Mistral Large 4 เปิดทดลอง โมเดล open-weight 1 ล้านล้านพารามิเตอร์จากยุโรป
Mistral เปิดทดลอง Mistral Large 4 เมื่อ 6 ต.ค. 2026 โมเดลมัลติโมดัล 1 ล้านล้านพารามิเตอร์ ฝึกบน GPU 3,800 ตัวในยุโรป ทดลองผ่าน API และปล่อยน้ำหนักปลายตุลาคม
โดย กองบรรณาธิการ THAI DATA อ่าน 4 นาที
สรุปประเด็นสำคัญ
- Mistral เปิด Mistral Large 4 (ML4) รุ่นทดลองเมื่อ 6 ตุลาคม 2026 ทดลองผ่าน API บน Mistral Studio และจะปล่อยน้ำหนักโมเดล (open weights) ภายในสิ้นเดือนตุลาคม
- เป็นโมเดลมัลติโมดัลขนาด 1 ล้านล้านพารามิเตอร์ ใช้งานจริงครั้งละ 52,000 ล้านพารามิเตอร์ ฝึกตั้งแต่ต้นบน GPU NVIDIA Grace Blackwell 3,800 ตัว ในศูนย์ข้อมูลของ Mistral ในยุโรป
- Mistral ชูงานความปลอดภัยไซเบอร์ โมเดลทำได้ 50 ข้อ ใน Artificial Analysis Cyber Index และแก้โจทย์ Cybench ได้ 93% จาก 40 ข้อ
- ในกราฟของ Mistral เอง ML4 ได้ 62 คะแนนใน DeepSWE 1.1 ตามหลัง Kimi K3 ที่ได้ 68 จึงไม่ได้นำทุกการทดสอบ
- ข้อมูลฝึกครอบคลุมกว่า 160 ภาษา รวมทุกภาษาทางการของสหภาพยุโรป แต่ประกาศไม่ได้ระบุผลภาษาไทย
Mistral บริษัท AI จากฝรั่งเศส เปิดทดลอง Mistral Large 4 เมื่อวันที่ 6 ตุลาคม 2026 เป็นโมเดลมัลติโมดัลขนาด 1 ล้านล้านพารามิเตอร์ที่ใหญ่ที่สุดของบริษัท นักพัฒนาทดลองได้แล้วผ่าน API รุ่นพรีวิวบน Mistral Studio และ Mistral จะปล่อยน้ำหนักโมเดล (open weights) ภายในสิ้นเดือนตุลาคม
Mistral เรียกโมเดลนี้อย่างไม่เป็นทางการว่า ML4 และตั้งชื่อเล่นว่า "le Chonk" บริษัทวางตำแหน่ง Mistral Large 4 เป็นโมเดลน้ำหนักเปิดที่ทำผลงานใกล้โมเดลเปิดที่ดีที่สุดของโลก และเหนือกว่าโมเดลน้ำหนักเปิดที่พัฒนาในสหรัฐฯ หรือยุโรปทุกตัว
Reuters รายงานว่า Mistral เปิดตัวโมเดลนี้ในงานที่อาบูดาบี เป็นโมเดลหลักตัวแรกนับจากเดือนพฤษภาคม และบริษัทระบุว่า Mistral Large 4 จะเปิดให้ใช้ทั่วไปวันที่ 27 ตุลาคม 2026 Arthur Mensch ซีอีโอของ Mistral กล่าวว่าโมเดลทำได้ดีกว่าโมเดลจีนในบางด้าน รวมถึงงานไซเบอร์ แต่ไม่ได้ระบุว่าเทียบกับโมเดลหรือชุดทดสอบใด
สเปกและการฝึก Mistral Large 4
Mistral Large 4 มีพารามิเตอร์รวม 1 ล้านล้านตัว แต่ใช้งานจริงครั้งละ 52,000 ล้านพารามิเตอร์ต่อการประมวลผลหนึ่งครั้ง รับข้อมูลได้หลายรูปแบบตั้งแต่ต้น (natively multimodal) Mistral ฝึกโมเดลตั้งแต่ศูนย์บน GPU NVIDIA Grace Blackwell 3,800 ตัวในศูนย์ข้อมูลของบริษัทเองในยุโรป และให้บริการรุ่นพรีวิวบนโครงสร้างพื้นฐานชุดเดียวกัน
ข้อมูลฝึกส่วนใหญ่เป็นหลายภาษา ครอบคลุมกว่า 160 ภาษา รวมทุกภาษาทางการของสหภาพยุโรป Mistral ระบุว่าจะเปิดให้บริการหลายภูมิภาคทั่วโลก รวมถึงระบบในยุโรปที่บริษัทดำเนินการเองทั้งหมดโดยไม่พึ่งผู้ให้บริการดิจิทัลรายอื่นและอยู่ภายใต้กฎหมายยุโรป
ก่อนปล่อยน้ำหนัก Mistral กำลังทดสอบเชิงรุก (red-teaming) ร่วมกับผู้นำด้านความปลอดภัยไซเบอร์ พันธมิตรที่ผ่านการคัดเลือก และหน่วยงานรัฐ ซึ่งจะได้ใช้โมเดลเดียวกันโดยมีการกลั่นกรองเนื้อหาน้อยลงและเปิดความสามารถด้านไซเบอร์มากขึ้น
งานความปลอดภัยไซเบอร์คือจุดขายหลัก
Mistral ระบุว่า Mistral Large 4 ติดห้าอันดับแรกของโลกใน Artificial Analysis Cyber Index ซึ่งวัดความสามารถในการหาและแก้ช่องโหว่ในซอฟต์แวร์จริง และนำโมเดลน้ำหนักเปิดที่พัฒนานอกจีน ในกราฟของ Mistral โมเดลทำสำเร็จ 50 ข้อ มากกว่า Claude Opus 5.5 ที่ทำได้ 29 ข้อ และ GPT-6 Astra ที่ทำได้ 33 ข้อ ส่วนหนึ่งเพราะสองโมเดลนั้นปฏิเสธงานด้วยระบบความปลอดภัย 36 และ 38 ข้อตามลำดับ
ในการทดสอบย่อยที่ให้โมเดลจำลองช่องโหว่จริงในซอฟต์แวร์โอเพนซอร์สแล้วแก้ไข ML4 ได้ 82% สูงที่สุดในทุกโมเดล และแก้โจทย์ Cybench ได้ 93% จาก 40 ข้อที่มาจากการแข่งขันด้านความปลอดภัย Mistral ให้เหตุผลว่าทีมป้องกันต้องพิสูจน์ได้ว่าช่องโหว่มีอยู่จริงก่อนแก้ แต่ตัวกรองของโมเดลปิดอาจปฏิเสธงานลักษณะนี้
บริษัทยังระบุว่าบนชุดทดสอบ B3 ของ Lakera โมเดลต้านการโจมตีแบบ prompt injection ได้ 93.3% และปฏิเสธคำขอโจมตีไซเบอร์ที่เป็นอันตรายในอัตราสูงกว่าโมเดลโอเพนซอร์สตัวอื่นที่ทดสอบ
ผลด้านโค้ดและงานเอเจนต์ ไม่ได้นำทุกการทดสอบ
ด้านการเขียนโค้ด Mistral Large 4 ได้ 61.7% ใน DeepSWE v1.1, 59.4% ใน SWE-Atlas-QnA และ 28.3% ใน Terminal-Bench 4 คะแนนรวม Coding Agent Index 49.8% สูงกว่า DeepSeek V4 Pro 0813 และ Qwen3.8 Max แต่ในกราฟ DeepSWE 1.1 ของ Mistral เอง Kimi K3 ที่ใช้คู่กับ Kimi Code CLI ได้ 68 คะแนน สูงกว่า ML4 ที่ได้ 62
ในการประเมินคุณภาพโค้ดแบบปิดชื่อโดย Surge AI ผู้ประเมินให้ ML4 อยู่อันดับสองจากห้าโมเดล (3.74 จาก 5) รองจาก Claude Opus 5 (4.22) ส่วนงานเอเจนต์ทางธุรกิจใน AutomationBench ซึ่งมี 657 workflow ข้ามแอปอย่าง Gmail, Google Sheets, Slack และ Salesforce ML4 ได้ 59.9% สูงกว่า Kimi K3 และ DeepSeek V4 Pro แต่ในกราฟเดียวกัน GLM-5.3 ได้ 62.2%
ด้านภาพ ML4 ได้ 42% ในชุดทดสอบ Dense 200 สูงกว่า GPT-6 Astra ที่ได้ 41% ทุกตัวเลขเหล่านี้เป็นผลที่ Mistral คัดเลือกมาเผยแพร่เอง บางรายการประเมินโดย Artificial Analysis และ vals.ai
ผลต่อองค์กรไทย
- ทีมที่ต้องการ AI แบบ sovereign เมื่อน้ำหนักโมเดลออกปลายเดือนตุลาคม องค์กรจะรัน Mistral Large 4 บนโครงสร้างพื้นฐานของตัวเองได้ ข้อมูลไม่ต้องออกนอกองค์กร เหมาะกับงานที่ต้องคำนึงถึง PDPA แต่ที่ความแม่นยำ 8 บิต น้ำหนักโมเดลมีขนาดราว 1 TB จึงต้องใช้คลัสเตอร์ GPU ขนาดใหญ่
- ทีมความปลอดภัยไซเบอร์ ทดลองใช้กับงานวิเคราะห์มัลแวร์ จัดลำดับช่องโหว่ และเขียนกฎตรวจจับ ซึ่ง Mistral ระบุว่าโมเดลทำได้ดีในการทดสอบภายใน แต่ควรวางนโยบายการใช้งานและบันทึกการใช้ให้ตรวจสอบได้
- ทีมที่ใช้ภาษาไทย ประกาศไม่ได้ระบุผลด้านภาษาไทย ควรทดสอบกับเอกสารและคำถามภาษาไทยจริงก่อนนำไปใช้ ดูข่าว AI เพิ่มเติมได้ที่หมวด AI
คำถามที่พบบ่อย
Mistral Large 4 คืออะไร?
Mistral Large 4 คือโมเดล AI รุ่นใหญ่ที่สุดของ Mistral บริษัทจากฝรั่งเศส เปิดทดลองเมื่อ 6 ตุลาคม 2026 เป็นโมเดลมัลติโมดัลขนาด 1 ล้านล้านพารามิเตอร์ ใช้งานจริงครั้งละ 52,000 ล้านพารามิเตอร์ และจะเปิดน้ำหนักโมเดลให้ดาวน์โหลดภายในสิ้นเดือนตุลาคม 2026
Mistral Large 4 ใช้ได้เมื่อไรและที่ไหน?
ตอนนี้ทดลอง Mistral Large 4 ได้ผ่าน API รุ่นพรีวิวบน Mistral Studio ส่วนน้ำหนักโมเดลจะปล่อยภายในสิ้นเดือนตุลาคม 2026 Mistral ระบุว่าจะให้บริการหลายภูมิภาคทั่วโลก รวมถึงระบบในยุโรปที่บริษัทดำเนินการเองภายใต้กฎหมายยุโรป
Mistral Large 4 เก่งกว่าโมเดลอื่นหรือไม่?
ขึ้นกับงาน ตามผลที่ Mistral เผยแพร่ Mistral Large 4 ทำคะแนน Artificial Analysis Cyber Index สูงกว่าโมเดลอื่นในกราฟ แต่ใน DeepSWE 1.1 ได้ 62 คะแนน ตามหลัง Kimi K3 ที่ได้ 68 และใน AutomationBench ได้ 59.9% ตามหลัง GLM-5.3 องค์กรจึงควรทดสอบกับงานของตนเอง
องค์กรไทยรัน Mistral Large 4 บนเซิร์ฟเวอร์ของตัวเองได้ไหม?
ได้หลังจาก Mistral ปล่อยน้ำหนักโมเดลปลายเดือนตุลาคม 2026 แต่โมเดล 1 ล้านล้านพารามิเตอร์ต้องใช้ GPU หน่วยความจำรวมสูงมาก ที่ความแม่นยำ 8 บิต น้ำหนักโมเดลมีขนาดราว 1 TB จึงเหมาะกับองค์กรที่มีคลัสเตอร์ GPU หรือใช้ผ่าน API มากกว่า
แหล่งอ้างอิง
- Introducing Mistral Large 4 — Mistral AI
- France's Mistral launches AI model it says outperforms some Chinese rivals — Reuters (via Rappler)
พบข้อมูลคลาดเคลื่อน? แจ้งกองบรรณาธิการ