Mistral แจกไฟล์ Large 4 โมเดล AI ล้านล้านพารามิเตอร์ของยุโรป แต่ต้องรันบนเซิร์ฟเวอร์

ถ้าบริษัท AI ที่องค์กรของคุณพึ่งพาอยู่ตัดสิทธิ์การใช้งานข้ามคืน งานทุกอย่างที่ผูกกับ AI ตัวนั้นจะหยุดทันที Pierre Stock รองประธานฝ่ายวิทยาศาสตร์ของ Mistral AI สตาร์ตอัป AI จากฝรั่งเศส บอก TechCrunch ว่าโมเดลตัวใหม่ของบริษัทเป็นสิ่งที่ "ไม่มีใครตัดสิทธิ์ได้ตามนิยาม" เพราะสัปดาห์นี้ Mistral ปล่อยไฟล์ของ Mistral Large 4 ชื่อเล่น Le Chonk ให้ทุกคนดาวน์โหลดไปใช้เองได้แล้ว

Stock เปรียบ AI ว่าจะกลายเป็นเหมือนไฟฟ้า การปล่อยไฟล์โมเดลให้โหลด (open-weight) จึงคล้ายกับการได้เครื่องปั่นไฟมาตั้งไว้ในบ้านแทนการซื้อไฟจากบริษัทเดียว เมื่อไฟล์อยู่ในเครื่องของคุณแล้ว ไม่มีใครดึงกลับได้ ต่างกันตรงที่เครื่องปั่นไฟเครื่องนี้ใหญ่ขนาดโรงงาน โมเดลมีขนาดราว 1 ล้านล้านพารามิเตอร์ แม้รุ่นที่บีบอัด (quantization) แล้วยังมีไฟล์รวมราว 610GB หรือเกือบ 40 เท่าของหน่วยความจำในโน้ตบุ๊กทั่วไปที่มี 16GB และต้องรันบนการ์ดจอระดับดาต้าเซ็นเตอร์หลายใบ

สิ่งที่ทำให้เรื่องนี้น่าสนใจคือคนทำ Arthur Mensch ซีอีโอของ Mistral บอกว่าแล็บอื่นระดมทุนกันหลายแสนล้านดอลลาร์ ขณะที่ Mistral ระดมได้ราว 6 พันล้านดอลลาร์ในสามปี แต่ก็ยังสร้างโมเดลขนาดนี้ได้ บริษัทอ้างว่า Le Chonk เป็นโมเดลเปิดที่เขียนโค้ดเก่งที่สุดและเด่นด้านงานป้องกันระบบจากแฮกเกอร์ อย่างไรก็ตาม ตัวเลขผลทดสอบส่วนใหญ่ Mistral วัดหรือคัดมาเอง และดัชนีรวมของผู้ทดสอบอิสระยังจัดให้ตามหลังโมเดลเปิดจากจีนอยู่

กลุ่มที่ได้ประโยชน์ตรง ๆ คือองค์กรที่ต้องเก็บข้อมูลไว้ในบ้าน เช่น ธนาคาร หน่วยงานรัฐ และบริษัทความปลอดภัยไซเบอร์ในยุโรป ซึ่งหลายแห่งออกมาให้ความเห็นในประกาศของ Mistral ส่วนคนทั่วไปยังรันเองไม่ได้ Mistral บอกว่าจะมีรุ่นเล็กที่รันบนแล็ปท็อปได้ตามมาในอีกไม่กี่เดือน แต่ยังไม่ให้วันที่

ถ้าอยากลองตอนนี้ ทางที่ง่ายที่สุดคือเดโมฟรีบน Hugging Face ที่ Mistral เปิดให้ใช้ในสัปดาห์แรก หรือใช้ผ่าน API แบบจ่ายตามการใช้งาน สเปก สัญญาอนุญาต ตารางผลทดสอบเทียบกับผลวัดอิสระ และจุดที่แหล่งข่าวรายงานไม่ตรงกันอยู่ด้านล่าง

สรุปประเด็นสำคัญ

• ปล่อยไฟล์แล้ว: Mistral AI ปล่อยไฟล์ Mistral Large 4 (Le Chonk) บน Hugging Face เมื่อ 29 ต.ค. 2026 หลังเปิดให้ใช้แบบพรีวิวผ่าน API ตั้งแต่ 6 ต.ค. รุ่นที่ปล่อยผ่านการฝึกเพิ่มอีกราวสามสัปดาห์
• ขนาด: ราว 1 ล้านล้านพารามิเตอร์ ใช้งานจริงครั้งละ 49B (52B ถ้านับชั้น embedding และชั้นผลลัพธ์) รับข้อความและภาพ ตอบเป็นข้อความ รับข้อมูลได้ยาว 1 ล้าน token
• สัญญาอนุญาต: ใช้ แก้ไข และใช้เชิงพาณิชย์ได้ฟรี ยกเว้นธุรกิจที่ให้บริการโมเดลแก่คนอื่น (Model as a Service) ต้องขอสัญญาแยกจาก Mistral
• ความเก่ง: Mistral อ้างว่านำโมเดลเปิดด้านเขียนโค้ดและป้องกันภัยไซเบอร์ แต่ดัชนีรวมของ Artificial Analysis ให้ 26 คะแนน ต่ำกว่า GLM-5.3 และ DeepSeek V4.1 Flash 1017 (32) และ Kimi K3.1 Pro (46)

Le Chonk คืออะไร และต่างจากตอนเปิดตัวต้นเดือนอย่างไร

Mistral เปิดตัว Mistral Large 4 แบบ public preview เมื่อ 6 ต.ค. 2026 ให้ใช้ผ่าน API เท่านั้น ประกาศฉบับใหม่เมื่อ 29 ต.ค. ระบุว่าหลังจากนั้นบริษัทนำความเห็นของนักพัฒนาและลูกค้ามาฝึกต่อด้วยวิธีให้รางวัลเมื่อทำงานสำเร็จ (reinforcement learning) อีกราวสามสัปดาห์ แล้วจึงปล่อยไฟล์ของรุ่นที่ปรับแล้ว heise online รายงานว่าช่วงห่างระหว่างโมเดลเรือธงสองรุ่นล่าสุดของ Mistral คือสิบเดือน Stock อธิบายว่าเป็นเพราะบริษัทใช้เวลาสร้างดาต้าเซ็นเตอร์ของตัวเองในยุโรป

ที่มา: model card บน Hugging Face และประกาศของ Mistral

สิ่งที่เพิ่มจากรุ่นพรีวิวมีสามเรื่อง ระดับการคิด Low และ Medium ที่มาเสริม High ซึ่งมีอยู่เดิม การใช้ token น้อยลงสำหรับงานเดียวกัน (Stock บอก heise ว่าน้อยกว่ารุ่นพรีวิวราว 50%) และคะแนนงานเขียนโค้ดที่ Mistral บอกว่าเพิ่มขึ้นชัดเจน TNW รายงานว่าลูกค้ากลุ่มแรกซึ่ง Mistral ระบุเพียงว่าเป็นรัฐบาลและองค์กร เป็นผู้ขอให้ปรับเวลาคิดได้ และบางรายใช้โมเดลนี้ทดสอบเจาะระบบของตัวเองแบบอัตโนมัติแล้ว

คนทั่วไปรันเองที่บ้านได้ไหม

ไม่ได้ ReadEval รวมขนาดไฟล์จากข้อมูลของ Hugging Face (ตรวจเมื่อ 30 ต.ค. 2026) ได้ดังนี้

TNW รายงานว่ารุ่นบีบอัดรันได้บนการ์ด NVIDIA B200 หรือ B300 จำนวน 4 ใบ ซึ่งเป็นอุปกรณ์สำหรับดาต้าเซ็นเตอร์ ไม่ใช่การ์ดจอเล่นเกม model card ระบุว่ามีไฟล์แบบ GGUF สำหรับ llama.cpp และ Unsloth ด้วย แต่ขนาดระดับหลายร้อย GB ทำให้ ReadEval ประเมินว่ายังเกินเครื่องส่วนตัวทั่วไปอยู่มาก ข่าว โมเดล AI แจกฟรีเดือนตุลาคม ตัวไหนรันบนโน้ตบุ๊ก 16GB ได้ ของ ReadEval มีวิธีเช็กเครื่องและรายชื่อโมเดลเล็กที่ลองที่บ้านได้จริง

ข่าวดีสำหรับคนที่อยากรันเองคือ TNW รายงานว่า Mistral จะออกรุ่นที่ย่อลงมา (distilled) ในอีกไม่กี่เดือน รวมถึงรุ่นที่รันบนแล็ปท็อปได้ แต่บริษัทไม่ยอมผูกมัดเรื่องวันที่

ลองใช้ได้ทางไหนบ้าง และใช้ในไทยได้ไหม

เรื่องประเทศไทย: หน้าไฟล์บน Hugging Face เปิดให้ดาวน์โหลดได้สาธารณะ และในสัญญาอนุญาตไม่มีข้อจำกัดรายประเทศ ส่วนแชตบอต Le Chat ของ Mistral ประกาศรอบนี้ไม่ได้พูดถึง ReadEval จึงยังยืนยันไม่ได้ว่าผู้ใช้ Le Chat ในไทยหรือที่ใดใช้ Large 4 ได้แล้วหรือยัง

ถ้าจะลองเดโม: อย่าใส่ข้อมูลส่วนตัวหรือข้อมูลงานที่เป็นความลับ เพราะเดโมบนเว็บส่งข้อความไปประมวลผลบนเซิร์ฟเวอร์ ไม่ได้รันในเครื่องคุณ

สัญญาอนุญาต ฟรีแค่ไหน

Mistral ใช้สัญญาชื่อ Mistral Ecosystem Open-Weight License ซึ่งบริษัทบอกว่าดัดแปลงมาจากสัญญา MIT สาระสำคัญตามตัวสัญญามีดังนี้

• ใช้ คัดลอก แก้ไข ฝึกต่อ และขายต่อได้ ทั้งเชิงพาณิชย์และไม่ใช่เชิงพาณิชย์ โดยต้องแนบข้อความลิขสิทธิ์ไปด้วย
• ถ้าผู้ใช้หรือบริษัทในเครือ "ทำธุรกิจ Model as a Service" คือเปิดให้บุคคลภายนอกเรียกใช้โมเดลหรือฝึกต่อผ่าน API หรือช่องทางคล้ายกัน โดยผู้ใช้ภายนอกควบคุมข้อมูลเข้า ค่าตั้งต่าง ๆ หรือข้อมูลฝึกได้ ต้องทำสัญญาเชิงพาณิชย์แยกกับ Mistral ก่อน
• ข้อยกเว้นคือการใช้ภายในองค์กรเอง สินค้าสำหรับผู้ใช้ปลายทางที่ฝังความสามารถของโมเดลไว้ในฟีเจอร์เฉพาะ และการส่งต่อคำขอไปยังโมเดลที่คนอื่นโฮสต์ไว้

พูดง่าย ๆ คือบริษัทที่ใช้ภายใน หรือทำแอปที่มี AI เป็นฟีเจอร์หนึ่ง ใช้ได้ฟรี แต่ผู้ให้บริการคลาวด์ที่จะขาย API ของโมเดลนี้ต้องคุยกับ Mistral ก่อน

เก่งจริงไหม: ตัวเลขของ Mistral กับผลวัดอิสระ

ตัวเลขด้านล่างเป็นตัวเลขที่ Mistral นำเสนอในประกาศและ model card บางชุดอ้างชุดทดสอบของ Artificial Analysis (AA) หรือบริษัทอื่น แต่ Mistral เป็นผู้คัดมาแสดง

ภาพรวมจากผู้วัดอิสระต่างออกไป บนดัชนีรวม Artificial Analysis Intelligence Index v5 ซึ่ง AA วัดเองจาก 9 ชุดทดสอบ Mistral Large 4 ได้ 26 คะแนน ต่ำกว่า GLM-5.3 และ DeepSeek V4.1 Flash 1017 (32) และ Kimi K3.1 Pro (46) และห่างจากโมเดลปิดอย่าง Gemini 4 Carbon (59) มาก แต่สูงกว่า Muse Spark Open ของ Meta (25) เล็กน้อย Mistral เองก็ยอมรับใน model card ว่าได้ 26 ซึ่ง "สูงที่สุดในกลุ่มโมเดลเปิดจากฝั่งตะวันตก" และโมเดลเปิดจากจีนได้คะแนนรวมสูงกว่า โดยบอกว่าจุดเด่นของตัวเองอยู่ที่งานเขียนโค้ดและความปลอดภัยไซเบอร์ AA ระบุด้วยว่าโมเดลนี้ตอบเร็ว (161 token ต่อวินาที) แต่ใช้ token ค่อนข้างมากในการทดสอบ

heise online ใส่บริบทให้ตัวเลขเขียนโค้ด บน Terminal-Bench 4.0 คะแนน 41% ของ Mistral อยู่ราวเดียวกับ GLM-5.3 (42%) แต่ห่างจาก Kimi K3.1 Pro (67%) และโมเดลปิดอย่าง Gemini 4 Carbon (65%) ตามผลของ AA ส่วนอันดับ CyberGym-E2E ปัจจุบันของ AA มี Kimi K3.1 Pro นำที่ 95% heise ระบุว่า ณ เวลาที่รายงาน ยังตรวจสอบผลของรุ่นใหม่อย่างอิสระไม่ได้

ReadEval จัดตัวเลขในข่าวนี้ไว้ที่ระดับ พอใช้อ้างอิงได้ เพราะมีดัชนีรวมจากผู้วัดอิสระให้เทียบ แต่ตัวเลขเด่นด้านเขียนโค้ดและไซเบอร์ส่วนใหญ่ยังเป็นชุดที่ Mistral คัดมาเอง และรายงานทางเทคนิคฉบับเต็มที่ Mistral บอกว่า "จะตามมาเร็ว ๆ นี้" ยังไม่ออก

จุดขายด้านไซเบอร์ เป็นดาบสองคมไหม

Mistral วางตำแหน่งโมเดลนี้ว่า "สร้างมาเพื่อฝ่ายป้องกัน" มีความเห็นสนับสนุนจากบริษัทความปลอดภัยหลายรายในประกาศ เช่น Booz Allen, Cisco, Cloudflare, CrowdStrike และ ENISA หน่วยงานความมั่นคงไซเบอร์ของสหภาพยุโรป ซึ่งบอกว่ากำลังทดสอบ Large 4 เพื่อหาช่องโหว่ ตรวจโค้ด และวิเคราะห์ log

ขณะเดียวกัน Mistral เขียนในประกาศเองว่า ระหว่างช่วงพรีวิว บริษัทเฝ้าดูการใช้งานด้านไซเบอร์จริงและพบว่าโมเดลปฏิเสธการโจมตีเป้าหมายจริง แต่ "เห็นความเป็นไปได้ที่จะช่วยให้การโจมตีจริงทำได้ง่ายขึ้น" จึงกำลังปรับระบบป้องกันและจะอัปเดตต่อในหลายเดือนข้างหน้า รุ่นพิเศษสำหรับงานทดสอบเจาะระบบเปิดให้เฉพาะพาร์ตเนอร์อย่าง Orange Cyberdefense ที่ผ่านการคัดกรองและมีสัญญากำกับ

Stock บอก TechCrunch ว่าควรให้ทุกคนเข้าถึงความสามารถนี้ "เร็วที่สุด" เพื่อเสริมความแข็งแรงของระบบโดยรวม เพราะผู้ไม่หวังดีบางรายอาจใช้เทคโนโลยีของตัวเองโจมตีอยู่แล้ว ส่วน TNW ระบุว่าคู่แข่งบางรายมองว่าโมเดลเปิดมีความเสี่ยงมากกว่า ReadEval ประเมินว่าจุดที่ทำให้ "ไม่มีใครตัดสิทธิ์ได้" ก็เป็นจุดเดียวกับที่ทำให้เรียกคืนไม่ได้ ระบบป้องกันที่ Mistral ปรับในบริการของตัวเองจะไม่ไปถึงสำเนาที่มีคนดาวน์โหลดไปแล้ว

ทำไมยุโรปอยากมีโมเดลของตัวเอง

Mistral เรียกแนวทางนี้ว่า sovereign AI หรือ AI ที่องค์กรและประเทศควบคุมเองได้ เหตุผลที่ Stock ให้ TNW คือไม่มีบริษัทใดควรต้องพึ่งผู้ให้บริการที่ตัดสิทธิ์ได้ "จากวันหนึ่งไปอีกวัน" และไม่มีอะไรรับประกันว่าแล็บจีนซึ่งครองตลาดโมเดลเปิดอยู่จะปล่อยไฟล์ต่อไปเรื่อย ๆ Mistral ยังเน้นว่าโมเดลนี้ฝึกตั้งแต่ต้นในยุโรป องค์กรจึงรู้ที่มาของเทคโนโลยี

ฝั่งผู้ใช้ในประกาศมีทั้งธนาคาร (Crédit Agricole, La Banque Postale, ABN AMRO, Belfius) และหน่วยงานอย่าง ESA Φ-lab ขององค์การอวกาศยุโรป ด้านเงินทุน TNW และ heise รายงานว่า Large 4 เป็นโมเดลแรกหลังรอบระดมทุน 3 พันล้านยูโรเมื่อเดือนกันยายน ส่วนตัวเลข "ราว 6 พันล้านดอลลาร์ในสามปี" เป็นคำพูดของ Mensch ที่ TNW อ้าง TNW ตั้งข้อสังเกตด้วยว่าคำกล่าวที่ว่า Mistral ใช้ทรัพยากรน้อยกว่าแล็บจีนพิสูจน์ได้ยาก เพราะแล็บจีนเปิดเผยต้นทุนการฝึกน้อยมาก

สิ่งที่แหล่งข่าวรายงานไม่ตรงกัน

• พารามิเตอร์ที่ใช้งานจริง: model card ระบุ 49B ต่อ token หรือ 52B เมื่อรวมชั้น embedding และชั้นผลลัพธ์ TNW เขียน 52B และชื่อ repo ใช้ A52B ตัวเลขทั้งสองจึงถูกทั้งคู่ แค่นับต่างกัน
• ราคา API: TNW เขียนว่ายังไม่ประกาศราคา แต่ประกาศของ Mistral ระบุ 0.70 ดอลลาร์ (ขาเข้า) และ 2.10 ดอลลาร์ (ขาออก) ต่อ 1 ล้าน token และหน้าเว็บของ AA ก็แสดงราคาเดียวกัน ReadEval ยึดตามหน้าทางการ
• คะแนน Terminal-Bench 4.0 ของ GLM-5.3: heise เขียน 42% (ตรงกับข้อมูลบนหน้าเว็บ AA ที่ราว 41.9%) ส่วน TNW เขียน 40% ตามกราฟที่ให้เครดิต Mistral
• คะแนน Terminal-Bench 4.0 ของ Mistral Large 4 เอง: Mistral บอก 41% ตามการวัดใน Coding Agent Index ของ AA แต่ข้อมูลในหน้าโมเดลของ AA ที่ ReadEval เปิดดูเมื่อ 30 ต.ค. 2026 แสดงคะแนนของ Mistral Large 4 (High) ราว 25% ยังไม่ชัดว่าต่างกันเพราะข้อมูลบนหน้าเว็บยังไม่อัปเดต หรือวัดคนละการตั้งค่า
• ดัชนีรวม 38 หรือ 26: ข่าว Muse Spark Open ของ ReadEval เคยอ้างคะแนน 38 ของ Mistral Large 4 จากตารางใน model card ของ Meta ตารางนั้นใช้สเกลต่างจากหน้าเว็บ AA ปัจจุบัน (GLM-5.3 ได้ 45 ในตารางของ Meta แต่ได้ 32 บนหน้าเว็บ AA) จึงไม่ควรเทียบสองตัวเลขนี้กันตรง ๆ
• วันปล่อยไฟล์: หน้า Hugging Face เคยระบุกำหนดคาดการณ์ 31 ต.ค. แต่ไฟล์ออกจริงเมื่อ 29 ต.ค. 2026