สังเวียน · รีวิวโมเดล AI
Mistral Large 3
โดย Mistral AI
เรือธง MoE 675B แบบ open weights (active 41B) พร้อม context 256K, input ภาพ และราคา $0.50/$1.50 ต่อ 1M
$1.50/1M out
API ระดับเดียวบน La Plateforme ($0.50 input / $1.50 output ต่อ 1M โทเค็น) พร้อมส่วนลด 50% ผ่าน batch API; weights แบบ Apache 2.0 ให้ self-host ได้ฟรี และราคาของโฮสต์บุคคลที่สามอาจต่างออกไป
Mistral AI
256K tokens
$0.50/1M in
$1.50/1M out
text, vision (image input), text output
มี
Mistral Large 3 คืออะไร?
เรือธงแบบ open weights ของ Mistral AI เปิดตัว 2 ธันวาคม 2025: โมเดล sparse mixture-of-experts พารามิเตอร์รวม 675B และ active 41B, context 256K รับ input ข้อความบวกภาพ ภายใต้ Apache 2.0 ราคา $0.50/$1.50 ต่อ 1M โทเค็นบน La Plateforme และเดบิวต์เป็นอันดับ #2 ในกลุ่มโมเดลโอเพนซอร์สแบบ non-reasoning บน LMArena
ข้อดีและข้อเสียของ Mistral Large 3
ข้อดี
- Open weights แบบ Apache 2.0 พร้อม deploy บนโหนดเดียวผ่าน FP8/NVFP4 quantization แม้พารามิเตอร์รวมจะถึง 675B
- Context window 256K อยู่ขอบบนของโมเดล open weights เหมาะมากกับ RAG เอกสารยาว
- ราคาเรือธงแบบดุดันที่ $0.50 input / $1.50 output ต่อ 1M โทเค็น ถูกกว่าเรือธง proprietary ฝั่งตะวันตกราว 3-4 เท่า
- เดบิวต์อันดับ #2 ในกลุ่มโมเดลโอเพนซอร์สแบบ non-reasoning บน LMArena (Elo ~1418)
- มัลติโหมดโดยกำเนิด (vision encoder ขนาด 2.5B พารามิเตอร์) และรองรับ 40+ ภาษาแบบ native
- นักพัฒนาบน HN ชมการจัดรูปแบบที่เคร่งครัด การทำตามคำสั่ง และความน่าเชื่อถือใน production
ข้อเสีย
- การใช้เหตุผลลึกอ่อน: GPQA Diamond ~44% เทียบกับช่วง 70 ปลายๆ ของ DeepSeek V3.2 และ Kimi K2 Thinking และไม่มีรุ่น reasoning ตอนเปิดตัว
- ตามหลัง GLM-4.6, Kimi K2 และ DeepSeek บน benchmark งานโค้ดสมัยใหม่ (LiveCodeBench v6 กลางๆ) นักพัฒนา HN จัดให้อยู่ 'คนละรุ่นน้ำหนัก' ต่ำกว่า Gemini 3, GPT-5.1 และ Claude Opus 4.5
- มีแนวโน้ม hallucination ในการตอบข้อเท็จจริง (SimpleQA ~24%) และจูนการงดตอบมาอ่อน
- ความเร็ว output ที่วัดได้ ~49 โทเค็น/วินาทีบน Artificial Analysis ต่ำกว่ามัธยฐาน ~58 โทเค็น/วินาทีของโมเดลระดับเดียวกัน
- เสียงวิจารณ์บน HN ว่าสถาปัตยกรรมละม้าย DeepSeek V3 อย่างมาก จนเกิดข้อกังขาเรื่อง R&D ต้นฉบับ
คำตัดสินของสังเวียน
เลือก Mistral Large 3 ถ้าคุณต้องการเรือธง open weights ภายใต้การกำกับของ EU สำหรับ RAG หลายภาษา งานเอกสารยาว หรือการ deploy แบบ self-hosted: เทียบกับ Mistral Large 2 (dense 123B ไลเซนส์วิจัยแบบจำกัด ราคา API $2/$6) มันคืออัปเกรดชัดเจนทั้งด้าน context มัลติโหมด ไลเซนส์ และต้นทุน ควรเลี่ยงการใช้เป็นเครื่องยนต์หลักด้านโค้ดหรือการใช้เหตุผลลึก เพราะ DeepSeek V3.2, GLM-4.6 หรือโมเดล frontier แบบ proprietary ทำคะแนนสูงกว่าอย่างมีนัยสำคัญ มองมันเป็นม้าใช้งานที่ถูกและไว้ใจได้ ไม่ใช่นักแสดงระดับ frontier
ยกนิ้วให้หรือคว่ำนิ้วลง
ออกคำตัดสินของคุณ
คุณจะแนะนำ Mistral Large 3 หรือจะเตือนฝูงชนให้ถอยห่าง?
ทางเลือกที่ดีที่สุดแทน Mistral Large 3
ทางเลือกทั้งหมดโมเดลที่เร็วที่สุดของ Anthropic: ฝีมือโค้ดราว 90% ของ Sonnet 4.5 ที่ $1/$5 ต่อ 1M โทเค็น context 200K
เรือธงคลาส Mythos ของ Anthropic เดือน มิ.ย. 2026: 80.3% บน SWE-bench Pro นำโมเดล frontier ทุกตัวอยู่ 11 แต้ม
Opus ของ Anthropic เดือน เม.ย. 2026: SWE-bench Verified 87.6%, context 1M, วิชันความละเอียดสูง ปัจจุบันตามหลัง Opus 4.8
เปรียบเทียบ Mistral Large 3 แบบตัวต่อตัว
Mistral Large 3: คำถามที่พบบ่อย
Mistral Large 3 ราคาเท่าไหร่ต่อ 1M tokens?
Mistral Large 3 ราคา $0.50/1M in ต่อ 1M input tokens และ $1.50/1M out ต่อ 1M output tokens API ระดับเดียวบน La Plateforme ($0.50 input / $1.50 output ต่อ 1M โทเค็น) พร้อมส่วนลด 50% ผ่าน batch API; weights แบบ Apache 2.0 ให้ self-host ได้ฟรี และราคาของโฮสต์บุคคลที่สามอาจต่างออกไป