Mistral Large 4（Le Chonk）登場：コーディングとセキュリティで「オープンモデルの頂点」を取りにきた
Mistralが1兆パラメータのマルチモーダルモデル「Mistral Large 4」、通称「Le Chonk」の重みを正式公開した。コーディングと防御的セキュリティのオープンウェイトベンチマークでトップを取り、3つの推論モードによるコスト設計を導入。ヨーロッパ製・完全オープンウェイトというポジショニングも明確だ。
数字だけ見れば「また新しいモデルが出た」で終わるニュースに見えるかもしれない。だがこの発表には、AI業界の構造的な流れをいくつか読み取れる要素がある。そこを掘り下げる。
プレビューから3週間、何が変わったか
Mistral Large 4はすでに今月初旬にパブリックプレビューが始まっていた。今回の正式リリースは、そのプレビューから「わずか3週間の追加強化学習」を経たバージョンだ。
その3週間で何が変わったか。
Cognitionのプライベートベンチマーク「FrontierCode 2.0」では19.7%のスコアを記録し、2位のDeepSeek V4.1 Flash（19.3%）をかわしてトップに立った。このベンチマークはコードの品質だけでなく、「リポジトリのメンテナーが実際にそのエージェントの変更をマージするか」という観点で評価する設計になっている。単なる補完精度ではなく、実務品質を問う指標だ。
Artificial Analysis Coding Agent Indexでは48%を記録。トップのGLM-5.3と実質的に同点でありながら、1タスクあたりの平均トークン数は47%少ない。Terminal-Bench 4.0では、プレビュー比13ポイント増の41%で、オープンウェイトモデル内でのトップに立ちながら、出力トークン数を30%削減している。
「精度が上がって、コストも下がった」という話は、往々にしてどちらかが誇張されていることが多い。しかし今回は独立した複数のベンチマークで同じ方向のデータが出ている点は素直に評価できる。
セキュリティ：「守る能力」と「拒否する判断」を両立させた
コーディング以上に注目したいのが、サイバーセキュリティ領域の数字だ。
Artificial Analysis Cyber Indexで51%を記録。このベンチマークは、コードベース内の脆弱性の発見・再現・検証・パッチ適用（かつ既存機能を壊さない）という一連のフローを評価する。50%台は、実際のセキュリティワークフローに組み込める水準を意識した設計だと思って良い。
同時に、悪意あるサイバーリクエストへの拒否率は96.6%。JailbreakBench・StrongREJECT・AgentHarmという3つのデータセットの平均値で、オープンモデル内では計測対象中最高という。プレビュー版の95%から微増しているが、競合のKimi K3が87%、GLM-5.3が84%、DeepSeek-V4-Proが51%であることを考えると、差は小さくない。
ここで気になるのは「守る能力」と「攻撃への転用可能性」の問題だ。脆弱性を発見し、再現し、パッチを当てる能力は、そのままエクスプロイトの開発にも使える。Mistralは「防御的タスクと悪意ある攻撃的タスクを区別する」と述べており、拒否率のデータもその裏付けとして出している。だが、その境界線が実運用でどこまで機能するかは、引き続き見ておく必要がある。セキュリティはベンチマークと実環境で乖離が出やすい領域でもある。
3つの推論モードという設計思想
今回から導入された「Low / Medium / High」の3段階推論モードは、一見地味だが実務的には重要な変更だ。
| モード | 想定用途 |
|---|---|
| Low | 単純タスク。以前の「推論なし」モードの代替 |
| Medium | 日常的なタスク全般 |
| High（デフォルト） | 高精度・高難度のユースケース |
これは「性能を最大化する」という一方向の競争から、「コストと性能のトレードオフを開発者に渡す」という設計への転換を意味する。
Artificial Analysis Coding Agent Indexのグラフを見ると、Mistral Large 4はMediumモードでもHighモードでも「スイートスポット」に位置する。つまり性能を落とさずにコストを下げる余地が設計上用意されている。大量のコーディングエージェントタスクをスケールさせる場合、このトークン効率の差は月次の推論コストに直接影響する。「Highでしか使えない」設計では、大規模運用時に採用の壁になる。
「ソブリンAI」という文脈で読む
Mistralが繰り返し強調するのが「ヨーロッパでゼロからトレーニング」「完全オープンウェイト」「主権AI（Sovereign AI）」という軸だ。
これはマーケティングだけの話ではない。
Booz Allen HamiltonのBrad Medairy氏は「データ主権要件が厳しいクライアント環境にも適用できる」と明言している。Ciscoのセキュリティ研究部門を率いるAmy Chang氏は「オープンウェイトモデルはその振る舞いを研究者が検証できるため、透明性そのものが強みになる」と述べた。
ここで構造として何が起きているかを整理したい。
クローズドモデルは性能では先行しているが、「自社インフラにデプロイできない」「データが外部に出る」「モデルの中身を確認できない」という制約がある。欧米の政府系・医療・金融・防衛系の組織にとって、この制約は採用の障壁だ。オープンウェイトモデルはここに刺さる。
Mistral Large 4がサイバーセキュリティ領域を重点的に押し出しているのは、この市場構造と整合している。セキュリティ系の企業・機関は、モデルの動作を自分たちでコントロールしたいというニーズが特に強い。Ciscoや政府系コンサルのBooz Allen Hamiltonが名前を連ねているのは、そのターゲットが具体的に動き始めているというサインだ。
実務的な示唆：何を、どう使うか
ここからは「じゃあどうするか」という話だ。
コーディングエージェントを設計・運用する開発者へ
FrontierCode 2.0の評価基準が「リポジトリメンテナーがマージするか」という点は、実務感覚として興味深い。自動生成コードを「動けばいい」ではなく「チームのコードベースに統合できるか」という軸で評価するのは、エージェントを本番ワークフローに組み込む際に必要な視点だ。スコアだけでなく、そのベンチマークの設計が何を問題にしているかを見る癖をつけておきたい。
トークン効率の数字（タスクあたり47%削減）も、単なる節約の話ではない。長いコンテキストを扱うエージェントが増える中で、トークン数はレイテンシにも影響する。スピードと精度のどちらが重要かは用途次第だが、Mediumモードとの使い分けは設計段階から検討しておく価値がある。
セキュリティ担当者・CISO層へ
「守るAI」としてのユースケースはリアルだ。脆弱性スキャン・再現・パッチ適用を人間1人でやっていたワークフローに、このレベルのモデルを入れることで何が変わるかは、パイロットレベルで試せる段階に来ている。
ただし、96.6%の拒否率が「自社環境での悪用リスク」まで保証するわけではない。オープンウェイトモデルはファインチューニング可能だ。安全フィルターごとカスタマイズできる設計は、守る側にとっての自由度であると同時に、悪用者にとっての可能性でもある。自社で運用するということは、その責任も自社で持つということだ。
次に見るべき指標
Mistralが「強化学習で3週間でここまで伸びた、飽和の兆候なし」と述べている。この「飽和なし」という主張は、今後の性能ロードマップを読む上で重要な変数だ。次のリリースでどこまで伸びるか、逆に頭打ちが見え始めるのはどこか——そこを追っていくことが、オープンウェイトモデルの実力を正しく評価する判断軸になる。
まとめ
Mistral Large 4はベンチマーク競争の文脈で語られがちだが、本質はそこだけではない。「ヨーロッパ産・完全オープンウェイト・ソブリンAI向け」というポジショニングと、コーディング・サイバーセキュリティという具体的なユースケースへの特化が組み合わさったとき、どの市場に刺さりにいっているかが見えてくる。
OpenAIやAnthropicが入り込めない領域——データ主権、自社インフラ、モデルの中身を検証したい組織——に、オープンウェイト勢が本格的に食い込もうとしている。その先頭にMistralが立っているのが、今回のリリースが持つ構造的な意味だと思っている。
