ตอนนี้นักพัฒนาเรียกใช้ผ่าน API ของ Mistral ได้เลย ส่วนน้ำหนักโมเดลที่ให้โหลดมาใช้เองจะปล่อยวันที่ 27 ต.ค. ช่วงสามสัปดาห์นี้บริษัทจะทดสอบกับนักพัฒนา บริษัทความปลอดภัยไซเบอร์ และหน่วยงานรัฐไปก่อน
จุดที่ควรรู้
- เป็นโมเดล Mixture-of-Experts ขนาดรวม 1.05 ล้านล้านพารามิเตอร์ แต่ใช้งานจริงแค่ 49 พันล้านต่อครั้ง มีตัวเข้ารหัสภาพขนาด 1.6 พันล้าน
- รับได้ทั้งข้อความและรูป แต่ตอบกลับเป็นข้อความอย่างเดียว context ยาว 1 ล้านโทเคน
- ราคาในหน้า docs ของ Mistral อินพุต 1.36 ดอลลาร์ต่อล้านโทเคน อินพุตที่แคชไว้ 0.14 ดอลลาร์ เอาต์พุต 4.18 ดอลลาร์ ถ้าใช้แบบ batch ลดลงครึ่งหนึ่ง
- เทรนใหม่ตั้งแต่ศูนย์ราวสองเดือน ใช้ชิป Grace Blackwell ของ NVIDIA ประมาณ 4,000 ตัว ในดาต้าเซ็นเตอร์ของ Mistral เองในยุโรป
- เทรนด้วยข้อมูลมากกว่า 160 ภาษา รวมทุกภาษาทางการของสหภาพยุโรป
- คะแนนเบื้องต้นที่บริษัทให้มา งานเขียนโค้ดยาวๆ ในชุดทดสอบ DeepSWE ได้ 62% สูงกว่า GLM-5.3 ที่ 61% และ DeepSeek V4 Pro ที่ 57% ส่วน Beam ของ Reflection ได้ 44%
- งานที่เด่นสุดคือการหาวัตถุในภาพถ่ายดาวเทียม ได้ 73% ส่วน GPT-6 Astra ได้ 68% ด้านงานการเงินได้ 67% เท่ากับ DeepSeek V4 Pro
- เป็นโมเดลแรกที่ออกมาหลังบริษัทระดมทุนรอบ Series D 3 พันล้านยูโรเมื่อเดือนกันยายน
อย่าเข้าใจผิด
- วันนี้เป็นรุ่นพรีวิว รอบ reinforcement learning ยังไม่จบ บริษัทบอกเองว่าคะแนนน่าจะเปลี่ยนก่อนปล่อยน้ำหนักจริง
- ตัวเลขเบนช์ทั้งหมดมาจาก Mistral ยังไม่มีคนนอกวัดซ้ำ และยังไม่ได้แปลว่าชนะทุกโมเดลปิด
- น้ำหนักที่จะปล่อยใช้ไลเซนส์ของ Mistral เอง ไม่ใช่ Apache 2.0 แบบ Large 3
สรุป
Large 4 ใหญ่กว่า Large 3 ที่มี 675 พันล้านพารามิเตอร์ราว 1.5 เท่า และเป็นตัวที่ยุโรปเอามาสู้โมเดลเปิดจากจีนตรงๆ ใครอยากได้โมเดลใหญ่ที่เอาไปรันบนเครื่องตัวเองได้ น่าจะรอดูวันที่ 27 ต.ค. ว่าคะแนนตัวจริงจะออกมาเท่าไหร่
แหล่ง: Mistral docs (docs.mistral.ai/models/mistral-large-4-0) · 6 ต.ค. 2026