HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

Mistral Large 4: 「Le Chonk」

Mistral Large 4: "Le Chonk" (mistral.ai)

372 pointsby j-bu42 コメント

要約

Mistral AIは、1兆パラメータを持つネイティブマルチモーダルモデル「Mistral Large 4」(通称「le Chonk」)のパブリックプレビューを発表しました。このモデルは、コーディング、エージェントワークフロー、マルチモーダル理解において最先端の性能を発揮し、特にサイバーセキュリティや法務などのエンタープライズワークロードでオープンモデルとして最高水準に達しています。欧州のデータセンターでトレーニングされ、オープンウェイトでの提供を目指しており、AIの主権を重視するユーザーにコントロールを提供します。

全文翻訳

Le Chonk

本日、Mistral Large 4のパブリックプレビューを公開します。非公式にはML4、公式にはle Chonkと呼んでいます。ML4はオープンウェイトモデルの性能の最前線を押し広げます。プレビューAPIはMistral Studioで本日より試用可能で、ウェイトは今月末に公開されます。

フロンティアの性能

ML4は、1兆パラメータを持つネイティブマルチモーダルモデルで、520億のアクティブパラメータを持ちます。これは当社のこれまでのモデルの中で最大かつ最も高性能なモデルであり、改良を続けるにつれて急速に進化しています。

このモデルは、コーディング、エージェントワークフロー、マルチモーダル理解において卓越した性能を発揮します。すでに、世界の強力なオープンソースモデルに匹敵する性能を達成しており、米国または欧州で開発されたどのオープンウェイトモデルよりも大幅に優れています。サイバーセキュリティ、金融、法律を含む重要なエンタープライズワークロードにおいては、オープンモデルの中で最先端であると評価しています。ビジュアルグラウンディングのような一部のドメインでは、さらに進んで、フロンティアのクローズドモデルをも凌駕しています。

ウェイトは今月末にリリースします。それまで、サイバーセキュリティのリーダー、信頼できるパートナー、および国家当局と協力して、実世界の環境でモデルのレッドチーミングを行っています。これらの関係者は、モデレーションが少なく、サイバー能力が拡張された同じモデルにアクセスすることになります。

欧州で鍛造。AI主権のために構築。

ML4は、Mistral自身の欧州データセンターにある3,800基のNVIDIA Grace Blackwell GPUでゼロからトレーニングされました。パブリックプレビューはこの同じインフラストラクチャ上で提供されます。これは、インフラストラクチャ、研究、製品開発全体にわたる当社の長期的な投資における重要なマイルストーンです。クリティカルな垂直分野で最先端のパフォーマンスを実現し、オープンウェイトを通じて提供され、顧客がAIを制御できるように設計されています。

これは、特にサイバーセキュリティにおいて重要です。プロバイダーレベルでの拒否は、正当な脆弱性研究やインシデント対応を妨げる可能性があり、インシデント中に機能へのアクセスを失うこと自体が重大なセキュリティリスクになり得ます。ML4は、トップクラスのサイバーパフォーマンスとオープンウェイトおよびセルフデプロイメントを組み合わせることで、組織に高度なセキュリティ作業を独自のポリシーの下で実行するための能力と自律性の両方を提供します。

このモデルは、Mistralがエンドツーエンドで運用し、他のデジタルサービスプロバイダーから独立し、欧州法の下で運用される欧州デプロイメントを含む、世界中の複数の地域で利用可能になります。面白い事実として、ML4のトレーニングデータの相当な割合は多言語であり、欧州連合のすべての公用語を含む160以上の言語にまたがっています。

当社は、金融、エンジニアリング、製造、物流、製薬、科学、海運、公共部門、その他のミッションクリティカルな産業の世界中の主要な企業と緊密に協力してML4をトレーニングしてきました。実際、このモデルは、Mistral Forgeを通じて顧客に提供しているものと同じトレーニング、カスタマイズ、およびRL環境を使用しています。

今すぐ試す

まだ多くのことがあります。ウェイトのリリースに向けて、モデルアーキテクチャ、追加のベンチマーク、およびトレーニング後の方法論に関する詳細をさらに共有します。

このモデルは、新しい世代の特殊化および最適化されたMistralモデルの基盤としても機能します。それまでの間、プレビューAPIを試して、ソーシャルメディアでフィードバックを共有してください。

機能の詳細

サイバーセキュリティ

ML4は、世界で最も強力なサイバーセキュリティAIモデルの1つです。Artificial Analysis Cyber Index(実際のソフトウェアにおけるAIモデルのセキュリティ脆弱性の発見と修正能力を評価する独立評価)において、グローバルでトップ5モデルにランクインし、中国以外で開発されたオープンウェイトモデルを大きく引き離しています。このインデックスのテストの1つでは、モデルにオープンソースソフトウェアの実際の脆弱性を再現させ、それを修正させますが、ML4はこのテストで82%のスコアを記録し、どのモデルよりも高いスコアでした。また、セキュリティコンペティションから抽出された40の演習セットであるCybenchの課題の93%を解決しており、これはオープンウェイトモデルとして報告されている最高スコアの1つです。

このトップスコアは、実用的な利点を反映しています。Claude Opus 5.5やGPT-6 Astraを含むいくつかの主要なクローズドモデルは、このタスクの実行を拒否するため、同じテストでほぼゼロのスコアになります。しかし、ソフトウェアの防御は、脆弱性が実際のものであることを証明することから始まることが多く、これはクローズドモデルの安全フィルターがブロックできるまさにその種の作業です。脅威アクターが攻撃的なサイバー活動を支援するためにこれらのモデルをますますジェイルブレイクしていることを考えると、これはさらに重要になります。防御側は、同じ拒否によって制約されることなく、これらの能力に匹敵するシステムを必要としています。ML4はこの作業を実行でき、その能力は明示的にトレーニングされた範囲を超えて拡張されます。内部テストでは、マルウェアの分析、脆弱性の優先順位付け、検出ルールの作成に役立つことが証明されました。セキュリティ運用向けの主権があり監査可能なAIを必要とする組織にとって、プライベートクラウドまたはオンプレミスで実行できます。

ML4対他のモデル:多様で複雑な課題に対する効率的な推論
マルウェアのリバースエンジニアリング:分布外の調査タスクを解決
エージェントコーディング

ML4は、ソフトウェアエンジニアリング、リポジトリの理解、および複雑なターミナルワークフローにおいて優れており、DeepSWE v1.1で61.7%、SWE-Atlas-QnAで59.4%、Terminal-Bench 4で28.3%のスコアを記録しました。その統合されたコーディングエージェントインデックススコアは49.8%で、DeepSeek V4 Pro 0813およびQwen3.8 Maxを上回っています。

Surge AIによるブラインド人間評価も実施しました。プロの注釈者がモデルの出力を1〜5のスケールで評価し、モデルのIDは非公開としました。ML4プレビューは5モデル中2位(3.74)で、Kimi K3(3.59)、GLM-5.3(3.60)、GLM-5.2(3.40)を上回り、Claude Opus 5(4.22)のみに次ぐ結果でした。

[画像: ML4のコーディング能力を示すグラフ]

エージェントワークフロー

ML4は、情報収集、ツールの使用、複雑なワークフロー全体での最終成果物の生成を行う汎用エージェントを実行します。Gmail、Google Sheets、Slack、Salesforceなどのアプリにわたる657のビジネスワークフローを対象としたAutomationBenchでは、Kimi K3、MiMo-V2.6-Pro、DeepSeek V4 Proを上回る59.9%のスコアを記録しました。

知識労働者が実際に生み出すプロフェッショナルな成果物(スプレッドシート、スライド、PDF)に対しても同様に強力です。長期間にわたる知識労働を評価するAA-Briefcaseでは、DeepSeek V4 Proを上回る1,393 Eloに達しました。

マルチモーダル

ML4は、当社のモデルの画像理解能力における大きな進歩です。複雑なドキュメント、チャート、自然画像を強力に推論し、エンジニアリング、製造、地球観測などの知覚が重要な産業にビジョンをもたらします。

このモデルはさらに、ビジュアルグラウンディングとエージェント機能を組み合わせることができます。例えば、ギガピクセル衛星画像を検査して、時間との戦いである災害対応チームを支援したり、エンジニアリング図面を分析して、答えが正確になるまでズームイン、検査、検証したりします。上記のデモでは、ML4は密な自然シーンをグラウンディングし、技術図面内の機械部品を検証し、PDFから証拠を取得し、最も見つけにくいオブジェクトのために巨大な地理空間画像をスキャンします。

特にビジュアルグラウンディングにおいて、ML4はテストした中で最も能力の高いモデルの1つであり、例えばDense 200(42%対41%)でGPT-6-Astraを上回っています。

科学と数学

ML4は、AI駆動の方法論と、数学、物理学、化学における研究者の専門知識を組み合わせることで構築された強力な科学的能力をもたらします。

データ分析、モデリング、物理現実のシミュレーションなどの科学タスクのためのエージェントコーディングに非常に熟練しており、研究者は配管作業ではなく、問題に集中できます。ベンチマークでは、ML4はオープンウェイトモデルの中でSciCode-Verifiedにおいて最先端です。実際には、複雑で多段階の化学タスクである完全なHartree–Fockシミュレーションをワンショットで生成できます。これは、一連の高度なルーチンから構築されています。

ML4の数学も、形式的推論と応用数学の両方で強化されています。人間による評価では、GLM-5.3よりも正確かつ構造的に推論し、最先端の理論物理学に関連する作業を含む、長期間にわたるドメイン固有の応用数学タスクを維持できます。

これらの能力を組み合わせることで、ML4は最初の質問から最終結果まで、技術ワークフロー全体にわたる強力な研究アシスタントとなります。

[画像: SciCode-Verifiedのテスト結果]

SciCode-Verifiedは、物理学、数学、材料科学、生物学などのドメインで、モデルが複雑な科学ワークフローをコードで実装する能力をテストします。

[画像: STEMタスク(数学と物理学)におけるML4とGLM5.3の内部評価]

ナレッジワーク

ML4は、プロフェッショナルが日常的に扱う実世界のタスクにおいて、当社の最も有能なモデルです。複雑なスプレッドシートやドキュメントを作成、編集、修正でき、法律および金融ベンチマークの両方で模範的なパフォーマンスを示します。

特に、第三者の評価者(vals.ai)を通じて、法律および金融タスクの代表的なタスクでML4を評価したところ、両方のケースでGPT-6-Astraを上回ることがわかりました。HarveyAIのLegal Agentベンチマークでは、ML4はすべてのオープンソースモデルを上回っています。

FinWorkBenchは、実際の金融および会計のユースケースにおけるスプレッドシートの作成/編集におけるモデルの能力をテストします。

財務分析は、精度と複数の情報源からの情報を統合する能力を要求しますが、これは今日の多くの金融機関では依然として時間のかかるプロセスです。このデモでは、ML4は他のトップOSSモデルと比較して、同じ多段階の企業金融課題に取り組み、EDGARおよび同等の欧州データベースで利用可能な公開企業の提出書類や財務報告書を検索します。アニメーション化されたセマンティックマップは、各モデルのソリューションへの道のりをたどり、取得されたすべてのドキュメントをハイライトします。各トラックの位置は、収集された証拠、計算結果、および未解決の質問を反映しています。視聴者は、調査がどのように展開されるかを追跡し、最終的な回答に到達する前に各モデルが取る異なるパスを比較できます。

モデルの安全性

ML4は、間接的なプロンプトインジェクションに対する堅牢性に関するベンチマークを飽和させており、OSSモデルの最前線に位置しています(GLM-5.2、GLM-5.3、Kimi-K2.6、Kimi-K3、DS-V4-Pro-0813と比較)。Lakeraの公開B3 AI Security Benchmarkでは、ML4は93.3%の攻撃に耐え、競合他社の中でこれ以上のスコアは見られません。

ML4はまた、以前のどのモデルよりもユーザーとより責任を持って対話します。KORA Benchmark(https://korabench.ai/)での結果を強調しており、ML4はここでもOSSモデルの中で当社の最高測定スコア(1.691、2が最大値で「模範的」と表示)に位置しています。

特に重要なのは、サイバーセキュリティに関する悪意のある要求を拒否するモデルの傾向です。サイバーベンチマークでの高いパフォーマンスにもかかわらず、JailbreakBench、StrongREJECT、およびAgentHarmからのサイバープロンプトに対するモデルの平均拒否率は、すべてのOSSモデルよりも高くなっています。

人間による評価

コーディング、CAD(コンピュータ支援設計)、金融、数学、物理学の専門家注釈者がMistral Large 4とGLM-5.3を比較する内部評価を実施しました。ML4はCADとSTEMで好まれ、金融とコーディングではGLM-5.3と同等またはそれに近いパフォーマンスを示しました。

[画像: 人間による評価の結果]

大規模な強化学習

ベースモデルは急速に進化しており、当社のポストトレーニングもそれに追いつく必要があります。昨日のモデルに合わせて調整されたレシピは、今日のフロンティアでは能力を活かしきれません。なぜなら、かつてモデルの限界を押し広げた正解サンプルは、もはやそうではないからです。強化学習(RL)を使用するのは、モデルの進化に合わせて適応するためです。モデル自身の試行の結果をトレーニングし、モデルが強くなるにつれてタスクの難易度と範囲を上げることができます。

当社のRLライブラリは、新しい環境を容易に追加し、大規模にトレーニングできるように設計されています。共有可能で composable なインターフェースにより、単一のトレーニング実行で、シングルターンのチャットや複雑な科学的問題解決から、安全性のアライメント、事実性、長期間にわたるツールの使用まで、さまざまなタスクを組み合わせることができます。これらの環境は、コードサンドボックス、ウェブ検索、外部APIなどのスキャフォールドとリソースを共有します。この composability は検証にも拡張され、報酬モデル、単体テスト、LLMジャッジ、静的チェックが、各タスクに必要なように組み合わされます。

実行時には、オートスケーリングされたアクターのフリートが、モデルトレーニングが非同期に進む間に、数万ものロールアウトを並列で生成します。生成およびトレーニングパイプラインは、長い軌跡に最適化されており、スタールネスを低く保ちながら、複数のコンパクションにわたる数百万トークンのロールアウト予算をサポートします。両方のステージにわたる新しい方法論と最適化により、オフポリシーのドリフトが最小限に抑えられ、長いホライズンでの安定したRLが可能になります。

現在の規模(3k GPU)では、単一のトレーニング実行で約1日あたり330億トークンが生成され、フィルタリングとマスキングの後、約160億トークンがトレーニング可能な完了トークンとなります。トレーニングロールアウトで実行の進捗を直接確認できます。ポリシーがますます複雑なタスクを解決することを学習するにつれて、いくつかの代表的な環境でトレーニング報酬が上昇します。以下にいくつかの例を示します。

[画像: 強化学習の進捗を示すグラフ]

この改善は、トレーニングする環境に限定されるものではありません。下流の評価にも転移し、最終モデルは、(ファインチューニングとRLの両方の)ポストトレーニングステージの両方にその改善を負っています。これは、チャートに示されています。

[画像: ファインチューニングとRLの影響を示すグラフ]

次に来るもの

これは始まりに過ぎません。ML4は、欧州のテクノロジー企業としては史上最大の株式ラウンドである30億ユーロのシリーズD資金調達によって資金提供されたロードマップにおける最初のマイルストーンです。その資本はすでに活用されており、欧州の自社データセンターでのコンピューティング能力を大幅に拡大しており、今後数ヶ月でさらに多くのものが稼働する予定です。

より多くのコンピューティングは、より多くのトレーニングを意味します。このプレビューの背後にある強化学習実行はまだ進行中であり、モデルは飽和の兆候を示しておらず、かなりのヘッドルームが残っています。拡張されたインフラストラクチャでのトレーニングを拡大するにつれて、今後数週間および数ヶ月で大規模かつ迅速な改善が期待されます。

今月末には、モデルアーキテクチャ、追加のベンチマーク、およびポストトレーニング方法論に関する詳細とともに、ウェイトをリリースします。そしてML4は単なる基盤です。これは、顧客が最も重視する産業やワークロードのために構築された、新しい世代の特殊化および最適化されたMistralモデルの基盤となります。

ここからの進歩のペースは速くなるでしょう。ご期待ください。