Mistral Large 4がオープンウェイトに｜「Model-as-a-Service」条項を読み、自社運用・製品組み込み・API利用の線引きを確かめる

Mistral AIが2026年10月29日、公式ブログ「Mistral Large 4 (Le Chonk) is now open weight」で、同社の最上位モデルMistral Large 4の重みを公開しました。APIのパブリックプレビューは公式ドキュメント上で10月6日(バージョン26.10)に始まっており、今回はその改良版の重みをHugging Faceで配布する、という順番です。

性能の数字はベンダー公表値で、他社モデルとの優劣はこの記事では断定しません。業務目線で先に確かめておきたいのは2点です。1つは「自社で動かす」と言ったときに実際に必要になる重みの大きさ。もう1つは、ライセンスに1つだけ置かれた条件、「Model-as-a-Service(MaaS)事業を営む企業は、商用利用の前に別途商用ライセンスを取得する」が、自社のどの使い方に掛かるのかです。

何が公開されたのか#

公式ブログによると、今回の公開はプレビュー版を改良したMistral Large 4の重みです。ブログは「今月初めにプレビューを出した」と書き、改良点としてTerminal-Bench 4.0がプレビューの28%から41%へ13ポイント上がり、出力トークンが30%減ったことを挙げています。

提供経路は次のとおりです。

Amazon BedrockやGoogle Cloud Vertex AIでの提供は、ブログには書かれていません(2026-11-05時点)。また、サイバーセキュリティ向けの派生モデルが、Orange Cyberdefenseなど審査を経た企業のデザインパートナー向けに「preview access」で提供されていますが、一般には使えません。

仕様と料金は公式ドキュメントで確定している範囲だけ#

公式ドキュメントとモデルカードで確認できた仕様をまとめます。

推論の強さは、ブログによるとプレビュー版の「None」を置き換える形で「Low」が入り、Lowは単純なタスク向け、Mediumは日常のタスク向け、Highは最も難しいケース向けと説明されています。既定がHighなので、問い合わせ分類のような軽い処理にそのまま使うと、出力トークンとレイテンシが想定より膨らみます。用途ごとに明示して指定するのが無難です。

なお、第三者の集約サイトにはコンテキスト長を524,288トークンとするものや、料金が公式と異なるものがあります。経由するプラットフォームごとに上限や単価が違う可能性があるため、見積もりは使う経路の料金表で行ってください。

「自社で動かせる」の実際の大きさ#

オープンウェイトの利点として、ブログは「自社のインフラで検査・カスタマイズ・デプロイでき、APIで提供してもらうためにMistralに依存しなくてよい」と書いています。データを外に出せない業務では大きな意味がありますが、規模は把握しておく必要があります。

2026-11-05時点のHugging Face APIで、重みファイル(safetensors)の合計は次のとおりでした。

これは重みだけの大きさで、推論時には別にKVキャッシュの領域が要ります。モデルカードの推論例はvLLMでテンソル並列サイズ8(GPU8枚)を指定し、具体的な構成はモデルカードからリンクされたvLLMのレシピにまとまっています。レシピで検証済みとされているのは次の構成です(2026-11-05時点)。

レシピにはAMD向けのMXFP4版(約578GB、MI350シリーズ)も載っています。なお既定構成の例は最大文脈長を262,144トークンに設定しており、100万トークンをそのまま使う設定ではありません。GPU1枚では動かず、大容量GPUを複数枚積んだサーバーを1台以上丸ごと割り当てる規模で、可否はGPUの種類、文脈長、同時実行数で変わります。

MoEなので、1トークンの計算に使うのは活性52Bだけで、総1兆規模の密なモデルよりは計算が軽く済みます。ただしメモリには全エキスパートを載せる必要があるため、「活性52Bだから52B級のサーバーで足りる」とはなりません。この区別は別記事で詳しく扱っています。

推論エンジンは、モデルカードでvLLM(推奨)、SGLang、Transformers、llama.cpp(GGUF)が挙がり、追加学習はAxolotl、Unsloth、TRLが対応とされています。社内データで調整するならLoRAのような軽量な手法が現実的ですが、ここで次のライセンスの論点が効いてきます。

ライセンスの条件は1つだけ。ただし境界の読み方が要る#

ライセンスはMistral Ecosystem Open-Weight Licenseで、ブログは「改変したMITライセンス」と説明しています。ブログの言い方では、モデルは自由に使用・改変・追加学習・商用化でき、条件は1つだけです。それが「Model-as-a-Serviceを提供する事業者は、商用で使う前にMistralから別途商用ライセンスを取得する」ことです。

LICENSEの条文を要約すると、構造は次のようになっています(原文は英語。以下は筆者の要約で、法的な解釈ではありません)。

• MaaSの定義(第2条): 第三者に、モデルまたはその派生物への推論や追加学習(post-training)のアクセスを手段を問わず与えること。かつ、その第三者が入力・パラメータ・学習データを実質的に制御(meaningful control)できる形であること。
• 定義から外れるもの: モデルの能力が特定の機能やハーネスに組み込まれたエンドユーザー向け製品。他社がホストするモデルへのリクエストの単なる中継。
• 条件(第2条): ライセンシーまたはその関連会社(affiliates)がMaaS事業を営む場合、モデルや派生物を商用目的で使う前に、別途商用ライセンスを取得する。
• 適用除外(第3条): 社内利用(モデルや派生物を第三者に提供しない使い方)と、Mistralの公式製品を通じた利用。
• そのほか: 著作権表示と許諾表示をコピーに含める。売上高や利用者数のしきい値はなく、派生物を同じ条件で公開する義務も書かれていない。保証はなく「AS IS」で提供される。

ここから、よくある使い方を当てはめると次のようになります。最終判断は自社の法務と、必要ならMistralへの確認で行ってください。

導入を検討するなら、どの順で確かめるか#

よくある質問#

まとめ#

Mistral Large 4の公開で意味が大きいのは、「1兆規模のモデルを自社で動かせる」ことより、条件付きながら商用利用の範囲がはっきり書かれた点です。社内利用とMistral公式製品経由の利用は条件の外にあり、製品の特定機能だけへの組み込みもMaaSには当たらない。一方で、自社や関連会社が第三者に推論や追加学習を自由に使わせる事業を営むなら、社内利用以外の商用利用に別途のライセンスが要る。この線引きを先に自社の設計へ当てはめれば、APIで試すのか、自社運用に進むのか、契約の相談から始めるのかを、検証の前に決められます。