認点 10月8日時点で分かること 判断への使い方
試せる経路 Mistral Studioの公開プレビューAPI 既存業務の小さな評価に使う
モデルの重み 10月末までの公開予定 今すぐ自社サーバーへ展開できるとは見なさない
構造・配布条件 詳細は重み公開時に追加予定 ライセンス、必要メモリー、推論速度を後日確認する
国内での提供 複数地域での提供と欧州拠点の説明はあるが、日本の提供完了時期は明記されていない 自分のアカウントで利用できる地域とデータ処理条件を確認する

公開プレビューはAPI評価の機会であり、モデルの最終版を約束するものではありません。Mistralは強化学習の実行を継続中で、今後性能が伸びる可能性にも言及しています。今の結果は「現行プレビューの評価」と記録し、重み公開後のモデルや将来の性能と混同しないようにします。

ベンチマークは候補を絞る材料で、導入効果の証明ではない

Mistralは発表で、657件の業務ワークフローを扱うAutomationBenchで59.9%、長い知識労働タスクを評価するAA-Briefcaseで1,393 Eloと報告しました。また、視覚的な位置特定を測るDense 200ではGPT-6 Astraの41%に対して42%としています。これらは特定のテストでのスコアです。自社の書類で同じ精度が出ることや、担当者の作業時間が短くなることを意味しません。

結果はMistralの発表に基づくため、調達判断ではベンチマーク名とスコアだけで結論を出さないことが重要です。例えばDense 200の1ポイント差を「画像業務全般で優位」と読み替えるのは不適切です。テストの入力、採点方法、比較対象が異なれば数字の意味も変わります。まず公式発表の対象タスクを把握し、その後に自社の代表的な仕事で比較します。

モデル選定では、正答率だけでなく、修正の回数、出力の検査にかかる時間、再試行やAPI利用を含む費用、応答時間を測ります。回答が流暢でも、表の金額や契約条件を一か所取り違えた場合に人の確認が必要なら、その確認負荷を含めて評価する必要があります。

公式発表に載る主な数字は、測定対象がそれぞれ異なります。比較記事のランキングとして一列に並べず、評価候補を選ぶ手掛かりとして読みます。

発表された指標 対象 自社で確かめること
AutomationBench 59.9% メール、表計算、CRMなど657件の業務ワークフロー 自社の手順や権限、入力資料がテスト条件と違う場合に再現できるか
AA-Briefcase 1,393 Elo 長い知識労働タスクと成果物 資料を横断したとき、必要な条件の抜けや誤った結論が起きないか
Dense 200 42%（GPT-6 Astra 41%） 画像内の対象位置を特定する評価 自社の図面、図表、スキャン画像の解像度やレイアウトで正確か

この表のスコアはいずれもMistralの発表ページに掲載された結果です。自社のテストではベンチマークの再現を目指す必要はありません。自分たちの失敗コストが大きい作業を選び、同じ資料と採点基準で現行手段と比較することが目的です。

業務で試すなら、公開資料を使った二つの想定例から始める

想定例1：複数の製品資料を比較表にする

マーケティングや営業企画の担当者が、公開されている製品カタログや料金資料を数点用意し、対象顧客、対応機能、数量条件、価格の記載箇所を表にまとめるタスクです。Mistralは文書、図表、画像の理解と、複雑な文書からの情報把握を紹介しています。この例はその能力を自社資料で検証するための想定であり、実際に比較作業を実施した結果ではありません。

検査では各セルの値を元資料と照合し、資料に書かれていない条件をモデルが補っていないかを確認します。引用箇所を出せない項目は「要確認」として残し、営業資料への転記は人が承認してから行います。評価指標は、正しく転記できた項目の割合、見落とした条件の数、修正にかかった時間です。

想定例2：公開財務資料から表計算の下書きを作る

経理・業務改善の担当者が、公開企業の決算資料など機密性のないPDFを使い、指定した数値を抜き出して比較用の表計算シートを下書きする例です。公式発表では、Large 4が複雑な表計算や文書を作成・編集・修正できると説明されています。ここでも、実運用の実績ではなく、公開資料で確かめるための想定例です。

元の表の単位、期間、前年差を保持できるか、計算式が正しいか、ページをまたぐ注記を読み落とさないかを確認します。合計値は元データから独立に再計算し、モデルの出力だけで意思決定資料を完成させないようにします。正確さと人の修正時間の両方を測ると、単なる「表が作れた」という印象より導入価値を判断しやすくなります。

既存モデルと同じ課題で比較する5段階の小規模評価

  1. 対象業務を一つ決める。毎週発生する資料比較や定型的な情報整理など、失敗時に人が確認できる仕事を選びます。「何を出せたら合格か」を先に定め、出典の一致、修正時間、応答時間などの指標を決めます。
  2. 代表例と正解を準備する。過去の公開資料や匿名化したサンプルを使い、担当者が正解と確認箇所を記録します。成功例だけでなく、欠損・表記揺れ・複数単位を含む例も入れます。
  3. 現行モデルとLarge 4を同条件で試す。同じ入力、指示、出力形式、採点基準を使います。モデル名を伏せて出力を並べると、期待による先入観を減らせます。プレビューAPIの利用可否や条件はアカウントで確認してください。
  4. エラーと手直しを記録する。値の誤り、根拠のない補完、抜け、形式崩れを分け、重大度も付けます。担当者が修正に使った時間と、再試行を含む利用費用も記録します。
  5. 利用範囲を判断する。十分な品質でも、データの扱い、利用地域、契約、応答時間が要件に合わなければ本番投入を保留します。重み公開後に自社運用を検討する場合は、同じ評価セットでAPI版との違いを改めて測ります。

採点票では、単純な正誤に加えて「重大な誤り」と「後で修正できる形式の乱れ」を分けます。例えば顧客へ提示する価格の間違いは重大、列の順序の違いは修正可能、といった区分です。重大エラーが一つでも出た場合は自動化へ進まないなど、許容条件は試行前に業務責任者が決めます。合格ラインを結果を見た後で動かすと、期待した結論に合わせてしまうためです。

少数のサンプルでは、扱う文書や季節による変化を見落とすことがあります。まずは限定業務での候補選定に使い、重要業務へ広げる前に、失敗例を追加して再評価します。担当者の採点が割れる項目は、採点基準を明文化してから比較し直してください。

今APIを試すか、重み公開後まで待つか

公開資料を使って精度や手直し量を確かめたい企業は、StudioのAPIプレビューを小さく試す価値があります。試行では機密情報を投入せず、アカウントで利用できる地域、データ処理条件、価格、プレビューの継続条件を事前に確認します。発表は複数地域への提供を説明していますが、日本での利用開始時期や個別アカウントの利用可否までは確定できません。

データを自社環境から出せない、オンプレミス運用が必須、または固定したライセンス・実行要件を先に決める必要がある場合は、重み公開後まで判断を待つのが適切です。公開日だけでなく、ライセンス、モデル構成、必要なメモリーやGPU、推論速度、商用利用条件を確認してから見積もります。1兆という総パラメーター数だけを見てハードウェアを選ぶのも、520億の有効パラメーターだけを根拠に小規模環境で動くと見込むのも避けてください。

発表ページには、APIの正式な料金条件や重みのライセンス、ローカル実行要件の詳細はまだそろっていません。契約前に最新の公式条件を確認し、見積もりには入出力トークン、再試行、データ保管、監視、運用担当者の作業を含めます。プレビューでの出力をそのまま顧客向けに使うのではなく、まず人が根拠を確かめられる業務から始めるのが安全です。

まずは一つの業務でプレビューを評価する

Mistral Large 4の現時点での価値は、1兆パラメーターという規模だけでは判断できません。今試せるのはStudioのAPIプレビューであり、重みは10月末までの公開予定です。重みのライセンスや実行要件が分からない段階で、自社運用を前提に調達を決めるべきではありません。

まずは公開資料を使った一つの仕事を選び、現在の手段と同じ条件で比べてください。正確さ、修正時間、費用、応答時間を記録し、地域やデータ条件も確認します。APIプレビューで業務適合性が見えたら、重み公開後に同じ評価を繰り返し、クラウド利用と自社運用のどちらが要件に合うかを決められます。