主要成果
Mistral AIが公開したMistral Large 4は、コーディング効率の向上と出力トークン数の削減を実現した。同社によると、追加の強化学習を施した結果、ターミナル操作のベンチマークである「Terminal-Bench 4.0」において、10月6日のプレビュー版の28.3%から41%へと、約13ポイントのスコア向上を達成した。また、出力トークン数を30%削減したとしている。
技術・詳細
コーディング性能に関しては、Coding Agent Indexで48%を記録し、中国のGLM-5.3と同等の結果を得つつ、タスクあたりの平均トークン数を47%削減したとしている。また、Cognitionによる非公開評価「FrontierCode 2.0」では19.7%を記録し、比較対象となったオープンウェイトモデルの中で最高値となった。ただし、外部のArtificial Analysisが発表した同テストの結果とは数値が異なっており、評価条件の同一性は不明である。
推論の深さは「low」「medium」「high」の3段階で設定可能で、デフォルトは「high」となっている。また、本モデルはMixture of Experts（MoE）構成を採用しており、総パラメータ数は1.05兆（約1兆）規模に達する。
背景・業界の文脈
総合的な性能評価においては、中国製モデルとの差が顕著である。Artificial Analysisの「Intelligence Index v5」では、Mistral Large 4（high設定）の総合スコアが26であるのに対し、GLM-5.3とDeepSeek V4.1 Flash 1017は共に32を記録した。APIコスト面では、Mistral Large 4はGLM-5.3よりは低いが、DeepSeek V4.1 Flash 1017よりは高いという結果が出ている。これにより、コーディング性能の向上が必ずしも総合的な評価やコスト競争力に直結しないことが示された。
今後の展望
ユーザーは、API利用か自前環境での運用（GPUや電力、運用スタッフの確保）かを選択する必要がある。API価格は、入力100万トークンあたり0.70ドル、キャッシュ済み入力100万トークンあたり0.07ドル、出力100万トークンあたり2.10ドルに設定されている。今後は、総合スコアだけでなく、実際のユースケースに近いタスクで、どの推論設定が最適かを見極めることが導入の鍵となる。
元記事: https://xenospectrum.com/en/mistral-large-four-open-weights/
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
