Mistral: Mistral Small 4 (batch)

Mistral Small 4 verbindet allgemeine Anweisungsbefolgung, Schlussfolgern und Programmierung in einem einzigen multimodalen Modell. Der Hersteller beschreibt es als Vereinigung der Familien Instruct, Magistral für Reasoning und Devstral für Programmierung. Es verarbeitet Text und Bilder und gibt Text zurück; Funktionsaufrufe und JSON-Ausgabe stehen für werkzeuggestützte Anwendungen bereit.

Architektur und zentrale Funktionen

Die Veröffentlichung hat insgesamt 119 Milliarden Parameter und aktiviert pro Token 6,5 Milliarden. Ihre Mixture-of-Experts-Architektur enthält 128 Experten, davon 4 aktive, und der Hersteller dokumentiert ein Kontextfenster von 256k. Die Zahl aktiver Parameter und Experten beschreibt die Organisation des Modells; sie ist von der Menge des Text- oder Bildinhalts in einer Aufgabe getrennt.

Das Modell bietet Anweisungs- und Reasoning-Funktionen im selben Checkpoint. Der Hersteller nennt außerdem visuelle Fähigkeiten, Systemprompt-Befolgung und mehrsprachige Unterstützung für Dutzende Sprachen, darunter Englisch, Französisch, Spanisch, Deutsch, Italienisch, Portugiesisch, Niederländisch, Chinesisch, Japanisch, Koreanisch und Arabisch. Eine Textanweisung kann daher nach einem Bild fragen oder eine schriftliche Anforderung mit sichtbaren Belegen verbinden; die Antwort wird als Text zurückgegeben.

Eine visuelle Aufgabe kann eine Dokumentseite bereitstellen und die für eine benannte Bedingung relevanten Werte anfordern. Halte Bezeichnungen und Einheiten lesbar und lege fest, ob das Ergebnis den Originalwortlaut bewahren, zusammenfassen oder mit einer anderen Quelle vergleichen soll. Eine Oberflächenaufgabe kann einen Screenshot mit dem Nutzerziel verbinden und das relevante sichtbare Bedienelement sowie die Belege für einen vorgeschlagenen nächsten Schritt anfordern.

Anweisungs- oder Reasoning-Modus wählen

Die veröffentlichte Modellkarte dokumentiert den Reasoning-Aufwand none für eine unmittelbare anweisungsbasierte Antwort und high für Schlussfolgern; high wird für komplexe Prompts empfohlen. Die Wahl erfolgt pro Anfrage innerhalb desselben Modells Small 4. Eine gewöhnliche Klassifikation oder kurze Neufassung kann einen anderen Antwortvertrag haben als ein mathematisches, visuelles oder Programmierproblem, das eine ausführliche Erklärung benötigt.

Der Hersteller empfiehlt temperature 0.7 für hohen Reasoning-Aufwand. Für none gibt er aufgabenabhängige Temperaturen zwischen 0.0 und 0.7 an. Diese Einstellungen beschreiben die dokumentierten Modi und machen aus dem Reasoning-Aufwand keine Garantie für ein korrektes Ergebnis. Definiere Annahmen, Ausgabeform und relevantes Quellenmaterial, bevor du wählst, wie viel Schlussfolgern die Aufgabe benötigt.

Stelle für eine ausgearbeitete Problemlösung die vollständige Bedingung bereit und fordere die wichtigen begründeten Schritte mit anschließendem endgültigem Ausdruck an. Gib für eine Codeaufgabe die Anforderung, die betroffene Funktion und eine konkrete Eingabe vor; fordere die vorgeschlagene Implementierung getrennt von Erklärung und Beispielen an. Die Nutzungsdemonstrationen des Herstellers umfassen Anweisungsbefolgung, ein auf ein Bild angewendetes Berechnungswerkzeug und visuelles Schlussfolgern und zeigen, wie Text und visuelle Belege in diese unterschiedlichen Aufgaben einfließen können.

Programmierung, Dokumente und Werkzeuge

Das Modell ist für Codebasis-Erkundung und Softwareentwicklungsagenten, allgemeine Assistenten, Dokumentverständnis und Recherche positioniert. Ein Auftrag an einen Programmieragenten kann das zu ändernde Modul, die zu bewahrende Schnittstelle und das gewünschte Verhalten benennen. Stelle den relevanten Quellcode und Fehlerbelege bereit. Das Modell kann die nächste Operation oder eine Codeänderung vorschlagen, während die Anwendung Repository-Zugriff, Ausführung und Rückmeldung bereitstellt.

Benenne für Dokumentextraktion die erforderlichen Felder und die Darstellung fehlender Informationen. Ein nützlicher Datensatz kann Dokumentkennung, Quellaussage, interpretierte Anforderung und offene Frage trennen. Die Dienstkarte des Herstellers nennt benutzerdefinierte strukturierte Ausgaben und Fragen zu Dokumenten; Letztere verwenden Dokumentverarbeitung und OCR zur Vorbereitung von Text und Struktur vor der Sprachmodellanalyse. Eine direkte Bildfrage und ein OCR-gestützter Dokumentablauf sollten ihre eigene Eingabevorbereitung bewahren.

Funktionsaufrufe benötigen klar beschriebene Werkzeuge. Das Modell wählt eine Funktion und erzeugt Argumente; die Anwendung führt die Operation aus und gibt ihr Ergebnis für die anschließende Antwort zurück. Dieselbe Logik gilt für Abfragen, Berechnungen und Programmieroperationen. JSON-Formatierung ordnet eine Antwort, während ein Werkzeugaufruf eine externe Handlung anfordert; beide sollten nicht als austauschbare Ergebnisse behandelt werden.

Die Dienstkarte nennt außerdem vorhergesagte Ausgaben, Antwortpräfixe, Stapelverarbeitung und Agentendialoge. Vorhergesagte Ausgaben sind nützlich, wenn ein Dokument oder eine Codedatei mit nur einer begrenzten Änderung neu erzeugt werden muss und der übrige Inhalt bekannt ist. Gib die Änderung und das zu bewahrende Material vor. Präfixfortsetzung verwendet einen bekannten Antwortanfang, während Stapelverarbeitung die Einreichung von Arbeit und keinen zusätzlichen Reasoning-Modus betrifft.

Grenzen von Kontext und Ausgabe

Plane die schriftliche Aufgabe, visuelles Material, Dialog und gewünschte Antwort um den dokumentierten Kontext von 256k herum. Das veröffentlichte Nutzungsbeispiel konfiguriert einen Kontext von 262.144 Tokens, während sein Generierungsbeispiel mit 1.024 Tokens keine separate maximale Ausgabekapazität ist. Die gelesenen Quellen geben keine unabhängige harte Antwortlängengrenze an, die anstelle der gewählten Aufgabenlänge eingesetzt werden könnte.

Small 4 besitzt seine eigene Mixture-of-Experts-Architektur mit 119 Milliarden Parametern und hybride Modi. Es sollte weder die dichte Architektur mit 128 Milliarden Parametern von Medium 3.5 noch die eigenständigen Ausgaben Instruct und Reasoning von Ministral 3 übernehmen. Der Hersteller veröffentlicht außerdem eigenständige quantisierte Artefakte und Artefakte für spekulatives Decoding; dies sind separate Bereitstellungsartefakte und keine unterschiedlichen Inhaltsmodalitäten. Bewahre die benannte Veröffentlichung Small 4 und den für die tatsächliche Erklärung, den strukturierten Datensatz oder das Codeergebnis angeforderten Modus.