Mistral Large 4 กับ Qwen3.8 Max: ความเป็นผู้นำที่อ้างไว้ แต่ตัวเลขที่เผยแพร่กลับหักล้าง

โพสต์เปิดตัว Mistral Large 4 ของ Mistral ระบุว่าคะแนน Coding Agent Index แบบรวม 49.8% ทำให้มัน "นำหน้า DeepSeek V4 Pro 0813 และ Qwen3.8 Max" Artificial Analysis มี Qwen3.8 Max อยู่ในตระกูลดัชนีเดียวกันอยู่แล้ว และตัวเลข Terminal-Bench 4.0 ของมันคือ 38.9% Mistral รายงานว่าโมเดลของตัวเองได้ 28.3% บนชุดทดสอบนั้น ตัวเลขทั้งสองมาจาก Artificial Analysis — ตัวหนึ่งเป็นสาธารณะ อีกตัวจัดทำขึ้นเป็นการภายในก่อนการเปิดตัวฮาร์เนส — และพวกมันชี้ไปในทิศทางตรงกันข้าม นั่นไม่ใช่เหตุผลที่จะมองข้ามโมเดลใดโมเดลหนึ่ง มันเป็นสิ่งที่มีประโยชน์ที่สุดเกี่ยวกับการจับคู่นี้ เพราะมันบอกคุณได้อย่างชัดเจนว่าจากสองตัวนี้ คุณสามารถตรวจสอบตัวไหนได้ในวันนี้ และมันตั้งคำถามเรื่องราคาได้อย่างเฉียบคม: Qwen3.8 Max มีค่าใช้จ่าย $2.00 ต่ออินพุตหนึ่งล้านโทเคน และ $6.00 ต่อเอาต์พุตหนึ่งล้านโทเคน เทียบกับราคา $0.68 และ $2.09 ของ Mistral Large 4 ซึ่งแพงกว่าประมาณสามเท่า และในทุกตัวชี้วัดที่เผยแพร่ มันเป็นโมเดลที่แข็งแกร่งกว่า

ทั้งสองเป็นความพยายามในระดับ Alibaba และระดับ Mistral ต่อสิ่งเดียวกัน — เรือธงแบบมัลติโมดัลโดยกำเนิดที่ให้บริการบริบทประมาณหนึ่งล้านโทเคนพร้อมความสามารถด้านการให้เหตุผล เครื่องมือ และเอาต์พุตแบบมีโครงสร้าง — เปิดตัวห่างกันเก้าสัปดาห์ โดยอันหนึ่งอยู่ในช่วงพรีวิวสาธารณะและอีกอันพร้อมใช้งานทั่วไปตามลำดับ หนึ่งในนั้นเปิดให้บริการมาตั้งแต่วันที่ 3 สิงหาคม 2026 และมีคอลัมน์คะแนนอิสระเต็มรูปแบบ ส่วนอีกอันมาถึงเมื่อวันที่ 6 ตุลาคม 2026 พร้อมคำสัญญาว่าจะปล่อยเวตภายในสิ้นเดือน และการรันการเรียนรู้แบบเสริมกำลังที่ผู้ขายกล่าวว่ายังคงไต่ขึ้นอยู่

คอลัมน์ที่เผยแพร่แล้วและคอลัมน์ที่สัญญาไว้

Qwen3.8 Max เป็นระดับความสามารถสูงสุดของ Alibaba จนถึงปัจจุบัน และ Alibaba วางตำแหน่งให้แข่งขันโดยตรงกับ GPT-5.5, Claude Opus 4.7 และ Gemini 3.1 Pro ในคู่มือการโยกย้ายของตัวเอง โดยเป็นมัลติโมดัลแบบเนทีฟครอบคลุมข้อความ ภาพ และวิดีโอ พร้อมเอาต์พุตเป็นข้อความ มีหน้าต่างบริบท 1,000,000 โทเคน และเมทริกซ์ความสามารถยืนยันโหมดคิด การเรียกฟังก์ชัน เครื่องมือในตัว และเอาต์พุตแบบมีโครงสร้าง ให้บริการในสามรูปแบบการเชื่อมต่อ — OpenAI-compatible, Anthropic-compatible และ native DashScope — จากปักกิ่ง สิงคโปร์ โตเกียว แฟรงก์เฟิร์ต และภูมิภาคอื่น ๆ

บน Artificial Analysis มันได้คะแนน 45.4 ใน Intelligence Index v4.3.2 เป็นอันดับ 17 จาก 147 โมเดล และได้ 76.2 ใน AA Coding index ซึ่งเป็นอันดับ 9 จาก 138 และเสมอกับ Kimi K3 ที่จุดสูงสุดของกลุ่ม open-weights มันทำได้ 92.8% ใน GPQA Diamond, 80.3% ในการเรียกคืนบริบทยาว, 52.1% ใน SciCode และ 47.8% ใน tau-banking ผลลัพธ์ Terminal-Bench 2.1 ของมันคือ 88.8%

Mistral Large 4 เป็นโมเดล Mixture-of-Experts แบบละเอียดที่มีพารามิเตอร์ที่ใช้งานจริง 49 พันล้าน จากทั้งหมด 1.05 ล้านล้าน และมีตัวเข้ารหัสภาพขนาด 1.6 พันล้านพารามิเตอร์ ฝึกตั้งแต่เริ่มต้นบน GPU NVIDIA Grace Blackwell จำนวน 3,800 ตัว ในศูนย์ข้อมูลในยุโรปของ Mistral เอง ด้วยข้อมูลที่ครอบคลุมมากกว่า 160 ภาษา รองรับข้อความและภาพในช่วงบริบทประมาณหนึ่งล้านโทเคน หน้า Artificial Analysis ของมันมีอยู่ภายใต้ชื่อ "Mistral Large 4 Preview" และไม่มีคะแนน Intelligence Index; น้ำหนัก (weights) ถูกสัญญาว่าจะเปิดให้ใช้ภายในสิ้นเดือนตุลาคม 2026

• ดัชนีความฉลาด — Qwen3.8 Max 45.4 (อันดับที่ 17 จาก 147) เทียบกับ Mistral Large 4 ที่ยังไม่เผยแพร่

• ดัชนีการเขียนโค้ด — Qwen3.8 Max 76.2 (อันดับ 9 จาก 138) vs Mistral Large 4 ไม่มีค่าที่เทียบเคียงได้

• Terminal-Bench 4.0 — Qwen3.8 Max 38.9% เทียบกับ Mistral Large 4 28.3% ประเมินผลแบบภายใน

• หน้าต่างบริบท — Qwen3.8 Max 1,000,000 โทเคน เทียบกับ Mistral Large 4 ประมาณ 1,000,000

• รูปแบบอินพุต — Qwen3.8 Max: ข้อความ รูปภาพ และวิดีโอ เทียบกับ Mistral Large 4: ข้อความ

• ราคาอินพุต — Mistral Large 4 $0.68 ต่อ 1M เทียบกับ Qwen3.8 Max $2.00 ต่อ 1M

• ราคาเอาต์พุต — Mistral Large 4 $2.09 ต่อ 1M เทียบกับ Qwen3.8 Max $6.00 ต่อ 1M

• อินพุตที่แคชไว้ — Mistral Large 4 $0.07 ต่อ 1M เทียบกับ Qwen3.8 Max $0.25 ต่อ 1M

• เวต — Mistral Large 4 สัญญาอนุญาตแบบเปิดที่รับปากไว้ว่าจะเปิดตัวปลายเดือนตุลาคม 2026 เทียบกับ Qwen3.8 Max แบบปิด

• เปิดตัว — Qwen3.8 Max 3 สิงหาคม 2026 เทียบกับ Mistral Large 4 6 ตุลาคม 2026, พรีวิว

การแก้ไขความขัดแย้ง เท่าที่จะสามารถแก้ไขได้

ตัวเลข Terminal-Bench 4.0 สองตัวนั้นไม่สอดคล้องกันจริง ๆ และคำอธิบายที่เป็นไปได้มากที่สุดก็เป็นคำอธิบายที่ดราม่าน้อยที่สุด: พวกมันมาจากการรันคนละครั้ง 28.3% ของ Mistral ถูกอธิบายว่าประเมินแบบส่วนตัวโดย Artificial Analysis ก่อนการเปิดตัว harness สู่สาธารณะ ซึ่งหมายความว่ามันอาจถูกวัดบน harness ก่อนเปิดตัว ที่ระดับความพยายามที่ต่างกัน หรือด้วยการสุ่มตัวอย่างที่แตกต่างกัน 38.9% ของ Qwen อยู่บน harness ที่เผยแพร่แล้ว ณ การกำหนดค่าที่ Artificial Analysis ทำให้เป็นมาตรฐาน การเปรียบเทียบพวกมันโดยตรงก็เหมือนการเปรียบเทียบฉบับร่างกับฉบับสมบูรณ์ และฉบับร่างคือฉบับที่ดูแย่กว่า

ก็น่าสังเกตว่าความขัดแย้งนั้นชี้ไปในทางใด Mistral อ้างว่าครองตำแหน่งผู้นำใน Coding Agent Index รวม — 49.8% นำหน้า Qwen3.8 Max — ขณะที่เผยแพร่ตัวเลข Terminal-Bench 4.0 ที่ตามหลังของ Qwen อยู่สิบจุด ดัชนีรวมรวบรวมการประเมินหลายรายการ ดังนั้นทั้งสองอย่างจึงสามารถเป็นจริงพร้อมกันได้ และโมเดลที่มีผลลัพธ์ DeepSWE v1.1 ที่แข็งแกร่ง (Mistral รายงาน 61.7%) และผลลัพธ์ Terminal-Bench ที่อ่อนแอ ก็ยังสามารถชนะค่าเฉลี่ยได้ แต่จนกว่า Coding Agent Index จะเปิดเผยต่อสาธารณะ องค์ประกอบเดียวของข้อกล่าวอ้างนั้นที่ผู้อ่านสามารถตรวจสอบได้คือส่วนที่ Mistral ตามหลังอยู่ ความไม่สมมาตรนั้นเป็นสิ่งที่ถูกต้องที่ควรระแวง ไม่ว่าจะในทิศทางใด

สิ่งที่ราคาสามเท่าซื้อได้จริง

สองสิ่ง และมีเพียงหนึ่งในนั้นเท่านั้นที่เป็นเรื่องของประสิทธิภาพ

วิดีโอคือตัวอย่างที่เป็นรูปธรรม Qwen3.8 Max รองรับวิดีโอแบบเนทีฟในฐานะอินพุตชั้นหนึ่ง ส่วน Mistral Large 4 ไม่รองรับ บทว่าด้วยมัลติโมดัลของ Mistral เป็นเรื่องเกี่ยวกับภาพ — การเชื่อมโยงกับฉากที่มีข้อมูลหนาแน่น การตรวจสอบชิ้นส่วนเครื่องกลในแบบทางเทคนิค การดึงหลักฐานจาก PDF การสแกนภาพถ่ายดาวเทียมระดับกิกะพิกเซล — และไม่มีสิ่งใดต้องใช้ภาพเคลื่อนไหว หากไปป์ไลน์ของคุณประมวลผลบันทึก การสาธิต หรือคลังวิดีโอ การเปรียบเทียบราคาก็ไม่มีความเกี่ยวข้อง เพราะหนึ่งในโมเดลเหล่านี้ไม่สามารถรับอินพุตของคุณได้ นี่คือขอบเขตความสามารถ ไม่ใช่ความแตกต่างของเรตการ์ด และไม่มีการปรับราคาใดจะทำให้มันเปลี่ยนไปได้

อย่างที่สองคือหลักฐาน คะแนน Index 45.4 ของ Qwen3.8 Max อันดับการเขียนโค้ดที่ 9 และคะแนน 88.8% บน Terminal-Bench 2.1 ล้วนทำซ้ำได้บนฮาร์เนสที่เผยแพร่โดยใครก็ตามที่ยอมใช้โทเคน ML4 ของ Mistral เสนอเพดานที่อ้างว่าสูงกว่าในด้านการเขียนโค้ดแบบเอเจนต์และระบบอัตโนมัติ มีการประเมินโดยมนุษย์แบบไม่เปิดเผยชื่อ ซึ่งมันเอาชนะ Kimi K3 และ GLM-5.3 ได้เล็กน้อยในด้านคุณภาพการเขียนโค้ดตามการรับรู้ และมีข้ออ้างด้านความมั่นคงปลอดภัยไซเบอร์ที่เฉพาะเจาะจง — 82% ในการทดสอบ reproduce-and-patch ของ Artificial Analysis ซึ่งสูงที่สุดในบรรดาโมเดลที่ทดสอบทั้งหมด พร้อม 93% บน Cybench ทุกข้อเหล่านั้นเป็นข้อมูลที่ผู้ขายรายงานเองหรือประเมินเป็นการภายใน ทีมที่ต้องชี้แจงเหตุผลในการเลือกโมเดลต่อการทบทวนด้านจัดซื้อจัดจ้างยอมจ่ายราคาที่แพงขึ้นสามเท่าเพื่อให้ได้คำตอบเป็นลายลักษณ์อักษร

อย่างไรก็ตาม ประเด็นด้านความมั่นคงปลอดภัยไซเบอร์คือข้ออ้างเดียวในการเปรียบเทียบนี้ที่ราคาที่ต่ำกว่าไม่อาจชดเชยได้ เพราะมันคือขีดความสามารถ ไม่ใช่ข้อได้เปรียบ Mistral รายงานว่าโมเดลปิดชั้นนำหลายตัว รวมถึง Claude Opus 5.5 และ GPT-6 Astra ได้คะแนนเกือบศูนย์ในการทดสอบจำลองและแพตช์ช่องโหว่แบบเดียวกัน เพราะพวกมันปฏิเสธที่จะทำงานนั้น และอัตราการปฏิเสธโดยเฉลี่ยของ ML4 ต่อพรอมป์ด้านไซเบอร์ที่ดึงมาจาก JailbreakBench, StrongREJECT และ AgentHarm นั้นสูงกว่าโมเดลน้ำหนักเปิดอื่น ๆ ขณะที่ยังทำงานจนสำเร็จ ส่วน Qwen3.8 Max ไม่มีรายงานผลในการทดสอบนั้น หากงานของคุณเกี่ยวข้องกับการจำลองช่องโหว่ คำถามไม่ใช่ว่าใครถูกกว่า แต่เป็นว่าใครจะทำงานนั้นให้ได้เลยต่างหาก

น้ำหนัก ไบแอส และฟังก์ชันกระตุ้น

นี่คือจุดที่ Mistral Large 4 มีข้อได้เปรียบเชิงโครงสร้างเพียงหนึ่งเดียวที่ส่วนเพิ่มราคาสามเท่าของ Qwen ไม่อาจแตะต้องได้ Mistral มุ่งมั่นที่จะเผยแพร่น้ำหนักของ ML4 ภายใต้สัญญาอนุญาตแบบเปิดภายในสิ้นเดือนตุลาคม 2026 พร้อมกับรายละเอียดของสถาปัตยกรรมและระเบียบวิธีหลังการฝึก นั่นเปลี่ยนค่าใช้จ่ายต่อโทเค็นให้เป็นการตัดสินใจลงทุน: หากคุณมี GPU คุณก็หยุดจ่ายต่อโทเค็น หยุดส่งข้อมูลให้บุคคลที่สาม และหยุดอยู่ภายใต้นโยบายการกลั่นกรองของคนอื่น ระดับ Max ของ Alibaba เป็นข้อเสนอแบบปิดที่ใช้เฉพาะ API และไม่มีสิ่งใดบ่งชี้ว่ากำลังจะเปลี่ยนแปลง

ภูมิศาสตร์คือข้อโต้แย้งเดียวกันในอีกมิติหนึ่ง Qwen3.8 Max ให้บริการจากปักกิ่ง สิงคโปร์ โตเกียว และแฟรงก์เฟิร์ต รวมถึงเมืองอื่น ๆ — เป็นการครอบคลุมทั่วโลกอย่างแท้จริง แต่ดำเนินการโดย Alibaba ส่วนการเปิดให้ทดลองใช้สาธารณะของ Mistral Large 4 ทำงานบนโครงสร้างพื้นฐานยุโรปของ Mistral เอง ในภูมิภาคยุโรปที่ Mistral ดำเนินการตั้งแต่ต้นจนจบและเป็นอิสระจากผู้ให้บริการดิจิทัลรายอื่น ภายใต้กฎหมายยุโรป สำหรับผู้ซื้อในยุโรปที่อยู่ภายใต้การกำกับดูแล ประโยคสองประโยคนั้นสนับสนุนผลลัพธ์ด้านการจัดซื้อที่แตกต่างกันอย่างมาก แม้ว่าทั้งสองโมเดลจะพร้อมใช้งานในเมืองเดียวกันก็ตาม การระดมทุนรอบ Series D มูลค่า 3 พันล้านยูโรของ Mistral — ซึ่งเป็นการระดมทุนที่ใหญ่ที่สุดเท่าที่บริษัทเทคโนโลยีสัญชาติยุโรปเคยระดมได้ — ดำรงอยู่เพื่อสนับสนุนความแตกต่างนั้นโดยตรง และ ML4 คือผลงานชิ้นแรกที่ส่งมอบ

การกำหนดเส้นทางข้ามสองรูปแบบของความพร้อมใช้งาน

สิ่งที่ไม่ธรรมดาเกี่ยวกับการจับคู่นี้คือ สองโมเดลนี้ไม่ได้ต่างกันแค่เรื่องราคาและความสามารถ แต่ยังต่างกันที่วิธีเข้าถึงด้วย Qwen3.8 Max รองรับโปรโตคอลที่เข้ากันได้กับ OpenAI, เข้ากันได้กับ Anthropic และ DashScope แบบเนทีฟจากหลายภูมิภาค ส่วน Mistral Large 4 เป็นเอนด์พอยต์พรีวิวเพียงตัวเดียวจากผู้ให้บริการรายเดียว การทำให้สิ่งนี้เป็นมาตรฐานเดียวกันจากโค้ดแอปพลิเคชันของคุณถือเป็นงานจริงจัง และเป็นงานประเภทที่เริ่มต้นจากเล็ก ๆ แล้วโตขึ้นทุกครั้งที่ผู้ให้บริการเปลี่ยนอะไรบางอย่าง

ทั้งสองทำงานอยู่เบื้องหลัง endpoint เดียวที่รองรับ OpenAI บน OrcaRouter โดยบวกกำไร 0% ซึ่งเป็นสิ่งที่ทำให้ช่องว่างราคาในบทความนี้คงที่แทนที่จะเป็นแค่ภาพ ณ ขณะหนึ่ง: ราคาตามรายการของผู้ให้บริการถูกส่งผ่านโดยไม่ถูกดัดแปลง ดังนั้นในวันที่ Mistral ยุติอัตรา preview หรือ Alibaba ปรับราคาของ Qwen ตัวเลขที่กฎการ routing ของคุณใช้ประเมินก็จะขยับไปพร้อมกัน DSL สำหรับ routing คือจุดที่ความแข็งแกร่งที่แตกต่างกันของสองโมเดลนี้กลายเป็น จุดเรียกใช้งานเดียว — คำขอที่มีวิดีโอส่งไปที่ Qwen3.8 Max งานด้านภาพและเอกสารส่งไปที่ Mistral Large 4 และอะไรก็ตามที่ต้องรักษางบประมาณอย่างเข้มงวดให้ส่งไปที่ ML4 ก่อน โดยมี Qwen เป็นตัว escalate เมื่อข้ออ้างเรื่อง combined-index พิสูจน์แล้วว่าสำคัญกับงานจริง ในคู่นี้ การ failover อัตโนมัติมีคุณค่ามากกว่าที่พบในคู่ส่วนใหญ่ เพราะขาข้างหนึ่งเป็น API แบบ preview ในเดือนแรกของมัน ส่วนอีกข้างเป็น tier แบบปิดที่คุณวางแผน capacity ไม่ได้ ในกรณีที่คำถามเรื่องการเขียนโค้ด 49.8 กับ 76.2 ยังไม่ถูกตัดสินอย่างแท้จริงสำหรับ workload ของคุณ model fusion สามารถรันทั้งสองบน prompt เดียวกันและให้ panel เป็นผู้เลือก ซึ่งถูกกว่าการรัน bake-off สองครั้ง

คำตัดสิน

Qwen3.8 Max เป็นโมเดลที่ดีกว่าเมื่อพิจารณาจากทุกสิ่งที่ได้รับการเผยแพร่ คะแนน Index 45.4 ดัชนีการเขียนโค้ด 76.2 และ 38.9% บน Terminal-Bench 4.0 อยู่บนเรเวอร์ชันชุดเดียวกับของทุกคน รองรับวิดีโอ เปิดให้ใช้งานมาได้สองเดือนแล้ว และเข้าถึงได้ผ่านรูปแบบการรับส่งข้อมูลสามแบบจากห้าภูมิภาค หากประสิทธิภาพและความสามารถในการตรวจสอบยืนยันเป็นปัจจัยชี้ขาด ราคาที่สูงกว่าสามเท่าก็คือราคาของแฟลกชิปที่วางจำหน่ายจริงและผ่านการวัดผล

Mistral Large 4 ชนะเรื่องราคาด้วยส่วนต่างประมาณสามเท่า ชนะเรื่องการอ่านแคชมากกว่าสามเท่า ชนะในงานความมั่นคงปลอดภัยไซเบอร์ที่ทางเลือกอื่นปฏิเสธ และชนะในสองข้อโต้แย้งที่ Qwen ตอบไม่ได้: น้ำหนักโมเดลแบบเปิดที่สัญญาไว้ว่าจะเปิดภายในสิ้นเดือนตุลาคม และการติดตั้งใช้งานในยุโรปที่ Mistral ดูแลตั้งแต่ต้นจนจบ ข้ออ้างเรื่อง Coding Agent Index ที่ 49.8% คือสิ่งที่ตัดสินเรื่องนี้ได้ — ถ้าตัวเลขนั้นไปปรากฏบนฮาร์เนสสาธารณะก่อนของ Qwen โมเดลที่ถูกกว่าจะกลายเป็นโมเดลที่ดีกว่า และส่วนต่างราคาพรีเมียมก็จะหายไป ถ้าไม่ใช่ Mistral กำลังขายราคาพรีวิวบนโมเดลที่ตามหลังคู่แข่งที่วางจำหน่ายแล้ว และจุดยืนที่ตรงไปตรงมาคือคุณกำลังซื้อโรดแมปมากกว่าซื้อตัวโมเดล

จับตาสามกำหนดสำคัญ: ปลายเดือนตุลาคม 2026 เมื่อเวตของ ML4 ถูกปล่อยออกมาหรือคำกล่าวอ้างเรื่องโอเพนเวตอ่อนลง; การเผยแพร่ Artificial Analysis Coding Agent Index ซึ่งผลประเมินภายในของ Mistral และคะแนนสาธารณะของ Qwen มาบรรจบกันในคอลัมน์เดียว; และจุดสิ้นสุดของช่วงพรีวิว เมื่อใดก็ตามที่ Mistral ประกาศ เพราะ $0.68 และ $2.09 เป็นราคาเปิดตัว และไม่ควรมีประมาณการใดสมมติว่ามันจะคงอยู่หลังการปล่อยเวต