Mistral Small 4の欠点は？

Artificial Analysisのインデックスで11、Nemotron 3.5 Super VLは26; 名前に反してデータセンター向けGPUが2〜4台必要; Mistralはgpt-oss-120bとQwenとしか比較していない; 無料のAPIティアはオプトアウトしない限りデータを学習に使う可能性がある.

チームや本番環境でMistral Small 4を使うと費用はいくらか？

入力1,500トークン、出力250トークンのチャット返信を月100万件で、APIなら約$375、バッチなら約$190です。セルフホストでは、FP8でレプリカあたりH100クラスのGPUが2〜4台、またはDGX B200が1台必要です。

Mistral Small 4は企業データを扱っても安全か？

Apache 2.0は表記や売上の制限なしで商用利用を認めています。MistralのAPIでは、無料ティアの入力と出力はオプトアウトしない限り学習に使われる可能性があり、従量課金の利用者はいつでもオプトアウトできます。高評価・低評価のフィードバックはすべてのプランで利用されることがあります。

Mistral Small 4の代わりになるものは？

当サイトでレビューした中で最も近い代替はgpt-oss-120b, Nemotron 3.5 Super VL, Mistral Medium 3.5 、 Gemma 4です。

Mistral Small 4 レビュー：料金と評価 (2026)

Mistral Small 4とは？

Mistral Small 4（API ID mistral-small-2603）は2026年3月16日に公開され、今もMistralの現行のSmallモデルです。2026年7月31日にいずれも廃止されたSmall 3.2とMagistral Small 1.2を置き換えました。1,190億パラメータのMixture-of-Expertsモデルで、エキスパートは128個、トークンごとに4個がアクティブになるため、各トークンの処理を担うのは約60億パラメータです。Mistralの以前の推論（Magistral）、視覚（Pixtral）、コーディング（Devstral）の系統を統合し、テキストと画像を読み取り、テキストを出力し、256Kトークンのコンテキストを持ちます。

reasoning_effortの設定で、素早い応答（none）と段階的な推論（high）を切り替えます。重みはApache 2.0で無料で、FP8のチェックポイント、NVFP4版、コミュニティのGGUFビルドがあります。Mistralは提供に必要な最低構成として、H100を4台、H200を2台、またはDGX B200を1台としています。

APIの料金は100万入力トークンあたり$0.15、100万出力トークンあたり$0.60で、バッチAPIでは50%引き、繰り返しの入力は最大90%引きです。

Mistral Small 4の料金は？

プラン	価格	内容
Weights	Free	Apache 2.0
API	$0.15 in / $0.60 out per 1M tokens	バッチは50%引き

Apache 2.0の重みは無料です。API：100万トークンあたり入力$0.15 / 出力$0.60。バッチは50%引き、キャッシュ済み入力は最大90%引きです。

Mistral Small 4は使う価値があるか？

Small 4は能力よりも価格とライセンスで選ぶモデルです。Artificial Analysisは推論版をIntelligence Indexで11とし、40B〜150Bクラスのオープンウェイトモデル67個中14位です。同程度の120BであるNVIDIAのNemotron 3.5 Super VLは26です。Mistral自身の比較対象はgpt-oss-120bで、AA LCR、LiveCodeBench、AIME25でSmall 4が同等以上だとし、GPQA Diamondでは自己申告で71.2としています。

勝っているのは回答あたりのコストです。Artificial AnalysisはMistralのAPIで毎秒182出力トークン、最初のトークンまで0.91秒を測定し、タスクあたりのコストでは約$0.02でクラス8モデル中1位としています。Mistralによると、AAの長文コンテキストテストで約1,600文字を書いて0.72に達し、Qwenのモデルは3〜4倍のテキストを必要とします。出力トークンが入力の4倍の価格であることを考えると、これは重要です。

名前はハードウェアの重さを過小に伝えています。ここでの「Small」は総パラメータ119Bを意味します。FP8チェックポイント自身のvLLMの例は2台のGPUに分割しており、Mistralが示す最低構成はH100を4台です。つまりgpt-oss-20bやGemma 4の小さいサイズのようなノートPC向けではなく、サーバー向けのモデルです。とはいえApache 2.0なので、表記条項、売上の上限、利用通知はなく、MiniMax-M3より条件は緩やかです。

Mistral自身のAPIでは、無料ティアの入力と出力は利用者がオプトアウトしない限り学習に使われる可能性があり、有料の利用者はいつでもオプトアウトできます。データ保持ゼロは別途の申請です。今はフランスのベンダーのAPIを使い、後で同一の重みを社内で動かす選択肢も残したい欧州の買い手にとって、この組み合わせはベンチマークの表が示すより希少です。

真価を発揮する場面

オペレーター200人の欧州のコンタクトセンターのサポート運用リード
5つの言語で最初の返信を下書きし、チケットを振り分ける
reasoning_effortをnoneにすると、入力1,500トークン、出力250トークンの返信を月100万件でAPIなら約$375、夜間の振り分けにバッチAPIを使えば約$190です。MistralはEUのベンダーで、有料アカウントは学習からオプトアウトできます。
文書を第三者のAPIに送れない銀行のプラットフォームエンジニア
社内のGPUで視覚に対応したアシスタントを動かす
モデルカードの例と同じようにFP8チェックポイントをvLLMでH100クラスのGPU 2台にまたがって提供するか、Mistralが推奨する余裕を見て4台を使います。Apache 2.0ではMistralへの通知も売上の基準もなく、あふれた負荷には同じモデルをAPIで使えます。
低価格のSaaS製品に文書Q&Aを追加する開発者
スクリーンショットやスキャンした書類についての質問に答える
Small 4は画像を直接読み取り、構造化出力と関数呼び出しに対応しているため、1回の呼び出しでスクリーンショットから型付きのJSONをSmallモデルの価格で返せます。インデックスのスコアを考えると、難しい推論や多段階のコーディングはMistral Medium 3.5か、より大きなモデルに回すほうが適しています。

導入前に確認すること

導入: API：mistral-small-latestまたはmistral-small-2603を呼び出し、リクエストごとにreasoning_effortを設定します。セルフホスト：Mistralのツール呼び出しと推論のパーサーを付けてvllm serveを使います。公開時点でTransformersの対応にはmainブランチが必要でした。
連携: Mistral API（chat completions、conversations、関数呼び出し、構造化出力、バッチ）、Hugging Face、NVIDIA NIMとbuild.nvidia.com、OpenRouter。vLLM、SGLang、llama.cpp、Transformersに対応し、ファインチューニングはNVIDIA NeMoで行えます。
データとプライバシー: Apache 2.0は表記や売上の制限なしで商用利用を認めています。MistralのAPIでは、無料ティアの入力と出力はオプトアウトしない限り学習に使われる可能性があり、従量課金の利用者はいつでもオプトアウトできます。高評価・低評価のフィードバックはすべてのプランで利用されることがあります。
大規模利用時のコスト: 入力1,500トークン、出力250トークンのチャット返信を月100万件で、APIなら約$375、バッチなら約$190です。セルフホストでは、FP8でレプリカあたりH100クラスのGPUが2〜4台、またはDGX B200が1台必要です。
制限: 256Kトークンのコンテキスト。最大出力はモデルページに記載されていません。Mistralはモデルごと、支出ティアごとにレート制限を設定しており、各アカウントの管理画面でしか表示されず、公開された数値はありません。推論のeffortをhighにすると書き出すトークンがはるかに多くなり、そこでコストと遅延が増えます。

良い点

表記や売上の条件がないApache 2.0
APIは$0.15/$0.60で、バッチならその半額
MistralのAPIで毎秒182トークン（Artificial Analysis）
画像入力と切り替え可能な推論を1つのモデルで

気になる点

Artificial Analysisのインデックスで11、Nemotron 3.5 Super VLは26
名前に反してデータセンター向けGPUが2〜4台必要
Mistralはgpt-oss-120bとQwenとしか比較していない
無料のAPIティアはオプトアウトしない限りデータを学習に使う可能性がある

Mistral Small 4の代替

gpt-oss-120b

OpenAIReasoningOpen weights

4.0/5

OpenAI's larger open-weight reasoning model: Apache 2.0, 5.1B active parameters, and small enough for a single 80GB GPU.

Nemotron 3.5 Super VL

NVIDIAVision & multimodalOpen weights

4.1/5

NVIDIA's open 120B hybrid Mamba MoE that reads images, documents and video, with a 1M-token context and published training recipes.

Mistral Medium 3.5

Mistral AIGeneral purposeOpen weights

3.8/5

Mistral's 128B dense open-weight coding and agent model fits four GPUs, but its licence shuts out firms above $20M a month.

Gemma 4

GoogleSmall & on-deviceOpen weights

4.4/5

Google's Apache 2.0 open model family, from phone-sized E2B to a 31B model for one GPU, with image, video and audio input.

Mistral Small 4：よくある質問

Mistral Small 4は使う価値があるか？: 安く、速く、ライセンスもすっきりしていますが、独立したテストでは同じサーバーに載るオープンモデルに大きく後れを取ります。評価は5点満点中3.7点です。
Mistral Small 4の料金は？: Apache 2.0の重みは無料です。API：100万トークンあたり入力$0.15 / 出力$0.60。バッチは50%引き、キャッシュ済み入力は最大90%引きです。
Mistral Small 4の欠点は？: Artificial Analysisのインデックスで11、Nemotron 3.5 Super VLは26; 名前に反してデータセンター向けGPUが2〜4台必要; Mistralはgpt-oss-120bとQwenとしか比較していない; 無料のAPIティアはオプトアウトしない限りデータを学習に使う可能性がある.
Mistral Small 4は誰に向いているか？: チャット、文書、画像向けに、MistralのAPIか自前のGPUで低コストのApacheライセンスのモデルを使いたいチームに向いています。
チームや本番環境でMistral Small 4を使うと費用はいくらか？: 入力1,500トークン、出力250トークンのチャット返信を月100万件で、APIなら約$375、バッチなら約$190です。セルフホストでは、FP8でレプリカあたりH100クラスのGPUが2〜4台、またはDGX B200が1台必要です。
Mistral Small 4は企業データを扱っても安全か？: Apache 2.0は表記や売上の制限なしで商用利用を認めています。MistralのAPIでは、無料ティアの入力と出力はオプトアウトしない限り学習に使われる可能性があり、従量課金の利用者はいつでもオプトアウトできます。高評価・低評価のフィードバックはすべてのプランで利用されることがあります。
Mistral Small 4の代わりになるものは？: 当サイトでレビューした中で最も近い代替はgpt-oss-120b, Nemotron 3.5 Super VL, Mistral Medium 3.5 、 Gemma 4です。

回答確認日：2026年10月26日