Mistral: Mistral Small 4 (batch)

Mistral Small 4 combineert algemene instructieopvolging, redeneren en programmeren in één multimodaal model. De maker beschrijft het als een samenvoeging van de families Instruct, Magistral voor redeneren en Devstral voor programmeren. Het aanvaardt tekst en beelden en retourneert tekst, met functieaanroepen en JSON-uitvoer voor toepassingen met tools.

Architectuur en belangrijkste functies

De release heeft in totaal 119 miljard parameters en activeert er 6,5 miljard per token. De mixture-of-experts-architectuur bevat 128 experts, waarvan 4 actief, en de maker documenteert een contextvenster van 256k. Het aantal actieve parameters en experts beschrijft hoe het model is georganiseerd; dat verschilt van de hoeveelheid tekst of beeldinhoud in één taak.

Het model biedt instructie- en redeneerfunctionaliteit in hetzelfde checkpoint. De maker vermeldt ook beeldbegrip, het volgen van systeemprompts en meertalige ondersteuning voor tientallen talen, waaronder Engels, Frans, Spaans, Duits, Italiaans, Portugees, Nederlands, Chinees, Japans, Koreaans en Arabisch. Een tekstinstructie kan dus naar een afbeelding vragen of een schriftelijke vereiste met zichtbaar bewijsmateriaal combineren, waarbij het antwoord als tekst wordt teruggegeven.

Een visuele taak kan een documentpagina aanleveren en vragen naar de waarden die voor een genoemde voorwaarde relevant zijn. Houd labels en eenheden leesbaar en geef aan of het resultaat de oorspronkelijke formulering moet behouden, samenvatten of met een andere bron vergelijken. Een interfacetaak kan een screenshot aan het gebruikersdoel koppelen en vragen naar het relevante zichtbare bedieningselement en het bewijsmateriaal voor een voorgestelde volgende stap.

Instructie- of redeneermodus kiezen

De gepubliceerde kaart documenteert reasoning effort none voor een direct instructiegericht antwoord en high voor redeneren, met high aanbevolen voor complexe prompts. De keuze gebeurt per verzoek binnen hetzelfde Small 4-model. Een gewone classificatie of korte herschrijving kan een ander antwoordcontract hebben dan een wiskundig, visueel of programmeerprobleem dat uitgebreide uitleg nodig heeft.

De maker beveelt temperature 0.7 aan voor hoge redeneerinspanning. Voor none worden afhankelijk van de taak temperaturen tussen 0,0 en 0,7 opgegeven. Deze instellingen beschrijven de gedocumenteerde modi en maken redeneerinspanning niet tot een garantie op een correct resultaat. Bepaal aannames, uitvoervorm en relevant bronmateriaal voordat u kiest hoeveel redenering de taak vereist.

Geef voor een uitgewerkt probleem de volledige voorwaarde mee en vraag de belangrijkste onderbouwde stappen, gevolgd door de uiteindelijke uitdrukking. Geef voor een codetaak de vereiste, betrokken functie en concrete invoer mee; vraag de voorgestelde implementatie afzonderlijk van uitleg en voorbeelden. De gebruiksdemonstraties van de maker omvatten instructieopvolging, een rekentool toegepast op een afbeelding en visueel redeneren, en tonen hoe tekst en visueel bewijsmateriaal in deze verschillende taken kunnen worden gebruikt.

Programmeren, documenten en tools

Het model wordt gepositioneerd voor codebaseverkenning en software-engineeringagents, algemene assistenten, documentbegrip en onderzoek. Een verzoek aan een programmeeragent kan de te wijzigen module, de te behouden interface en het gewenste gedrag benoemen. Lever de relevante broncode en het foutbewijs aan. Het model kan de volgende bewerking of een codewijziging voorstellen, terwijl de toepassing repositorytoegang, uitvoering en feedback levert.

Bepaal voor documentextractie de vereiste velden en hoe ontbrekende informatie wordt weergegeven. Een nuttig record kan documentidentificatie, bronuitspraak, geïnterpreteerde vereiste en openstaande vraag scheiden. De servicekaart van de maker vermeldt aangepaste gestructureerde uitvoer en vragen beantwoorden over documenten; de laatste functie gebruikt documentverwerking en OCR om tekst en structuur voor taalmodelanalyse voor te bereiden. Een directe beeldvraag en een documentworkflow met OCR moeten hun eigen invoervoorbereiding behouden.

Functieaanroepen vereisen duidelijk beschreven tools. Het model selecteert een functie en maakt argumenten; de toepassing voert de bewerking uit en retourneert het resultaat voor het volgende antwoord. Dezelfde logica geldt voor een opzoeking, berekening of programmeerbewerking. JSON-opmaak ordent een antwoord, terwijl een toolaanroep om een externe actie vraagt; beide mogen niet als uitwisselbare resultaten worden behandeld.

De servicekaart vermeldt ook voorspelde uitvoer, antwoordprefixen, batchverwerking en agentconversaties. Voorspelde uitvoer is nuttig wanneer een document of codebestand met slechts een beperkte wijziging opnieuw moet worden gegenereerd en de rest van de inhoud bekend is. Geef de wijziging en het te behouden materiaal op. Prefixvoortzetting gebruikt een bekend begin van het antwoord, terwijl batchverwerking de indiening van werk betreft en geen extra redeneermodus is.

Grenzen van context en editie

Stem de schriftelijke taak, het visuele materiaal, de conversatie en het gewenste antwoord op de gedocumenteerde context van 256k af. Het gepubliceerde gebruiksvoorbeeld stelt een context van 262.144 tokens in, terwijl het generatievoorbeeld met 1.024 tokens geen afzonderlijke maximale uitvoercapaciteit is. De geraadpleegde bronnen bieden geen onafhankelijke harde antwoordlengtelimiet die de gekozen taaklengte kan vervangen.

Small 4 heeft een eigen mixture-of-experts-architectuur met 119 miljard parameters en hybride modi. Het mag niet de dense architectuur met 128 miljard parameters van Medium 3.5 of de aparte Instruct- en Reasoning-edities van Ministral 3 overnemen. De maker publiceert ook afzonderlijke gekwantiseerde artefacten en artefacten voor speculatieve decodering; dat zijn afzonderlijke implementatieartefacten en geen verschillende inhoudsmodaliteiten. Behoud de genoemde Small 4-release en de modus die voor de werkelijke uitleg, het gestructureerde record of coderesultaat is gevraagd.