Mistralは、1兆パラメーターのAIモデル「Mistral Large 4（ML4）」の重みを公開しました。企業や政府機関はモデルをダウンロードし、自社環境で運用できます。サイバーセキュリティ向けの利用を掲げていますが、重みの公開に学習データや学習手順の公開が含まれるとは限りません。
ML4の重み公開で変わる運用形態
AIモデルの重みは、学習で得られた数値パラメーターで、入力の処理方法や出力の生成方法を左右します。重みが公開されると、利用者はモデルをダウンロードし、自社のシステムや管理するインフラ上で動かせます。
重みのほか、学習データ、学習レシピ、評価資料も公開されることがあります。これらすべてが揃うとは限らず、「オープンウェイト」と、学習コードやデータまで公開する「オープンソース」は区別されます。
オープンウェイトモデルは推論や追加調整に使えます。自己運用型では、組織のクラウドプロジェクトや仮想ネットワーク内でモデルを稼働させ、運用環境を管理できます。ML4の重みはHugging Faceと自社APIで提供されます。
コーディングとサイバー防御の評価
Mistralは、公開プレビュー後に強化学習を3週間追加し、コーディング性能と推論効率を改善したと説明しています。自社公表の評価では、コード変更の品質を測るFrontierCode 2.0でML4は19.7％を記録しました。
Artificial AnalysisのCoding Agent IndexでML4のスコアは48％となり、GLM-5.3とほぼ同水準だったとMistralは述べています。同社によると、タスク当たりの平均トークン数はGLM-5.3より47％少なく、ターミナル操作を含むTerminal-Bench 4.0では、プレビュー版から13ポイント上がり、41％となりました。
サイバー防御の評価では、コード内の脆弱性の発見、再現、検証、修正を測るArtificial Analysis Cyber Indexで51％を記録したとMistralは公表しました。また、同社の測定では、悪意あるサイバー関連の要求に対する平均拒否率は96.6％でした。
自社環境での利用と防御用途
Mistralの重み公開により、組織はML4を自ら管理する環境に導入し、サイバー攻撃への対応に使えます。Mistralの科学担当副社長ピエール・ストック氏は、オープンウェイトなら外部提供者にアクセスを止められず、自社インフラ上で運用できるとTechCrunchに語りました。
Mistralは、脆弱性の検出や分析、コードやITインフラ上の脅威への対応を用途に挙げています。ストック氏は、AIが脆弱性の発見を助ける一方で、攻撃者も技術を利用する可能性があるとして、防御能力を広く提供する考えを示しました。
Booz Allenはソースコードのセキュリティ分析でML4を社内評価し、脆弱性検出の再現率が他の先端サイバーモデルに匹敵したとMistralは述べています。欧州ネットワーク・情報セキュリティ機関（ENISA）も、脆弱性の特定、コード監査、防御ログ分析のためにML4を試験しています。
公開モデルの活用に伴う確認事項
重みを自社環境で動かせば、入力データや運用場所を組織側で管理できます。オープンモデルは、専門領域や特定の業務に合わせて調整し、管理するインフラで運用できます。
オープンウェイトモデルでは、元のデータセット、アーキテクチャー、学習コードが常に提供されるわけではありません。
導入時には、ライセンス、必要な計算資源、評価資料、既知の制約を確認する必要があります。
