Mistral Small 4 รวมเหตุผล-วิชัน-โค้ดดิ้งไว้ในชุดน้ำหนักเดียว Apache 2.0 — active 6B พร้อมปุ่มปรับความคิด
Mistral AI ปล่อย Mistral Small 4 โมเดลภาษาแบบ Mixture-of-Experts ภายใต้ Apache 2.0 ที่น่าสนใจตรงแนวคิด “รวมร่าง” — แทนที่จะมีโมเดลแยกสำหรับเหตุผล วิชัน และโค้ดดิ้ง Mistral หลอมความสามารถจากสามตระกูลเดิมคือ Magistral (reasoning), Pixtral (vision) และ Devstral (coding) เข้าไว้ในชุดน้ำหนักเดียว พร้อมปุ่มปรับ “ระดับความคิด” (reasoning effort) ที่สลับระหว่างตอบเร็วกับคิดลึกได้
ในเชิงสเปก เป็น MoE 119 พันล้านพารามิเตอร์รวม เปิดใช้งานจริงเพียง 6B ต่อโทเคน (8B ถ้ารวมชั้น embedding) มี 128 expert เลือกใช้ 4 ตัว และ context 256K โทเคน
โมเดลเดียวจบ ลดความซับซ้อนของสแตก
จุดขายเชิงปฏิบัติคือการลดความซับซ้อนของระบบ แทนที่ทีมพัฒนาจะต้องดูแลโมเดลหลายตัวสำหรับงานต่างชนิด Mistral Small 4 ตัวเดียวรับได้ทั้งงานให้เหตุผล อ่านภาพ/เอกสาร และเขียนโค้ดแบบ agentic ปุ่ม reasoning_effort (ตั้งแต่ none ถึง high) ช่วยให้คุมสมดุลระหว่างต้นทุน/ความเร็วกับคุณภาพได้ตามงาน — งานง่ายก็ตอบเร็ว งานยากก็ปล่อยให้คิดยาว
ฝั่งประสิทธิภาพ Mistral เคลมว่าเทียบกับ Mistral Small 3 รุ่นใหม่นี้ลดเวลาตอบรวมลง 40% และเพิ่ม throughput ได้ราว 3 เท่าในการตั้งค่าที่เน้นปริมาณ ราคา API อยู่ที่ อินพุต 0.10 ดอลลาร์ / เอาต์พุต 0.30 ดอลลาร์ต่อล้านโทเคน
ข้อควรรู้เรื่องฮาร์ดแวร์
แม้ active แค่ 6B แต่พารามิเตอร์รวม 119B ทำให้การรันที่ความละเอียดเต็ม (full precision) ยังต้องการฮาร์ดแวร์ระดับองค์กร (เช่น H100 หลายใบ) ไม่ใช่โน้ตบุ๊ก — จุดนี้ต้องระวังถ้าจะวางตำแหน่งว่าเป็นโมเดล “โลคอล” การรันบนเครื่องผู้บริโภคจริงต้องพึ่ง quantization ซึ่งควรทดสอบคุณภาพก่อน
มุมมอง AI Curator
แนวคิด “โมเดลเดียวทำได้หลายอย่าง” ของ Mistral Small 4 ตรงกับความต้องการของทีมเล็กในไทยที่ทรัพยากรจำกัด การดูแลโมเดลตัวเดียวที่สลับโหมดได้ ย่อมง่ายและถูกกว่าการ orchestrate หลายโมเดล โดยเฉพาะปุ่ม reasoning effort ที่ให้คุมต้นทุนต่อ request ได้ตรง ๆ ซึ่งสำคัญมากเมื่อรันงานปริมาณมาก และการเป็น Apache 2.0 ทำให้เอาไป fine-tune บนข้อมูลไทยและ deploy เชิงพาณิชย์ได้อิสระ
ข้อแนะนำ: อย่าเพิ่งเชื่อป้าย “Small” ว่ารันบนเครื่องเดียวได้ทันที — ที่ full precision มันยังต้องการ GPU ระดับองค์กร ทีมไทยที่อยากรันโลคอลควรเริ่มจากเวอร์ชัน quantize แล้วทดสอบทั้งงานภาษาไทย งานอ่านภาพเอกสาร และงานโค้ด เพื่อดูว่าโมเดล “รวมร่าง” ตัวนี้เก่งพอในทุกด้านที่คุณต้องใช้จริงหรือเปล่า ก่อนตัดสินใจแทนที่สแตกเดิม
แหล่งข่าว:
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service