Mistral Large 4: มันคืออะไร มีค่าใช้จ่ายเท่าไร และบรรทัดเดียวที่ยังว่างอยู่บนการ์ดของ Mistral เอง

Mistral Large 4เป็นโมเดลเอนกประสงค์เรือธงของ Mistral AI และเป็นรุ่นสูงสุดของสาย Large ที่Mistral Large 3เคยครองตำแหน่งมาก่อน — โมเดล Mixture-of-Experts แบบมัลติโมดัลโดยกำเนิด ซึ่งเอกสารของ Mistral เองระบุว่ามีพารามิเตอร์รวม 1.05 ล้านล้านตัว โดยมีพารามิเตอร์ที่ใช้งานจริง 52 พันล้านตัว, ตัวเข้ารหัสภาพขนาด 1.6 พันล้านพารามิเตอร์, หน้าต่างบริบท 1M โทเคน และราคาตามเรตการ์ดที่ 1.36 ดอลลาร์ต่อโทเคนอินพุต 1 ล้านโทเคน เทียบกับ 4.18 ดอลลาร์ต่อโทเคนเอาต์พุต 1 ล้านโทเคน ชื่อ API คือmistral-large-4 สิ่งที่ไม่อยู่บนการ์ดนั้นคือสิ่งที่ผู้อ่านจำนวนมากเข้ามาค้นหา: ป้ายสัญญาอนุญาตบนหน้าโมเดลของ Mistral เองเขียนว่า "Open" แล้วไม่ได้ระบุชื่ออะไรเลย และไม่มีที่เก็บ checkpoint ให้ดาวน์โหลด นี่คือคำอธิบายของโมเดล ณ วันที่ 13 ตุลาคม 2026

การวางกรอบเรื่องนี้สำคัญ จึงขอยกมาพูดก่อน Mistral ประกาศเปิดตัวพับลิกพรีวิวของ Mistral Large 4 เมื่อวันที่ 6 ตุลาคม 2026 และบล็อกนี้ก็มีข่าวชิ้นนั้นอยู่แล้ว รวมทั้งหน้าอีกเก้าหน้าที่เทียบกันแบบตัวต่อตัวซึ่งต่อเนื่องมาจากข่าวนั้น สิ่งที่ยังขาดไปคือหน้าเพจธรรมดา ๆ ที่รองรับอยู่ใต้หน้าพวกนั้นลงไป ช่องว่างนี้มาจากการวัด ไม่ใช่การคาดเดา: ชื่อเปล่า ๆ ทำได้ 3,141 อิมเพรสชัน และ 68 คลิกบนพร็อพเพอร์ตีของเราเองในระยะยี่สิบแปดวันจนถึงวันที่ 13 ตุลาคม กระจายอยู่ห้าคิวรี ขณะที่แถวคำค้นที่มีคุณสมบัติเข้าข่ายด้านล่างนี้ — artificial analysis ที่ 129 อิมเพรสชัน preview ที่ 122 benchmark ที่ 84 ollama ที่ 70 — ล้วนมีปริมาณน้อยทั้งนั้น ส่วนแถวเชิงเปรียบเทียบนั้นให้ผลการแปลงที่ดีกว่าคำเปล่า ๆ หลายเท่า ซึ่งเป็นเหตุผลว่าทำไมหน้าเปรียบเทียบจึงถูกเขียนขึ้นก่อน นี่คือหน้าสำหรับผู้อ่านที่พิมพ์ชื่อนั้นแล้วอยากรู้ว่าสิ่งนั้นคืออะไร

ชื่อ และ 4-0ที่อยู่ใน URL ของเราเอง

Mistral เขียนชื่อโมเดลว่า Mistral Large 4 โพสต์เปิดตัวมีชื่อเรียกแบบไม่เป็นทางการสองชื่อกำกับไว้ด้วย — "ML4" และ "le Chonk" — และเอกสารของบริษัทให้บริการโมเดลการ์ดจากหน้าที่เข้าถึงได้ทั้งผ่าน mistral-large-4 และ mistral-large-4-0 ป้ายบนตัวการ์ดเองระบุว่า mistral-large-4 และคู่มือการเลือกโมเดลระบุ mistral-large-4 เป็นชื่อ API ดังนั้นรูปแบบที่ไม่มีศูนย์ต่อท้ายคือชื่อที่ผู้ให้บริการใช้อยู่ในปัจจุบัน ส่วนศูนย์ที่ต่อท้ายเป็นนามแฝงแบบเก่าที่ตกทอดมาจากลิงก์ในวันเปิดตัว

นั่นคุ้มค่าที่จะอธิบายเพื่อให้สอดคล้องกันสักหนึ่งประโยค เพราะทุกหน้าที่เผยแพร่ที่นี่ใช้4-0เป็นรูปแบบ — บทความพรีวิว หน้าโฮสติ้ง และการเปรียบเทียบทั้งเก้าฉบับถูกจัดเก็บไว้ภายใต้mistral-large-4-0-* URL เหล่านั้นชี้ไปยังโมเดลเดียวกันกับที่หน้านี้อธิบาย หน้านี้เพียงใช้การสะกดของผู้ขายสำหรับรายการอ้างอิง ดังนั้นผู้อ่านที่มาที่นี่จากชื่อเปล่า ๆ จะพบโมเดลภายใต้ชื่อที่ผู้ผลิตพิมพ์อยู่ในปัจจุบัน

ป้ายสถานะสามป้ายบนการ์ดของ Mistral ควรอ่านร่วมกัน เพราะมันคือสถานการณ์ทั้งหมดของโมเดลในสามคำ: พรีวิวสาธารณะ, โอเพน และ v26.10 ป้ายแรกบอกว่าคอนฟิกูเรชันการให้บริการยังเปลี่ยนแปลงได้ ป้ายที่สองคือข้ออ้างเรื่องโอเพนเวต ป้ายที่สามคือรีวิชัน และเป็นป้ายเดียวในสามป้ายที่เป็นข้อเท็จจริงตรง ๆ

ข้อกำหนด ตามที่ Mistral ระบุไว้

ทุกอย่างในรายการด้านล่างนี้เป็นถ้อยคำของ Mistral เองจาก model card คู่มือการเลือกโมเดล และโพสต์เปิดตัวของ Mistral ในกรณีที่ห้องแล็บอิสระอ่านตัวเลขเดียวกันแตกต่างออกไป การอ่านนั้นจะถูกระบุไว้ในบรรทัดนั้น แทนที่จะถูกนำมาเฉลี่ยรวมกัน

• พารามิเตอร์ — ทั้งหมด 1.05 ล้านล้าน โดยมีพารามิเตอร์ที่ใช้งาน 52 พันล้าน บนสถาปัตยกรรม sparse mixture-of-experts แบบละเอียด โพสต์เปิดตัวปัดยอดรวมเป็น "1 ล้านล้านพารามิเตอร์"; การ์ดโมเดลให้ตัวเลข 1.05T Artificial Analysis บันทึกจำนวนที่ใช้งานเป็น 49 พันล้าน แทนที่จะเป็น 52 พันล้าน ซึ่งเป็นช่องว่างสามพันล้านในมิติเดียวกัน

• ตัวเข้ารหัสภาพ (vision encoder) — พารามิเตอร์ 1.6 พันล้านตัว บนโมเดลที่ Mistral อธิบายว่ามีความสามารถมัลติโมดัลโดยกำเนิด แทนที่จะถูกปรับให้เข้ากับภาพในภายหลัง

• รูปแบบข้อมูล — รับข้อความและรูปภาพเข้า ส่งออกเป็นข้อความ พร้อมรวมการให้เหตุผลไว้ด้วย คู่มือการเลือกของ Mistral จัดประเภทเอาต์พุตเป็น "reasoning, text" และ Artificial Analysis บันทึกว่าเป็นโมเดลแบบ reasoning พร้อมหมายเหตุว่าอาจมีรูปแบบย่อยที่ไม่ใช่ reasoning อยู่ด้วยก็ได้ การ์ดผลิตภัณฑ์ในโพสต์เปิดตัวเองเรียกมันว่า "hybrid instruct-and-reasoning MoE"

• หน้าต่างบริบท — 1M โทเค็นบนการ์ดของ Mistral Artificial Analysis วัดได้ 524,288 โทเค็นบนคอนฟิกูเรชันที่ทดสอบ ซึ่งเป็นความแตกต่างระหว่างเพดานที่ผู้ขายอ้างกับหน้าต่างที่ให้บริการจริง

• ราคา — $1.36 ต่อหนึ่งล้านโทเคนอินพุต, $0.14 สำหรับอินพุตที่แคชไว้, $4.18 ต่อหนึ่งล้านโทเคนเอาต์พุต ตามหน้าตาราคาที่เผยแพร่ของ Mistral หน้านั้นยังมีโปรโมชันเปิดตัวที่แสดงสามบรรทัดเดียวกันพร้อมราคาขีดฆ่าที่ $0.68, $0.07 และ $2.09

• ภาษา — มากกว่า 160 ภาษในข้อมูลฝึก รวมถึงภาษาทางการทุกภาษาของสหภาพยุโรป ตามข้อมูลของ Mistral เอง

• ใบอนุญาต — ไม่ระบุชื่อ จะกล่าวถึงรายละเอียดด้านล่างนี้ เพราะมันเป็นช่องว่างที่แบกรับน้ำหนักมากที่สุดในหน้านี้

การให้สิทธิ์ใช้งานและน้ำหนัก: สิ่งที่รีลีสนี้เผยแพร่จริง

Mistral Large 3 เปิดตัวภายใต้ Apache 2.0 การ์ดโมเดลบน Hugging Face มีแท็กสัญญาอนุญาตอยู่ในเมทาดาทา และน้ำหนักโมเดลสามารถดาวน์โหลดได้ในรูปแบบ FP8, NVFP4 และ BF16 Mistral Small 4 และขนาดต่าง ๆ ของ Ministral 3 ก็เป็น Apache 2.0 เช่นกัน และ Mistral Medium 3.5 ถูกระบุว่าเป็น Modified MIT ทั้งหมดนั้นไม่ได้ถ่ายโอนมาด้วย สัญญาอนุญาตอ่านได้จากรุ่นที่วางอยู่ตรงหน้าคุณ และบน Mistral Large 4 ผู้ขายยังไม่ได้เขียนมันลงไว้

สามจุดบนแพลตฟอร์มของ Mistral เองที่แสดงช่องว่างนั้น และผู้อ่านสามารถตรวจสอบแต่ละจุดได้ในเบราว์เซอร์:

• การ์ดโมเดลบน docs.mistral.ai มีชิปใบอนุญาตที่แสดงเพียงคำว่า "Open" โดยไม่มีชื่อใบอนุญาตกำกับอยู่

• คู่มือการเลือกโมเดล — ตารางเปรียบเทียบแบบเคียงข้างกันที่ Mistral เผยแพร่สำหรับนักพัฒนาที่กำลังเลือกใช้ระหว่างโมเดลของบริษัท — มีคอลัมน์ Licence และทุกแถวข้างเคียงมีข้อมูลครบถ้วน: Apache 2.0 สำหรับ Mistral Small 4, Modified MIT สำหรับ Mistral Medium 3.5, Apache 2.0 สำหรับ Mistral Large 3 ช่อง Licence ในแถวของ Mistral Large 4 ว่างเปล่า

• แท็บ weights บนการ์ดโมเดลระบุว่า "เร็ว ๆ นี้"

Artificial Analysis ซึ่งติดตามสาขาเดียวกันนี้อย่างเป็นอิสระ บันทึกชื่อสัญญาอนุญาตและ URL สัญญาอนุญาตสำหรับ Mistral Large 4 เป็น null และทำเครื่องหมายโมเดลว่า isOpenWeights: false และจัดหมวดหมู่โมเดลนี้ว่าเป็นโมเดลแบบกรรมสิทธิ์ แฟล็กนั้นไม่ได้ขัดแย้งกับการตลาดของ Mistral แต่เป็นข้อความที่บ่งบอกถึงสิ่งที่มีอยู่จริงในปัจจุบัน พรีวิวที่ให้บริการจากคลัสเตอร์ของผู้ขายเอง โดยไม่มีที่เก็บโค้ดและไม่มีข้อความสัญญาอนุญาต เป็นโมเดลที่เรียกใช้งานได้ มากกว่าจะเป็นการเผยแพร่แบบเปิดน้ำหนัก

สิ่งที่ Mistral ให้คำมั่นไว้คือวันที่: “เราจะปล่อยน้ำหนักโมเดลภายในสิ้นเดือนนี้” ตามถ้อยคำในโพสต์เปิดตัว พร้อมรายละเอียดเพิ่มเติมเกี่ยวกับสถาปัตยกรรม เบนช์มาร์กเพิ่มเติม และระเบียบวิธีการหลังการฝึก ก่อนหน้านั้น บริษัทกล่าวว่ากำลังเปิดช่วงเวลา red-teaming กับพันธมิตรที่ผ่านการตรวจสอบและหน่วยงานระดับชาติ บัญชี Hugging Face ขององค์กร ซึ่งตรวจดูเมื่อวันที่ 13 ตุลาคม ยังไม่มีอะไรใหม่ไปกว่าวันที่ 8 ตุลาคม และไม่มีรายการใดในสองรายการนี้ที่เป็นเช็กพอยต์แบบ Large-line

ดังนั้น คำอธิบายที่ถูกต้องของคำกล่าวอ้างเรื่อง open-weight ในวันนี้ก็คือ มันเป็นแผนที่มีกำหนดเส้นตายผูกอยู่ ซึ่งจัดทำโดยแล็บที่เคยเผยแพร่น้ำหนักโมเดลภายใต้ Apache 2.0 ในระดับนี้มาก่อน นั่นเป็นจุดยืนที่หนักแน่นกว่าคำสัญญาแบบคลุมเครือ และเป็นจุดยืนที่อ่อนกว่าลิงก์ดาวน์โหลด ความแตกต่างระหว่างสองสิ่งนั้นคือเหตุผลทั้งหมดที่ส่วนนี้มีอยู่

Mistral Large 4 ทำงานที่ไหน ในคำพูดของ Mistral

Mistral กล่าวว่า API พรีวิวพร้อมใช้งานบน Mistral Studio และโมเดลนี้ "พร้อมใช้งานในหลายภูมิภาคทั่วโลก รวมถึงการติดตั้งใช้งานในยุโรปที่ Mistral ดำเนินการแบบครบวงจรด้วยตนเอง โดยไม่ขึ้นกับผู้ให้บริการดิจิทัลรายอื่น และอยู่ภายใต้กฎหมายยุโรป" บริษัทยังกล่าวอีกว่าพรีวิวนี้ให้บริการบนโครงสร้างพื้นฐานเดียวกับที่ใช้ฝึกโมเดล — NVIDIA Grace Blackwell GPU จำนวน 3,800 ตัวในศูนย์ข้อมูลยุโรปของบริษัทเอง — และโมเดลนี้จะสามารถรันบน private cloud หรือ on-premise สำหรับเวิร์กโหลดที่มุ่งเป้าไว้ได้ นั่นคือถ้อยแถลงของผู้ขายเกี่ยวกับว่าโมเดลของตนรันที่ใด ซึ่งเป็นการอ้างจากผู้ขาย ไม่ใช่จากเรา

แยกออกมาพูดให้ชัดเจนว่า: Mistral Large 4 ไม่ได้อยู่ในแคตตาล็อกของ OrcaRouter รายการโมเดลที่ใช้งานจริงของเรา ซึ่งอ่านเมื่อวันที่ 13 ตุลาคม ให้บริการตัวระบุโมเดล 207 รายการ และไม่มีรายการใดเลยที่เป็นโมเดลในตระกูล Mistral ภายใต้ชื่อ mistral-large-4, mistral-large-4-0 หรือสะกดแบบอื่นใด ไม่มีการอ้างเส้นทางใด ๆ ที่นี่ และไม่มีข้อความใดในย่อหน้านี้ที่ควรตีความว่าเป็นการอ้างเช่นนั้น

คำถามเกี่ยวกับการปรับใช้ข้อหนึ่งที่หน้านี้จะไม่ตอบซ้ำคือรายการ Ollama Mistral Large 4 ปรากฏในไลบรารีนั้นเป็นแท็กคลาวด์เดียว แทนที่จะเป็นลำดับขนาดที่ดาวน์โหลดได้ ซึ่งเป็นเรื่องราวที่แยกออกไปพร้อมบทความเฉพาะของตัวเอง — mistral-large-4-ollama-cloud-only — และผู้อ่านที่เข้ามาโดยอยากรู้ว่าตนสามารถดึงน้ำหนักโมเดลลงมาไว้บนเครื่องโลคอลได้หรือไม่ ควรอ่านหน้านั้นแทนหน้านี้

ตัวเลข benchmark และใครเป็นคนรัน

โพสต์เปิดตัวของ Mistral รายงานชุดคะแนนที่ละเอียดหนาแน่น และระบุอย่างชัดเจนเป็นพิเศษว่าคะแนนใดบ้างที่บริษัทไม่ได้เป็นผู้ทดสอบเอง ทางด้านการเขียนโค้ดแบบเอเจนต์ โพสต์ระบุ 61.7% บน DeepSWE v1.1, 59.4% บน SWE-Atlas-QnA และ 28.3% บน Terminal-Bench 4.0 ซึ่งรวมกันเป็นคะแนน Coding Agent Index 49.8% ที่โพสต์กล่าวว่าจัดให้โมเดลนี้อยู่เหนือ DeepSeek V4 Pro 0813 และ Qwen3.8 Max ด้านเวิร์กโฟลว์แบบเอเจนต์ รายงาน 59.9% บน AutomationBench ครอบคลุมเวิร์กโฟลว์ทางธุรกิจ 657 รายการ และด้านงานองค์ความรู้ระยะยาว รายงาน 1,393 Elo บน AA-Briefcase ด้านการประเมินไซเบอร์ รายงานตำแหน่งติด 1 ใน 5 บน Artificial Analysis Cyber Index, 82% ในการทดสอบ reproduce-and-patch ซึ่งระบุว่าเป็นค่าสูงสุดของโมเดลใด ๆ และ 93% ในแบบฝึกหัดการแข่งขัน 40 ข้อของ Cybench ด้านการยึดโยงแบบหลายรูปแบบ รายงาน 42% บน Dense 200 เทียบกับ 41% ของ GPT-6 Astra ทั้งหมดนั้นเป็นตัวเลขที่ผู้ขายรายงานเอง บางส่วนถูกระบุในโพสต์ว่าประเมินโดยบุคคลที่สามก่อนที่ฮาร์เนสนั้นจะเปิดเผยต่อสาธารณะ ซึ่งเป็นที่มาที่หนักแน่นกว่าตัวเลขที่รันเอง และยังไม่ใช่ตัวเลขที่เผยแพร่แล้ว

ตัวเลขจากแหล่งอิสระมีไม่มากนักแต่มีประโยชน์กว่า Artificial Analysis ให้คะแนน Mistral Large 4 Preview ไว้ที่ 38.4 บน Intelligence Index v4.3 ของตน ซึ่งจัดให้โมเดลนี้อยู่เหนือค่ามัธยฐานของกลุ่มเปรียบเทียบ และอยู่อันดับที่ 65 จาก 216 โมเดลบนดัชนีนั้น หน้าเดียวกันยังระบุว่าต้นทุนการรันงาน Intelligence Index หนึ่งงานอยู่ที่ $1.13 และบันทึกสิ่งที่โพสต์เปิดตัวไม่ได้กล่าวถึงเลย: โมเดลสร้างโทเค็นเอาต์พุต 200 ล้านโทเค็นระหว่างการรันดัชนี เทียบกับค่ามัธยฐาน 85 ล้านโทเค็น โดยอยู่อันดับที่ 107 จาก 114 ในด้านความยืดยาวของคำตอบ โมเดลที่คุณภาพสูงกว่าค่าเฉลี่ยและใช้โทเค็นต่อคำตอบสูงกว่าค่าเฉลี่ยมากเปลี่ยนการคำนวณของบิลในแบบที่คะแนนพาดหัวข่าวไม่ได้ทำ

ยังมีการประเมินแบบปกปิดอีกหนึ่งรายการในโพสต์เปิดตัวที่ควรแยกออกจากรายการอื่น ๆ เพราะวิธีการแตกต่างออกไป Surge AI ได้ทำการเปรียบเทียบโดยมนุษย์แบบปกปิดเกี่ยวกับคุณภาพการเขียนโค้ด โดยซ่อนตัวตนของโมเดลไว้ ผู้ประเมินมืออาชีพให้คะแนน Mistral Large 4 Preview 3.74 จากมาตราส่วน 1 ถึง 5 เป็นอันดับสองจากห้า นำหน้า Kimi K3 ที่ 3.59 และ GLM-5.3 ที่ 3.60 และตามหลัง Claude Opus 5 ที่ 4.22 คณะผู้ประเมินแบบปกปิดที่มีบุคคลที่สามซึ่งเปิดเผยชื่ออยู่ที่อีกฝั่งหนึ่งถือเป็นหลักฐานต่างระดับจากการให้คะแนนที่ผู้ขายเลือกเอง และเป็นตัวเลขเดียวในประกาศที่ผู้อ่านช่างสงสัยควรให้น้ำหนักมากที่สุด

มีอะไรเปลี่ยนแปลงไปจาก Mistral Large 3 บ้าง ในสามประโยค

Mistral Large 3 เป็นโมเดล sparse mixture-of-experts ขนาด 675 พันล้านพารามิเตอร์ ที่มีพารามิเตอร์ที่ใช้งานจริง 41 พันล้าน หน้าต่างบริบท 256k ตัวเข้ารหัสภาพ 2.5 พันล้านพารามิเตอร์ และเวตภายใต้ Apache 2.0 ที่คุณดาวน์โหลดได้วันนี้ Mistral Large 4 เพิ่มยอดรวมเป็น 1.05 ล้านล้าน โดยมี 52 พันล้านที่ใช้งานจริงตามสเปกของผู้ขาย เพิ่มบริบทที่ระบุเป็น 1 ล้านโทเคน และเพิ่มความสามารถในการให้เหตุผลให้กับโมเดลที่ Mistral เคยอธิบายว่าเป็นมัลติโมดัลแบบ instruct-only ซึ่งเป็นการเปลี่ยนแปลงในเชิงชนิด ไม่ใช่แค่เชิงขนาดเท่านั้น สำหรับตอนนี้ มันเปิดตัวโดยไม่มีสัญญาอนุญาตและเช็กพอยต์ที่ทำให้ Large 3 นำไปใช้งานได้ง่าย

Artificial Analysis บันทึก Mistral Large 3 ว่าอยู่ในสถานะเลิกใช้แล้ว และชี้เป้าหมายการเลิกใช้ไปที่ Mistral Large 4 ซึ่งเป็นสัญญาณที่ชัดเจนที่สุดเท่าที่มีว่า สิ่งเหล่านี้เป็นรุ่นที่ต่อเนื่องกันในตำแหน่งเดียวกัน มากกว่าจะเป็นตัวเลือกที่ใช้คู่ขนานกัน หน้าเพจราคาของ Mistral เองก็สอดคล้องกัน: Large 3 อยู่ที่ $0.50 สำหรับอินพุต และ $1.50 สำหรับเอาต์พุตต่อหนึ่งล้านโทเคน และ Large 4 ถูกแสดงอยู่เหนือขึ้นไป โดยมีคู่ราคาโปรโมชันอยู่ในตำแหน่งแล้ว

ชุดเปรียบเทียบ ในฐานะดัชนี ไม่ใช่คำตัดสิน

มีหน้าเปรียบเทียบแบบตัวต่อตัวอยู่แล้วเก้าหน้าสำหรับโมเดลนี้ และหน้านี้จงใจไม่ทำซ้ำหน้าใดในนั้นเลย สำหรับผู้อ่านที่กำลังตัดสินใจเลือกระหว่าง Mistral Large 4 กับตัวอื่น ๆ หน้าเหล่านี้คือ mistral-large-4-0-vs-claude-opus-5, -vs-deepseek-v4-pro, -vs-gemini-3-1-pro, -vs-glm-5-5, -vs-gpt-6-sol, -vs-grok-4-7, -vs-kimi-k3, -vs-minimax-m3 และ -vs-qwen-3-8-max ความต้องการที่วัดได้อยู่ที่หน้าเหล่านี้พอดี — mistral large 4 vs claude ที่ 78 การแสดงผลและ 11 คลิก, vs opus 5.5 ที่ 84 และ 10 — และทั้งคู่มีอัตราการแปลงที่สูงกว่าอัตราของคำค้นเปล่า ๆ อย่างชัดเจน ซึ่งเป็นข้อสนับสนุนให้เก็บส่วนนิยามไว้ที่นี่ และเก็บส่วนการชี้ขาดไว้ที่นั่น

ความสัมพันธ์ที่ควรเอ่ยถึงคือ mistral-large-4-0-vs-glm-5-5 เพราะ GLM-5.5 เองก็เป็นหน้าหนึ่งในชุดเดียวกันนี้ และบทเขียนทั้งสองชิ้นต้องสอดคล้องกันในเรื่องการเปรียบเทียบ แทนที่จะโต้กันไปคนละทาง ส่วนอย่างอื่นในรายการนั้นเป็นเป้าหมายที่มั่นคง

อะไรที่ยังไม่ยุติ

น้ำหนักโมเดลจะเผยแพร่ภายในสิ้นเดือนตุลาคมหรือไม่ และภายใต้สัญญาอนุญาตใด และราคาโปรโมชันจะยังคงอยู่หลังช่วงพรีวิวหรือไม่ เนื่องจากอัตราราคามาตรฐานกับอัตราช่วงเปิดตัวต่างกันพอดีครึ่งหนึ่งในทั้งสามรายการ ทั้งสองเรื่องนี้ผู้อ่านตรวจสอบได้เองโดยไม่ต้องถามใคร ทั้งสัญญาอนุญาตและเช็กพอยต์จะปรากฏบน Hugging Face หรือไม่ก็ไม่ปรากฏ และตารางราคาจะยังแสดงตัวเลขที่ถูกขีดฆ่าอยู่ หรือไม่ก็ไม่แสดง

จนถึงตอนนั้น ท่าทีที่โมเดลนี้ชักชวนให้ยึดถือก็คือท่าทีที่ป้ายกำกับระยะของมันเองสื่อไว้ เรียกใช้มัน วัดมันเทียบกับปริมาณงานของคุณ — รวมถึงการใช้จ่ายโทเค็น ซึ่งเป็นตัวเลขที่โพสต์เปิดตัวละไว้ — และรักษาเส้นทางโปรดักชันให้อยู่กับสิ่งที่พฤติกรรมไม่มีกำหนดว่าจะเปลี่ยนแปลง พรีวิวไม่ใช่เพียงป้ายบนตารางราคาเท่านั้น มันหมายความว่าโมเดล สัญญาอนุญาต และบิลสามารถเปลี่ยนแปลงพร้อมกันได้ทั้งหมด

ที่ OrcaRouter เราเปลี่ยนเส้นทางโมเดลมากกว่า 200 โมเดลผ่านเอนด์พอยต์เดียวที่เข้ากันได้กับ OpenAI ในราคาตามรายการของผู้ให้บริการ โดยบวกเพิ่ม 0% และส่งต่อราคานั้นตรง ๆ — ดังนั้นเมื่อผู้ขายปรับราคา ฝั่งเราก็ปรับราคาตามในวันเดียวกัน ไม่ว่าโมเดลนั้นจะเป็นตัวไหนก็ตาม การสลับไปใช้ระบบสำรองอัตโนมัติเป็นอีกครึ่งหนึ่งของเรื่องนั้นสำหรับทุกอย่างที่อยู่ในขั้นทดลอง: มันเปิดทางให้ทราฟฟิกจริงส่วนหนึ่งได้ลองสัมผัสกับโมเดลที่ยังไม่ผ่านการพิสูจน์ ขณะที่โมเดลที่นิ่งแล้วรับทราฟฟิกส่วนที่เหลือไว้ ดังนั้นหากเกิดการถดถอย ระบบก็จะเปลี่ยนเส้นทางหลบให้เอง แทนที่จะต้องปลุกใครสักคน ทั้งสองอย่างนั้นไม่ใช่คำกล่าวอ้างเกี่ยวกับ Mistral Large 4 ซึ่งเราไม่ได้ให้บริการ พวกมันคือรูปแบบของคำตอบสำหรับโมเดลถัดไป และสำหรับโมเดลนี้ ที่เปิดให้ใช้ก่อนที่ใบอนุญาตของมันจะตามมา

ไม่มีสิ่งใดในนั้นเป็นเพียงสมมติฐาน: ความล้มเหลวของ AI และเหตุการณ์ของเอเจนต์ที่ได้รับการบันทึกไว้ ซึ่งเอกสารอ้างอิงฉบับนี้เขียนขึ้นโดยอ้างอิงถึง ถูกเก็บรวบรวมไว้ใน OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความเชื่อมั่น และแฟล็กข้อโต้แย้งของตนเอง