mistral-small-2603

Oversigt. Mistral Small 4 er en Mixture-of-Experts-model med åbne vægte fra Mistral AI, udgivet den 16. marts 2026 under Apache-2.0. Den har i alt 119 milliarder parametre, hvoraf 6,5 milliarder aktiveres per token fordelt på 128 eksperter (4 aktive per token). Den tager imod tekst og billeder som inddata med et kontekstvindue på 262.144 tokens. Den er bygget som en hybrid modelversion: Som standard svarer den i instruct-tilstand, men du kan vælge et synligt ræsonneringsspor ved at øge ræsonneringsniveauet. Udviklere vælger den, når de har brug for instruktionsfølgning, billedforståelse, håndtering af lang kontekst og valgfri ræsonnering i én samlet modelversion frem for flere specialiserede modeller.

Vigtigste styrker. modellens særlige egenskab er hybrid-designet: Et ræsonneringsniveau på `none` giver et direkte svar i instruct-stil, mens `high` producerer en fuld tankekæde, så samme modelversion dækker både hurtige og grundige opgaver. Inddata er tekst plus billeder med ren tekst som uddata, og arkitekturen er en behandlingskæde til betinget generering fra Mistral3-familien. Der findes endnu få uafhængige målinger, men Artificial Analysis rapporterer et kvalitetsindeks på 9 i standardtilstand (stiger til 11,3 med ræsonnering aktiveret) og et kodningsindeks på 26,6, sidstnævnte målt med ræsonnering aktiveret. Konteksthåndteringen rækker til 262.144 tokens, hvilket passer til lange dokumenter og store kodebaser direkte i konteksten.

Anvendelsesområder. Brug Mistral Small 4 til chat-, skrive- og kodeopgaver af middel kompleksitet, hvor en interaktiv svartid er acceptabel, og opgaven ikke kræver ræsonnering på frontmodel-niveau. Den passer til arbejdsflow, der blander tekst og billeder, såsom forståelse af screenshots eller diagrammer, samt opgaver med lang kontekst, som ellers ville kræve opdeling inden for vinduet på 262.144 tokens. Det valgfrie ræsonneringsniveau `high` er det rigtige valg, når en opgave har gavn af et mellemliggende tanketrin, mens standardtilstanden er den hurtigste vej til rutineprægede forespørgsler. Den er velegnet, hvor fleksibilitet i driften er vigtig, da vægterne er åbne og kan betjenes på infrastruktur, som operatøren selv kontrollerer.

Begrænsninger. Ræsonneringsniveauet understøtter kun to dokumenterede trin, `none` og `high`, så der er ikke et mellemniveau til at afveje grundighed mod svartid. Inddata er begrænset til tekst og billeder, uden understøttelse af lyd eller lyd som uddata. Mistral AI har ikke oplyst, hvor træningsdataene slutter for denne model, så det er svært at sige præcis, hvor opdateret dens viden er. De tilgængelige benchmark-resultater er begrænset til tredjeparts kvalitets- og kodningsindekser frem for et bredere sæt af publicerede evalueringer.

Bemærkning om suverænitet. Mistral Small 4 er bygget af det franske selskab Mistral AI, og dens vægte er åbne under Apache-2.0, så den kan køre på en løsning efter dit valg. Hvor forespørgslerne beregnes, og om inddata opbevares eller bruges til træning, afhænger af det endepunkt, der betjener den; se fakta om endepunktet her på siden.