ついに登場！Mistral Large 4：性能と効率を極めた最強LLMの詳細をチェック

Mistral AIが新たに発表した最新フラッグシップモデル「Mistral Large 4」の詳細スペックやドキュメントが公式にて公開されました。モデルの性能、APIの仕様、そして最新のAI技術を活用するためのガイドラインがまとめられています。詳細は以下の公式サイトをご確認ください：https://docs.mistral.ai/models/mistral-large-4-0

このブログ記事 https://mistral.ai/news/mistral-large-4/ (https://mistral.ai/news/mistral-large-4/)

ビジョンのベンチマークが素晴らしいな。もしこのビジョンモデルが本当にAstraと同等レベルなら、世界最高峰と言える。サイバーセキュリティのベンチマークも強力（中国の全モデルより優れている）だし、防御用モデルとしても優秀だ。Mistralを理由もなく叩いている人が多い気がするけど、全体的にかなり良い数字を出してるよ。他のLLMに対して道徳的な懸念があるなら、日常使いのメインモデルとして十分すぎる性能だね。特定のユースケース、特にサイバーセキュリティにおいては、これが本命になるかもしれない。欧州を茶化すのは好きだけど、今回のリリースでMistralは誇るべき成果を出したと思うよ。

AIの初期段階が、少なくとも今のところは「勝者総取り」で追いつくことが不可能な独走状態にはなっていないのは面白いね。10年前の自分なら絶対に予想できなかっただろう。Large 3で大きな失敗もあったけど、Mistralがまだ戦えているのを見て安心したよ。このモデルが「十分な性能」として欧州の定番になり、競争を続けるためのリソースを確保できるよう心から願ってる。今日さっそく試してみるのが楽しみだ。

GLM-5.3の代替として、サイバーセキュリティ分野で強力なライバルだな（MistralはCyberGym-E2Eで82%を記録）。ビジュアル・グラウンディングも印象的（Dense 200で42%、GPT-6 Astraは41%）。それ以外ではパレートフロンティアで一歩譲るけど、差はわずかだ（Vals Index: 48.05% vs GLM-5.3の53.51%、テストコスト13.78ドル vs 7.25ドル）。多くの企業は中国系モデルよりこちらを選ぶだろうね。

サイズは約2倍だけど、DeepSeek 4.1 Flashには少し及ばない感じか。数ヶ月前に出るはずだったモデルとしてはかなり良い出来だと思う。Mistralが中国のオープンウェイトモデルに追いついてきたのは素晴らしいニュースだ。これからどう進化していくのか楽しみだね。

驚いたことに、推論設定が「none（なし）」か「high（高い）」しかサポートしてないんだね。設定を変えても実質的な違いは感じられなかったし、むしろ「high」の方が思考トレースが少し増えただけで、出力トークン数は「none」より少なかった。でも「high」で生成した自転車のフレームは「none」より良かったよ。ペリカン画像はこちら: https://tools.simonwillison.net/markdown-svg-renderer?url=https%3A%2F%2Fgist.github.com%2Fsimonw%2F0db8b8196e57711b352f6c5857cf5b35 （Mistralのモデルで見た中では間違いなく最高: https://simonwillison.net/tags/pelican-riding-a-bicycle+mistral/ ）

なぁ、この議論の多くは、最後にゴールした子供を応援しているように聞こえるよ。もちろん競争は大事だし、欧州にも加わってほしいけど、現状では「アメリカのラボが驚異的なスピードで最先端を塗り替える」か「中国のラボが予想以上に食らいつく」かのどちらかを見慣れてしまった。残念ながらMistralの進歩はかなり遅く感じる。このモデルは誰をも驚かせるようなものではないね。辛口になるのは嫌だけど、平凡なモデルだし、その平凡なものが数ヶ月も遅れて出てきたという印象だ。欧州のAIの先行きはかなり暗いね。

たとえ最高のモデルじゃなくても、欧州の主権にとって本当に重要な一歩になり得る。欧州でトレーニングされ、推論も欧州で行われる。一部の企業にとってはそれが重要になるはずだ。Mistralがこの半年で消滅しないことを願ってるよ。

うちのデータ分析ベンチマークでさっそく試してみた（Plotlyで働いてるよ）。4月のMistral Medium 3.5より10倍安くなって、正解率も58%から74%に向上した。間違いなく世代交代だね。まだパレート曲線には乗っていないけど、データ分析には十分使えるし、この調子ならあと数ヶ月で極めて優秀になるだろう。詳細記事はこちら: https://plotly.com/blog/mistral-large-4-plotly-data-analytics-bench/

AI/MLインフラの専門家に聞きたいんだけど、Mistralは「ML4は欧州にある自社データセンターの3,800基のNVIDIA Grace Blackwell GPUでゼロからトレーニングした」と言っている。もし約4,000基のGPUで学習した1Tパラメータモデルが、KimiのK3（OpenAI/Anthropicのトップクローズドモデルに匹敵）とほぼ同等の性能を出し、中国のトップラボのSOTAモデルを凌駕できるなら、我々（アメリカ）は何のためにあんな超巨大なデータセンターを建てているんだ？単にバックプロパゲーションの回数を増やすためだけ？SpaceXAIのColossusは数万から100万基のGPUを積む予定だし、MSFTのFairwaterも数十万基といわれている。3,800基というのは誤差の範囲に思えるんだ。特にAppleなどのエッジ推論ハードウェアが進化している中で、ハイパースケーラーの戦略が理解できないよ。蒸留技術で進歩の一部は説明できるけど、それはハイパースケーラーがバランスシート上でGPUというデッドウェイトを大量に抱えていることにならないか？SOTAモデルの学習チェックポイントが終わったら、これらのGPUはすべて推論に回されるのか？全くわけがわからない。