【geek-terminalニュース】Le Chonk重み公開の続報、1兆パラメータを自前運用するメモリの壁

以前お伝えしたMistral Large 4「Le Chonk」の続報です。今回は重みの入手経路と実行構成を追加確認し、兆級MoEを自前で動かせる境界を掘り下げます。

【事象の全貌と背景】
Mistralは公開プレビューから３週間の追加強化学習を経て、改良版の重みを公開しました。公式掲載値ではTerminal-Bench 4.0が13ポイント増の41％となり、出力トークンは30％減。Coding Agent Indexは48％でGLM-5.3とほぼ同水準、平均使用トークンは47％少ないとしています。FrontierCode 2.0は19.7％。いずれも掲載された評価条件での結果で、任意の開発案件の成功率ではありません。[公式発表](https://mistral.ai/news/mistral-large-4-oss/)

ここで総合最強と読み替えるのは早計です。THE DECODERが紹介するAA Intelligence Index v5ではhigh設定で26点、プレビューの25点から１点増。DeepSeek V4.1 FlashとGLM-5.3の各32点、MiMo-V2.6-Proの30点を下回ります。コーディングの改善と総合順位は別の話。今回の続報では、公開告知に加え、配布・運用条件を掘り下げます。[比較記事](https://the-decoder.com/paris-based-mistral-releases-le-chonk-a-strong-coding-model-that-still-trails-china-overall/)

【技術的ディープダイブ】
提供資料ではReddit経由だった仕様を、公式モデルカードでも確認しました。総数約１兆パラメータのMoEで、トークン当たりの活性部分は490億、埋め込み・出力層を含め520億。128個のルーティング対象エキスパートから４個を選び、共有エキスパート１個を併用します。コンテキストは約100万トークン。テキストと画像を入力し、テキストを出力する構成で、Pixtral型画像エンコーダーを採用。160以上の言語への対応をうたいます。[公式モデルカード](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B)

肝は「52Bだけ保持すればよい」という解釈が通らないこと。選ばれるエキスパートは入力で変わるため、通常の配備では全重みへのアクセスが必要です。約１兆個を一律の精度で格納すると仮定した単純計算は、16bitで約２TB、8bitで約１TB、4bitでも約500GB。十進単位の重み部分だけの概算で、実配布サイズや最低VRAMではありません。量子化スケール、非量子化部分、実行時バッファー、KVキャッシュは別途必要です。MoEは計算量を抑えても、重みの置き場所まで52B相当にはしません。

実際の配布にはFP8版と、Blackwell向けNVFP4版があります。後者はMoEエキスパートをNVFP4、線形層をFP8にする構成で、全要素が一律4bitではありません。Mistralは掲載評価でFP8に近い性能を報告していますが、独自用途でも品質確認が必要です。[NVFP4モデルカード](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B-NVFP4)

さらにSGLangの検証済み構成はFP8がB300を８基、NVFP4がGB300を４基。これは動作確認された構成で、最低要件を証明するものではありません。100万トークン対応も、任意のメモリ容量で全文脈を使える保証ではなく、文脈長・同時実行数・キャッシュ精度が容量を左右します。[SGLang文書](https://docs.sglang.io/cookbook/autoregressive/Mistral/Mistral-Large-4)

GGUFもggml-orgから配布されています。ただしGGUFはファイル形式で、家庭用GPUへ収まる魔法ではありません。RAMやストレージへの退避を試すなら、容量に加えて転送帯域と生成速度が争点。今回確認した資料だけでは、民生GPU１枚で実用速度が出るとは言えません。[GGUF配布](https://huggingface.co/ggml-org/Mistral-Large-4-1T-A52B-GGUF)

【コミュニティの生々しい熱量と議論】
提供された検索結果２には、重み公開そのものへの具体的反応がありません。文章評価の投稿ではLarge 4が58モデル中「second cleanest」と評されていますが、これは投稿者独自の「AI臭さ」指標での評価という紹介であり、原文本文を今回再取得できていません。文章の自然さやコーディング品質の客観的保証には使えません。もう一つの「コーディングには良くない」という抜粋は元コメントのURLがなく、利用者の実測証言としての採用を見送ります。

一方、追加確認できた公開スレッドは実にローカルLLM界らしい温度です。noatoms氏は「2077年に自分のコンピューターで動かすのが待ち遠しい」と冗談を飛ばし、Mrinohk氏は「活性重みなら動かせるかも」と応じています。公開への喜びと必要メモリへのため息が同居する光景です。

性能を巡っても、Tamitami氏の「サイズに比べ学習不足」という見立てに、Solembumm3氏は「このベンチマークは現実と関係がない」と反論。投稿者は「ベンチマーク最適化が目標でない研究所もあるのでは」と返します。いずれもコメントの意見で、学習不足や評価無効が実証されたわけではありません。巨大な重みの公開を歓迎しながら、自分の用途に必要かを疑う。この割れ方こそ現場の熱量です。[Redditの議論](https://www.reddit.com/r/LocalLLaMA/comments/1xil58b/mistralaimistrallarge41ta52b_hugging_face/)

【今後の展望とエコシステムへの影響】
自前運用の価値は、データの置き場所やモデルの改変を自分で決められること。反面、設備費・電力・保守も引き受けます。公式APIは100万トークン当たり入力0.70ドル、キャッシュ入力0.07ドル、出力2.10ドル。THE DECODERが紹介する161トークン毎秒も特定環境の測定値で、自宅での速度予測には転用できません。

公式のCyber Indexは51％、悪意ある要求への平均拒否率は96.6％ですが、あらゆる環境での安全性を保証する値ではありません。推論強度はlow・medium・highで既定はhigh。自前評価では難度に応じた設定と、成功までの総トークン数を比較したいところです。

ライセンスは改変MIT型のMistral Ecosystem Open-Weight License。利用・改変・微調整・商用利用は可能ですが、Model-as-a-Service事業には別途商用ライセンスが必要です。重み公開だけでAPIが不要になるとは言えません。今後の焦点は、巨大モデルを所有できることを、実際の修正成功率と運用費の改善へつなげられるか。Le Chonkは、その計算を読者自身が始められる配布物になりました。[利用条件と料金](https://mistral.ai/news/mistral-large-4-oss/)