Mistral Large 4の重みを公開、コーディングと防御的セキュリティに照準

導入

Mistralは、Le Chonkというコードネームでも呼ばれる「Mistral Large 4」の改良版について、モデルの重みを公開した。モデルは今月初めにパブリックプレビューへ移行しており、今回の版では、その後およそ3週間にわたる強化学習の成果が反映されている。約1兆パラメーターのネイティブマルチモーダルモデルで、エージェント型コーディング、複雑な推論、防御的なサイバーセキュリティを主な対象とする。

今回の発表で重要なのは、規模だけではない。Mistralは、コーディング性能を高めながら、タスク完了までに必要な出力トークンを減らしたと説明している。コーディングエージェントは、コマンド実行、テスト結果の確認、修正の反復を何度も行うため、1回の回答精度だけでなく、処理全体のトークン効率が運用コストを左右する。

主なポイント

• 実際のリポジトリを意識した評価。 Cognitionの非公開FrontierCode 2.0で19.7%を記録したとMistralは報告している。この評価はコードを生成できるかだけでなく、リポジトリの保守担当者が変更をマージできる品質かどうかも見る。Terminal-Bench 4.0では41%となり、公開プレビューから13ポイント改善し、オープンウェイトモデルの中で先頭に立ったとしている。
• トークン効率を前面に。 Artificial Analysis Coding Agent Indexでは48%で、比較対象の有力なオープンウェイトモデルとほぼ同水準ながら、1タスク当たりの平均トークン数は47%少ないとされる。Terminal-Bench 4.0でも出力トークンを30%削減したという。大量のエージェント処理を行う開発チームにとって、こうした差は推論費用や処理時間に影響し得る。
• 3種類の推論モード。 Lowは簡単な処理向けで、従来のNoneモードに置き換わる。Mediumは日常的な作業、Highは高い精度と十分な検討が必要な難題向けだ。要求ごとに推論量を切り替え、すべての処理で最大設定を使う必要をなくす設計になっている。
• 防御側のセキュリティを重視。 Artificial Analysis Cyber Indexでは51%と報告されている。この評価には、コードベースの脆弱性発見、再現と検証、既存機能を壊さない修正が含まれる。Mistralは、悪意あるサイバー要求に対する平均拒否率を96.6%とし、防御目的の作業と攻撃目的の要求を区別する安全機構を強調している。
• 自主管理型の導入を想定。 Mistralは欧州のインフラでモデルを訓練したと説明し、企業、政府、研究機関が自らホスティング、カスタマイズ、検証できる「主権AI」の基盤として位置付ける。データの保管場所や規制要件が厳しい組織にとって、外部APIだけに依存しない選択肢となる可能性がある。

意味と影響

Large 4の発表は、オープンモデルの競争軸がパラメーター数だけではなく、実タスクをどれだけ効率よく終えられるかへ移っていることを示す。エージェント型コーディングでは、ベンチマークの正答率に加え、トークン数、ツール呼び出し回数、失敗からの復旧能力が最終的なコストを決める。複数の推論モードは、推論予算を運用上の設定として扱う動きともいえる。

一方、サイバーセキュリティでは能力と安全性の両立が難しい。防御者には脆弱性の分析や修正案の作成が必要だが、同じ能力が攻撃に転用される可能性もある。Mistralが示した評価値は、両者のバランスを取ろうとする取り組みを示すものだ。ただし、数値は主にMistralが紹介した評価結果であり、テストセット、設定、ハードウェア、実運用環境によって結果が変わり得る。独立した検証なしに適用範囲を判断するべきではない。

オープンな重み、マルチモーダル性、調整可能な推論強度、コーディングとセキュリティへの重点は、Large 4を単なる対話モデルではなく、自社管理できる基盤として見せる組み合わせだ。実際のコードベースや異なる計算環境、長期的なセキュリティ運用で優位性が再現するかは、今後の検証に委ねられる。

出典：Hacker News