Mistral Large 4は2026年10月にパブリックプレビューとしてリリースされ、総パラメーター1兆、アクティブパラメーターテンズ・ビリオンのオープンウェイトAIモデルです。Mistral自身のヨーロッパデータセンターにある3,800台のNVIDIA Grace Blackwell GPUでスクラッチからトレーニングされました【support-2】。このモデルはヨーロッパ内で開発・運用されることで欧州のAI主権を強調し、地域規制を遵守しながら顧客にAIの制御権を提供することを目指しています。
Plotlyの専門的なデータ分析ベンチマークにおいて、Mistral Large 4は前身モデルであるMistral Medium 3.5と比べて世代を超えた飛躍を示しました【primary】。フルエクスマランの実行コストは20.51ドルから1.94ドルに減少し、約10倍のコスト削減を達成しながら、正解率は58％（F評価）から74％（C評価）へと上昇しました。これは図示の通り（IMG-001）で、コストとタスク通過率の関係をプロットした折れ線グラフであり、また図（IMG-002）はMistral Large 4と前身モデルの正解率とコストを比較した棒グラフです。このベンチマークは、44のテーブルにわたる2,000万行の模擬風力タービンデータセットを使用し、ストリーク検出、ポイントインタイム結合、データ品質問題の特定などの多段階分析をテストします。
このビジュアルは、記事の主張であるMistral Large 4がコスト効率の高い代替手段を提供し、GPT‑6.1 SolやQwen 3.8 27Bと同様の範囲に位置することを裏付ける。
この画像は、記事第2段落で述べられるMistral Large 4の成績が58%から74%に上昇し、コストが十分の一に減少したというパフォーマンスとコスト効率の世代を超えた飛躍を示している。
これらの進歩にもかかわらず、Mistral Large 4は同じベンチマークにおいて依然として顕著な弱点を示しています【primary】。時に合計を平均として報告し、重複データを見逃して行数を信じ、大きなギャップがあるにもかかわらず完全カバレッジを主張することがあります—これにより誤ったビジネス結論を導く可能性があります。曖昧な質問への正答率は実際には4/5から3/5にわずかに低下し、絶対的な精度ではトップスコアリングモデルに劣りますが、コスト効率はOpenAIのGPT‑6.1 Sol（実行あたり2.61ドル）やQwen 3.8 27B（実行あたり1.71ドル）と同様の範囲に位置しています。