จุดตรวจสอบ Le Chonk ขนาด 1 ล้านล้านพารามิเตอร์ของ Mistral เปิดให้ดาวน์โหลดบน Hugging Face

เมื่อวันที่ 29 ตุลาคม 2026 Mistral AI เปิดเผยน้ำหนักของ Mistral Large 4 ซึ่งเป็นโมเดลเรือธงแบบหลายโมดัลโดยกำเนิดขนาด 1 ล้านล้านพารามิเตอร์ที่รู้จักกันในชื่อ Le Chonk ทำให้สามารถดาวน์โหลดจุดตรวจสอบจาก Hugging Face ไปโฮสต์ใช้งานเองได้ และใช้งานผ่าน API รวมถึงแพลตฟอร์มพันธมิตรได้ภายใต้สัญญาอนุญาตแบบเปิดเผยน้ำหนัก MIT ฉบับปรับแก้

การเปิดตัวครั้งนี้เกิดขึ้นหลังจากเปิดให้ทดลองใช้โมเดลต่อสาธารณะเมื่อวันที่ 6 ตุลาคม 2026 ซึ่งเป็นครั้งแรกที่ Mistral เปิดตัวระบบแบบผสมผู้เชี่ยวชาญขนาด 1.05 ล้านล้านพารามิเตอร์ ในประกาศ Mistral ระบุว่าได้นำข้อเสนอแนะจากช่วงทดลองใช้มาปรับปรุง พร้อมขยายการเรียนรู้แบบเสริมกำลังอย่างต่อเนื่อง จนเกิดสิ่งที่บริษัทอธิบายว่าเป็นความก้าวหน้าครั้งสำคัญด้านการเขียนโค้ด ความมั่นคงปลอดภัยไซเบอร์เชิงป้องกัน และประสิทธิภาพในการให้เหตุผล บริษัทระบุว่า Mistral Large 4 เป็นโมเดลแบบเปิดเผยน้ำหนักที่ดีที่สุดสำหรับการเขียนโค้ด และกล่าวว่าความก้าวหน้ายังคงเร่งตัวขึ้นโดยไม่มีสัญญาณว่าจะถึงจุดอิ่มตัว

สัญญาอนุญาต ราคา และการให้บริการ

มีการเผยแพร่น้ำหนักโมเดลบน Hugging Face ภายใต้สัญญาอนุญาต Mistral Ecosystem Open-Weight License ซึ่งเป็นสัญญาอนุญาต MIT ฉบับปรับแก้ ตามข้อกำหนด ผู้ใช้สามารถนำโมเดลไปใช้งาน ดัดแปลง ปรับแต่งเพิ่มเติม และใช้ประโยชน์เชิงพาณิชย์ได้โดยไม่มีค่าใช้จ่าย โดยมีเงื่อนไขข้อเดียวคือ ธุรกิจที่ให้บริการโมเดลในรูปแบบบริการ (Model-as-a-Service) ต้องได้รับสัญญาอนุญาตเชิงพาณิชย์แยกต่างหากจาก Mistral ก่อนนำโมเดลไปใช้เชิงพาณิชย์

ตามเอกสารประกอบโมเดลของ Mistral การเข้าถึง API มีค่าบริการ 0.70 ดอลลาร์ต่อโทเค็นอินพุต 1 ล้านโทเค็น, 0.07 ดอลลาร์ต่อโทเค็นอินพุตที่แคชไว้ 1 ล้านโทเค็น และ 2.10 ดอลลาร์ต่อโทเค็นเอาต์พุต 1 ล้านโทเค็น โมเดลนี้ให้บริการในชื่อ mistral-large-4 ผ่าน Mistral API และ Mistral Studio อีกทั้งยังใช้งานได้ผ่าน OpenRouter, Vibe Code ซึ่งเป็นผู้ช่วยเขียนโค้ดของ Mistral, จุดเชื่อมต่อที่ NVIDIA โฮสต์พร้อมคอนเทนเนอร์ NVIDIA NIM ที่ปรับแต่งประสิทธิภาพแล้ว และ Microsoft Foundry Mistral ระบุว่ามีตัวเลือกการติดตั้งใช้งานแบบส่วนตัวสำหรับนักพัฒนา Azure ผ่าน Foundry และ Tina Schuchman รองประธานบริษัทฝ่าย Foundry ของ Microsoft กล่าวว่า Microsoft เป็นผู้ให้บริการคลาวด์รายแรกที่นำ Mistral Large 4 มาให้ลูกค้าใช้งาน

ผลการทดสอบประสิทธิภาพด้านการเขียนโค้ดและโหมดการให้เหตุผล

Mistral รายงานว่า Mistral Large 4 ทำคะแนนนำในการทดสอบ FrontierCode 2.0 แบบส่วนตัวของ Cognition ซึ่งประเมินคุณภาพโค้ดตั้งแต่ต้นจนจบ รวมถึงพิจารณาว่าผู้ดูแลคลังโค้ดจะยอมรับการเปลี่ยนแปลงจากเอเจนต์หรือไม่ โดยได้คะแนน 19.7% สูงกว่าโมเดลแบบเปิดเผยน้ำหนักที่ระบุไว้ ซึ่งรวมถึง GLM-5.3, Kimi K3 และ DeepSeek V4.1 Flash

ในการจัดอันดับ Artificial Analysis Coding Agent Index Mistral รายงานว่าโมเดลได้คะแนน 48% โดยระบุว่าผลลัพธ์ถือว่าเสมอกับ GLM-5.3 ซึ่งเป็นโมเดลแบบเปิดเผยน้ำหนักชั้นนำได้อย่างแทบไม่ต่างกัน ขณะที่ใช้โทเค็นต่อภารกิจน้อยลงเฉลี่ย 47% สำหรับ Terminal-Bench 4.0 บริษัทรายงานว่าคะแนนเพิ่มขึ้น 13 จุดเปอร์เซ็นต์จากช่วงทดลองใช้ต่อสาธารณะ เป็น 41% ทำให้ขึ้นนำในกลุ่มโมเดลแบบเปิดเผยน้ำหนัก พร้อมกับลดจำนวนโทเค็นเอาต์พุตลง 30% ในการประเมินความชอบของมนุษย์แบบจับคู่โดยไม่เปิดเผยชื่อของ Surge Code ที่ Mistral อ้างถึง ผู้ประเมินเลือกโมเดลนี้มากกว่า GLM-5.3, Kimi K3 และ DeepSeek V4.1 Flash โดยมีเพียง Claude Opus 5.5 เท่านั้นที่อยู่เหนือกว่าในบรรดาโมเดลที่ได้รับการประเมิน

โมเดลรองรับโหมดการให้เหตุผล 3 ระดับ ได้แก่ ต่ำ ปานกลาง และสูง โดยตั้งค่าเริ่มต้นเป็นระดับสูง Mistral ระบุว่าโหมดต่ำมาแทนโหมดการให้เหตุผล “None” ก่อนหน้าและเหมาะกับงานง่าย ๆ ส่วนโหมดปานกลางเหมาะกับการใช้งานทั่วไป ขณะที่โหมดสูงมีไว้สำหรับกรณีใช้งานที่ยากที่สุดและต้องใช้การให้เหตุผลอย่างละเอียด ทำให้นักพัฒนาสามารถเลือกปรับสมดุลระหว่างประสิทธิภาพกับต้นทุนได้

ผลด้านความมั่นคงปลอดภัยไซเบอร์และการปรับมาตรการป้องกัน

Mistral รายงานว่าโมเดลได้คะแนน 51% ใน Artificial Analysis Cyber Index ซึ่งวัดความสามารถของโมเดลในการค้นหาช่องโหว่ในฐานโค้ด ทำซ้ำและตรวจสอบยืนยันช่องโหว่ ตลอดจนแก้ไขช่องโหว่โดยไม่ทำให้ฟังก์ชันการทำงานเดิมเสียหาย บริษัทระบุว่าโมเดลจัดการงานด้านความมั่นคงปลอดภัยเชิงป้องกันที่ชอบด้วยกฎหมายได้โดยไม่ปฏิเสธโดยไม่จำเป็น ขณะที่มาตรการป้องกันในตัวสามารถแยกแยะงานเชิงป้องกันออกจากงานโจมตีที่เป็นอันตรายได้ Mistral รายงานว่าโมเดลมีอัตราการปฏิเสธเฉลี่ย 96.6% ต่อคำขอที่เป็นอันตรายเกี่ยวกับไซเบอร์ จากชุดพรอมป์ต์ด้านไซเบอร์ของ JailbreakBench, StrongREJECT และ AgentHarm โดยระบุว่าเป็นอัตราสูงที่สุดเมื่อเทียบกับโมเดลแบบเปิดที่บริษัทประเมิน

ประกาศดังกล่าวยังเปิดเผยด้วยว่า หลังช่วงทดลองใช้ Mistral ได้ติดตามการใช้งานที่เกี่ยวข้องกับความมั่นคงปลอดภัยไซเบอร์ในทราฟฟิกจริง บริษัทระบุว่าพบว่าโมเดลปฏิเสธการทำตามคำสั่งโจมตีแบบกล่องดำต่อเป้าหมายจริง แต่บริษัทเห็นว่าโมเดลมีศักยภาพที่จะช่วยยกระดับการโจมตีจริง จึงกำลังปรับมาตรการป้องกันให้เหมาะสม และรับปากว่าจะมีการอัปเดตเพิ่มเติมในอีกไม่กี่เดือนข้างหน้า พันธมิตรด้านการออกแบบสำหรับองค์กร เช่น Orange Cyberdefense กำลังได้รับสิทธิ์ทดลองใช้ Mistral Large 4 รุ่นเฉพาะทางที่ปรับแต่งเพื่อการทดสอบเจาะระบบ การประเมินช่องโหว่ และการจำลองการโจมตี โดยต้องผ่านการตรวจสอบและปฏิบัติตามมาตรการคุ้มครองตามสัญญา ซึ่งจำกัดการทดสอบไว้เฉพาะระบบที่เป็นของตนเองหรือได้รับอนุญาตอย่างชัดแจ้ง และต้องดำเนินการในสภาพแวดล้อมที่มีการควบคุม

ประกาศดังกล่าวมีคำชี้แจงเกี่ยวกับผลการประเมินจากผู้บริหารของ Booz Allen Hamilton, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik และ Zscaler Brad Medairy ประธานฝ่ายความมั่นคงปลอดภัยไซเบอร์ระดับชาติของ Booz Allen Hamilton กล่าวว่า การทดสอบแสดงให้เห็นว่าโมเดลมีอัตราการเรียกคืนในการตรวจจับช่องโหว่เทียบเท่ากับโมเดลไซเบอร์แนวหน้ารุ่นอื่น ๆ เมื่อทดสอบกับเกณฑ์มาตรฐานภายในของบริษัทสำหรับการวิเคราะห์ความมั่นคงปลอดภัยของซอร์สโค้ด

สถาปัตยกรรมและการฝึกฝนโมเดล

ตามเอกสารข้อมูลโมเดล Mistral Large 4 เป็นโมเดล mixture-of-experts แบบละเอียด มีพารามิเตอร์ทั้งหมดประมาณ 1 ล้านล้านพารามิเตอร์ และมีพารามิเตอร์ที่ทำงานอยู่ราว 52,000 ล้านพารามิเตอร์ต่อโทเค็น (49,000 ล้านพารามิเตอร์เมื่อนับโดยไม่รวม embedding และชั้นเอาต์พุต) โดยมีผู้เชี่ยวชาญที่ผ่านการกำหนดเส้นทาง 128 ชุด ซึ่งทำงานอยู่ 4 ชุดต่อโทเค็น พร้อมผู้เชี่ยวชาญที่ใช้ร่วมกันอีก 1 ชุด โมเดลรองรับบริบทขนาด 1 ล้านโทเค็น และรับข้อมูลเข้าเป็นข้อความและภาพ พร้อมสร้างผลลัพธ์เป็นข้อความผ่านตัวเข้ารหัสภาพ Pixtral ที่มีพารามิเตอร์ 1,600 ล้านพารามิเตอร์ ซึ่งฝึกให้รองรับภาพที่มีขนาดและอัตราส่วนภาพหลากหลาย Mistral ระบุว่าโมเดลนี้ฝึกตั้งแต่เริ่มต้นบน GPU NVIDIA Grace Blackwell จำนวน 3,800 ตัว ในศูนย์ข้อมูลของบริษัทเองในยุโรป และใช้ภาษาได้อย่างคล่องแคล่วโดยกำเนิดมากกว่า 160 ภาษา รวมถึงภาษาราชการทุกภาษาของสหภาพยุโรป

เช็กพอยต์นี้มาพร้อมหัวร่างสำหรับการถอดรหัสแบบคาดการณ์ DSpark ที่ติดตั้งมาในตัว ซึ่งเสนอชุดโทเค็นครั้งละ 3 โทเค็น โดย Mistral วัดได้ว่ามีอัตราการประมวลผลสูงขึ้นถึง 1.9 เท่าเมื่อเทียบกับการให้บริการโมเดลเป้าหมายเพียงอย่างเดียว นอกจากนี้ ยังมีเช็กพอยต์แบบควอนไทซ์ NVFP4 ที่ออกแบบมาสำหรับ GPU Blackwell ด้วย ตามเอกสารข้อมูลโมเดล โมเดลนี้ได้คะแนน 26 ใน Artificial Analysis Intelligence Index v5 ซึ่งระบุว่าสูงที่สุดในบรรดาโมเดลโอเพนเวตจากตะวันตก พร้อมให้ข้อสังเกตว่าโมเดลโอเพนเวตชั้นนำจากจีนได้คะแนนรวมในดัชนีสูงกว่า Mistral ยังรายงานด้วยว่าคะแนน Finch (FinWorkBench) เพิ่มขึ้นเป็น 73.3% ซึ่งเป็นอันดับสองในบรรดาโมเดลเปิด รองจาก Kimi K3; คะแนน BrowseComp เพิ่มขึ้นเป็น 84.5% จากเช็กพอยต์ที่ผ่านการปรับแต่งแบบมีผู้ควบคุม ซึ่งได้คะแนน 75%; และความสามารถในการต้านทานการโจมตีอยู่ที่ 97.1% ใน B3 Agent Security Benchmark เพิ่มขึ้นจาก 93.3% ในรุ่นพรีวิว

Mistral กล่าวว่า Mistral Large 4 จะเป็นรากฐานของโมเดล Mistral รุ่นใหม่ที่เชี่ยวชาญเฉพาะด้านและได้รับการปรับแต่งให้เหมาะสม โดยยกตัวอย่างรุ่นที่เปิดตัวเมื่อไม่นานมานี้ เช่น Voxtral และ Timestral】【。