Anthropicが小型AIモデル「Claude Haiku 5.5」を発表／Mistral AIが大規模言語モデル「Mistral Large 4」を公開：週末の「気になるニュース」一気読み！（1/3 ページ）

[山本竜也，ITmedia]

　うっかり見逃していたけれど、ちょっと気になる――そんなニュースを週末に“一気読み”する連載。今回は、10月4日週を中心に公開された主なニュースを一気にチェックしましょう！

Anthropicが小型AIモデル「Claude Haiku 5.5」を発表

　Anthropicは10月7日、小型AIモデル「Claude Haiku 5.5」を発表した。Opus 5.5、Sonnet 5.5に続くClaude 5.5ファミリーの3つ目のモデルで、同社は「これまでで最も安価で高速、かつ高性能な小型モデル」としている。Claude Platformの他、Amazon Web Services、Google Cloud、Microsoft Azureでも利用でき、APIのモデル名は「claude-haiku-5-5」となる。

Anthropicが小型AIモデル「Haiku 5.5」を発表した

　想定する用途は、要約や分類、データベースへの問い合わせといった大量／反復処理の他、Opus 5.5やSonnet 5.5の下で動くサブエージェント、応答速度が求められるカスタマーサポートなどだ。標準速度のモデルとしては同社で最速だという（OpusのFast Modeよりは遅い）。

　また、Haikuとして初めてeffort設定に対応し、コストと性能のどちらを優先するかを選べるようになった。

　同社が公表したベンチマークでは、実際のコンピュータを使った多段階タスクを測るOSWorld 2.1（オフラインサブセット）で72.4％となり、Haiku 4.5の15.7％から大きく伸びた。比較対象に挙げたOpenAIの「GPT-6 Luna」（48.9%）も上回る。ただし、複雑なエージェント型コーディングにはSonnet 5.5やOpus 5.5の方が適しているとしている。

　API価格は、プロンプトが10万トークン以下かどうかで変わる。100万トークンあたり、10万トークン以下では入力0.1ドル／出力0.5ドル、超える場合は入力0.5ドル／出力2.5ドルだ。トークナイザーの更新で同じ作業に使うトークン数はわずかに増えるが、それを含めてもHaiku 4.5と比べて平均でコストを約75%抑えて稼働できるとのことだ。

　なお、同日にSonnet 5.5のキャッシュ読み取り価格を100万トークンあたり0.2ドルから0.1ドルに引き下げた他、Max／Teamプランの契約者に毎月のAPIクレジット（Max 5xは100ドル、Max 20xは200ドル、Teamはユーザー間で共有する最大500ドル）を順次付与することも発表した。クレジットはどのモデルにも使える。

Mistral AIが大規模言語モデル「Mistral Large 4」を公開

　Mistral AIは10月6日、AIモデル「Mistral Large 4」のプレビュー版を公開した。同社が「これまでで最も高性能なモデル」とするもので、略称は「ML4」だ。

　発表文では冗談めかして「le Chonk」が正式名称だとしている。chonkは太った猫などを指す英語のネットスラングで、フランス語の定冠詞「le」を付けた形だ。1兆パラメーターという規模の大きさにかけた呼び名だろう。開発者向けのMistral StudioからAPIで利用でき、モデルの重みは月末までにオープンウェイトとして公開する予定だ。

Mistral AIが、AIモデル「Mistral Large 4」のプレビュー版を公開

　総パラメータ数は1兆、推論時に使うアクティブパラメータは520億のMoE（Mixture of Experts）構成を採用している。指示応答と推論、エージェント機能を1つにまとめたハイブリッド型のモデルで、画像の入力にも対応する。

　対応言語は160以上で、EUの公用語を全て含む。学習は欧州にある同社のデータセンターで、NVIDIAのGrace Blackwell GPU 3800基を使って一から行ったとのことだ。API価格は100万トークンあたり入力1.36ドル、出力4.18ドルだ。

　同社が公表したベンチマークでは、コーディングエージェントの総合指標であるCoding Agent Indexで49.8％となり、DeepSeek V4 Pro 0813やQwen3.8 Maxを上回った。業務ワークフローを評価するAutomationBenchでは59.9％だった。サイバーセキュリティ分野にも力を入れており、脆弱（ぜいじゃく）性調査やマルウェア分析を用途に挙げた上で、CTF形式のCybenchで93%を記録したとしている。この用途では、プライベートクラウドやオンプレミスで稼働できる点もアピールしている。

　なお、ML4は同社が30億ユーロを調達したシリーズDの資金によるロードマップの最初の成果とのことだ。アーキテクチャや追加のベンチマーク、学習手法の詳細は今後公開するという。