Mistral AI
Mistral AIおよび同社が提供するLLMモデルについて詳しくご紹介します。これらのモデルの利用方法や、他と異なる特徴を発見しましょう。...
1 分で読める
AI
Large Language Models
+4
Mixtral 8x7Bは、Mistral社が開発し2023年12月にリリースされたレガシーAIモデルです。オープンウェイトモデルとして、学習済みの重みは公開されており、セルフホスティング、独自データでのファインチューニング、またはAPI依存なしでのオンプレミス実行が可能です。32Kトークンのコンテキストウィンドウは現在の最先端モデルより短く、長いドキュメントでのパフォーマンスが制限される可能性があります。
FlowHunt AI Leaderboardでは、追跡されている24モデルのうちの1つであり、1つのベンチマークで評価されています。特筆すべきスコア：HumanEvalで80.5%（2件中2位）。
Mixtral 8x7Bは2023年12月1日に事前発表なしでリリースされました — Mistral社はTwitterで torrent magnet リンクを公開し、コミュニティが何を構築したかを発見できるようにしました。このリリースは、オープンウェイトAIの主流に mixture-of-experts アーキテクチャをもたらしました。各7Bパラメータの8つのエキスパートネットワークで構成され、トークンごとに2つのエキスパートが活性化され、アクティブパラメータ12.9B、総パラメータ46.7Bを実現しています。リリース当時、ほとんどのベンチマークでGPT-3.5に匹敵しつつ、完全にオープンウェイトでコンシューマーGPUでも実行可能でした。Mixtral 8x7Bは、DeepSeek、Qwen、NVIDIA、Meta、その他の研究機関が自社のオープンウェイトアーキテクチャに採用したMoEのプレイブックを事実上確立しました。2026年までにLegacy層に位置し、ほぼすべてのベンチマークで大幅に凌駕されていますが、MoEクラスのパフォーマンスを民主化した歴史的意義は計り知れません。
注：スパースMoEの先駆け。GPT-3.5クラス。2026年の最先端には遠く及ばない。
- リリース時期
- 2023年12月
- パラメータ数
- 12.9B/46.7B MoE
- コンテキスト
- 32K トークン
- 重み
- オープン
- 層
- Legacy
- プロバイダー
- Mistral
Mixtral 8x7B Benchmark Rankings
Rank among all 24 models tracked on this leaderboard. SR = self-reported · 3P / AA / C = independently verified.
| Benchmark | Score | Rank | Source | What it measures |
|---|---|---|---|---|
| HumanEval pass@1 | 80.5% | 2 of 2 | SR | Python code generation (saturated at frontier) |
Detailed Benchmark Scores
HumEval
SR
80.5%
Python code generation (saturated at frontier)
About Mistral
Mistral AIは、2023年4月にArthur Mensch氏（元Google DeepMind）、Guillaume Lample氏およびTimothée Lacroix氏（ともに元Meta AI Research）によって設立されたフランスのAI企業です。同社は、商用API事業と戦略的なオープンウェイト公開を組み合わせ、生成AIにおける欧州のチャンピオンとしての立場を掲げています。Mistralの主力LargeシリーズおよびApache 2.0ライセンスのモデルは、ほとんどのAIリーダーボードにおいて米国・中国以外で最も著名なプロバイダーとなっています。同社は欧州本部をパリに置き、GDPRおよびEU規制への準拠を重視し、クローズドAPIシステムと比較してオープンウェイトモデルのより軽い規制を求める独自の規制哲学を明確に示しています。
ユースケース
Mixtral 8x7Bの活用方法
- セルフホスティング＆プライベートデプロイメント
Mixtral 8x7Bはオープンウェイト（12.9B/46.7B MoEパラメータ）です。学習済みの重みは公開されており、ダウンロードして自身でデプロイできます。自社のGPUハードウェアまたはプライベートクラウドで実行することで、データが環境外に流出することを防ぎ、トークン単位のAPIコストを排除し、独自データセットでモデルをファインチューニングすることも可能です。
Strengths & Limitations
Strengths
- セルフホスティング＆データプライベートデプロイメント（オープンウェイト）
Limitations
- エージェントコーディングや複雑な推論において、2026年の最先端モデルに大幅に及ばない
- コンテキストウィンドウが短い（32K）— 長いドキュメントには不十分
よくある質問
詳しく見る
Mistral Large 3 — ベンチマーク、機能、およびユースケース
Mistral Large 3は、Mistral社によるオープンウェイトのAIモデル（41B/675B MoE）で、Advanced層に分類され、256Kトークンのコンテキストウィンドウを備えています。FlowHuntで直接利用可能です。ベンチマークスコア、強み、推奨ユースケースをご覧ください。...
2 分で読める
Mistral Medium 3 — ベンチマーク、機能、およびユースケース
Mistral Medium 3は、Mistral社が開発した独自AIモデルで、Advanced層に分類され、128Kトークンのコンテキストウィンドウを備えています。ベンチマークスコア、強み、推奨ユースケースをご確認ください。...
1 分で読める