Mistral（ミストラル）とは？無料で使えるフランス発AIをやさしく解説【2026年版】

Mistral（ミストラル）とは——結論から

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、モデルの重みを公開する「オープンウェイト」戦略を軸に、無料から使えるチャットサービス「Le Chat」と有料の開発者向け APIを両立させているのが最大の特徴だ（出典：IBM Think「MistralAIとは」https://www.ibm.com/jp-ja/think/topics/mistral-ai）。

設立からわずか1ヶ月足らずで実施したシードラウンドで約1億500万ユーロ（約€105M）を調達したことが話題となり、2025年にはシリーズCなどを経て評価額が140億ドル（$14B）を超える水準に達したと報じられている（数値はラウンドごとに複数の報道があり時点で変動するため、最新の正確な数値は公式発表を参照されたい）。社名「Mistral」は、フランス南部に吹き下ろす強く乾いた北風の呼称に由来する。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、日本にも営業拠点を設けている（出典：X/AIMIRAI46487 https://x.com/AIMIRAI46487/status/1938721956330905985）。

Mistralでできること——現行モデルラインナップ（2026年7月時点）

Mistral は単一の製品ではなく、用途別に複数のモデル群を展開している。ZDNet Japan の報道によれば、現行の 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いる（出典：ZDNet Japan https://japan.zdnet.com/article/35241162/）。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（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。また 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/）。

用途別の選び方

• 軽量・ローカル・ファインチューニング用途：Ministral 3 シリーズ（Apache 2.0）が第一候補。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。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のオンプレミス運用に適している。
• API コストと性能のバランスを取りたい：Mistral Small 4（入力 $0.10・出力 $0.30 / 100万トークン）。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、多くのプロダクション用途に対応できる。
• 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（入力 $1.50・出力 $7.50 / 100万トークン）。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・エージェント構築に最適化されている。
• オープンウェイトで最大性能を求める場合：Mistral Large 3（Mistral Research License、研究目的は無償だが商用利用には別途契約が必要）。コーディング特化なら Devstral 2、ドキュメント AI なら OCR 4、音声合成なら Voxtral TTS を検討する。

選定時にチェックすべき軸

用途別の第一候補に加えて、実務での選定を誤らないためには次の5つの軸も合わせて確認しておきたい。

• 推論環境（クラウド API かローカルか）：外部にデータを送出できない要件であれば、セルフホスト前提で Ministral 3 系（Apache 2.0）が実質的な第一候補になる。逆に運用負荷を避けたい場合は API 側で完結させ、コストと性能のバランスなら Small 4、複雑なタスクなら Medium 3.5 を検討する。
• レイテンシ要件：チャットボットのようにリアルタイム応答が求められる用途では、パラメータ数の小さいモデル（Ministral 3B・8B や Small 4）の方が応答が速く、体感の待ち時間を抑えやすい。バッチ処理や非同期の要約タスクであれば、多少レイテンシが大きくても精度を優先し Medium 3.5 や Large 3 を選ぶ方が現実的な場合もある。
• トークンコストの試算：処理量が多いワークロードでは、入出力トークン単価の差（Small 4 は $0.10／$0.30、Medium 3.5 は $1.50／$7.50、いずれも100万トークンあたり）が月間コストに直結する。想定トークン量を概算し、複数モデルでコストを試算してから選定するとよい。
• 日本語比率とタスクの複雑さ：日本語の敬語・業界用語を多用するタスクほど、事前の日本語評価が必須になる。英語中心のタスクや構造化データの処理（コード生成・要約の骨子作成など）であれば、日本語性能の差が結果に与える影響は相対的に小さい。
• ライセンスと将来の商用展開：PoC 段階では Research License や Non-Production License のモデルでも進められるが、本番商用展開の段階で追加契約が必要になるケースがある。将来的な商用化を見込むなら、最初から Apache 2.0（Ministral 3 系）か、商用 API 契約前提のモデル（Small 4・Medium 3.5）を選んでおくと移行コストを避けやすい。

主要 LLM との違い——ChatGPT・Claude・Geminiとの比較

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 の強みは「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、最高性能帯では米国発の大規模クローズドモデルとの差が依然存在し得るほか、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。モデルごとのライセンス条件の複雑さも選定時の重要な注意点となる。

Mistral が向く場面・向かない場面

• 向く場面：モデルの重みを自社環境に置いて動かしたい、データを EU 圏・自社管理下に留めたい、軽量モデルを小型サーバーで完結させたい。
• 向かない場面：高精度な日本語の敬語・業界用語を最重視する、自社に運用体制がなくフルマネージド API だけで完結させたい、特定クラウドの周辺ツール連携が導入価値の中心。

無料で使えるか？Le Chat（ル・シャ）の料金

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。

使い方・始め方

個人でまず試すだけなら Le Chat が最短だ。公式サイトまたはスマホアプリにアクセスしてアカウントを作成すれば、Free プランからすぐに使い始められる。手順は次の通りだ。

1. アカウント作成：chat.mistral.ai（またはスマホの App Store／Google Play で「Le Chat」を検索）にアクセスし、メールアドレスまたは Google／Microsoft アカウントで登録する。
2. 初回のチャット：ログイン後、画面下部の入力欄に質問やタスクを日本語で入力すればそのまま応答が返る。利用するモデルの切り替えは設定メニューから可能で、Free プランでは利用できるモデルやメッセージ数に上限がある。
3. Web検索・画像生成の利用：入力欄付近のアイコンから Web 検索モードや画像生成を有効にできる。ただし Free プランでは回数に制限がある点に注意する。
4. 日本語での動作確認：業務利用を検討する場合は、実際に扱う業界用語・敬語表現・想定タスクをいくつか入力し、出力の精度を事前に確認しておくと導入後のギャップを防げる。

開発者として API を組み込みたい場合は、公式コンソール（console.mistral.ai）でアカウントを作成し、以下の流れで実装するのが基本パターンになる。

1. APIキーの発行：console.mistral.ai にログインし、「API Keys」からキーを発行する。キーは環境変数（例：MISTRAL_API_KEY）に設定し、コードへ直接書き込まないようにする。
2. SDK のインストール：Python なら pip install mistralai、Node.js なら npm install @mistralai/mistralai で公式 SDK を導入する。SDK を使わず、HTTP クライアントから直接リクエストを送ることも可能。
3. モデルの指定とリクエスト送信：チャット補完エンドポイントに対し、model パラメータ（用途に応じたモデル名・エイリアス）と messages（role／content の配列）を渡してリクエストを送る。curl で直接叩く場合は以下のような形になる。

   curl https://api.mistral.ai/v1/chat/completions \
     -H "Authorization: Bearer $MISTRAL_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
       "model": "（用途に合わせたモデル名）",
       "messages": [{"role": "user", "content": "質問内容"}]
     }'

4. レスポンスの取得：返却される JSON の choices[0].message.content に生成テキストが入る。チャット UI のようにリアルタイム表示したい場合は、ストリーミング用のパラメータを有効にしてトークン単位で受け取る実装にする。
5. モデルの切り替え：コストを抑えたい処理には Small 4、エージェント的なタスクや高精度が必要な処理には Medium 3.5 など、リクエストごとに model パラメータを差し替えるだけで用途を切り替えられる。正確なモデル ID・エイリアスの一覧は公式ドキュメントで随時確認する。

オープンウェイトモデル（Ministral 3 など）は重みを直接ダウンロードし、自分の環境で動かすこともできる。ローカル実行の代表的な流れは以下の通りだ。

1. 実行環境の用意：Ollama・vLLM・llama.cpp などのローカル推論ツールを導入する。Ollama であれば公式サイトからインストーラーを取得して実行するだけでセットアップが完了する。
2. モデルの取得：Ollama の公式ライブラリ（ollama.com/library）または Hugging Face 上で配布されている GGUF 形式のモデルファイルを検索し、対応する Mistral 系モデルをダウンロードする。Hugging Face から直接取り込む場合は、モデルカードに記載された量子化バージョン（Q4・Q8 など）による精度・容量のトレードオフも確認しておく。
3. 起動と動作確認：ダウンロードしたモデルをコマンドラインから起動して対話を試し、応答速度とメモリ／VRAM 使用量を手元の環境で確認する。多くのローカル推論ツールは OpenAI 互換のチャット補完エンドポイントをローカルに立ち上げる機能も持っており、既存のアプリからそのまま呼び出す構成にもできる。パラメータ数が小さいモデル（3B クラス）ほど一般的な開発機でも安定して動きやすく、パラメータ数が大きくなるほど必要な VRAM／メモリは増える。
4. 本番導入前のチェック：ライセンス条件（Apache 2.0 か、商用利用に制約があるか）と、実際に扱う業務データでの出力精度を確認してから本番導入に進む。

API のより詳細なコード例やエラーハンドリングはMistral 使い方ガイドで解説している。

Mistralの限界・注意点

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。

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）。

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。

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。

まとめ

Mistral（ミストラル）とは、フランス発の AI スタートアップ「Mistral AI」が開発するオープンウェイト LLM シリーズであり、モデルの重みを公開する戦略と、無料から始められるチャットサービス「Le Chat」、開発者向け API を組み合わせているのが最大の特徴だ。個人がまず触るなら Le Chat の無料プランから、開発者としてコストを抑えて使うなら Mistral Small 4、本番のエージェント用途には Medium 3.5、自社環境で重みを管理したいなら Ministral 3 シリーズが基準になる。ライセンスや日本語対応には注意点があるため、本番導入前には必ず公式情報で最新の仕様を確認してほしい。

---

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
• 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