Mistral（ミストラル）とは何か——フランス発オープンウェイトLLMの仕組みと全体像【2026年版】

Mistral を選ぶべきか：主要 LLM サービスとの使い分け早見

Mistral はどのモデルを使うか（前掲の用途別指針）だけでなく、そもそも他社 LLM ではなく Mistral を選ぶべきかという「サービス選定」の判断が実務では先に来る。以下は各サービスの得意領域を 1 行で整理した使い分けの目安。最終的な選定は自社の要件（データの置き場所・日本語比率・コスト・運用体制）で検証してほしい。

Mistral が向く場面（3 つ）

• 重みの自己管理が要件：モデルを外部 API に依存せず、自社インフラで推論・微調整したいケース。
• データ主権・規制対応：個人情報や機密を国外 API に送れず、データ所在を制御したい業種。
• コストと軽量性の両立：小型モデルで用途を絞り、GPU コストを抑えて内製運用したいケース。

Mistral が向かない場面（3 つ）

• 難度の高い日本語が中心：敬語・専門用語の精度が成果物の品質を左右する業務では、日本語比重の高い他社モデルの検証を優先したい。
• 自社で運用体制を持てない：オンプレ実行や微調整を担う人員・GPU 環境がなく、フルマネージド API だけで完結させたい場合。
• 周辺ツール連携が主目的：特定クラウドや検索・オフィス製品との統合が導入価値の中心なら、その提供元の LLM が近道になりやすい。

選び方の 3 軸

候補が絞れない場合は、次の 3 軸に自社要件を当てはめて優先順位を付けると判断が早い。

• データ所在の制約：外部 API 送信が可能か／重みを自社に置く必要があるか。制約が強いほど Mistral のオープンウェイト系が候補に残る。
• 言語要件：主用途が日本語か英語か。難度の高い日本語中心なら他社も必ず比較検証する。
• 運用リソース：微調整・推論基盤を内製できるか、マネージドに寄せたいか。体制が薄いほど API 前提の選定が現実的。

Mistral とは——フランス発オープンウェイト LLM の位置づけ

Mistral（ミストラル） とは、2023年にパリで設立された AI スタートアップ「Mistral AI」が開発・公開する大規模言語モデル（LLM）のシリーズ、およびその企業を指す。DeepMind や Meta での研究経験を持つ Arthur Mensch、Guillaume Lample、Timothée Lacroix の三名が共同創業し、「効率的かつオープンな AI」というミッションのもと、モデル重みを公開するオープンウェイト戦略を一貫して採り続けている（出典：IBM Think「MistralAIとは」https://www.ibm.com/jp-ja/think/topics/mistral-ai）。

生成 AI 市場は米国発のクローズドモデルが主流を占めるが、Mistral はモデル重みを Apache 2.0 ライセンスで公開しながら API サービスとエンタープライズ向けソリューションで収益化するハイブリッド戦略を採用する。EU 拠点であることは GDPR 対応とデータ主権の観点から欧州企業・政府機関への訴求力を高めており、2026年には TIME100 Most Influential Companies にも選出されている。同年には日本に営業拠点を設け、製造業を中心に国内企業需要の取り込みを本格化させている（出典：X/AIMIRAI46487 https://x.com/AIMIRAI46487/status/1938721956330905985）。

本記事では、Mistral という技術体系を「何者か・どう動くか・現行ラインナップの何を選ぶか」という軸で体系的に整理する。利用手順の詳細はMistral 使い方ガイドに、料金体系の詳細はMistral 料金記事に委ねる。

Mistral を支える主要技術——なぜ小さく速いのか

Mistral のモデル群が同規模の競合を上回る性能を示す背景には、アーキテクチャ上の三つの工夫がある。それぞれの原理を研究者の視点で整理する。ディープラーニングのアーキテクチャ原理についてはディープラーニング解説記事も参照されたい。

スライディングウィンドウアテンション（SWA）

標準 Transformer では自己アテンション計算がシーケンス長の二乗に比例してメモリと計算コストが増大する。SWA は各トークンが参照できる過去トークン数を固定ウィンドウに限定することでこの増大を線形へ抑制する。一方、情報は複数レイヤーを経由して伝播するため、ウィンドウを超えた依存関係も実質的に扱える。これは長文コンテキスト処理における計算効率の根幹となっている。

グループドクエリアテンション（GQA）

Multi-Head Attention（MHA）では推論時に KV キャッシュのメモリ消費が課題となる。GQA では複数のクエリヘッドが一つのキー・バリューヘッドを共有し、推論時のメモリ量とレイテンシを低減する。限られた VRAM でも高速な応答が可能になるため、エッジ・ローカル実行における重要な要素である。

Mixture of Experts（MoE）

Mistral Large 3 など大規模モデルが採用するアーキテクチャで、モデル内に複数の「エキスパート」ネットワークを持ち、推論時にはトークンごとにルーターが一部のエキスパートだけを選択的に活性化する。総パラメータ数は大きくても各推論ステップで使用されるのはごく一部のため、高い性能をはるかに低い計算コストで実現できる。公式ドキュメントによれば Mistral Large 3 は「大手ラボ最大級のオープンウェイト MoE モデル」と位置づけられている（出典：Mistral AI 公式ドキュメント https://docs.mistral.ai/models/overview、2026-06-08 確認）。

Mistral 現行モデルラインナップ（2026年7月時点）

2026年7月時点の現行モデルを以下の表に整理する。旧世代の Mistral 7B・Mixtral 8x7B はレガシー扱いとなっており、現行の主力として推奨されない（出典：Mistral AI 公式モデル一覧 https://mistral.ai/models/、Mistral AI 公式ドキュメント https://docs.mistral.ai/models/overview、いずれも 2026-06-08 確認）。

モデル名	カテゴリ	ライセンス・提供形態	主な特徴	API 料金（入力 / 出力、100万トークン）
Mistral Medium 3.5（v26.04、2026-05-22）	プレミアムフロンティア	商用 API	現行の premier マルチモーダルモデル。エージェント・コーディング最適化。Le Chat「Vibe」リモートコーディングエージェントを駆動	$1.50 / $7.50
Mistral Large 3（v25.12、別称「Mistral 3」）	オープンウェイト旗艦	Mistral Research License＋API	オープンウェイト汎用マルチモーダル旗艦。大規模 MoE 構造。大手ラボ最大級のオープンウェイト MoE モデル	console.mistral.ai にて確認
Mistral Small 4（v26.03、2026-03-16）	軽量ハイブリッド	商用 API	instruct／reasoning／coding を1モデルに統合。マルチモーダル対応	$0.10 / $0.30
Ministral 3 シリーズ（v25.12）14B／8B／3B	軽量オープンウェイト	Apache 2.0	テキスト＋ビジョン対応。エッジ・ローカル・ファインチューニングに最適	—（セルフホスト可）
Devstral 2（v25.12）	コードエージェント	API／オープンウェイト	ソフトウェアエンジニアリング向けフロンティアコードエージェントモデル	console.mistral.ai にて確認
Codestral（v25.08）	コード補完	Mistral AI Non-Production License	80言語以上のコード補完特化。本番商用利用には別途ライセンスが必要	非商用利用向け
Magistral Medium 1.2（v25.09）	マルチモーダル推論	API	マルチモーダル対応の reasoning モデル	console.mistral.ai にて確認
OCR 4（v26.07）	ドキュメント AI	API	企業検索・RAG・文書処理向け高精度ドキュメント解析。Mistral OCR 現行版（出典：mistral.ai/news「Introducing Mistral OCR 4」、2026-07-03 確認）	console.mistral.ai にて確認
Voxtral TTS（v26.03）	音声合成	API	音声合成・ボイスクローン	console.mistral.ai にて確認
Voxtral Mini Transcribe Realtime（v26.02）	リアルタイム文字起こし	API	低遅延のリアルタイム音声文字起こし	console.mistral.ai にて確認

旧来は「Pixtral」という独立したマルチモーダルモデルが存在したが、現在はマルチモーダル機能が Medium 3.5・Large 3・Small 4・Ministral 3 など本流モデルに統合されている。Pixtral を現行の独立旗艦として扱うことは適切でない。

Mistral Small 4 は商用 API 提供であり、Apache 2.0 ではない点に注意が必要だ。Apache 2.0 で商用利用・セルフホストに制約なく使用できる現行モデルは Ministral 3 シリーズ（14B／8B／3B）である（出典：Uravation「Mistral Small 4 完全ガイド」https://uravation.com/media/mistral-small-4-apache-guide-2026/）。マルチモーダル技術の背景についてはマルチモーダル AI 解説記事が参考になる。

用途別モデル選択指針——実践的な判断基準

複数のモデルが並立する現状では、選択の誤りが実装品質と運用コストを直接左右する。以下に研究者・実務者向けの指針を示す。

軽量・ローカル・ファインチューニング用途

Ministral 3 シリーズ（14B／8B／3B、Apache 2.0）が第一候補となる。Ollama を使えば数コマンドでローカル実行でき、3B モデルは一般的な開発機でも動作する。Apache 2.0 のため法務リスクが最小であり、医療・法務・金融・行政など外部にデータを送出できない業種でのオンプレミス運用に適している。ファインチューニングは Hugging Face Transformers または vLLM・TGI 経由で実施できる。

API コストと性能のバランス

Mistral Small 4（入力 $0.10・出力 $0.30 / 100万トークン）が最初の選択肢となる。instruct・推論（reasoning）・コーディングを1モデルに統合したハイブリッド設計であり、多くのプロダクション用途で追加モデルを用意せず対応できる。ZDNet Japan の報道によれば Mistral 3 シリーズは多言語対応とマルチモーダル機能を標準搭載した展開となっており（出典：ZDNet Japan https://japan.zdnet.com/article/35241162/）、Small 4 はその流れを汲む軽量実装である。

エージェント・コーディング・マルチモーダルが必要な本番 API

Mistral Medium 3.5（2026-05-22 発表、入力 $1.50・出力 $7.50 / 100万トークン）を選ぶ。現行のプレミアムフロンティアモデルとして Le Chat の「Vibe」リモートコーディングエージェントを駆動しており、Function Calling・エージェント構築・マルチモーダルタスクに最適化されている（出典：Mistral AI ニュース https://mistral.ai/news/、2026-06-08 確認）。

オープンウェイトで最大性能を求める場合

Mistral Large 3（Mistral 3、v25.12）が選択肢となる。ただしライセンスは Mistral Research License であり、研究目的は無償だが商用利用には別途ライセンス契約が必要な点を事前に確認すること。コーディング特化の場合は Devstral 2 を、ドキュメント AI には現行の OCR 4 を、音声合成には Voxtral TTS を検討する。詳細はMistral OCR 記事およびMistral コーディングエージェント記事も参照されたい。

NLP の基礎として自然言語処理モデルの背景を体系的に理解したい場合はBERT と NLP の解説記事が参考になる。

主要 LLM との比較——Mistral を選ぶ構造的理由と限界

以下の表は、主要 LLM プロバイダーとの比較を中立的に整理したものである。

観点	Mistral AI	OpenAI（GPT-4o）	Anthropic（Claude）	Meta（Llama）
オープンウェイト	主力モデルが Apache 2.0 含む複数ライセンスで公開	クローズド	クローズド	Llama License（大規模商用は条件あり）
セルフホスト	可（Ministral 3 系は Apache 2.0 で制限なし）	不可	不可	可（条件付き）
データ主権・拠点	EU（フランス）、GDPR 親和性	米国	米国	米国
軽量 API コスト	Mistral Small 4：入力 $0.10 / 100万トークン	中〜高	中〜高	API はクラウド各社による
商用利用の容易さ	Ministral 3 系は Apache 2.0 で制約が最小	利用規約内で可	利用規約内で可	月間7億ユーザー超の企業に制限あり
マルチモーダル対応	Medium 3.5・Large 3・Small 4・Ministral 3 が標準対応	GPT-4o で対応	Claude 3 系で対応	Llama 3 系で対応

Mistral の競合優位は「高性能・低コスト・オープンウェイト・EU 拠点」の組み合わせにある。一方で、米国発の大規模クローズドモデルと比較した場合、最高性能帯での差は依然存在し得る。日本語性能は英語・欧州主要言語と比べて劣る場面があり、業務利用では事前の評価が不可欠である。また Mistral Large 3 の商用ライセンス条件や Codestral の非商用限定ライセンスなど、モデルごとのライセンス条件の複雑さは選定時の重要な注意点となる。

機械学習全般のモデル選定の視点については機械学習解説記事、強化学習を組み合わせたエージェント設計については強化学習記事も参照されたい。

Le Chat（ル・シャ）の料金——個人・チームで使う場合

開発者向け API と別に、消費者向けのチャットサービス「Le Chat（ル・シャ）」が提供されている。ブラウザまたはスマホアプリから利用でき、無料から始められる（2026年7月時点・USD 基準、円は約）。

プラン	月額（USD）	日本円の目安	主な内容
Free	$0	0円	メッセージ・Web検索・画像生成に上限あり。まず試したい人
Pro	$14.99	約2,200円	長時間タスク向け「Vibe」フルアクセス＋終日コーディング。大手AIチャット有料版では最安級（ChatGPT Plus / Claude Pro の $20 より安い）
Team	$24.99/ユーザー	約3,700円	チーム向けセキュア協働ワークスペース。ユーザー当たり最大 30GB ストレージ、ドメイン検証、データエクスポート
Enterprise	個別見積もり	—	カスタムモデル・エージェント、監査ログ・SAML SSO・ホワイトラベル
Education（学割）	$5.99	約880円	認定高等教育機関の在籍確認済み学生向け・12か月有効

なお Le Chat Pro のサブスクリプションに API クレジットは含まれない（消費者サブスクと開発者 API は独立課金）。Le Chat の機能・使い方の詳細は Le Chat（ル・シャ）の解説記事 を参照されたい。

Mistral の技術的限界と実装上の留意事項

Mistral を体系的に理解するには、その限界を正確に把握することが不可欠である。

日本語・アジア言語の性能。 Mistral AI の設計はフランス語を含む欧州主要言語での高性能を軸としており、日本語は学習データの比重が相対的に低い。複雑な敬語・業界固有語・文脈依存の表現では誤りが生じやすく、本番利用前には日本語タスクでの評価が必須となる。Hugging Face 上では Ministral 3 シリーズをベースとした日本語特化ファインチューニングモデルがコミュニティから公開されており、活用する価値はある。

推論の安定性。 MoE アーキテクチャでは選択されるエキスパートがトークンごとに変化するため、長文にわたる一貫した推論の安定性が課題となる場合がある。数学・論理推論タスクでは推論特化の Magistral Medium 1.2 の利用を検討すべきである。

ライセンスの複雑性。 モデルによって Apache 2.0・Mistral Research License・Mistral AI Non-Production License・商用 API 利用規約が混在する。特に Codestral は非商用目的に限定されており、本番コード補完への組み込みには商用ライセンスが別途必要となる。ライセンス条件は実装前に必ず原文を確認すること（出典：Mistral AI 公式料金・ライセンスページ https://mistral.ai/pricing/、2026-06-08 確認）。

インフラコスト。 Ministral 14B をセルフホストする場合、API コストの代わりに GPU・サーバー・運用コストが発生する。小規模利用では API の従量課金のほうがトータルコストを抑えやすい局面も多い。

Le Chat と API の独立課金。 Le Chat Pro（$14.99/月）のサブスクリプション費用には API クレジットは含まれない。消費者向けサービスと開発者向け API は独立した別課金体系であり、混同しないよう注意が必要である。

スパースモデリングや次元削減など、効率的なモデル設計の理論的背景についてはスパースモデリング記事も参照されたい。

よくある質問

Q. Mistralは無料で使えますか？
A. はい。チャットサービス「Le Chat」に無料プランがあり、オープンウェイトモデル（Ministral 3 など）は無償ダウンロードして自分の環境で動かせます。

Q. 「Le Chat（ル・シャ）」とは何ですか？
A. Mistral AI が提供する消費者向けAIチャットサービスです。フランス語で「猫」を意味する名前で、有料の Pro は月額 $14.99（約2,200円）と大手AIチャットの中では最安級です。

Q. 日本語は使えますか？
A. 使えます。ただし設計の軸は欧州主要言語であり、複雑な敬語や業界固有語では誤りが生じることがあります。業務利用前には日本語タスクでの評価を推奨します。

Q. ChatGPTと何が違いますか？
A. 最大の違いはモデル重みを公開するオープンウェイト戦略と、EU拠点によるデータ主権・GDPR親和性です。自社サーバーで動かせるため、データを外部に出せない業種でも導入できます。

Q. 商用利用はできますか？
A. モデルによります。Ministral 3 系は Apache 2.0 で制約が最小ですが、Mistral Large 3 は研究ライセンス（商用は別途契約）、Codestral は非商用限定です。実装前にライセンス原文の確認が必須です。

Q. どのモデルを選べばよいですか？
A. ローカル・ファインチューニングなら Ministral 3、コストと性能のバランスなら Mistral Small 4（入力 $0.10 / 100万トークン）、エージェント・マルチモーダルの本番用途なら Mistral Medium 3.5 が基準です。

弊社 DeepAI とマルチモーダル LLM の交差点

弊社クリスタルメソッドが開発する DeepAI は、実在の人物の容姿・表情・声・振る舞いをデジタル空間で再現するバーチャルヒューマン／AI アバターソリューションである。リップシンク・表情生成・音声合成・対話 AI を組み合わせ、接客・研修・面接練習・広報などの用途で活用される。Mistral のマルチモーダル LLM（Medium 3.5・Small 4 等）や音声モデル（Voxtral 系）の進化は、こうしたバーチャルヒューマン技術が依拠する基盤モデルの多様性拡大を意味する。DeepAI の詳細についてはクリスタルメソッドのブログから案内している。

---

Mistralの「仕組み」を支える設計思想——スパースMoEとスライディングウィンドウ

Mistralを「全体像」として理解するうえで欠かせないのが、なぜ比較的小さな計算資源でも実用的な応答速度と品質を両立できるのか、という設計側の工夫だ。ここでは料金や使い方ではなく、モデル内部で何が起きているのかという仕組みの視点から、中核となる2つのアイデアを押さえる。なお、以下はアーキテクチャの一般的な考え方の解説であり、どの技術がどのモデル・バージョンに実装されているかは製品によって異なるため、詳細は必ず公式のモデルカードや技術文書で確認してほしい。

スパースMoE（Mixture of Experts）——全部は使わない

従来の密（dense）なLLMは、入力トークンごとに全パラメータを毎回計算に使う。これに対し、Mistral系ではMixtralなど一部のモデルでスパースMoE構成が採用されている。スパースMoEは、モデル内部に複数の「エキスパート（専門家サブネット）」を持ち、ルーターと呼ばれる仕組みが各トークンに対してその一部だけを選んで働かせるアーキテクチャだ。なお、MoE自体はMistral以前から研究・提案されてきた手法であり、Mistralが発明したものではない点には注意したい。

• 総パラメータと有効パラメータの分離：モデル全体は大きくても、1トークンあたり実際に動くのは選ばれた少数のエキスパートだけ。これにより「大きな知識容量」と「軽い推論コスト」を両立させやすい、という設計上の狙いを持つ。
• ルーターが交通整理する：どのトークンをどのエキスパートに送るかを学習で決める。文脈に応じて得意な部分だけが起動する、というイメージだ。
• denseとの違いを判断に使う：同じ「パラメータ数」でも、denseとMoEでは必要なメモリと計算量の意味が変わる。自己ホストやGPU選定を検討するなら、公称の総パラメータ数だけでなく「1トークンで実際に動く有効パラメータ」がどの程度かを、対象モデルの公式情報で確認するのが実務的だ。

スライディングウィンドウ注意——長文を効率化する割り切り

もう一つ、一部のMistralモデル（初期のMistral 7Bなど）で採用が知られてきたのが、注意（attention）の対象を一定幅の窓に区切るスライディングウィンドウという発想だ。全トークン同士を総当たりで見ると入力が長いほど計算が急増するが、直近の一定範囲に注意を限定し、それを層で積み重ねることで、遠いトークンの情報も間接的に伝えるという考え方である。

• 採用されているモデルでは、入力が長くてもメモリと計算量の増え方を抑えやすいとされる。
• ただし、スライディングウィンドウ注意の採用有無や窓幅（ウィンドウサイズ）はモデルやバージョンによって異なり、現行モデルで実際にどの方式が使われているかは公式のモデルカード・技術文書で個別に確認する必要がある。すべてのMistralモデルに一律で当てはまる仕様ではない。

こうした設計思想は、Mistral系の一部モデルが単純な「巨大化で殴る」路線だけでなく、必要な部分だけを動かす効率重視のアプローチも採用してきたことを示している（採用状況はモデルごとに異なる）。この視点を持っておくと、次に見るモデル系統の違いや、自分の環境で動かせるかどうかの判断がしやすくなる。

Mistralのモデル系統と立ち位置を1枚の地図で捉える

Mistralは単一の製品ではなく、用途や公開形態の異なる複数のモデル群からなる。「結局どれがどれなのか」を見失わないために、系統を分ける軸で地図化しておくと全体像がつかめる。個別の価格や具体的な操作手順、各モデルの現行ラインナップは変更が入りやすいため、必ず公式サイトで確認したうえで、ここでは“分類の座標軸”に絞って整理する。

モデル系統を分ける4つの軸

軸	両極	何を見極めるか
公開形態	オープンウェイト ↔ API専用	自分の環境に置けるか、提供元経由でのみ使うか
内部構造	dense ↔ スパースMoE	必要な計算資源と、規模あたりの効率
規模帯	軽量（端末寄り） ↔ 大型（高性能寄り）	速度・コストと品質のどちらを優先するか
専門性	汎用チャット ↔ 特化（コード・埋め込み等）	会話用途か、開発・検索基盤への組み込みか

新しいモデル名を見たときも、この4軸のどこに位置するかを当てはめれば「自分に関係があるか」を素早く判断できる。ラインナップは更新が速いため、名前を暗記するより軸で捉えるほうが陳腐化しにくい。ただし各モデルが実際にどの軸のどちら側に該当するかは公開時点の公式情報で確認したい。

「オープンウェイト×欧州発」が意味すること

Mistralを語るとき繰り返し出てくるのが、フランス発でありオープンウェイトのモデル公開を重視してきた、という立ち位置だ。これは単なる出自の話ではなく、採用判断に関わりうる点がある。

• 自分の管理下に置ける可能性がある：ウェイトが公開されているモデルであれば、自社サーバーや自分のクラウドテナントで動かす選択肢が生まれる。外部APIに送れないデータを扱う場面で意味を持つ場合がある。ただし対象モデルが実際にオープンウェイトかどうか、ライセンス上どこまで許可されるかは個別確認が必須だ。
• ライセンスは一枚岩ではない：同じMistralでも、寛容なオープンライセンスで公開されるもの、商用・研究の条件が付くもの、API専用のものが混在しうる。導入前に「そのモデルのライセンス種別」を必ず個別に確認するのが鉄則だ。
• データ主権・ベンダーロックインの観点：欧州のデータ保護志向と親和的とされ、特定ベンダーへの依存を避けたい組織にとって比較検討の選択肢の一つになりうる。ただしこれは一般的な評価軸であり、個別の契約・提供地域によって実際の扱いは異なるため、導入時は公式情報や契約条件を確認する必要がある。

全体像としてのMistralは、「開かれた重み」と「欧州発である」という2つの特徴を軸に、用途別のモデル群を展開していると捉えると、細部の違いも整理しやすくなる。ただし個々のモデルの公開形態・ライセンス・仕様は変更されうるため、最終判断の前には必ず公式情報を確認してほしい。

関連記事

• Mistralをローカルで動かす方法
• Voxtral（音声合成・文字起こし）の解説
• MistralとChatGPTの比較
• Mistralの日本語対応の実際
• Mistral NeMoの使い方
• Mistral 使い方ガイド（2026年版）
• Mistral 料金・プラン詳細
• マルチモーダル AI 解説
• BERT と NLP の基礎ガイド
• ディープラーニングの仕組み
• 機械学習の基礎
• 強化学習の概要
• スパースモデリング解説
• Mistral OCR 詳細
• Mistral コーディングエージェント

参考文献

• Mistral AI 公式モデル一覧：https://mistral.ai/models/（2026-06-08 確認）
• Mistral AI 公式ドキュメント・モデル概要：https://docs.mistral.ai/models/overview（2026-06-08 確認）
• Mistral AI 公式料金ページ：https://mistral.ai/pricing/（2026-06-08 確認）
• Mistral AI ニュース（Medium 3.5・Small 4・Mistral 3・OCR 4 発表）：https://mistral.ai/news/（2026-07-03 確認）
• IBM Think「MistralAIとは」：https://www.ibm.com/jp-ja/think/topics/mistral-ai
• ZDNet Japan「Mistral、オープンソース AI モデル群『Mistral 3』を公開」：https://japan.zdnet.com/article/35241162/
• Uravation「2026年最新 Mistral Small 4 完全ガイド｜Apache 2.0」：https://uravation.com/media/mistral-small-4-apache-guide-2026/
• Mistral AI 日本拠点開設に関する報道：https://x.com/AIMIRAI46487/status/1938721956330905985