Mistralは2026年10月9日、「Managed Deployments」をPublic Previewとして公開しました。
名前だけ見ると難しそうですが、考え方はシンプルです。AIで自動化を作ったあと、その自動化をどのパソコンやサーバーで動かし続けるのかという問題を、Mistral Cloud側で引き受ける仕組みです。
ただし、普通にMistralへ質問するチャット機能ではありません。現在はFreeプラン対象外で、PythonやGitHubを使ってAI Workflowを作る開発者向けです。
今回は「すぐ使うべき新機能」というより、AI自動化がどうやって常時動いているのかを初心者向けに整理します。
AI自動化には「動かし続ける場所」が必要
チャットAIは、質問したときだけ動けば十分です。一方、自動化は違います。
たとえば「新しいデータが来たら確認する → AIで内容を処理する → 結果を別の場所へ渡す」というWorkflowを毎日動かすには、どこかでその処理を待ち続けるプログラムが必要です。Mistralでは、この実行部分をworkerと呼んでいます。
自分のPCやサーバーでworkerを動かす場合、機器を稼働させ、processが止まっていないかを確認し、認証情報や更新、再起動にも対応します。Managed Deploymentsは、そのworkerをMistral Cloud側で動かす選択肢です。
公式情報で確認できた仕組み
Mistral公式Docsによると、Managed DeploymentではGitHub repositoryを指定します。Mistral Cloudはrepository内のDockerfileを使ってDocker imageをbuildし、そのcontainerをworkerとして実行します。
workerの認証にはservice accountが使われます。getting startedでは、service-account tokenがplatform側から注入される仕組みが説明されています。worker用API keyをrepositoryへ直接書く構成ではありません。
運用中はAI StudioまたはAPIから、create、update、stop、start、restart、redeploy、deleteを管理できます。build logとworker logもAI Studioから確認できます。
公式情報：
Mistral公式：Managed Deploymentsの仕組み
Freeで試せる機能ではない
Managed DeploymentsはPublic Previewですが、Free planでは利用できません。
Mistralのquota表では、Freeは0、Pay-as-you-goは同時3 deployments、Enterpriseは同時10 deploymentsです。上限を超えてcreateまたはstartすると403になります。上限はorganization単位で、Mistral supportへの相談で引き上げられる場合があります。
getting startedには、有料Mistral account、Python 3.12以降、uv、GitHub accountが前提として書かれています。現時点で対応するrepository hostはgithub.comで、GitLabとGitHub Enterpriseは将来対応予定です。
普通のMistralチャット利用者が設定をONにして試す種類の更新ではありません。
公式情報：
Mistral公式：利用の前提と開始手順
quota：
Mistral公式：プラン別の上限と制限
「サーバー管理不要」と「完全放置」は別
Managed Deploymentsでは、自分でworker用サーバーを管理する手間を減らせます。ただし、AI自動化を完全に放置できるという意味ではありません。
Workflowそのものに誤りがないか、接続先が変わっていないか、secretや権限が適切か、quotaを超えていないか、workerが失敗していないか。こうした運用確認は残ります。
Mistral Cloudがworkerのinstance sizeを選びますが、現時点ではdeployment別のCPU・memory metricsは公開されていません。Public Previewのため、機能や制限が今後変わる可能性もあります。
クラウドへ移すことで「PCを起動し続ける管理」は減らせても、「自動化の結果を管理する責任」までなくなるわけではありません。
誰に向く機能なのか
Managed Deploymentsは、Zapierのようにサービスを画面上で組み合わせる自動化より技術寄りです。Python、Dockerfile、GitHub repositoryを使ってWorkflowを作り、そのworkerをクラウドへdeploymentします。
「初めて自動化を作ってみたい」という段階なら、いきなりこの機能を選ぶ必要はありません。
一方、「自分でコードを書いたAI Workflowがある」「ローカルPCでworkerを動かし続けるのをやめたい」という段階なら、クラウド移行の候補になります。
今回は本人環境でdeploymentを作成・稼働していません。安定性、速度、費用の変化も未検証です。
今日確認することと、公式出典
自分が使っているAI自動化について、「この処理は、今どこで動き続けているのか？」を一度確認してみてください。
自分のPCなのか、外部の自動化サービスなのか、クラウドサーバーなのか。そもそも常時動作ではなく、必要なときだけ自分で実行しているのか。
これが分かれば、Managed Deploymentsのような機能が自分に必要か判断しやすくなります。普通にチャットAIを利用しているだけなら、今回は何もしなくて大丈夫です。
Mistral Docs Release notes — Managed Deployments：
Mistral公式：Managed Deploymentsの発表
Mistral Docs Managed deployments：
Mistral公式：Managed Deploymentsの仕組み
Mistral Docs Getting started：
Mistral公式：利用の前提と開始手順
Mistral Docs Quotas：
Mistral公式：プラン別の上限と制限
対象更新は2026年10月9日、確認日時は2026年10月12日 06:50 JST、現在の状態はPublic Previewです。
コメント