Mistral Large 4 "le Chonk": MoE 1 ล้านล้านพารามิเตอร์ เปิด preview API แล้ว (context 1M, $1.36/$4.18 ต่อล้านโทเคน) น้ำหนักตามมาปลายเดือนนี้ แต่ตารางในเอกสารยังเขียนไลเซนส์แค่ว่า "Open" ไม่ใช่ Apache 2.0

Mistral เปิดตัว Mistral Large 4 (ชื่อเล่นที่บริษัทใช้เองคือ “le Chonk”) เมื่อ 6 ต.ค. 2026 ในสถานะ public preview เรียกผ่าน API บน Mistral Studio ได้วันนี้ ส่วนน้ำหนักโมเดลจะปล่อย “ภายในสิ้นเดือนนี้” โพสต์นี้ขึ้นอันดับหนึ่งบน Hacker News ทันทีที่ออก (กว่า 1,500 คะแนน) เพราะเป็นโมเดลระดับล้านล้านพารามิเตอร์ตัวแรกจากฝั่งตะวันตกที่ประกาศว่าจะเปิดน้ำหนัก ในสัปดาห์เดียวกับที่ Reflection เพิ่งประกาศ Beam 501B แบบยังไม่มีน้ำหนักเหมือนกัน

ประเด็นที่นักพัฒนาควรรู้มีสามข้อ คือ ตัวเลขสเปกจากบล็อกกับหน้าเอกสารไม่ตรงกันเสียทีเดียว ไลเซนส์ยังไม่ประกาศ และจุดขายหลักของรอบนี้คืองาน cybersecurity ที่ Mistral บอกตรง ๆ ว่าโมเดลปิดอย่าง Claude Opus 5.5 และ GPT-6 Astra ได้คะแนนเกือบศูนย์ในบางชุดทดสอบ เพราะปฏิเสธไม่ทำงาน

สเปกและราคา

• สถาปัตยกรรม: MoE แบบ granular รับข้อความและภาพในตัว (natively multimodal) บล็อกเขียนว่า “1 trillion-parameter … with 49 billion active parameters” แต่หน้าเอกสารรุ่นระบุละเอียดกว่าว่า 1.05T total, 52B active และ vision encoder 1.6B เทียบกับ Large 3 ที่ 675B
• Context: 1M โทเคน (ตามหน้าเอกสาร)
• ราคา preview: input $1.36 / cached input $0.14 / output $4.18 ต่อล้านโทเคน หน้าเอกสารยังแสดงราคาอีกชุดที่ต่ำลงครึ่งหนึ่งพอดี ($0.68 / $0.07 / $2.09) โดยข้อความที่เราดึงมาอ่านไม่ได้ระบุว่าเป็นราคาโหมดไหน ควรเช็กในคอนโซลก่อนคำนวณงบ
• ภาษา: ข้อมูลเทรนกว่า 160 ภาษา รวมทุกภาษาทางการของ EU บล็อกไม่ได้ระบุภาษาไทยโดยตรง
• การเทรน: จากศูนย์บน GPU NVIDIA Grace Blackwell 3,800 ตัวในศูนย์ข้อมูลของ Mistral เองในยุโรป เป็นโมเดลแรกในแผนที่ได้ทุนจาก Series D €3 พันล้าน
• โมเดลเป็นแบบ hybrid instruct + reasoning ตัวเดียว และ Mistral บอกว่ารอบ RL ยัง “in flight” คาดว่าจะดีขึ้นอีกในหลายสัปดาห์ข้างหน้า

ตัวเลข benchmark ที่ Mistral อ้าง

ทั้งหมดเป็นตัวเลขของ Mistral เอง ยังไม่มีผลอิสระครบชุด:

• โค้ด: DeepSWE v1.1 61.7%, SWE-Atlas-QnA 59.4%, Terminal-Bench 4 28.3% และ Coding Agent Index 49.8% ซึ่ง Mistral บอกว่านำ DeepSeek V4 Pro 0813 และ Qwen3.8 Max
• ประเมินโดยคนแบบ blind (Surge AI): คุณภาพโค้ดได้ 3.74/5 อันดับสองจากห้าโมเดล ตามหลัง Claude Opus 5 (4.22) แต่นำ GLM-5.3 (3.60), Kimi K3 (3.59) และ GLM-5.2 (3.40)
• Agentic: AutomationBench 59.9% (657 เวิร์กโฟลว์ธุรกิจ) และ AA-Briefcase 1,393 Elo
• Cyber: ติดห้าอันดับแรกของ Artificial Analysis Cyber Index, ทำ Cybench ได้ 93% และในชุดทดสอบที่ให้จำลองช่องโหว่จริงแล้วแพตช์ ได้ 82% สูงสุดของทุกโมเดล
• ภาพ: Dense 200 ได้ 42% เทียบ GPT-6 Astra 41%

อีกด้านหนึ่ง Mistral รายงานว่าอัตราปฏิเสธคำขอ cyber ที่เป็นอันตราย (JailbreakBench, StrongREJECT, AgentHarm) สูงกว่าโมเดล open-weight ทุกตัวที่เทียบ และต้านทาน prompt injection บน Lakera B3 ได้ 93.3% นั่นคือข้อโต้แย้งว่าโมเดลนี้ “ช่วยฝ่ายป้องกัน แต่ไม่ช่วยฝ่ายโจมตี” ซึ่งยังต้องรอคนภายนอกทดสอบ ช่วงก่อนปล่อยน้ำหนัก Mistral ให้ “ผู้นำด้าน cybersecurity, พาร์ตเนอร์ที่ผ่านการคัดกรอง และหน่วยงานรัฐ” ใช้เวอร์ชันที่ moderation น้อยลงและเปิดความสามารถ cyber มากขึ้น เพื่อ red-team

ไลเซนส์: ยังเป็นคำถามใหญ่

ในตารางโมเดลของ Mistral Docs คอลัมน์ไลเซนส์ของ Large 4 เขียนไว้แค่คำว่า “Open” ขณะที่แถวถัดไปเขียนชัดว่า Large 3 เป็น Apache 2.0, Small 4 เป็น Apache 2.0 และ Medium 3.5 เป็น Modified MIT ซึ่งอย่างที่เราเคยรายงาน มีเงื่อนไขห้ามบริษัทที่มีรายได้เกิน $20 ล้านต่อเดือนใช้ บล็อกเปิดตัวก็ไม่พูดถึงไลเซนส์เลยสักคำ บอกเพียงว่าจะเผยรายละเอียดสถาปัตยกรรมและวิธี post-train ตอนปล่อยน้ำหนัก

มุมมอง AI Curator

Large 4 คือคำตอบแรกที่จับต้องได้ว่า Mistral จะเอาเงิน €3 พันล้านไปทำอะไร และตัวเลขก็น่าสนใจจริง ถ้ามันออกมาตามที่อ้าง นี่จะเป็นโมเดล open-weight จากนอกจีนที่แข็งที่สุดในตลาดตอนนี้ แต่สิ่งที่ทำให้มันต่างจากโมเดลจีนอย่าง GLM-5.3 หรือ Kimi K3 ไม่ใช่คะแนน หากเป็นเรื่องที่มา สำหรับธนาคาร หน่วยงานรัฐ และบริษัทประกันในไทยที่ฝ่าย compliance ไม่สบายใจกับโมเดลจีนแต่ก็ส่งข้อมูลออกไปคลาวด์สหรัฐฯ ไม่ได้ ทางเลือกนี้เคยแทบไม่มีเลยในระดับ frontier

แต่ก่อนจะวางแผนซื้อ GPU รอ ให้ดูสามเรื่อง ข้อแรก ไลเซนส์ “Open” ในตารางไม่ได้แปลว่า Apache ประวัติของ Medium 3.5 บอกว่า Mistral พร้อมใส่เพดานรายได้ในรุ่นเรือธง และกลุ่มที่โดนเพดานนั้นก็คือกลุ่มเดียวกับที่ถูกขายเรื่อง “อธิปไตยทางข้อมูล” ข้อสอง ฮาร์ดแวร์ MoE 1.05T ที่ FP8 กินหน่วยความจำราว 1TB ก่อนจะนับ KV cache ของ context 1M แปลว่าต้องใช้เซิร์ฟเวอร์ GPU ระดับ 8 การ์ดขึ้นไป ไม่ใช่โมเดลที่รันบนเครื่องในออฟฟิศ ข้อสาม คำว่า “ปลายเดือน” เราเห็น Muse Spark 1.2 สัญญาไว้แล้วยังไม่มาตามนัด ส่วน Beam ก็สัญญาไว้แบบเดียวกันเมื่อวาน

ประเด็นที่น่าคิดที่สุดคือการตลาดเรื่อง cyber Mistral กำลังบอกว่าการที่โมเดลปิดปฏิเสธงานช่องโหว่คือ “ความเสี่ยง” ของฝ่ายป้องกัน ข้อนี้มีส่วนจริงสำหรับทีม SOC ที่ต้องพิสูจน์ช่องโหว่ แต่ก็หมายความว่าความสามารถเดียวกันจะอยู่บนดิสก์ของทุกคนที่โหลดน้ำหนักไป ไม่มี provider คอยกั้นอีกต่อไป เมื่อน้ำหนักออก เราจะเช็กไฟล์ LICENSE ดิบ, config.json และผลอิสระจาก Artificial Analysis ก่อนจะสรุปว่ามันคือ “frontier open-weight จากยุโรป” อย่างที่ประกาศไว้จริงหรือไม่

---

แหล่งข่าว

• Mistral AI — Introducing Mistral Large 4
• Mistral Docs — Mistral Large 4 (สเปก, context, ราคา)
• Mistral Docs — Models Overview (ตารางไลเซนส์)