Mistral: Mistral Small 4 (batch)

Mistral Small 4 combineert algemene instructievolging, redeneren en programmeren in één multimodaal model. De maker beschrijft het als een samenvoeging van de Instruct-, Magistral-redeneer- en Devstral-programmeerfamilies. Het accepteert tekst en afbeeldingen en retourneert tekst, met functieaanroepen en JSON-uitvoer voor toepassingen die tools gebruiken.

Architectuur en belangrijkste functies

De release heeft in totaal 119 miljard parameters en activeert 6,5 miljard per token. De mixture-of-experts-architectuur bevat 128 experts, waarvan er 4 actief zijn, en de maker documenteert een contextvenster van 256k. Het actieve parameteraantal en het aantal experts beschrijven de modelopbouw; ze verschillen van de hoeveelheid tekst- of beeldinhoud in één taak.

Het model biedt instructie- en redeneerfuncties in hetzelfde checkpoint. De maker noemt 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 bewijs combineren, waarbij het antwoord als tekst wordt geretourneerd.

Een visuele taak kan een documentpagina aanleveren en vragen naar de waarden die relevant zijn voor een benoemde voorwaarde. Houd labels en eenheden leesbaar en vermeld of het resultaat de oorspronkelijke formulering moet behouden, samenvatten of vergelijken met een andere bron. Een interfacetaak kan een schermafbeelding combineren met het doel van de gebruiker en vragen om het relevante zichtbare bedieningselement en het bewijs voor een voorgestelde vervolgstap.

Instructie- of redeneermodus kiezen

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

De maker beveelt temperature 0.7 aan voor hoge redeneerinspanning. Voor none specificeert hij temperaturen tussen 0.0 en 0.7 afhankelijk van de taak. Deze instellingen beschrijven de gedocumenteerde modi en maken redeneerinspanning niet tot een garantie voor een correct resultaat. Definieer de aannames, uitvoervorm en relevant bronmateriaal voordat u bepaalt hoeveel redeneren de taak nodig heeft.

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

Programmeren, documenten en tools

Het model is gepositioneerd voor codeverkenning en softwareagents, algemene assistenten, documentbegrip en onderzoek. Een verzoek aan een programmeeragent kan de te wijzigen module, de te behouden interface en het beoogde 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.

Benoem voor documentextractie de vereiste velden en hoe ontbrekende informatie wordt weergegeven. Een bruikbaar record kan documentidentificatie, bronuitspraak, geïnterpreteerde vereiste en onopgeloste vraag scheiden. De servicekaart van de maker vermeldt aangepaste gestructureerde uitvoer en documentvragen; de laatste gebruiken documentverwerking en OCR om tekst en structuur voor te bereiden voordat het taalmodel analyseert. Een directe beeldvraag en een met OCR ondersteunde documentworkflow moeten elk 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 opzoekactie, 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 agentgesprekken. Voorspelde uitvoer is nuttig wanneer een document of codebestand opnieuw moet worden gegenereerd met slechts een beperkte wijziging en de overige 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.

Context- en editiegrenzen

Plan de schriftelijke taak, het visuele materiaal, het gesprek en het gewenste antwoord rond de gedocumenteerde context van 256k. Het uitgebrachte gebruiksvoorbeeld configureert een context van 262.144 tokens, terwijl het generatievoorbeeld van 1.024 tokens geen afzonderlijke maximale uitvoercapaciteit is. De geraadpleegde bronnen bieden geen zelfstandige 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 afzonderlijke Instruct- en Reasoning-edities van Ministral 3 overnemen. De maker brengt ook afzonderlijke gekwantiseerde artefacten en artefacten voor speculatieve decodering uit; dit zijn afzonderlijke implementatieartefacten en geen verschillende inhoudsmodaliteiten. Behoud de genoemde Small 4-release en de gevraagde modus voor de daadwerkelijke uitleg, het gestructureerde record of het coderesultaat.