Mistral Large 4 กับ Llama 4 Maverick: ความต่างคนละรุ่น ไม่ใช่ความต่างด้านราคา

Mistral Large 4 และ Llama 4 Maverick เป็นสิ่งประเภทเดียวกัน แต่ไม่ใช่รุ่นเดียวกันของสิ่งนั้น ทั้งคู่เป็น Mixture-of-Experts แบบสแปร์สที่มีหน้าต่างบริบทหนึ่งล้านโทเคนตามโมเดลการ์ด ทั้งคู่รับได้ทั้งภาพและข้อความ และทั้งคู่สามารถดาวน์โหลดไปรันบนฮาร์ดแวร์ของคุณเองได้ Maverick เปิดตัวเมื่อวันที่ 5 เมษายน 2025 ด้วยพารามิเตอร์รวม 400 พันล้านตัวและพารามิเตอร์ที่ใช้งานอยู่ 17 พันล้านตัว Mistral Large 4 เปิดพรีวิวเมื่อวันที่ 6 ตุลาคม 2026 และเผยแพร่Weightของมันเมื่อวันที่ 29 ตุลาคม โดยมีพารามิเตอร์รวม 1.05 ล้านล้านตัวและพารามิเตอร์ที่ใช้งานอยู่ 52 พันล้านตัว สองรุ่นนี้ห่างกันสิบเก้าเดือน เมื่อเทียบที่ราคามัธยฐานในตลาดโฮสติ้งของ Maverick ต้นทุนที่แตกต่างกันก็มีเพียงประมาณ 1.3 เท่าเช่นกัน ซึ่งไม่ใช่สิ่งที่แทบไม่มีใครคาดว่าจะได้ยินเกี่ยวกับโมเดลที่เก่าขนาดนั้น

คำตอบแบบสั้น ๆ ก่อนจะถึงข้อแม้ทั้งหลาย

หากคุณกำลังเริ่มสร้างระบบใหม่ในช่วงปลายปี 2026 และต้องการความสามารถด้านการให้เหตุผล งานเอกสารยาว หรือการเขียนโค้ดแบบเอเจนต์ Mistral Large 4 คือโมเดลที่ดีกว่าและมีราคาแพงกว่า หากคุณต้องการโมเดลแบบ open-weight ที่สามารถ fine-tune ได้ รันแบบ air-gapped ได้ หรือเรียกใช้ในราคาเพียงเศษเสี้ยวของเซนต์ต่อคำขอเมื่องานเป็นการสกัดข้อมูลแบบง่าย Llama 4 Maverick ก็ยังเป็นตัวเลือกที่มีเหตุผลรองรับ — ไม่ใช่เพราะมันแข่งขันได้ในด้านความสามารถ แต่เพราะภาระงานนั้นอาจไม่ต้องการความสามารถขนาดนั้น ข้อผิดพลาดคือการมองช่องว่าง 19 เดือนว่าเป็นการแข่งขันกัน มันคือระดับราคาที่บังเอิญอยู่ในหมวดหมู่เดียวกัน และเรื่องราคานั้นแปลกกว่าด้านความสามารถ

ตัวเลขที่วางเคียงข้างกัน

• จำนวนพารามิเตอร์ทั้งหมด — Mistral Large 4 มี 1.05T กระจายอยู่ใน routed experts 128 ตัว บวกกับ shared expert หนึ่งตัว เทียบกับ 402B ของ Llama 4 Maverick ซึ่งมี experts 128 ตัว และ Meta ระบุไว้ที่ 400B

• พารามิเตอร์ที่ใช้งาน — 52B ต่อโทเคนบน Mistral Large 4 (49B สำหรับสแต็กภาษา เมื่อนับ embedding และเลเยอร์เอาต์พุตจะรวมเป็น 52B) เทียบกับ 17B บน Llama 4 Maverick ดังนั้นช่องว่างด้านการคำนวณต่อโทเคนจึงอยู่ที่ประมาณสามต่อหนึ่ง

• บริบท — ทั้งสองฝั่งโฆษณาไว้ที่ 1M โทเคน แต่จำนวนที่โฮสต์ให้บริการจริงนั้นเป็นอีกตัวเลขหนึ่ง และมีหัวข้อถัดไปที่จะกล่าวถึงเรื่องนี้

• รูปแบบข้อมูล — รับข้อความและภาพเข้า ส่งข้อความออก ทั้งสองรุ่น เอนโคเดอร์วิชันของ Mistral Large 4 มี 1.6B พารามิเตอร์; ส่วนเอนโคเดอร์แบบ early-fusion ของ Maverick ไม่ได้แยกตัวเลขออกมาในข้อมูลที่ Meta เผยแพร่

• การให้เหตุผล — Mistral Large 4 มีระดับความพยายามให้เลือกคือ ต่ำ กลาง และสูง โดยค่าเริ่มต้นคือสูง แผงข้อมูลข้อกำหนดของ Artificial Analysis ระบุว่า Llama 4 Maverick ไม่มีโหมดการให้เหตุผลเลย

• ราคาต่อล้านโทเคน — อินพุต $0.70 และเอาต์พุต $2.10 จาก Mistral โดยตรง โดยอินพุตที่แคชไว้อยู่ที่ $0.07 เทียบกับ Maverick ที่ไม่มีราคาในรายการจากผู้พัฒนาเองเลย เพราะ Meta ไม่ได้ขายมัน โฮสต์เรียกเก็บต่ำสุดเพียง $0.17 สำหรับอินพุต และ $0.60 สำหรับเอาต์พุต ส่วน Artificial Analysis ระบุค่ามัธยฐานของผู้ให้บริการอยู่ที่ $0.50 และ $1.68

• ใบอนุญาต — Mistral Ecosystem Open-Weight License ซึ่งเป็น MIT ที่ดัดแปลงโดยมีข้อยกเว้นสำหรับ model-as-a-service เทียบกับ Llama 4 Community License ที่มีเกณฑ์ผู้ใช้งานที่ใช้งานจริงต่อเดือน 700 ล้านคน

• เปิดตัว — 29 ตุลาคม 2026 สำหรับเช็กพอยต์ Mistral Large 4 เทียบกับ 5 เมษายน 2025 สำหรับ Llama 4 Maverick โดยมีจุดตัดข้อมูลความรู้ในเดือนสิงหาคม 2024

การต่อสู้เรื่องมาตรฐานการวัดอยู่ระหว่างผู้ปกครองสองคนที่แตกต่างกัน

ค้นหาแมตช์อัปนี้ แล้วคุณจะพบหน้าต่าง ๆ ที่อ้างว่า Mistral Large 4 ได้คะแนน 38.0 ใน Artificial Analysis Intelligence Index เทียบกับ Maverick ที่ 14.3 และหน้าอื่น ๆ ที่อ้างว่า Maverick ชนะเก้าในสิบเอ็ดเบนช์มาร์ก ตัวเลขทั้งสองชุดเป็นของจริงในแง่ที่มีใครบางคนพิมพ์มันออกมา แต่ไม่มีชุดใดเป็นการเปรียบเทียบเลย

บน Artificial Analysis Intelligence Index v5 ปัจจุบัน ซึ่งสร้างใหม่เมื่อวันที่ 27 ตุลาคม 2026 Mistral Large 4 ได้คะแนน 26 ที่การตั้งค่าการให้เหตุผลระดับสูง และ 23 ที่ระดับกลาง ค่า 38.0 ที่คุณเห็นถูกอ้างถึงคือคะแนนของมันบนบิลด์ v4.3.2 ก่อนหน้า จากพรีวิวเดือนตุลาคม และไม่สามารถนำไปหักลบจากสิ่งใดก็ตามที่วัดหลังการสร้างใหม่ได้ — ดัชนีเปลี่ยนไป ไม่ใช่แค่โมเดล ในขณะเดียวกัน Maverick ไม่มีคะแนนดัชนี v5 เลย หน้า Artificial Analysis ของมันแสดง "N/A" ในตำแหน่งที่ควรเป็นตัวเลขความฉลาด พร้อมกับความเร็ว 62.7 โทเค็นเอาต์พุตต่อวินาที และหมายเหตุว่ามันช้ากว่าค่าเฉลี่ยของคลาสเดียวกัน ตัวเลข 14.3 ที่แพร่หลายตามเว็บไซต์เปรียบเทียบนั้นมีมาก่อนการสร้างใหม่

สิ่งที่วัดได้นั้นแคบกว่าและตรงไปตรงมามากกว่า Mistral รายงาน 41% บน Terminal-Bench 4.0 เพิ่มขึ้นจาก 28% ในช่วงพรีวิว; 61.7% บน DeepSWE v1.1; 79% บน CyberGym-E2E; และ 51 บน Artificial Analysis Cyber Index ซึ่งเป็นอันดับสามในกลุ่มโมเดล open-weight ทุกตัวยกเว้น Cyber Index เป็นตัวเลขที่ผู้ขายรายงานบน agent scaffold ของ Mistral เอง และโดยเฉพาะตัวเลข Terminal-Bench เมื่อทำซ้ำได้ผลต่ำกว่ามาก — 24.7% — เมื่อน้ำหนักเดียวกันรันบน mini-swe-agent harness ที่เป็นกลางของ Artificial Analysis ตัวเลขที่เผยแพร่ของ Maverick มาจากเดือนเมษายน 2025 และใช้ชุดทดสอบที่เก่ากว่าทั้งหมด: 85.5 MMLU, 80.5 MMLU-Pro, 69.8 GPQA Diamond, 91.6 DocVQA ซึ่งเป็นตัวเลขที่ Meta รายงานตอนเปิดตัว ไม่มี harness ร่วมที่ทั้งสองถูกนำไปรัน ดังนั้นข้อความเดียวที่ยืนได้คือเชิงทิศทาง: โมเดลที่ใหม่กว่า ใหญ่กว่า และผ่านการฝึก reasoning นั้นเก่งกว่างานยาก โดยเป็นปริมาณที่ยังไม่มีใครวัดได้อย่างสะอาดข้ามทั้งคู่

หนึ่งล้านโทเค็นให้คุณได้อะไรจริง ๆ ในแต่ละอัน

หน้าต่างบริบทคือจุดที่โมเดลทั้งสองดูคล้ายกันมากที่สุด แต่กลับมีพฤติกรรมแตกต่างกันมากที่สุดในการใช้งานจริง

การ์ดโมเดลของ Llama 4 Maverick ระบุว่า 1,048,576 โทเค็น และแผงข้อมูลสเปกของ Artificial Analysis ก็ระบุซ้ำว่า 1M ในทางปฏิบัติ โฮสต์ส่วนใหญ่จำกัดไว้ต่ำกว่านั้นมาก — 128K เป็นค่าที่พบได้ทั่วไป — และแทบไม่มีรายใดที่จะให้ทั้งหน้าต่างเต็มและงบเอาต์พุตที่ใช้งานได้จริง เอาต์พุตสูงสุดของ Maverick โดยทั่วไปอยู่ที่ 8K ถึง 16K ขึ้นอยู่กับผู้ให้บริการ และเอนด์พอยต์ที่ Meta โฮสต์เองเคยถูกระบุไว้ที่ประมาณ 4K ดังนั้นบิลด์ "1M context" บน Maverick มักจะเป็นบิลด์ 128K บนโฮสต์ของบุคคลที่สาม และคุณจะรู้เรื่องนั้นเมื่อเจอเอกสารยาวฉบับแรก

Mistral Large 4 ประกาศค่า 1M ผ่าน API ของ Mistral เอง ซึ่งอย่างน้อยก็เป็นตัวเลขเดียวที่ตรวจสอบได้ มากกว่าการเสี่ยงโชคแยกตามแต่ละโฮสต์ เอกสารของ Mistral ไม่ได้ประกาศตัวเลขเอาต์พุตสูงสุด ดังนั้นคำแนะนำเดิมยังใช้ได้: วัดค่าคู่นี้ — หน้าต่างอินพุตและเพดานเอาต์พุต — บน endpoint ที่คุณจะเรียกใช้จริง ไม่ใช่บนการ์ด

นี่คือสิ่งที่เราเตอร์มีไว้จัดการ OrcaRouterส่งราคาตามรายการของผู้ให้บริการต่อโดยบวกมาร์กอัป 0% และสลับไปยังผู้ให้บริการรายอื่นโดยอัตโนมัติเมื่อเกิดปัญหา ดังนั้นโฮสต์ที่แอบลดขนาดหน้าต่างบริบทลงจะปรากฏออกมาเป็นการตัดสินใจด้านการกำหนดเส้นทาง而不是เหตุการณ์ในระบบผลิต ทั้ง Mistral Large 4 และ Llama 4 Maverick ไม่มีอยู่ในแคตตาล็อกของเราในวันนี้ ดังนั้นนั่นจึงเป็นข้อถกเถียงเกี่ยวกับวิธีรันโมเดลแบบ open-weight ที่คุณเลือก ไม่ใช่คำกล่าวอ้างว่าเราให้บริการสองโมเดลนี้

บิลที่คำนวณออกมาแล้ว — และเหตุใดสเปรดจึงเป็นหัวใจของเรื่อง

สมมติภาระงานโปรดักชันระดับปานกลาง: โทเคนอินพุต 100 ล้านโทเคน และโทเคนเอาต์พุต 40 ล้านโทเคนต่อเดือน

Mistral Large 4 ในราคาตามรายการ — 100 × $0.70 เท่ากับ $70 และ 40 × $2.10 เท่ากับ $84 รวมเป็น $154 ต่อเดือน

• Llama 4 Maverick ที่ค่ามัธยฐานของผู้ให้บริการ — 100 × $0.50 คือ $50 และ 40 × $1.68 คือ $67.20 รวมเป็น $117.20 ต่อเดือน

• Llama 4 Maverick บนโฮสต์ที่ราคาแข่งขันได้ — ประมาณ $0.25 และ $0.92 ทำให้เวิร์กโหลดเดียวกันอยู่ที่ $61.80

• Llama 4 Maverick ที่โฮสต์ราคาถูกที่สุด — ราคาประมาณ $0.17 และ $0.60 ทำให้ราคาอยู่ที่ $41

ดังนั้นอัตราส่วนเมื่อเทียบกับ Mistral Large 4 จึงอยู่ในช่วงตั้งแต่ 1.3 เท่าที่ค่ามัธยฐาน ไปจนถึงประมาณ 3.8 เท่าที่ปลายล่างของตลาด ช่วงนี้ไม่ใช่คุณสมบัติของโมเดล แต่เป็นคุณสมบัติของแหล่งที่คุณซื้อ Maverick และมันกว้างกว่าช่องว่างระหว่างสองโมเดลที่ตรงกลางของการกระจาย ทีมที่ทำ benchmarking บนโฮสต์ราคาถูกและตั้งงบประมาณจากค่ามัธยฐานได้ฝังความคลาดเคลื่อน 3 เท่าเข้าไปในประมาณการของตัวเองแล้ว

เมื่อเทียบกับความสามารถที่คุณยังวัดแบบเทียบเป็นคู่ไม่ได้ในตอนนี้ การตัดสินใจก็ไม่ใช่แค่การคำนวณเลขอีกต่อไป กรอบความคิดที่สมเหตุสมผลคือต้นทุนต่องานที่ทำเสร็จ ไม่ใช่ต้นทุนต่อโทเคน หาก Mistral Large 4 ทำงานที่ต้องลองสามครั้งและวนซ่อมบน Maverick ให้เสร็จได้ในรอบเดียว ช่องว่างค่ามัธยฐาน 1.3× ก็หายไปด้วย นั่นคือข้อกล่าวอ้างที่คุณต้องทดสอบกับงานของคุณเอง และมันเป็นการทดลองที่คุ้มค่าที่สุดเพียงหนึ่งเดียวที่คุณสามารถนำโมเดลใดโมเดลหนึ่งในสองนี้มาทดลองได้ในเดือนนี้

สิ่งที่ไม่มีใครพูดออกมาดัง ๆ: Maverick คือ Llama โอเพนตัวสุดท้าย

Llama 4 Maverick ยังไม่ถูกประกาศเลิกใช้งาน ยังคงอยู่บน Hugging Face ยังคงอยู่ภายใต้ Llama 4 Community License และยังถูกนำไปใช้งานอย่างแพร่หลายสำหรับงานติดตั้งภายในองค์กรและงานในระบบแยกอากาศ แต่ก็เป็นจุดสิ้นสุดของสายการพัฒนาหนึ่ง การพัฒนาระดับแนวหน้าของ Meta ได้ย้ายไปยังตระกูล Muse Spark แบบปิดในปี 2026 และยังไม่มี Llama 5 ออกจำหน่าย — หน้าที่อ้างว่ามีนั้นมีข้อกำหนดทางเทคนิคที่ขัดแย้งกันเองและขัดกับประกาศของ Meta เอง การลงทุนในเส้นทาง Llama แบบเปิดได้หยุดลงอย่างมีนัยสำคัญแล้ว

นั่นเปลี่ยนความหมายของ "การเลือก Maverick" ไปเลย มันไม่ใช่การเลือกโมเดลที่จะพัฒนาต่อ แต่เป็นการเลือกโมเดลที่จะคงสภาพเดิมทุกอย่าง ขณะที่เครื่องมือโดยรอบค่อย ๆ เคลื่อนไปช้า ๆ สำหรับระบบที่ผ่านการ fine-tune แช่แข็ง และนำไปใช้งานแล้ว นั่นก็โอเค — อาจถือเป็นข้อได้เปรียบด้วยซ้ำ เพราะไม่มีอะไรเคลื่อนไหวภายใต้คุณ แต่สำหรับแพลตฟอร์มที่คุณตั้งใจจะต่อยอด นี่คือทางตันที่มีอายุการใช้งานสองปี โปรดทราบว่า knowledge cutoff คือสิงหาคม 2024: โมเดลไม่เคยเห็นอะไรที่เกิดขึ้นหลังจากนั้น และการทำ prompt engineering ไม่ว่าจะมากแค่ไหนก็แก้ไขไม่ได้

Mistral Large 4 มีลักษณะความเสี่ยงที่ตรงกันข้าม โดยเพิ่งเปิดตัวในฐานะโมเดลน้ำหนักเปิดมาได้เพียงหกวัน เอกสารประกอบยังระบุว่าเป็นพรีวิวสาธารณะ และไลเซนส์กำหนดให้ต้องมีข้อตกลงเชิงพาณิชย์หากคุณต้องการขายต่อบริการ inference บนโมเดลนี้ ยังใหม่และเคลื่อนไหวอยู่ตลอด พร้อมเงื่อนไขที่ต้องอ่านให้ดีก่อนจะสร้างธุรกิจบนพื้นฐานของมัน

จุดที่ Maverick ยังคงชนะอยู่

สามกรณี และไม่ใช่กรณีเล็ก ๆ เลย

อย่างแรกคือฮาร์ดแวร์ พารามิเตอร์ 400B ของ Maverick พอดีอยู่ในพื้นที่ประมาณ 373 GB ที่ FP8 ซึ่งเป็นโหนด H100 หรือ H200 แบบแปด GPU เพียงโหนดเดียว ส่วน checkpoint FP8 ของ Mistral Large 4 มีขนาดประมาณ 1.06 TB กระจายอยู่ 54 shards และ Mistral ระบุว่าบิลด์ NVFP4 แบบควอนไทซ์ทำงานบน GPU B200 หรือ B300 สี่ตัว หากการติดตั้งใช้งานของคุณเป็นเพียงหนึ่งโหนดในแร็กที่คุณมีอยู่แล้ว ตัวเลือกก็ถูกกำหนดไว้ให้คุณแล้ว

อย่างที่สองคือการปรับแต่งละเอียด (fine-tuning) Maverick มี LoRA จากชุมชน สูตรการควอนไทซ์ และคู่มือการเสิร์ฟโมเดลมาแล้วสิบเก้าเดือน ส่วน Mistral Large 4 มีมาแค่หกวัน ช่องว่างของระบบนิเวศนั้นมีอยู่จริง และวัดกันด้วยชั่วโมงการดีบัก ไม่ใช่เบนช์มาร์ก

ประการที่สามคือรูปร่างของงาน การจำแนกประเภท การสกัดข้อมูล การจัดเส้นทาง การสรุปเอกสารสั้น และการสร้างคำบรรยายภาพในปริมาณมาก — ไม่มีสักงานเดียวในนี้ที่ต้องใช้โมเดลให้เหตุผลระดับล้านล้านพารามิเตอร์ และทุกงานกลับมีต้นทุนถูกลงเมื่อใช้โมเดลที่เปิดใช้งานจริงเพียง 17B การจ่ายเงินแพงขึ้นเพื่อแลกกับโทเคนการให้เหตุผลที่คุณไม่เคยได้ใช้ คือวิธีที่ทีมต่างๆ ผลาญงบประมาณในการเลือกโมเดลมากที่สุด

หากคุณต้องการโมเดล open-weight รุ่นปัจจุบันที่ไม่ใช่ทั้งสองรุ่นนี้ แคตตาล็อกของ OrcaRouter มีKimi K3 และ GLM-5.3-Flash โดยทั้งคู่เรียกใช้ได้ด้วยคีย์ API เดียวกับโมเดลอีกกว่า 200 รุ่นที่เราจัดเส้นทางให้ ในราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่ม ทั้งสองรุ่นเป็นตัวกำหนดกรอบของการเปรียบเทียบนี้มากกว่าที่จะอยู่ในกรอบนั้น — GLM-5.3-Flash ตั้งราคาไว้ที่ $0.15 สำหรับอินพุต และ $0.50 สำหรับเอาต์พุต ซึ่งต่ำกว่าทั้งสองโมเดลในที่นี้มาก ขณะที่ Kimi K3 ตั้งราคาไว้ที่ $3.00 และ $15.00 ซึ่งสูงกว่าทั้งคู่มาก ทั้งสองรุ่นไม่ใช่สิ่งทดแทนสำหรับสองรุ่นในบทความนี้ แต่เป็นสองจุดที่ชัดเจนที่ควรดู หากปลายทั้งสองด้านของการเปรียบเทียบนี้ไม่เหมาะกับคุณ

จะตัดสินใจภายในบ่ายเดียวได้อย่างไร

ดึงงานจริงยี่สิบงานจากบันทึกของคุณ รันงานเหล่านั้นผ่านทั้งสองโมเดลด้วยพรอมป์ต์เดียวกันและขีดจำกัดเอาต์พุตเดียวกัน แล้วให้คะแนนว่าผลลัพธ์ใช้งานได้โดยไม่ต้องมีคนแก้ไขหรือไม่ บันทึกจำนวนโทเค็นที่แต่ละงานใช้ คูณด้วยราคาข้างต้น แล้วหารด้วยจำนวนผลลัพธ์ที่ใช้งานได้ นั่นจะให้ต้นทุนต่อผลลัพธ์ที่ใช้งานได้ ซึ่งเป็นตัวเลขเดียวที่ยังมีความหมายเมื่อต้องเจองบประมาณ

ความคาดหวังของผม ซึ่งระบุไว้ในฐานะความคาดหวังมากกว่าข้อค้นพบ: Mistral Large 4 ชนะครึ่งที่ยากของชุดนั้น และแพ้ครึ่งที่ง่ายในเรื่องต้นทุน และจุดแบ่งจะอยู่ตรงที่งานของคุณหยุดต้องใช้การให้เหตุผลหลายขั้น Maverick ไม่ใช่โมเดลที่ดีกว่า มันคือตัวเลือกที่ถูกกว่า ณ ค่ามัธยฐาน ตราบใดที่ความถูกยังเพียงพอ — และหลังจากสิบเก้าเดือนโดยไม่มีรุ่นสืบทอด นั่นคือการเดิมพันที่มีวันหมดอายุชัดเจน