📺 この記事は YouTube チャンネル きなこもっちーのテック深掘り の動画解説記事です。
▶️ 動画はこちら → 119Bなのに実質6.5B！Mistral Small 4が示すOSS LLM新基準
🐹🦜 この記事に登場する2匹
- 🐹 もっちー （ハムスター）… AI はまだ勉強中。「それどういうこと？」と素朴に質問する生徒役
- 🦜 きなこ （セキセイインコ）… AI で調べものをこなす解説役。やさしく深掘りして教える先生役
この記事は2匹の掛け合いを書き起こした形式です。発言の先頭にいる絵文字＋名前が話者です。
はじめに
🐹 もっちー「AIって、推論用・画像認識用・コーディング用でモデルを使い分けるのが普通でしょ？」
🦜 きなこ「実はそれ、もう古い考え方になりつつあるんだよね」
🐹 もっちー「え、どういうこと？」
🦜 きなこ「Mistralが出したSmall 4っていうモデル、その3つを全部1つに統合しちゃったの」
🐹 もっちー「1つに統合！？そんなことできるの！？」
🦜 きなこ「しかもパラメータは119Bもあるのに、実際に動くのはたった6.5B分だけなんだよ」
🐹 もっちー「119Bあるのに6.5B？意味わからんのやけど！」
🦜 きなこ「今日はその仕組みと、ヨーロッパの重工業がこぞって採用した理由まで、全部深掘りしていくね」
🐹 もっちー「重工業？AIの話じゃなかったの？」
🦜 きなこ「そう、実はそこまで話がつながってるの。順番に見ていこう」
ユニファイド・アーキテクチャの正体
🐹 もっちー「さっききなこが言ってた『モデルの使い分けが要らなくなった』ってやつ、ぼくまだ全然ピンと来てないんだけど。」
🦜 きなこ「Small 4はね、推論が得意なMagistral、画像を見るPixtral、コーディング担当のDevstral、この3つの力を1個にまとめちゃったの。」
🐹 もっちー「えっ、今まで場面ごとに別々に使い分けてた3つのモデルが、まるっと1個に合体したってこと？」
🦜 きなこ「そう、それがユニファイド・モデルって呼ばれてるの。もう用途ごとにいちいちモデルを選んで切り替える手間が、まるっと消えたんだよ。」
🐹 もっちー「でも待って。3つ分の機能を無理やり1個に詰め込んだら、動かすのにとんでもないパワーが必要なんじゃないの？」
🦜 きなこ「普通はそう思っちゃうよね。でもね、モデル全体の容量は119Bって巨大なのに、実際に一度に動くのはそのうちのほんの一部だけなの。」
🦜 きなこ「モデルの中には128個の専門パーツが並んでいて、質問が来るたびに、その中のたった4個だけが起動する仕組みなんだよ。」
🐹 もっちー「128人も専門家がおるのに、毎回たった4人しか働かへんの！？残りの124人はずーっと座ってサボっとるやんか！」
🦜 きなこ「その違和感、すごく大事なポイントだよ。これはMoEっていう仕組みでね、総合病院をイメージすると一気に腑に落ちるの。」
🦜 きなこ「病院に患者さんが来ても、全部の科の先生が集まって診るわけじゃないでしょ。症状に合った専門医だけが呼ばれて診察するの。」
🐹 もっちー「あー、お腹が痛くて行ったのに、眼科や皮膚科の先生までゾロゾロ出てきたら邪魔だもんね。内科の先生だけいればいいのに。」
🦜 きなこ「まさにそれ。だから119Bっていう巨大な知識を抱えてるのに、実際の計算コストは6.5Bの軽いモデルと同じくらいで済むんだよ。」
🐹 もっちー「なるほど！頭の中には119B分の知恵がぎっしり詰まってるのに、動く時は6.5B分だけで身軽って、すごく賢い設計だね！」
🦜 きなこ「でしょ。しかもこの効率化の考え方、実はSmall 4だけじゃなくて、Mistralが同時期に出した別のモデルにも使われてるんだよね。」
🦜 きなこ「でね、このユニファイドモデルがApache 2.0ライセンスで商用無制限っていうのも大事なポイントで、後で出てくるヨーロッパの重工業の話に直結してくるの。」
ベンチマークと価格破壊の現実
🐹 もっちー「ねえきなこ、さっきの話だとSmall 4ってめちゃくちゃ賢いんでしょ？そんなら、みんなが比べてるベンチマークってやつでも、当然一番の点数取ってるんじゃないの？」
🦜 きなこ「それがね、正直に言うとSmall 4は最高スコアじゃないんだよ。むしろ勝ってないのに世界中から注目されてる、そこがこのモデルのすごく面白いところなの。」
🦜 きなこ「まず点数を見るとね、難しいMMLU-Proで78.0%、大学院レベルの科学を問うGPQA Diamondで71.2%を記録してるの。数字だけ見ればかなり優秀なんだよ。」
🐹 もっちー「おお、71点もあるならめっちゃ優秀やん！ワイなんか学校のテストで70点なんて、生まれてこのかた一回も取ったことないで！自慢にならんけど！」
🦜 きなこ「ところがね、ライバルのGemma 4 12BはGPQA Diamondで78.8%。ずっと小さいモデルなのに、Small 4より上に来てる場面もあるの。」
🐹 もっちー「えっ、負けてる…！自分より小さいモデルに負けるなんて、じゃあSmall 4って看板の割に、実は大したことないんじゃないの…？」
🦜 きなこ「ううん、そこが誤解されがちなところなの。Small 4の本当のすごさは「点数の高さ」じゃなくて、「同じ答えをどれだけ短く出せるか」にあるんだよ。」
🦜 きなこ「長い文章を読ませるテストで0.72点なんだけど、ライバルのQwenが6千文字も書くところを、Small 4はたった1600文字で同じ点を出しちゃうの。」
🐹 もっちー「あ、つまり同じ答えをギュッと短くまとめられるってことか！ダラダラ喋らないし、口数は少ないのにちゃんと賢い、無駄のない優等生タイプだね。」
🦜 きなこ「そういうこと。しかも今のOSSの世界は点数より「価格」の勝負に移ってて。DeepSeekは100万トークンで入力0.435ドルまで、料金を75%も下げたの。」
🐹 もっちー「えっ、DeepSeekってそんな安いの！？75%オフて、もう半額どころの騒ぎちゃうやん！完全にバーゲンセール状態やで、こんなん反則やろ！」
🐹 もっちー「ちょっと待って…じゃあSmall 4はスコアでも価格でも勝ってないなら、何がすごいの？ぼく、もう何が強みなんか分からなくなってきたよ。」
🦜 きなこ「答えは「効率と扱いの軽さ」なの。でね、実はMistralはテキストと画像の次に、別のモダリティにも手を伸ばしてて——それが結構衝撃的な数字を出してるの。」
Voxtral TTSが変えるゼロショット音声クローン
🦜 きなこ「さて次はガラッと話題を変えて、Mistralが音声の世界にも打ち込んだ一手、Voxtral TTSっていう音声合成の新技術を、じっくり深掘りしていくね」
🐹 もっちー「ボクストラル？なんだか舌噛みそうな名前だね。音声合成って、あのカーナビとかがしゃべる、文章を読み上げてくれるやつのことでしょ？」
🦜 きなこ「そうそう、その進化版なの。Voxtralのすごいところは、たった3秒のお手本の声を聞かせるだけで、その人の声質をそっくり再現できちゃう、まさにゼロショットの技術なんだよ」
🐹 もっちー「3秒で声を再現できるの！？世の中の音声合成ソフトって、ピッチとか音の高さを手でチマチマ調整するのが当たり前やと思ってたのに！」
🦜 きなこ「そこが決定的な違いなの。従来の音声合成ソフトは手動チューニングが前提だけど、Voxtralはお手本を渡すだけで、声質も感情もアクセントもAIが自動でマネしてくれるの」
🐹 もっちー「え、じゃあお手本の声さえあれば、練習ゼロで誰のそっくりさんでも作れるということ？それはそれで、なんかちょっと怖いね」
🦜 きなこ「気持ちは分かる。でね、ライバルの音声AI大手ElevenLabsは、声のクローンを作るのに、なんと30秒ぶんのお手本を必要とするんだよ」
🐹 もっちー「それをVoxtralはたった3秒に縮めたんか！10分の1どころの話ちゃうやん、これはもう桁が違うレベルやで！」
🦜 きなこ「そういうこと。しかも9言語での多言語ブラインドテストで、ElevenLabs相手に68.4%の勝率を出して、特にスペイン語では87.8%も勝ったんだよ」
🐹 もっちー「半分以上どころか、スペイン語じゃほぼ完勝だね！しかも無料で公開されてるモデルなのに、めちゃくちゃ強いなあ、これは！」
🦜 きなこ「ただこのVoxtral、オープンウェイト版は商用利用がちょっとややこしいライセンスになってるんだよね。仕事でうっかり勝手に組み込むと、あとで引っかかることがあるの」
🦜 きなこ「そして音声だけじゃなくて、Mistralは企業のデータ検索まわりでも、とんでもなく大きな一手を打ってて——それが長年の『配管工事』を終わらせるって言われてるものなの」
Search ToolkitとOCR 4が終わらせる『配管工事』
🐹 もっちー「ちょっと待って、きなこ。さっき配管工事を終わらせるって言ってたよね？これAIの話だよね？なんで急に、水道屋さんみたいな工事の話が出てくるの？意味わからないんだけど」
🦜 きなこ「いいところに引っかかったね。企業が自分の会社のデータをAIに検索させる仕組みをRAGって言うんだけど、それを一から作る作業が、まさに配管工事そっくりで大変なの」
🐹 もっちー「ラグ？なんだそれ、また知らない言葉出てきたよ。頭こんがらがってきたから、ちょっと毛繕いさせてもらっていい？」
🦜 きなこ「まだ大丈夫、簡単に言うね。AIに社内の書類とかを読ませて、質問に答えさせる技術のこと。そのために、取り込み・検索・評価っていう3つの処理を、順番に繋いでいく必要があるんだよ」
🐹 もっちー「管を3本、順番に繋ぐ…あ、だから配管工事か！うまいこと言うなあ。でも、それってそんなに手間のかかる工事だったの？」
🦜 きなこ「今まではLangChainなんかで、開発者が3本の管を手作業で繋いでたの。数週間かかることもあってね。それを標準化したのが、5月公開のSearch Toolkitなんだよ」
🐹 もっちー「えっ、数週間もかかってたんだ、それはしんどいね。それが一発で標準化されたら、開発者すごく楽になるよね。Mistralってエンタープライズ向けに、どんどん手を広げてるんだね」
🦜 きなこ「そうなの。その配管の入り口を担うのがOCR 4。書類を撮るだけで、表や数式の位置まで正確に見分けて、なんと170言語に対応。しかも千ページ4ドルっていう安さなんだよ」
🐹 もっちー「千ページでたった4ドル！？ワイのひまわりの種の大袋より安いやん！しかも170言語て、世界中どの国の書類でもいけるってことやろ。それはめっちゃ強いわ！」
🦜 きなこ「でしょ？でも実はね、この後の話が一番びっくりするところなの——MistralはAIの会社なのに、全然違う業界の会社を、まるごと買収しちゃったんだよ」
Emmi買収とPhysics AIの衝撃
🦜 きなこ「さっきのデータ検索を楽にするツールも十分驚きだったけど、2026年5月にMistralが出した発表は、それをはるかに超えて業界を騒がせる衝撃的なものだったの」
🐹 もっちー「もっと衝撃的って言われても、いつも言語を扱ってるはずのAIの会社が、今度はいったい何をやらかしたっていうの？ぼく、正直ぜんぜん想像つかないよ」
🦜 きなこ「なんとね、オーストリアのEmmi AIっていう「物理AI」を専門にする研究者集団を、まるごと買収したの。この発表には私も最初はさすがに自分の目を疑ったよ」
🐹 もっちー「物理AI？AIの会社が、まさか本物の飛行機の翼のシミュレーションまでやろうっていうの！？いくらなんでも畑違いすぎて、ぼく意味わからないよ！」
🦜 きなこ「それがまさにその通りなの。買収額はなんと3億3,000万ユーロ、日本円にしておよそ540億円。飛行機や車を設計するための、ゴリゴリの重工業の技術なんだよ」
🐹 もっちー「540億円！？言語のAIの会社が、いきなり畑違いの重工業に、そんな途方もない莫大なお金をポンとつぎ込んだんか！ワイでも思わず腰抜かすわ！」
🦜 きなこ「新しい研究拠点はオーストリアのリンツで、35人以上の研究者がチームごとまるごと合流したの。実はこの買収の背景には、ヨーロッパならではの深い事情もあってね」
🐹 もっちー「ふーん。で、その物理AIって、ぼくらがよく聞く文章や画像を作る普通のAIと、中身はいったい何がそんなに違うん？ぼくにも分かるように、ゆっくり教えてよ」
🦜 きなこ「LLMが大量の文章を読んで言葉を学ぶのと同じで、物理AIは物理計算の結果をたくさん学んで、形と条件を入れるだけで、その挙動そのものを一気に直接予測できるの」
🐹 もっちー「つまり、あの難しい計算の答えを山ほど先に覚えといて、次からはいちいち計算しなおさずに、ほんの一瞬でパッと答えを出せるってことか？」
🦜 きなこ「そう近いね。エアバスの翼まわりの気流計算は、昔はスパコンを使っても数時間から数日かかってたのが、この物理AIでたった数秒で終わるようになったの」
🐹 もっちー「数時間が数秒！？それやったらBMWの車の衝突テストみたいな、ものすごく時間かかるやつにも、そのままバリバリ使えそうやな！」
🦜 きなこ「そう、BMWとも衝突安全のシミュレーションで正式に提携してるの。実はこの動きを、他の2大OSSプレイヤーと比べてみると、Mistralだけが取ってる戦略が見えてくるの」
OSS三強比較と主権AI戦略
🦜 きなこ「ここまでMistralを見てきたけど、実は今のオープンソースのAIって、大きく三つの勢力に分かれてて、それぞれ全然違う方向で自分の強みを磨いて競い合ってるんだよ」
🐹 もっちー「三つの勢力って、なんか三国志の合戦みたいだね。で、どこが一番強くて、ぼくらは誰につけばいいのか気になってきたよ！」
🦜 きなこ「一つ目はMeta。Llama 4のScoutっていうモデルで、必要な専門家だけを動かすMoE方式を使って、とにかく力技の圧倒的な規模で勝負を仕掛ける戦略なの」
🦜 きなこ「なんと一度に読める文章量が最大1000万トークン。分厚い本を何十冊も丸ごと渡せるレベルで、長い文章の理解でクローズドなAIに真っ向勝負を挑んでるんだよ」
🐹 もっちー「1000万トークン！？そんな量をいっぺんに読むとか、もう完全に化け物やん！ワイの脳みそでは全然想像つかんわ！」
🦜 きなこ「ただしLlamaには意外と大きな落とし穴があってね。月間7億人ものユーザーを超える巨大企業は、商用で使うときにライセンスの特別な制限がかかっちゃう決まりなの」
🐹 もっちー「えっ、成功して大きくなったら逆に怒られるやつだね。なんだか、頑張って伸びた者ほど損する、すごく世知辛い世界だなあ」
🦜 きなこ「二つ目はGoogleのGemma 4。重い変換装置を挟まず画像や音声を直接読み込む仕組みだから遅れが少なく、16GBのノートPC一台でもローカルで動かせるのが強みなの」
🐹 もっちー「へえ、三社とも見事に個性がバラバラだね。正直どれもすごそうに見えて迷うよ。で、結局ぼくらみたいな個人開発者は、どれを選べばいいの？」
🦜 きなこ「そこが一番の核心なの。MistralのSmall 4はApache 2.0で商用も完全に無制限。しかも119Bあるのに実際に動くのは6.5Bだけで、とても軽く動くの」
🦜 きなこ「だから米国のクラウドに自社の機密データを預けたくない欧州の防衛や重工業が、自国のデータを守れる主権AIとして、エアバスやBMWみたいに次々と採用してるんだよ」
🐹 もっちー「同じOSSなのに、規模で攻めるMeta、ノートPCのGoogle、主権で攻めるMistral…三者三様で、みんな狙う場所が全然違うんだね！」
🦜 きなこ「そうなの。実はそのヒントも含めて、ここまでの話を全部まとめると、最後に1つの大きな答えがちゃんと見えてくるんだよ。次のパートで、その答えを一緒にじっくり確かめていこうね」
まとめ
🐹 もっちー「バラバラに見えてた発表が、実は全部繋がってたんだね」
🦜 きなこ「そう。Small 4・Voxtral・Search Toolkit・Emmi、どれも単発の製品じゃなくて、Apache 2.0を軸にした一つの経済圏を作る戦略なんだよね」
🐹 もっちー「へー、そう考えると見え方変わるな」
🦜 きなこ「しかもApache 2.0だから商用利用のハードルが低くて、事業として使い倒せる自由度も大きいポイントなの」
🦜 きなこ「ちなみに今日のリサーチも、飼い主のタブレットでこっそり済ませちゃったんだよね」
🐹 もっちー「じゃあ結局、自分の職場だったらどれ選ぶ？」
🦜 きなこ「それはコメント欄で教えてほしいな。あなたの職場ならMistral・Gemma・Llama、どれ選ぶ？」
🦜 きなこ「Gemma 4やLlama 4との比較、実はもっと詳しく別の動画でも掘り下げてるから、気になったらそっちも見てみてね」
🐹 もっちー「気になった人はチェックしてな！」
きなこもっちーのテック深掘り では、AI/LLM を中心としたテック全般をハムスター（🐹 もっちー）とセキセイインコ（🦜 きなこ）の掛け合いで楽しく解説しています。
▶️ 動画で観る → 119Bなのに実質6.5B！Mistral Small 4が示すOSS LLM新基準
👍 この記事が役に立ったら LGTM・ストックしてもらえると励みになります！
📺 チャンネル登録はこちら → きなこもっちーのテック深掘り
🔗 他の解説動画も見る → きなこもっちーのテック深掘り の動画一覧