Le Chonk（ル・チョンク）は、Mistral AIが2026年に公開したフラッグシップモデルMistral Large 4の愛称で、1兆パラメータのネイティブ・マルチモーダルなMixture-of-Experts（MoE）モデルです。Mistral AIは公開プレビューを経て、この改良版Mistral Large 4の重み（weights）をHugging Face上で公開しました。
室谷代表取締役Mistral AIがついに旗艦モデルの重みを出してきましたね。Mistral Large 4、愛称Le Chonk。
1兆パラメータですよ、1兆。しかも欧州の自社データセンターでゼロから学習させたというのがポイントなんですよね。
1兆パラメータですよ、1兆。しかも欧州の自社データセンターでゼロから学習させたというのがポイントなんですよね。
テキトー教師DotAI 認定講師そうなんですよ。単に「大きいモデルを出しました」という話じゃなくて、オープンウェイトとして配れる形に仕上げてきたことに意味があります。
まず何が発表されたのか、整理しましょうか。
まず何が発表されたのか、整理しましょうか。
室谷代表取締役発表の骨格は3つですね。コーディングのために作られたこと、サイバーディフェンスのために作られたこと、そしてソブリンAIのために自社で持てる形で出されたこと。
Mistral AIの公式ブログでも「Built for Coders, Trusted by Defenders」と掲げられています。
Mistral AIの公式ブログでも「Built for Coders, Trusted by Defenders」と掲げられています。
テキトー教師DotAI 認定講師そこは講座でも受講生さんによく聞かれるところなんですけど、「オープンウェイト」と「オープンソース」は似て非なるものなんですよ。学習済みのパラメータをダウンロードして自社環境で動かせる、自社データで追加学習できる、というのがオープンウェイトの実利です。
APIしか触れないクローズドモデルとは、企業での使い方が根本的に変わってきます。
APIしか触れないクローズドモデルとは、企業での使い方が根本的に変わってきます。
Le Chonkとは？Mistral Large 4の概要と発表元
Mistral Large 4（Le Chonk）の概要
愛称と発表元
Le ChonkはMistral Large 4の愛称。Mistral AI公式ブログとHugging Faceのモデルカードの両方で使用されている。
MoEアーキテクチャ
総パラメータ約1兆、1トークンあたり約520億アクティブ（埋め込み層・出力層含む）。ルーティング専門家128個・1トークンにつき4個活性化＋共有専門家1個。
学習環境
NVIDIA Grace Blackwell GPUを3,800基使用し、Mistralの欧州自社データセンターでゼロから学習。学習の系譜を最初から最後まで追跡可能。
マルチモーダル
ネイティブ・マルチモーダル。テキストと画像を入力しテキストを出力。Pixtral系の視覚エンコーダを採用。
コンテキスト長
100万トークン。
対応言語
160以上の言語に対応（EUの全公用語を含む）。
推論モード
low／medium／highの3段階。デフォルトはhigh。
ライセンス
Mistral Ecosystem Open-Weight License（MITを改変したもの）。商用・非商用利用は可能だが、Model-as-a-Service事業には別途商用ライセンスが必要。
室谷代表取締役まず名前の整理からいきましょう。Le ChonkはMistral Large 4の愛称です。
Mistral AIの公式ブログとHugging Faceのモデルカード、両方でこの名前が使われています。フランス語圏の企業らしいネーミングですよね。
Mistral AIの公式ブログとHugging Faceのモデルカード、両方でこの名前が使われています。フランス語圏の企業らしいネーミングですよね。
テキトー教師DotAI 認定講師モデルカードによると、Mistral Large 4は約1兆パラメータ、1トークンあたり約520億（埋め込み層と出力層を含めて約520億）のアクティブパラメータを持つMoEモデルです。ルーティングされる専門家が128個、1トークンにつき4個が活性化し、共有専門家が1個。
この設計で巨大な総パラメータと推論コストのバランスを取っているわけです。
この設計で巨大な総パラメータと推論コストのバランスを取っているわけです。
室谷代表取締役学習環境も面白いんですよね。NVIDIA Grace Blackwell GPUを3,800基使って、Mistralの欧州自社データセンターでゼロから学習。
つまり学習の系譜が最初から最後まで追える。これがソブリンAIを掲げるMistralの主張の土台になっているわけです。
つまり学習の系譜が最初から最後まで追える。これがソブリンAIを掲げるMistralの主張の土台になっているわけです。
テキトー教師DotAI 認定講師スペックを整理するとこうです。
- 総パラメータ約1兆／1トークンあたり約520億アクティブ（128ルーティング専門家・4活性＋共有1）
- ネイティブ・マルチモーダル（テキストと画像入力、テキスト出力。Pixtral系の視覚エンコーダ）
- コンテキスト長100万トークン
- 160以上の言語に対応（EUの全公用語を含む）
- 推論モードはlow／medium／highの3段階（デフォルトはhigh）
- ライセンスはMistral Ecosystem Open-Weight License（MITを改変したもの。Model-as-a-Service事業には別途商用ライセンスが必要）
室谷代表取締役ライセンスのところ、ここ大事です。MITそのものではなく「MITを改変したMistral Ecosystem Open-Weight License」で、商用・非商用は使えるけれど、モデルをサービスとして提供するビジネスは別契約が要る。
自社利用と再販は分けて考える必要があるんですよね。
自社利用と再販は分けて考える必要があるんですよね。
テキトー教師DotAI 認定講師受講生さんにも「オープンウェイト＝何でも自由」と誤解している方がいるので、そこは毎回お伝えしています。研究や社内利用と、外にモデルを売る商売は同じではない、と。
Le Chonkでできること——コーディングとサイバー防御の実力
Le Chonkの2大能力：コーディングとサイバー防御
コーディング
- エージェント型コーディング（リポジトリを理解し変更を提案・実行）
- 公開プレビューから3週間の追加強化学習で向上
- FrontierCode 2.0（Cognitionの非公開ベンチマーク）で19.7%、オープンモデル首位と主張
- 「リポジトリのメンテナが変更をマージするか」というエンドツーエンドのコード品質を評価
- 実務に近い指標のため、最後は人間がレビューする前提で利用
サイバー防御
- Artificial Analysis Cyber Indexで51%
- コードベースの脆弱性を発見・再現・検証し、既存機能を壊さず修正できるかを見る指標
- 正当な防御タスクを過剰に拒否しない設計
- 悪意あるサイバーリクエストへの拒否率は平均96.6%でオープンモデル最高と主張
- JailbreakBench、StrongREJECT、AgentHarmのサイバー関連プロンプトで測定
室谷代表取締役で、このモデル何ができるのという話ですが、Mistral AIはコーディングとサイバー防御の2つを前面に出しています。まずコーディング。
エージェント型コーディング、つまりリポジトリを理解して変更を提案・実行するワークフローです。
エージェント型コーディング、つまりリポジトリを理解して変更を提案・実行するワークフローです。
テキトー教師DotAI 認定講師公式ブログでは、公開プレビューから3週間の追加強化学習でコーディングが伸びたと説明されています。FrontierCode 2.0というCognitionの非公開ベンチマークで19.7%を記録し、オープンモデル首位だと主張しています。
このベンチマークは「リポジトリのメンテナがその変更をマージするか」というエンドツーエンドのコード品質を見るものなんですよ。
このベンチマークは「リポジトリのメンテナがその変更をマージするか」というエンドツーエンドのコード品質を見るものなんですよ。
室谷代表取締役そこが単なるコード生成のスコアと違うところですよね。実際にマージされるかどうか、実務に近い。
MYUUUでもエージェントにコードを書かせる場面は増えましたけど、最後は人間がレビューする前提で使っています。
MYUUUでもエージェントにコードを書かせる場面は増えましたけど、最後は人間がレビューする前提で使っています。
テキトー教師DotAI 認定講師サイバー防御のほうも具体的です。Artificial Analysis Cyber Indexで51%。
これはコードベースの脆弱性を発見し、再現・検証し、既存機能を壊さずに修正できるかを見る指標です。
これはコードベースの脆弱性を発見し、再現・検証し、既存機能を壊さずに修正できるかを見る指標です。
室谷代表取締役そして重要なのが「正当な防御タスクを過剰に拒否しない」という点。セキュリティ用途のモデルって、脆弱性の再現を頼むと拒否されがちなんですよね。
そこをうまく設計していると。
そこをうまく設計していると。
テキトー教師DotAI 認定講師一方で、悪意あるサイバーリクエストへの拒否率は平均96.6%で、オープンモデルの中で最高だとMistral AIは主張しています。JailbreakBench、StrongREJECT、AgentHarmのサイバー関連プロンプトで測った数字です。
防御は通す、攻撃は断る、という線引きですね。
防御は通す、攻撃は断る、という線引きですね。
室谷代表取締役このあたりの評価にはCrowdStrike、Cloudflare、Rubrik、Zscalerといったセキュリティベンダーが関与していると公式ブログに書かれています。実環境でのテストを経ているというのは、導入を検討する側としては安心材料です。
テキトー教師DotAI 認定講師ただし公式ブログには注意書きもあって、ライブトラフィックを監視する中で「実攻撃への悪用可能性」も認識したため、ガードレールを調整していると明記されています。万能ではなく、継続的に更新していく前提なんですね。
Le Chonkのベンチマーク性能——FrontierCodeとトークン効率
まとめ
Le Chonkのベンチマーク性能(※Mistral AIの主張)
- Artificial Analysis Coding Agent Index: 48%(GLM-5.3と実質同等、タスクあたり平均47%少ないトークン)
- Terminal-Bench 4.0: 41%(プレビュー時から13ポイント改善、オープンモデル首位、出力トークン30%削減)
- Surge Codeのブラインド比較: GLM-5.3・Kimi K3・DeepSeek V4.1 Flashより選ばれ、Claude Opus 5.5に次ぐ順位
- Artificial Analysis Intelligence Index v5: 26(西側オープンウェイト最高だが、中国発オープンモデルは総合指標で上回るとモデルカードに明記)
- Finchスコア: 73.3%(オープンモデルでKimi K3に次ぐ2位)
- BrowseComp: 84.5%
- B3 Agent Security Benchmark: 攻撃の97.1%を防ぐ(プレビュー時の93.3%から向上)
室谷代表取締役ここから数字を整理していきましょう。Mistral AIの主張なので「同社によると」という前提で読む必要がありますが、トークン効率の話が特に面白いんですよね。
テキトー教師DotAI 認定講師まずArtificial Analysis Coding Agent Indexで48%。これはオープンウェイトのトップであるGLM-5.3と実質同等で、しかもタスクあたり平均47%少ないトークンで処理できたとされています。
エージェント運用のコストはトークン量に比例するので、これは大きいです。
エージェント運用のコストはトークン量に比例するので、これは大きいです。
室谷代表取締役ターミナル系のワークフローも伸びています。Terminal-Bench 4.0でプレビュー時から13ポイント改善して41%、オープンモデル首位で、出力トークンは30%削減。
同じ仕事をより少ないトークンでやる、という方向に振っているのがわかります。
同じ仕事をより少ないトークンでやる、という方向に振っているのがわかります。
テキトー教師DotAI 認定講師人間の好みによる評価もあります。Surge Codeのブラインド比較では、GLM-5.3、Kimi K3、DeepSeek V4.1 Flashといったオープンウェイト勢より選ばれ、評価対象の中ではClaude Opus 5.5に次ぐ順位だったと。
室谷代表取締役総合知能の指標ではどうなんですか。
テキトー教師DotAI 認定講師Artificial Analysis Intelligence Index v5で26。これは西側のオープンウェイトモデルの中では最高だとMistral AIは説明しています。
ただし中国発のオープンモデルはこの総合指標では上回ると、モデルカードにも正直に書かれているんですよ。Mistral Large 4はコーディングとサイバーに強い、という特性で読むべき数字ですね。
ただし中国発のオープンモデルはこの総合指標では上回ると、モデルカードにも正直に書かれているんですよ。Mistral Large 4はコーディングとサイバーに強い、という特性で読むべき数字ですね。
室谷代表取締役あと地味に効くのが業務系の数字で、財務・会計の表計算ワークフローを見るFinchスコアが73.3%、オープンモデルでKimi K3に次ぐ2位。ウェブ閲覧のBrowseCompが84.5%。
エージェントのセキュリティ耐性を見るB3 Agent Security Benchmarkでは攻撃の97.1%を防いでいて、プレビュー時の93.3%から上がっています。
エージェントのセキュリティ耐性を見るB3 Agent Security Benchmarkでは攻撃の97.1%を防いでいて、プレビュー時の93.3%から上がっています。
テキトー教師DotAI 認定講師エージェントを社内に置くときに、システムプロンプトの抜き取りや悪意あるコード注入をどれだけ防げるかは実務の関心事ですからね。追加チューニングなしで安全なエージェントを動かせる、というのは導入のハードルを下げます。
室谷代表取締役このモデルの位置づけについては、以前の記事でも整理しているので参考にしてください。Mistral Large 4とは？1兆パラメータの「Le Chonk」を解説ではプレビュー段階の情報をまとめています。
Le Chonkの使い方・始め方——Hugging Faceからのダウンロードと配備
室谷代表取締役で、実際どうやって使うのという話です。重みはHugging Faceのmistralai/Mistral-Large-4-1T-A52Bで公開されています。
テキトー教師DotAI 認定講師モデルカードに配備方法が丁寧に書かれています。推奨はvLLMで、公式のDockerイメージが用意されています。
SGLang、Transformers、llama.cppにも対応していて、量子化版を使えばllama.cppやOllama、LM Studio系のアプリでも動かせる、という構成ですね。
SGLang、Transformers、llama.cppにも対応していて、量子化版を使えばllama.cppやOllama、LM Studio系のアプリでも動かせる、という構成ですね。
室谷代表取締役1兆パラメータですから、当然ながら個人のPCでサクッと動くものではないんですよね。vLLMの例ではテンソル並列8、つまり8GPUのノードを前提にした設定が示されています。
テキトー教師DotAI 認定講師そこは誤解がないようにしたいところです。モデルカードには「ローカル配備の性能が不十分ならMistral AI APIの利用を推奨する」とまで書かれています。
手元で動かすなら相応のGPU基盤が要る、という前提で計画する必要があります。
手元で動かすなら相応のGPU基盤が要る、という前提で計画する必要があります。
室谷代表取締役ありがたいのはDSparkという投機的デコーディングのドラフトヘッドがチェックポイントに同梱されている点です。有効化すると、ターゲットモデルの出力を変えずにスループットが最大1.9倍になったと測定されています。
実際の効果はハードウェアとワークロード次第ですが、配備側としては試す価値があります。
実際の効果はハードウェアとワークロード次第ですが、配備側としては試す価値があります。
テキトー教師DotAI 認定講師量子化についても、NVFP4のチェックポイントが別途用意されていて、メモリフットプリントが小さく推論が速く、性能は同じだと説明されています。Blackwell GPU向けでvLLMとSGLangに対応、と。
室谷代表取締役あとコーディングエージェントとして使うなら、Mistral VibeというCLIのコーディングアシスタントがMistral Large 4搭載で提供されています。ローカルのvLLMサーバーに向ける設定もモデルカードに書かれていました。
テキトー教師DotAI 認定講師推論モードの使い分けも実務的です。lowは単純作業、mediumは日常タスク、highは高精度が要る難しいケース。
デフォルトはhighなので、コストを抑えたいときは明示的に下げる。サンプリングはtemperature=1.0、top_p=0.95が推奨されています。
デフォルトはhighなので、コストを抑えたいときは明示的に下げる。サンプリングはtemperature=1.0、top_p=0.95が推奨されています。
室谷代表取締役このあたりの設計はMistral Large 4とは？1兆パラメータ・49Bアクティブの新旗艦でも触れていますが、推論の深さをリクエスト単位で切り替えられるのは、エージェントを大量に回すときに効いてきますよね。
料金・提供状況——日本からはいつ使えるのか
室谷代表取締役料金と提供状況ですが、ここは慎重に整理したいところです。
テキトー教師DotAI 認定講師まず確認できる事実として、モデルはMistral APIでmistral-large-4として提供されているとモデルカードに書かれています。重みはHugging Faceで公開済み。
デモハブではリリース後1週間、訪問者ごとに小さな共有無料枠でMistral API上の公式デモを試せる、とされています。
デモハブではリリース後1週間、訪問者ごとに小さな共有無料枠でMistral API上の公式デモを試せる、とされています。
室谷代表取締役一方で、APIの具体的な料金、トークン単価、日本からの提供開始日については、今回の公式ページ抜粋とモデルカードの中では確認できませんでした。現時点では明らかにされていない、という扱いが正確です。
テキトー教師DotAI 認定講師ここは憶測で書かないほうがいいですね。講座でも「提供状況は公式の発表で必ず確認する」と伝えています。
重みが公開されている以上、自社環境で動かす選択肢はすでにある、というのが確実に言えることです。
重みが公開されている以上、自社環境で動かす選択肢はすでにある、というのが確実に言えることです。
室谷代表取締役ライセンスの話ともつながりますが、商用・非商用の利用はMistral Ecosystem Open-Weight Licenseで認められていて、Model-as-a-Serviceとして提供する事業は別途商用ライセンスが必要、という線引きだけは押さえておきたいですね。
テキトー教師DotAI 認定講師日本企業が自社データでファインチューニングして社内利用する、という使い方はこのライセンスの範囲で検討できる、という理解でいいと思います。実際の契約判断は法務確認が必要ですが。
なぜ今オープンウェイトなのか——ソブリンAIとMistral Forgeの狙い
室谷代表取締役ここが一番Mistralらしい部分なんですよね。なぜ最高性能のモデルをクローズドにせず、重みを配るのか。
テキトー教師DotAI 認定講師Mistral AIは「ソブリンAI」というカテゴリを自分たちが定義している、と公式ブログで明言しています。組織がAIを所有し、カスタマイズし、コントロールできるようにする、と。
データ主権や規制対応が重要な欧州の政府・規制産業には、自国・自社で管理できるモデルへの需要があるわけです。
データ主権や規制対応が重要な欧州の政府・規制産業には、自国・自社で管理できるモデルへの需要があるわけです。
室谷代表取締役その受け皿がMistral Forgeですね。企業が自社の内部データでモデルをカスタマイズできる仕組みで、事前学習から強化学習、評価、配備までをカバーすると。
テキトー教師DotAI 認定講師Forgeの公式ページを読むと、データ準備、モデル訓練、アラインメント、評価、ライフサイクル管理、推論という6段階が示されています。独自データセットやオントロジー、意思決定フレームワークを統合して、汎用ベンチマークではなく企業のKPIに沿った評価をする、という設計思想です。
室谷代表取締役サイバー防御の文脈でも、顧客が自社のセキュリティデータやポリシー、検知ロジック、脅威環境でMistral Large 4をカスタマイズしていると公式ブログにあります。さらに、明確に定義されたタスクなら、より小さなタスク特化のバリアントに最適化できる、と。
テキトー教師DotAI 認定講師これは実務的に大きいですよ。1兆パラメータをそのまま動かすのではなく、特定タスクに絞って小さくして精度を上げる。
コストと精度の両立ですね。
コストと精度の両立ですね。
室谷代表取締役あと、公式ブログにはペネトレーションテストや脆弱性評価、レッドチーミングといった高度なサイバーワークフロー向けに最適化した specialized variant を、厳格な審査と契約上の保護を条件にOrange Cyberdefenseなどの企業デザインパートナーへプレビュー提供している、という記述もあります。攻撃的な用途は統制された環境に限定する、という姿勢ですね。
テキトー教師DotAI 認定講師ソブリンAIの文脈では、ENISAがMistral Large 4にアクセスして脆弱性の特定やコード監査、防御ログの分析をテストしている、というコメントも公式ブログに寄せられています。政府・規制機関が実際に触って評価しているのは、欧州での位置づけを示す材料ですね。
室谷代表取締役Mistral AIの会社としての動きはMistral AIとは？創業からMistral Large 4、Vibeの料金まで最新情報で整理にまとめています。オープンウェイト戦略とソブリンAIの組み合わせで、クローズド勢とは違う土俵を作りにいっているのがよくわかります。
テキトー教師DotAI 認定講師まとめると、Mistral Large 4は「性能で全部勝つ」というより、コーディングとサイバー防御に振り切ったうえで、トークン効率と自社配備の自由度で価値を出すモデル。その設計思想がオープンウェイト公開という形で一貫している、という読み方になります。
室谷代表取締役1兆パラメータを自分たちの管理下に置ける、という選択肢が増えたこと自体が大きいですよね。すぐに全員が自前で動かすのは現実的じゃないにしても、選択肢があるかないかで企業のAI戦略は変わってきますから。
よくある質問
Q. Le Chonkとは何ですか？
Mistral AIのフラッグシップモデルMistral Large 4の愛称です。1兆パラメータのネイティブ・マルチモーダルなMoEモデルで、2026年に重みがHugging Faceで公開されました。
Q. Le Chonkのスペックは？
総パラメータ約1兆、1トークンあたり約520億アクティブ（埋め込み層と出力層を含む）。128のルーティング専門家のうち4つが活性化し、共有専門家が1つ。コンテキスト長は100万トークン、160以上の言語に対応します。
Q. Le Chonkは無料で使えますか？
重みはHugging Faceで公開されており、Mistral Ecosystem Open-Weight Licenseのもとで商用・非商用に利用できます。ただしModel-as-a-Service事業には別途商用ライセンスが必要です。APIの料金は今回の公式資料では確認できませんでした。
Q. Le Chonkのベンチマーク結果は？
Mistral AIの主張によると、FrontierCode 2.0で19.7%のオープンモデル首位、Artificial Analysis Coding Agent Indexで48%（GLM-5.3と実質同等でトークンは平均47%少ない）、Cyber Indexで51%、悪意あるサイバーリクエストへの拒否率96.6%です。
Q. Le Chonkはどうやって動かしますか？
Hugging Faceから重みを取得し、vLLM（推奨）、SGLang、Transformers、llama.cppで配備できます。1兆パラメータのため相応のGPU基盤が必要で、モデルカードではローカル配備の性能が不十分な場合にMistral AI APIの利用が推奨されています。
Q. Mistral Forgeとは何ですか？
企業が自社の内部データでモデルをカスタマイズできるMistral AIの仕組みです。データ準備、訓練、アラインメント、評価、ライフサイクル管理、推論の6段階をカバーし、自社環境での配備とデータ主権を重視した設計になっています。
