MistralAIオープンソース

Mistral Large 3 (v25.12, Base/Instruct)

Name: Mistral Large 3 (v25.12, Base/Instruct)
Author: MistralAI

このモデルを比較

MistralAIのfoundationモデル。

シェア:X はてブ LINE

パラメータ

6750

コンテキスト長

256K

ライセンス

Apache 2.0

リリース日

2025-12-02

日本語性能

✅高品質日本語

多言語対応モデルのうち、日本語処理に優れた性能を持つモデル。

API料金

入力料金（1Mトークンあたり）

$0.5

出力料金（1Mトークンあたり）

課金モード: standard

強み

弱み

活用例

深度分析

Arena Elo

1418

オープンソース非推論モデルで第2位、OSS全体で第6位

MMLU

85.5%

多言語知識ベンチマーク

HumanEval

92.0%

Pythonコード生成

Context Window

256K tokens

フロンティアクラスのオープンモデルの中で最大

Input Price

$0.50/1M tokens

Claude Sonnetと比較して約6倍安い

Parameters

41B active / 675B total

粒度の高いMoEアーキテクチャ

強み

・Apache 2.0ライセンスにより、無制限の商用利用とセルフホスティングが可能
・ヨーロッパ/エンタープライズワークロード向けの最高峰の多言語サポート（40以上の言語）
・ネイティブマルチモーダル（テキストと画像）機能を備えた大規模な256Kコンテキストウィンドウ

弱み

・専用の推論モデルではないため、複雑な推論ではchain-of-thoughtモデルに遅れをとる（GPQA Diamond 43.9%）
・統合されたビジョンエンコーディングにもかかわらず、マルチモーダルタスクではビジョン優先モデルに遅れをとる
・複雑なデプロイには大幅なインフラストラクチャが必要（8xH200または同等のハードウェア）

競合比較

Model	Arena	SWE	GPQA	Price
DeepSeek V3.2	1456	N/A	82.4%	$0.28/$0.42
Claude Opus 4.5	1496	N/A	91.3%	$5.00/$25.00
Llama 3.1 405B	1352	N/A	50.7%	$0.89/$0.89

概要

Mistral Large 3は、Mistral AIのこれまでで最も高性能なモデルを表し、675Bの総パラメータを持つ粒度の高いMixture-of-Expertsアーキテクチャとトークンあたり41Bのアクティブパラメータを組み合わせています。2025年12月にApache 2.0ライセンスでリリースされ、エンタープライズ多言語パイプライン、構造化出力の信頼性、コスト効率の高い推論に最適化されたフロンティアクラスのオープンウェイトモデルとして位置づけられています。256Kのコンテキストウィンドウ、ネイティブマルチモーダル機能（テキストと画像）、強力な関数呼び出しにより、長文書理解、RAGシステム、多言語カスタマーサポートなどの本番環境向けアプリケーションをターゲットにしています。モデルの戦略的位置づけは、3,000のNVIDIA H200 GPUでのトレーニングと主要クラウドプロバイダーとのデプロイメントパートナーシップにより、ヨーロッパのデータ主権を強調しています。一般的な知識（MMLU 85.5%）やコード生成（HumanEval 92%）で高いベンチマークスコアを達成していますが、chain-of-thought推論が明確に欠如しており、博士レベルの科学的質問（GPQA Diamond 43.9%）では専門的な推論モデルに遅れをとります。その価値提案は、トークンあたり$0.50/$1.50のフロンティア能力を組み合わせたもので、Claude Opus 4.6と比較して約10倍安価であり、推論の深さが信頼性、多言語サポート、コスト効率に劣る高ボリュームエンタープライズワークロードに魅力的です。

ベンチマーク＆性能

Mistral Large 3は、多言語知識とコード生成に特に強みを持つ強力なジェネラリスト性能を示していますが、専門モデルと比較して博士レベルの推論タスクに明確なギャップがあります。 | Benchmark | Mistral Large 3 | DeepSeek V3.2 | Claude Opus 4.5 | Llama 3.1 405B | |-----------|----------------|---------------|-----------------|----------------| | MMLU (%) | 85.5 | 84.2 | 91.1 | 73.1 | | GPQA Diamond (%) | 43.9 | 82.4 | 91.3 | 50.7 | | HumanEval (%) | 92.0 | 90.5 | 93.2 | 89.0 | | LiveCodeBench (%) | 82.8* | 83.3 | 78.5 | 28.9 | | SimpleQA (%) | 23.8 | 97.1 | 82.0 | 19.6 | | Arena Elo | 1418 | 1456 | 1496 | 1352 | | Context Window | 256K | 128K | 1M (beta) | 128K | *注: コミュニティの評価では、より小さなテストセットに基づいてLiveCodeBenchスコアが低い（約34.4%）と報告されています。82.8%という数値はMistralの公式ベンチマークから来ています。主要なパフォーマンスの洞察: 1. **多言語リーダーシップ**: MMLUスコア85.5%は、40以上の言語にわたる強力な多言語トレーニングを反映し、DeepSeek V3.2（84.2%）を上回り、Llama 3.1 405B（73.1%）を大幅に凌駕しています。 2. **コーディング機能**: HumanEvalで92%を達成し、コード生成のトップオープンモデルの一つですが、Claude Opus 4.5（93.2%）にはやや劣ります。 3. **推論ギャップ**: GPQA Diamondの顕著な差（43.9% vs. DeepSeekの82.4%）は、chain-of-thought推論が欠如したアーキテクチャのトレードオフを強調しています。 4. **コンテキストの優位性**: 256Kトークンのコンテキストウィンドウは、ほとんどのオープンモデルの2倍で、プロプライエタリリーダーと競争力があります。

詳細比較

**Mistral Large 3 vs DeepSeek V3.2** - **価格**: Mistralはトークンあたり$0.50/$1.50 vs. DeepSeekの$0.28/$0.42—Mistralは1.8倍/3.6倍のプレミアムです。 - **性能**: DeepSeekは推論（GPQA 82.4% vs 43.9%）と事実の正確さ（SimpleQA 97.1% vs 23.8%）でリードし、Mistralはより良い多言語サポート（40以上の言語）とApache 2.0ライセンスを提供します。 - **ユースケース**: DeepSeekは推論の重い科学的/分析タスク向け；MistralはオープンウェイトとEUデータ主権が必要な多言語エンタープライズパイプライン向け。 **Mistral Large 3 vs Claude Opus 4.5** - **価格**: Mistralは劇的に安い（$0.50/$1.50 vs $5.00/$25.00）—入力で6倍、出力で17倍安価です。 - **機能**: Claudeは複雑な推論（GPQA 91.3%）で優れ、より大きなコンテキストウィンドウ（1M beta）を持ち、MistralはセルフホスティングとApache 2.0ライセンスを提供します。 - **ユースケース**: Claudeはフロンティア推論とエージェントコーディング向け；Mistralはデータ主権要件を持つコスト感度の高い高ボリューム多言語アプリケーション向け。 **Mistral Large 3 vs Llama 3.1 405B** - **アーキテクチャ**: MistralのMoE（41Bアクティブ） vs. Llamaのdense 405B—Mistralは類似の性能でトークンあたりのパラメータが少ないです。 - **性能**: MistralはGPQA（Llamaの50.7% vs 43.9%）を除くすべてのベンチマークで上回り、Llamaが欠如するマルチモーダル機能を提供します。 - **価格**: 入力コストは類似（$0.50 vs $0.89）ですが、Mistralの出力は高い（$1.50 vs $0.89）。 - **ユースケース**: Mistralはマルチモーダルと長コンテキストタスク向け；Llamaはライセンスの柔軟性が重要な純粋なテキストワークロード向け。

コミュニティ評価

Mistral Large 3に対する開発者や研究者の反応は、エンタープライズユーザーとベンチマーク重視のエンジニアの間で明確な分岐を示しています： **肯定的な受容**: - エンタープライズ開発者は、生産環境での構造化出力ワークロードでの信頼性を一貫して称賛し、「より賢い」が一貫性の低いモデルよりもJSONスキーマの遵守が優れていると報告しています。 - 多言語機能は特にヨーロッパ言語で称賛され、複数のレビューで非英語のエンタープライズアプリケーションにおいてGPT-4oを上回ることが注目されています。 - Apache 2.0ライセンスは広く祝われており、規制されたエンタープライズ（金融、医療）の法的/コンプライアンスチームがMetaのLlamaライセンスよりも迅速にクリアできます。 - コスト効率は主要な魅力で、ClaudeやGPTの価格帯では経済的に実行不可能なワークロードを可能にします。 **批判的な視点**: - ベンチマーク重視のユーザーは推論スコアに失望を表明し、GPQA Diamondの性能を「このサイズのモデルとしては印象的でない」と呼んでいます。 - Hacker Newsの一部では、これを「DeepSeek V3に対して登場時から死んでいる」と特徴づけていますが、この見方は時期尚早として広く却下されました。 - リリース時に推論バリアントの欠如がギャップとして指摘されましたが、発表された推論バージョンへのコミュニティの期待は依然として高いです。 **採用パターン**: - 特にカスタマーサポート、文書処理、内部知識管理においてヨーロッパのエンタープライズで強い採用。 - 非英語機能が重要な多言語LATAMおよびAPAC市場での採用が増加。 - 大規模なコードベースや技術文書を処理するRAGシステムのコスト効率の高いバックエンドとしての使用が増加。

ユースケース

**1. 多言語エンタープライズカスタマーサポート** - *例*: 15の言語で顧客にサービスを提供するヨーロッパのeコマース企業が、各市場のニュアンスのあるクエリを理解するサポートチャットボットを動かすためにMistral Large 3を使用します。 - *選択するタイミング*: データ主権が必要な場合にDeepSeekやLlamaよりも、コスト制約が厳しく、推論の深さが言語カバレッジと信頼性に劣る場合にClaude/GPTよりも選択します。 **2. 大規模文書処理とRAG** - *例*: 法律事務所が毎日数千の文書を処理し、256Kコンテキストウィンドウを使用してチャンクなしに完全な契約を分析し、関数呼び出しで特定の条項を抽出します。 - *選択するタイミング*: コンテキストウィンドウが小さいモデルよりも、マルチモーダル機能（文書内の画像からテキストを抽出）が価値を追加する場合、機密性のためにセルフホスティングが必要な場合に選択します。 **3. コスト感度の高い大量分類** - *例*: フィンテック企業が40の言語にわたって毎日数百万のカスタマーサポートチケットを分類し、Mistral Large 3の構造化出力機能を使用して問い合わせをルーティングします。 - *選択するタイミング*: 10倍以上のコスト節約でClaude/GPTよりも、バッチ処理ボリュームがトークン単位の経済を決定的にする場合、タスクが高度な推論を必要としない場合に選択します。 **4. オンプレミスマルチモーダル分析** - *例*: 医療提供者がファイアウォールの背後にMistral Large 3をデプロイし、臨床ノートとともに医用画像（X線、チャート）を分析し、データが施設外に出ないようにします。 - *選択するタイミング*: データが施設外に出ることができない場合にクラウド専用モデルよりも、画像とテキストのマルチモーダル分析で十分な場合に専用ビジョンモデルよりも選択します。