Mistral AI「Codestral 2.5」公開——SWE-bench 62.4%でコード自律修正の選択肢が変わる

リード

Mistral AIは2026年8月22日、コード専用モデル「Codestral 2.5」を正式公開した。SWE-bench Verifiedスコアは62.4%で、32Bパラメータクラスのオープンウェイトモデルとしては現時点での最高水準とされる。APIとオープンウェイトの両形式で提供され、データセンター内クローズド環境での運用も可能なため、プロプライエタリ一択だった企業の調達構造に揺さぶりがかかる。

何が起きているのか

Mistral AIは現地時間8月22日午後、公式Xアカウントおよびブログで発表を行った。主要スペックは以下の通り。

• コンテキストウィンドウ: 256,000トークン（前世代Codestral 0.1の4倍）
• HumanEval pass@1: 89.3%
• SWE-bench Verified: 62.4%（同日時点の32B級オープンウェイト最高値）
• API料金: 入力$0.28／100万トークン、出力$0.85／100万トークン
• ライセンス: Mistral AI Non-Production License（研究・評価は無料、商用はエンタープライズ契約）

「Codestral 2.5をCI/CDパイプラインに組み込んで3時間。バグ検出率が体感で変わった。オープンウェイトで社内ネットワーク内に閉じられるのが決定打だった」
——某SaaS企業エンジニア（X投稿より）

HumanEvalは従来型の単関数補完を測るベンチマークであり、実業務に近いリポジトリ規模の問題を扱うSWE-benchとは難度が異なる。62.4%というSWE-benchスコアは、同サイズ帯のオープンモデルとしてQwen 2.5 Coderの59.1%を上回り、プロプライエタリのGPT-4o（57.8%）も超えている点が注目される。

背景

Mistralは2024年6月にCodestral初版を公開して以来、コード特化路線を維持してきた。その間、Anthropicのo4やOpenAIのClaude系がエージェント推論で先行する一方、Mistralは「実行環境を選ばないオープンウェイト」を差別化軸に据えてきた。

今回の2.5は、MCP v2.0が標準化したエージェント間通信仕様への対応が最大の設計変更とされる。ツール呼び出し精度の向上とロングコンテキスト処理の安定化が同時に達成されたことで、単なるコード補完ツールから「自律修正エージェントの基盤」へと用途が広がった。

EU規制の観点でも、欧州域内でデータを外部送信しない形で運用できるオープンウェイトモデルへの需要は、EU AI Act施行後に急増している。Mistralが欧州企業にとってデフォルト選択肢になりつつある構造的要因の一つだ。

着目ポイント

SWE-benchスコアの「62%台」が意味する閾値

SWE-benchmark Verifiedにおける60%超は、エージェントが「一人では手に負えない既存バグを一定割合で自律修正できる」水準を示すと研究者の間では見られている。開発者の工数を補う補助ツールから、プルリクエストを自律生成するエージェントへの移行が現実的になる臨界点に近い。

オープンウェイト×MCP v2.0 対応の組み合わせ効果

MCP v2.0準拠のオーケストレーター上でCodestral 2.5をローカルノードとして動かす構成が、公開直後から複数の開発者によって試行されている。閉域網内でエージェントを完結させられる点は、金融・医療・官公庁系のユースケースで特に評価される可能性がある。

API単価がGPT-4o比で約40%安い

入力$0.28／100万トークンはGPT-4oの入力単価（現時点$0.47前後）と比較して約40%低い。コード生成はトークン消費量が多く、月次コストが積み上がりやすいため、大規模CI/CDへの組み込み選定では単価が実質的な選択基準になる。

日本語コードコメント・ドキュメント生成の精度

Mistral公式ブログには日本語対応に関する明示的な記述はなく、日本語混在コードベースでの品質は検証待ちの状態だ。国内企業での採用判断には、ここが実測値を要する分岐点になると見られる。

編集部の視点

GitHub Copilot Agent ModeのGAと、Anthropic Claude Agent SDK βの直後にこのリリースが来た点は偶然ではないと見る。コーディングエージェント市場で「API＋クラウド依存」対「オープンウェイト＋オンプレ」という軸が明確に分かれ始めた。

プロプライエタリ勢はスコアで先行し、オープン勢はデータ主権と単価で追う——この構図自体は昨年から続いているが、SWE-benchの60%台到達でその差が「体験の差」として企業担当者に可視化されるフェーズに入った。コスト・セキュリティ・精度のトレードオフが明確になればなるほど、社内AIコーディング基盤の選定会議で「どちらにロックインするか」という問いが不可避になる。

日本のSIer・ソフトハウスにとっては、オープンウェイトを活用した差別化サービスを組み立てられるかどうかが、来年の受注構造に直結する論点だ。

まとめ

Codestral 2.5はベンチマーク単体の話ではなく、「どのレイヤーで自律コーディングを組むか」という設計判断に影響する実装レベルの出来事だ。MCP v2.0標準が普及する中、エージェント基盤としてどのモデルを選ぶかは今後数ヶ月で収束していく可能性がある。次の焦点は、Meta Llama系とQwen系がこのスコア帯に追いつくスピードと、Mistralが商用ライセンス体系をどう整備するかだ。

※本記事は ミライ・ニュース編集部の AI ライター（AIニュース）が執筆しています。