Mistral Large 3 APIをPythonで使う|OpenAIから乗り換える人へ

Mistral Large 3 APIをPythonで使う|OpenAIから乗り換える人へ AI

※この記事にはプロモーションが含まれます

Mistral Large 3 は「オープンウェイトなのにAPIが安い」とよく聞くので、Pythonからどう呼ぶのかを調べてまとめました。

先に書いておくと、今回はClaude APIやOpenAI APIと比べて書き方がどれくらい違うのかを確かめたかった、というのが一番の目的です。結論だけ言うと、思っていたよりずっと似ていました。

この記事でわかること

  • Mistral Large 3 のスペックと、2026年11月時点での立ち位置
  • Python SDK(mistralai)での基本的な呼び出し方
  • ストリーミング・JSONモード・Tool Use(Function Calling)の書き方
  • モデルIDの指定でハマりそうなところ
  • 料金の目安と、ざっくり計算するスクリプト

Mistral Large 3 とは?スペックをざっと整理

Mistral Large 3 は、Mistral AI がリリースしたモデルです。調べた範囲の情報を表にすると、だいたいこんな感じでした。

  • アーキテクチャ:Sparse MoE(Mixture of Experts)
  • 総パラメータ数:675B(推論時に使われるアクティブパラメータは41B)
  • コンテキスト長:256Kトークンとされることが多いです
  • ライセンス:Apache 2.0(オープンウェイト)
  • 入力:テキストと画像に対応したマルチモーダルモデル、と説明されています
  • モデルID:mistral-large-2512(エイリアスは mistral-large-latest として紹介されることがあります)

コンテキスト長がサイトによって「256K」と「262K」で分かれていて一瞬混乱したんですが、256 × 1024 = 262,144 なので、同じ数字を表記違いで書いているだけっぽいです。こういうところ、地味に気になってしまう性格です。

MoEなので、総パラメータ675Bでも1トークンあたりに動くのは41B分だけです。そのぶん推論コストを抑えやすく、API料金が安めと言われる理由のひとつとして、この構造が挙げられているのをよく見かけました。

あと大事なこととして、2026年11月時点ではMistralから Mistral Large 4がすでに出ています。Large 3は「最新」ではなくなっていて、今は「コスパ枠の主力モデル」みたいな扱いになっているようです。これが後で書くモデルIDの話につながります。

Python SDKのセットアップと基本の呼び出し

インストール

公式のPython SDKは mistralai というパッケージです。自分はuvを使ったことがあるので、uvで入れる前提で書きます。

uv init mistral-test
cd mistral-test
uv add mistralai
export MISTRAL_API_KEY="your-api-key"

APIキーはMistralのコンソール(La Plateforme)で発行するらしいです。

いちばんシンプルなチャット

import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

res = client.chat.complete(
    model="mistral-large-2512",
    messages=[
        {"role": "system", "content": "あなたは簡潔に答えるアシスタントです。"},
        {"role": "user", "content": "AWS LambdaとFargateの使い分けを3行で教えて"},
    ],
    temperature=0.3,
)

print(res.choices[0].message.content)
print(res.usage)

見ての通り、messages の形式も choices[0].message.content で取り出すところも、OpenAIのChat Completionsとほぼ同じです。Claude APIはsystemプロンプトを別パラメータで渡しますが、Mistralはmessagesの中に role: "system" として入れる方式です。OpenAI APIを触ったことがあれば、ほぼ迷わず書けると思います。

ひとつ注意点があって、mistralai SDKはメジャーバージョンが上がるとimportの書き方やメソッド名が変わることがあるらしいです(昔の MistralClient 時代のコードがまだネットにけっこう残っています)。コピペして動かないときは、まず入っているSDKのバージョンと公式READMEを確認するのがよさそうです。

モデルIDは「latest」より日付付きで固定したほうが安心かも

個人的にいちばん大事だと思ったのがここです。

Large 3のモデルIDは mistral-large-2512 と mistral-large-latest の2つがある、と紹介されることがあります。-latest が実際にどのモデルを指すかは運用で変わりうるので、いつか mistral-large-latest の中身が切り替わる可能性があります。

そうなると、コードを1行も変えていないのに出力の傾向や料金が変わる…ということが起こりえます。Large 4の仕様や料金体系もLarge 3とは違う可能性があるので、なおさらです。

MODEL = "mistral-large-2512"  # latestにしない

今 -latest が実際にどのモデルを指しているかは、公式のモデル一覧ページで確認するのが確実です。自分が調べた時点の情報でも、記事によって書いてあることが微妙に違っていたので、ここは公式を見てもらったほうがいいと思います。

ストリーミング・JSONモード・Tool Useの書き方

ストリーミング

stream = client.chat.stream(
    model=MODEL,
    messages=[{"role": "user", "content": "DynamoDBのパーティションキー設計のコツは?"}],
)

for event in stream:
    delta = event.data.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

OpenAI SDKだと chunk.choices[0].delta ですが、Mistral SDKは event.data.choices[0].delta のように .data が1段はさまる形で紹介されているのを見かけます。地味ですが、ここで AttributeError を出す人は多そうです(自分も絶対やる)。

JSONモード

import json

res = client.chat.complete(
    model=MODEL,
    messages=[{
        "role": "user",
        "content": "東京・大阪・福岡の人口を JSON で返して。キーは city と population。",
    }],
    response_format={"type": "json_object"},
)

data = json.loads(res.choices[0].message.content)
print(data)

Large 3はJSONモードに加えて、スキーマを指定するStructured Outputsにも対応しているようです。スキーマまでかっちり決めたいならそっちのほうがよさそうですが、正直まだ細かい違いはちゃんと理解できていません。

Tool Use(Function Calling)

本題っぽいところです。題材は、以前Lambdaで作った「AWSの日次コストを集計してWebページに出すやつ」にしました。表示部分を放置していたので、いっそLLMに聞いたら答えてくれる形にしたら面白いかも、という妄想です。

import json
import os
from mistralai import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
MODEL = "mistral-large-2512"

def get_aws_cost(date: str) -> dict:
    # 本来はCost Explorerや集計済みのDynamoDBを読む想定
    return {"date": date, "total_usd": 1.23}

TOOLS = {"get_aws_cost": get_aws_cost}

tools = [{
    "type": "function",
    "function": {
        "name": "get_aws_cost",
        "description": "指定した日付のAWS利用料金(USD)を返す",
        "parameters": {
            "type": "object",
            "properties": {
                "date": {"type": "string", "description": "YYYY-MM-DD形式"},
            },
            "required": ["date"],
        },
    },
}]

messages = [{"role": "user", "content": "2026-11-01のAWS料金っていくらだった?"}]

res = client.chat.complete(model=MODEL, messages=messages, tools=tools, tool_choice="auto")
msg = res.choices[0].message
messages.append(msg)

for call in msg.tool_calls or []:
    args = call.function.arguments
    if isinstance(args, str):  # ここ注意
        args = json.loads(args)
    result = TOOLS[call.function.name](**args)
    messages.append({
        "role": "tool",
        "name": call.function.name,
        "content": json.dumps(result),
        "tool_call_id": call.id,
    })

final = client.chat.complete(model=MODEL, messages=messages, tools=tools)
print(final.choices[0].message.content)

「ここ注意」のところですが、SDKの型定義を見ると function.arguments は文字列と辞書のどちらでも受けられるようになっているようで、返ってくる型が状況で変わるかもしれないので念のため分岐を入れています。もっとスマートな書き方がある気はしますが、とりあえず安全側で。

流れは「ツール定義を渡す → tool_calls が返る → 自分で関数を実行 → role: "tool" で結果を返す → もう一度呼ぶ」で、OpenAIとほぼ同じです。Claude APIの tool_use / tool_result ブロック方式に慣れていると、むしろこっちのほうがシンプルに見えるかもしれません。

ちなみに並列ツール呼び出し(1回のレスポンスで複数ツールを同時に呼ぶやつ)は、提供元によっては非対応と書かれているケースもあるようです。上のコードはforで回しているので、1個でも複数でも動くはずです。

画像入力

Large 3は画像も読めるので、contentをリストにして渡します。

res = client.chat.complete(
    model=MODEL,
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "この間取り図の部屋数と特徴を教えて"},
            {"type": "image_url", "image_url": "https://example.com/floorplan.png"},
        ],
    }],
)

余談ですが、以前不動産データを使ったアプリを作ったことがあって、そのときは間取りを数値データでしか扱えなかったんですよね。間取り図の画像から情報を引っ張れるなら、またいじってみたくなります。

料金の目安とざっくり計算

執筆時点の公式API料金は、調べた範囲では 入力 $0.50 / 出力 $1.50(100万トークンあたり) とのことです。キャッシュ読み込みはさらに安い枠が用意されています。Batchについても別料金枠があるので、使う前に公式の料金ページを確認してください(料金は変わることがあります)。

Large 4の料金と比べても安めで、「Large 3はコスパ枠」と言われているのも納得です。

どれくらいかかるのか感覚がつかみにくかったので、ざっくり計算するスクリプトを書きました。

PRICE_INPUT = 0.50   # USD / 1M tokens
PRICE_OUTPUT = 1.50

def cost_usd(input_tokens, output_tokens, batch=False):
    c = input_tokens / 1_000_000 * PRICE_INPUT + output_tokens / 1_000_000 * PRICE_OUTPUT
    return c * 0.5 if batch else c

cases = {
    "チャット1回 (in 1K / out 500)": (1_000, 500),
    "長文要約1回 (in 100K / out 2K)": (100_000, 2_000),
    "チャット1000回分": (1_000_000, 500_000),
}

for name, (i, o) in cases.items():
    print(f"{name}: ${cost_usd(i, o):.4f}  (batch: ${cost_usd(i, o, batch=True):.4f})")

チャット1回なら0.1セント程度、1000回やっても1ドルちょっと、という計算です。Lambdaから毎日数回呼ぶくらいなら、たぶん料金はほとんど気になりません。ただ256Kのコンテキストをフルに使うような投げ方をすると入力トークンが一気に増えるので、長文を投げるときは気をつけたほうがよさそうです。

あと、AWS寄りの人間として気になったのは、Large 3がAmazon Bedrockからも使えるらしい点です。IAMで権限を管理できるので、Lambdaから呼ぶならBedrock経由のほうが楽かもしれません。ただ料金や速度は提供元ごとに違うらしく、比較サイトでは「速度はAmazon、価格はMistral公式が有利」みたいな結果になっていました。Bedrock版のモデルIDや細かい仕様までは今回追いきれていないので、ここは宿題です。

まとめ

  • Mistral Large 3 は 675B(アクティブ41B)のMoE・256Kコンテキストとされることが多い・Apache 2.0のオープンウェイトモデル
  • Python SDKの書き方はOpenAIとかなり近く、乗り換えのハードルは低め。ストリーミングの .data だけ注意
  • Large 4が出ているので、モデルIDは mistral-large-2512 で固定しておくのが無難そう
  • 料金は入力$0.50 / 出力$1.50(100万トークンあたり)で、個人開発ならかなり気軽に使える

オープンウェイトなので、いつかセルフホストも…と思いましたが、675Bはさすがに自分の環境ではどう考えても無理でした。

タイトルとURLをコピーしました