มิสทรัลกลับมาแล้ว: เลอ ชงค์ โค่น GPT-6 Astra และ Claude

Mistral เงียบหายไปจากตลาดระดับบนพักใหญ่ Mistral Large 3 เปิดตัวในเดือนธันวาคม 2025 และตั้งแต่นั้นมา การสนทนาเกี่ยวกับโมเดลโอเพนเวทระดับแนวหน้าก็มุ่งไปที่ Kimi, DeepSeek, GLM และ Qwen เมื่อวันที่ 6 ตุลาคม 2026 Mistral ได้กลับมาพร้อมกับ Mistral Large 4 ซึ่งเป็นโมเดลขนาด 1 ล้านล้านพารามิเตอร์ที่ทีมงานเรียกว่า “Le Chonk”

ลองใช้ Apidog วันนี้

ตัวเลขพาดหัวข่าวคือผลการทดสอบไซเบอร์เบนช์มาร์กที่ Large 4 ทำคะแนนได้ 82% ในขณะที่ Claude Opus 5.5 และ GPT-6 Astra ทำคะแนนได้เกือบศูนย์ ซึ่งเป็นเรื่องจริงและปรากฏอยู่บนหน้าเปิดตัวของ Mistral แต่ต้องมีบริบทก่อนนำไปใช้ตัดสินใจ บทความนี้สรุปข้อมูลจำเพาะ ราคา จุดแข็ง ข้อจำกัด และวิธีทดสอบ Large 4 กับ API ของคุณเอง

สรุป

• มันคืออะไร: โมเดลแบบ Mixture-of-Experts ที่มีพารามิเตอร์รวม 1.05 ล้านล้านตัว, พารามิเตอร์ที่ทำงานอยู่ 49 พันล้านตัว, ตัวเข้ารหัสภาพ 1.6 พันล้านตัว, รองรับอินพุตข้อความและรูปภาพ และมี context window 1 ล้านโทเค็น
• หาได้จากที่ไหน: พรีวิวสาธารณะบน Mistral API ด้วย ID mistral-large-4 น้ำหนักโมเดลจะออก “ภายในสิ้นเดือน” หรือประมาณวันที่ 27 ตุลาคม
• ราคา: ราคาเต็มคือ $1.36 สำหรับอินพุตและ $4.18 สำหรับเอาต์พุตต่อ 1 ล้านโทเค็น ช่วงพรีวิวแสดงราคา $0.68 / $2.09 และอินพุตที่แคชไว้ราคา $0.07
• ชัยชนะด้านไซเบอร์: ทำได้ 82% ในการจำลองช่องโหว่ AA Cyber Index ขณะที่ Opus 5.5 และ Astra ได้เกือบศูนย์ เพราะปฏิเสธทำงาน ไม่ใช่เพราะทำงานไม่สำเร็จ
• ข้อจำกัดที่ชัดเจน: ในการให้คะแนนคุณภาพโค้ดโดยมนุษย์ Claude Opus 5 ได้ 4.22 ส่วน Large 4 ได้ 3.74

ทำไมจึงบอกได้ว่า Mistral กลับมาแล้ว

ตลอดปี 2026 โมเดลโอเพนเวทที่แข็งแกร่งที่สุดส่วนใหญ่มาจากประเทศจีน Mistral ยังคงเปิดตัวโมเดลอย่าง Medium 3.5, Devstral 2 และ Small 4 แต่ยังไม่มีรุ่นใดแข่งขันกับโมเดลปิดระดับแนวหน้าได้โดยตรงในตลาดของตน

Large 4 เปลี่ยนภาพนี้ Mistral อ้างว่าโมเดล “มีประสิทธิภาพเหนือกว่าโมเดลโอเพนเวทใดๆ ที่พัฒนาในสหรัฐอเมริกาหรือยุโรปอย่างเห็นได้ชัด” โมเดลได้รับการฝึกตั้งแต่ต้นบน NVIDIA Grace Blackwell GPU จำนวน 3,800 ตัวในศูนย์ข้อมูลของ Mistral เองในยุโรป ครอบคลุมมากกว่า 160 ภาษา รวมถึงภาษาราชการทั้งหมดของสหภาพยุโรป และเปิดตัวไม่กี่สัปดาห์หลังการระดมทุน Series D มูลค่า 3 พันล้านยูโร

จังหวะเปิดตัวยังมีความสำคัญ Large 4 มาหลัง Reflection เปิดตัวโมเดล Beam แบบโอเพนเวทไม่นาน ทำให้การแข่งขันโมเดลเปิดระหว่างสหรัฐฯ จีน และยุโรปมีผู้เล่นรายสำคัญเพิ่มขึ้น

หัวข้อข่าวไซเบอร์: อ่านผลลัพธ์ให้ถูกต้อง

ผลลัพธ์ที่ถูกแชร์มากที่สุดมาจาก Artificial Analysis Cyber Index ซึ่งให้โมเดลจำลองช่องโหว่จริงในซอฟต์แวร์โอเพนซอร์สและแพตช์ช่องโหว่นั้น Mistral รายงานว่า Large 4 ทำได้ 82% ซึ่งสูงที่สุดในกลุ่มโมเดลที่ทดสอบ

แต่ Mistral ระบุข้อควรระวังไว้เองว่า โมเดลปิดชั้นนำหลายตัว รวมถึง Claude Opus 5.5 และ GPT-6 Astra ได้คะแนนเกือบศูนย์ เพราะปฏิเสธทำงานในลักษณะดังกล่าว

อ่านผลลัพธ์ได้ดังนี้:

ข้ออ้าง	ความหมายที่แท้จริง
“Large 4 เอาชนะ Astra และ Opus 5.5 ด้านไซเบอร์”	ในการทดสอบนี้ โมเดลปิดปฏิเสธตอบ ขณะที่ Large 4 ตอบและมักทำงานสำเร็จ
“Large 4 เป็นโมเดลแฮกที่ดีที่สุด”	ยังสรุปไม่ได้ เพราะการปฏิเสธเป็นตัวเลือกเชิงนโยบาย ไม่ใช่ข้อจำกัดด้านความสามารถ
“Large 4 ไม่ปลอดภัย”	ยังสรุปไม่ได้เช่นกัน Mistral รายงานอัตราการปฏิเสธเฉลี่ยต่อข้อความสั่งด้านไซเบอร์จาก JailbreakBench, StrongREJECT และ AgentHarm สูงกว่าโมเดลโอเพนเวทอื่นทั้งหมด

มีความสามารถเชิงปฏิบัติรองรับผลลัพธ์นี้ Large 4 แก้ Cybench ได้ 93% ซึ่งเป็นชุดแบบฝึกหัดจับธง 40 แบบ และต้านทานการโจมตีใน B3 Agent Security Benchmark ได้ 93.3%

สำหรับทีมรักษาความปลอดภัย จุดสำคัญคือความสามารถในการโฮสต์โมเดลเองเพื่อช่วยจำลองและแพตช์ CVE ในโค้ดขององค์กร โดยยังคงปฏิเสธคำขอที่เป็นอันตรายส่วนใหญ่ สำหรับทีม API นี่อาจเป็นทางเลือกในการทำงานกับข้อมูลและฮาร์ดแวร์ของคุณเอง แทนการพึ่งพาตัวกรองนโยบายของผู้ให้บริการรายอื่น

จุดที่ Large 4 เอาชนะ GPT-6 Astra นอกเหนือจากไซเบอร์

ผลไซเบอร์อาจสะดุดตา แต่มีอีกสองจุดที่ Large 4 นำ Astra ในงานที่ทั้งสองโมเดลพยายามทำจริง:

มาตรฐาน	Mistral Large 4	GPT-6 Astra	หมายเหตุ
Dense 200 — การระบุตำแหน่งภาพ	42%	41%	นำ 1 คะแนน เป็นผลต่างจริงแต่ไม่มาก
Finance Agent v2 (vals.ai)	นำหน้า	ตามหลัง	Mistral รายงานอันดับ ไม่ใช่คะแนน
Harvey Legal Agent Benchmark	โมเดลเปิดที่ดีที่สุด	ระบุไว้	ไม่มีตัวเลขเปรียบเทียบโดยตรงเผยแพร่

เมื่อเทียบกับโมเดลโอเพนเวทอื่น ช่องว่างที่ Mistral รายงานมีดังนี้:

มาตรฐาน	Mistral Large 4	เอาชนะใคร
AutomationBench — 657 เวิร์กโฟลว์	59.9%	Kimi K3, DeepSeek V4 Pro
AA-Briefcase — งานที่ต้องใช้ความรู้	1,393 Elo	DeepSeek V4 Pro
DeepSWE v1.1 — การเขียนโค้ด	61.7%	นำโมเดลโอเพนเวท
SWE-Atlas-QnA	59.4%	—
Terminal-Bench 4.0	28.3%	—

ทั้งหมดเป็นตัวเลขที่ Mistral รายงานจากโมเดลพรีวิว ยังไม่มีห้องปฏิบัติการอิสระทำการทดสอบซ้ำ และ Euronews รายงานว่าการเรียนรู้แบบเสริมแรงยังอยู่ในช่วงสรุปผล ณ เวลาเปิดตัว จึงควรมองตัวเลขเหล่านี้เป็นสัญญาณที่แข็งแกร่ง ไม่ใช่ข้อสรุปสุดท้าย

จุดที่ Large 4 ยังพ่ายแพ้

Mistral เผยแพร่ผลหนึ่งที่แสดงให้เห็นว่าโมเดลปิดยังนำอยู่ชัดเจน ในการประเมินคุณภาพโค้ดโดยมนุษย์ของ Surge AI ซึ่งครอบคลุมห้าโมเดล Large 4 Preview อยู่อันดับสอง:

โมเดล	คะแนนการเขียนโค้ดโดยมนุษย์ (เต็ม 5)
Claude Opus 5	4.22
Mistral Large 4 Preview	3.74
GLM-5.3	3.60
Kimi K3	3.59
GLM-5.2	3.40

Large 4 ชนะโมเดลโอเพนเวทชั้นนำจากจีน แต่ยังตาม Claude อยู่ประมาณครึ่งคะแนน ดังนั้นคำอธิบายของ Mistral ว่า Large 4 กำลัง “ลดช่องว่าง” กับโมเดลแนวหน้าในงานเขียนโค้ดจึงตรงกับข้อมูลมากที่สุด

สิ่งที่ยังไม่มีในเอกสารเปิดตัวคือข้อมูลเปรียบเทียบกับ Claude Fable 5.1 หรือ GPT-6 Sol หากพบคำกล่าวว่า Large 4 เอาชนะ Fable ให้ขอผลมาตรฐานและวิธีวัดก่อนเสมอ

ข้อมูลจำเพาะโดยย่อ

ข้อมูลจำเพาะ	Mistral Large 4
ID โมเดล API	mistral-large-4 หรือ alias mistral-large-4-0
เวอร์ชัน	26.10, พรีวิวสาธารณะ
สถาปัตยกรรม	Mixture-of-Experts, การสั่งงานแบบไฮบริดและการให้เหตุผล
พารามิเตอร์	รวม 1.05 ล้านล้าน, ทำงานอยู่ 49 พันล้าน, vision encoder 1.6 พันล้าน
Context window	1 ล้านโทเค็น
อินพุต	ข้อความ, รูปภาพ
การให้เหตุผล	พารามิเตอร์ reasoning_effort รองรับ "high" และ "none"
เครื่องมือ	Function calling, structured output, เครื่องมือเอเจนต์ในตัว
เอนด์พอยต์	/v1/chat/completions, /v1/conversations, /v1/agents, /v1/batch
น้ำหนักโมเดล	เปิดภายในสิ้นเดือนตุลาคม 2026; ยังไม่เผยแพร่ใบอนุญาต

ราคา: โมเดลระดับแนวหน้าที่ต้นทุนต่ำ

ทีม API ควรให้ความสำคัญกับส่วนนี้ หน้าเพจราคา Mistral แสดงราคา Large 4 ที่ครึ่งหนึ่งของราคาเต็มในช่วงพรีวิว:

โมเดล	อินพุต / 1 ล้านโทเค็น	เอาต์พุต / 1 ล้านโทเค็น	น้ำหนักโมเดลแบบเปิด
Mistral Large 4 — ราคาพรีวิว	$0.68	$2.09	ใช่, ปลายเดือนตุลาคม
Mistral Large 4 — ราคาเต็ม	$1.36	$4.18	ใช่, ปลายเดือนตุลาคม
Claude Opus 5.5	$4.00	$20.00	ไม่
GPT-6 Astra	$10.00	$50.00	ไม่

ในราคาพรีวิว ค่าเอาต์พุตของ Large 4 อยู่ที่ประมาณหนึ่งในยี่สิบสี่ของ Astra แม้ใช้ราคาเต็มก็ยังถูกกว่าประมาณ 12 เท่าสำหรับเอาต์พุต

อินพุตที่แคชไว้ลดเหลือ $0.07 ต่อหนึ่งล้านโทเค็น ซึ่งมีประโยชน์กับเอเจนต์ที่ส่ง system prompt และ tool definition เดิมซ้ำในทุกเทิร์น

Mistral ยังไม่ได้ระบุวันสิ้นสุดส่วนลดพรีวิว ดังนั้นควรวางงบประมาณโดยอิงราคาเต็ม

คุณควรเปลี่ยนไปใช้หรือไม่?

ลองใช้เลยหาก

• คุณใช้งานเวิร์กโฟลว์เอเจนต์หรือระบบอัตโนมัติสำหรับงานที่ต้องใช้ความรู้ และต้องการลดต้นทุนโมเดลระดับแนวหน้า
• คุณต้องการเอาต์พุตหลายภาษา โดยเฉพาะภาษาในสหภาพยุโรป หรือการอนุมานที่โฮสต์ในสหภาพยุโรปเพื่อเหตุผลด้านการปฏิบัติตามกฎระเบียบ
• คุณทำงานด้านความปลอดภัยเชิงป้องกันและมักเจอการปฏิเสธเมื่อจำลองช่องโหว่ที่ถูกต้องตามกฎหมาย
• คุณต้องการตัวเลือกในการโฮสต์โมเดลระดับแนวหน้าด้วยตัวเองในอีกไม่กี่สัปดาห์ข้างหน้า

รอก่อนหาก

• คุณภาพโค้ดเป็นตัวชี้วัดหลัก เพราะ Claude ยังนำในการให้คะแนนการเขียนโค้ดโดยมนุษย์
• คุณต้องการผลที่ตรวจสอบซ้ำได้ก่อนนำไปใช้จริง ควรรอผลเบนช์มาร์กอิสระหลังน้ำหนักโมเดลเปิดตัว
• คุณใช้ Large 3 ใน production อยู่แล้ว เพราะรุ่นพรีวิวอาจเปลี่ยนแปลง และ Mistral ยังไม่ได้เผยแพร่ ID เวอร์ชันเสถียร

วิธีทดสอบ Large 4 กับ API ของคุณเองใน Apidog

เบนช์มาร์กบอกว่าโมเดลทำงานกับโจทย์ของผู้อื่นได้อย่างไร แต่การตัดสินใจใช้งานควรมาจาก prompt, payload และ API contract ของคุณเอง คุณสามารถใช้ Apidog เพื่อเปรียบเทียบ Large 4 กับโมเดลปัจจุบันโดยไม่ต้องสร้างสคริปต์ทดสอบใหม่

1. สร้างคำขอพื้นฐานหนึ่งรายการ สร้างคำขอ POST https://api.mistral.ai/v1/chat/completions เก็บคีย์ไว้ใน environment variable และตั้งค่า header:

   Authorization: Bearer {{MISTRAL_API_KEY}}
   Content-Type: application/json

1. เริ่มด้วย payload ที่ทดสอบได้จริง ตั้งค่าเฉพาะฟิลด์ model ให้เป็น mistral-large-4 และใช้ prompt เดียวกับที่แอปพลิเคชันของคุณใช้งานจริง

   {
     "model": "mistral-large-4",
     "messages": [
       {
         "role": "user",
         "content": "สรุปความเสี่ยงของ API นี้และเสนอรายการตรวจสอบสำหรับการทดสอบ"
       }
     ],
     "reasoning_effort": "high"
   }

1. โคลนคำขอตามโมเดล
   
   ทำสำเนาคำขอ แล้วเปลี่ยนเฉพาะค่า model เป็นโมเดลปัจจุบันของคุณ ส่งทั้งสองคำขอเพื่อเปรียบเทียบ response, status, latency, ขนาด payload และบล็อก usage สำหรับคำนวณต้นทุน

2. เพิ่ม assertions สำหรับ regression test
   
   ตรวจสอบ status 200 ตรวจว่าคำตอบไม่ว่างเปล่า และตรวจ JSON Schema หากคุณขอ structured output วิธีนี้จะเปลี่ยนการลองครั้งเดียวเป็นชุดทดสอบที่รันซ้ำได้

3. รันทดสอบซ้ำเมื่อโมเดลเปลี่ยนเวอร์ชัน
   
   จัดคำขอเป็นสถานการณ์ทดสอบ เช่น extraction, summarization, tool calling, API documentation และ security review จากนั้นรันซ้ำเมื่อ Mistral อัปเดตรุ่นพรีวิวหรือเปิดตัวน้ำหนักโมเดล เพื่อจับคุณภาพที่ลดลงก่อนผู้ใช้จะพบปัญหา

จุดแข็งของ Large 4 สอดคล้องกับงาน API โดยตรง ผลลัพธ์ด้านความปลอดภัยอาจทำให้มันเหมาะเป็นผู้ตรวจสอบลำดับที่สองสำหรับ การทดสอบความปลอดภัย API เช่น การจำลองการข้ามการยืนยันตัวตนใน API staging ของคุณเอง

Function calling และ structured output ยังช่วยให้คุณเปลี่ยน OpenAPI spec ที่ออกแบบใน Apidog ให้เป็น tool definition ที่เอเจนต์เรียกใช้ได้

สำหรับตัวอย่างใช้งานแบบเต็ม รวมถึงคีย์ การตั้งค่า reasoning รูปภาพ function calling และการคำนวณต้นทุน ดู คู่มือ API ของ Mistral Large 4 หากคุณกำลังย้ายจากโมเดล Mistral รุ่นเก่า พื้นฐาน API ของ Mistral AI และ คู่มือ API ของ Mistral Medium 3.5 ยังคงใช้ได้: URL พื้นฐานและการยืนยันตัวตนเหมือนเดิม ต่างกันที่ ID โมเดล

คำถามที่พบบ่อย

Mistral Large 4 เป็นโอเพนซอร์สหรือไม่?

เป็นโมเดลแบบโอเพนเวท Mistral ระบุว่าน้ำหนักโมเดลจะเปิดตัวภายในสิ้นเดือนตุลาคม 2026 แต่ยังไม่ได้เผยแพร่ใบอนุญาต จึงไม่ควรสันนิษฐานว่าจะเป็น Apache 2.0 แบบ Large 3

Mistral Large 4 เอาชนะ GPT-6 Astra ได้จริงหรือ?

ตามตัวเลขของ Mistral โมเดลนำ Astra ใน visual grounding ที่ 42% เทียบกับ 41% และนำใน Finance Agent v2 ส่วนผลทดสอบช่องโหว่ไซเบอร์ที่ Astra ได้เกือบศูนย์เกิดจากการปฏิเสธ จึงไม่ใช่ชัยชนะแบบตัวต่อตัว

มันเอาชนะ Claude ได้หรือไม่?

ไม่ใช่ด้านคุณภาพโค้ด Claude Opus 5 นำในการประเมินการเขียนโค้ดโดยมนุษย์ที่ 4.22 ต่อ 3.74 และ Claude Opus 5.5 ปฏิเสธงานจำลองช่องโหว่ไซเบอร์ จึงได้เกือบศูนย์ในส่วนนั้น

“Le Chonk” หมายถึงอะไร?

เป็นชื่อเล่นไม่เป็นทางการของ Mistral สำหรับโมเดลนี้ เป็นมุกเกี่ยวกับขนาดโมเดล ชื่อทางการคือ Mistral Large 4 หรือ ML4

ฉันสามารถใช้ได้ฟรีหรือไม่?

แผนฟรีของ Mistral มีเครดิต API มูลค่า $10 ต่อเดือน และเข้าถึงโมเดลล่าสุดใน Le Chat และ Vibe ที่ราคาพรีวิว $10 ซื้อเอาต์พุต Large 4 ได้ประมาณ 4.8 ล้านโทเค็น

สรุป

Mistral กลับเข้าสู่การสนทนาระดับแนวหน้าอีกครั้ง Large 4 เป็นโมเดลโอเพนเวทที่แข็งแกร่งที่สุดจากนอกประเทศจีนตามตัวเลขของ Mistral มีต้นทุนเพียงส่วนหนึ่งของ Astra หรือ Opus 5.5 และจะสามารถทำงานบนฮาร์ดแวร์ของคุณเองได้ภายในไม่กี่สัปดาห์

ข้อความว่า “เอาชนะ Astra และ Claude ด้านไซเบอร์” เป็นจริงในเชิงผลทดสอบ แต่ได้รับอิทธิพลจากการปฏิเสธของโมเดลปิด ส่วนข้อสรุปที่ตรงไปตรงมาสำหรับงานเขียนโค้ดคือ Large 4 ยังเป็นรอง Claude

ทดสอบด้วย workload และ API contract ของคุณเองก่อน ใช้ราคาพรีวิวเป็นโอกาสในการเก็บข้อมูลเปรียบเทียบ แต่รอผลเบนช์มาร์กจากหน่วยงานอิสระหลังวันที่ 27 ตุลาคมก่อนตัดสินใจใช้งานใน production