Parametr reasoning_effort
Na této stránce
Lekce přepsána dne 2. listopadu 2026. Předchozí verze uváděla, že
reasoning_effortpřijímá pouze dvě hodnoty a existuje pouze u modelu Mistral Small. Ve skutečnosti závisí přijatelné hodnoty na konkrétním modelu a Mistral Large 4 nabízí tři možnosti. Zdroj: Reasoning (dokumentace Mistral).
Nastavení hloubky uvažování
Nastavitelné uvažování stojí na jednoduchém principu: ty sám rozhoduješ u každého požadavku zvlášť, jak dlouho má model před odpovědí přemýšlet. Pákou je parametr reasoning_effort. Předáváš jej v API volání na stejné úrovni jako model a zprávy, bez nutnosti jakékoli další konfigurace.
Přijaté hodnoty podle modelu
Tohle je nejčastější past: přijaté hodnoty závisí na modelu.
| Model | Zdokumentované hodnoty | Oficiální doporučení |
|---|---|---|
Mistral Small 4 (mistral-small-2603) | high, none | — |
Mistral Medium 3.5 (mistral-medium-3-5) | high, none | high pro agentní workflow a kód |
Mistral Large 4 (mistral-large-4-0) | low, medium, high | Začni s high, poté přepni na medium nebo low, pokud záleží na tokenech nebo latenci |
U modelů Small 4 a Medium 3.5 hodnota high vygeneruje před odpovědí úplný úsek uvažování, což však zvyšuje spotřebu tokenů; hodnota none redukuje uvažování na minimum a zcela jej vynechá z odpovědi. U modelu Large 4 má stupnice tři úrovně: low pro jednoduché úkoly, medium pro vyvážení kvality, počtu tokenů a latence a high pro složité úkoly. Large 4 nepřijímá hodnotu none: dokumentace specifikuje, že úroveň dříve označovaná jako none v náhledové verzi se nyní nazývá low.
Ještě jedna nuance: typ ReasoningEffort v SDK také obsahuje výčtové hodnoty minimal, xhigh a max, protože tento výčet pokrývá všechny modely na platformě (hodnotu max používá například model třetí strany zai-glm-5-3). To, že se hodnota objeví ve výčtu, ještě neznamená, že ji tvůj model přijme.
Implementace v Pythonu
import os
from mistralai.client import Mistral
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
# Mistral Small 4, hluboké uvažování
response_high = client.chat.complete(
model="mistral-small-2603",
messages=[{"role": "user", "content": "Solve x^3 - 6x^2 + 11x - 6 = 0 and verify each root."}],
reasoning_effort="high",
)
# Mistral Small 4, přímá odpověď
response_none = client.chat.complete(
model="mistral-small-2603",
messages=[{"role": "user", "content": "What is the capital of Portugal?"}],
reasoning_effort="none",
)
# Mistral Large 4, střední úroveň
response_medium = client.chat.complete(
model="mistral-large-4-0",
messages=[{"role": "user", "content": "Compare two caching strategies for a high-traffic API."}],
reasoning_effort="medium",
)
Struktura odpovědi se podle nastavení mění. Při hodnotě high je message.content seznam, který začíná úsekem uvažování; při hodnotě none jde o prostý řetězec. Tvůj kód proto musí umět zpracovat obě formy, jak ukáže další lekce.
V TypeScriptu se parametr řídí konvencemi pojmenování v JavaScriptu a zapisuje se jako reasoningEffort:
import { Mistral } from '@mistralai/mistralai';
const client = new Mistral({ apiKey: process.env.MISTRAL_API_KEY });
const response = await client.chat.complete({
model: 'mistral-small-2603',
messages: [{ role: 'user', content: 'Solve x^3 - 6x^2 + 11x - 6 = 0.' }],
reasoningEffort: 'high',
});
Volba úrovně podle úkolu
Hluboké uvažování si rezervuj pro matematické problémy s více kroky, ladění složitého kódu, komparativní analýzy, plánování, logické hádanky a posuzování rizik. Tyto úkoly mají společnou vlastnost: existuje více možných cest a výběr té špatné je nákladný.
Vypni ho (nebo přepni na nejnižší úroveň) u jednoduchých faktografických otázek, překladů, parafrází, přímé extrakce informací a běžné konverzace. Model zde nemá co vyvažovat: pouze vyhledává nebo transformuje a fáze uvažování by jen přidala latenci.
Měření nákladů
Uvažování stojí output tokeny. Příklad z oficiální dokumentace poskytuje představu o měřítku: hádanka o věku zaslaná modelu Mistral Small 4 s nastavením high spotřebuje 77 vstupních tokenů a 1 114 výstupních tokenů. Při uvedené ceně modelu Small 4 ve výši 0,15 USD za milion vstupních tokenů a 0,60 USD za milion výstupních tokenů stojí tento požadavek přibližně 0,0007 USD. Na jednotku je to zanedbatelné, ale u milionu podobných požadavků představuje samotné uvažování částku v řádu stovek dolarů, přičemž polovina otázek by se bez něj obešla.
Pole usage v každé odpovědi ti poskytne přesné měřítko: sleduj completion_tokens podle typu požadavku, než nějaké nastavení zobecníš.
Směrování podle složitosti
Jednoduchým řešením je volba úrovně na základě otázky s využitím tabulky pro každý model, aby bylo zajištěno, že nikdy nepošleš odmítnutou hodnotu:
LEVELS = {
"mistral-small-2603": {"simple": "none", "complex": "high"},
"mistral-large-4-0": {"simple": "low", "complex": "high"},
}
COMPLEX_WORDS = ("calculate", "prove", "compare", "analyze", "optimize", "debug", "why")
def query(client, question, model="mistral-small-2603", level=None):
"""Volí reasoning_effort na základě otázky, nebo aplikuje vynucenou úroveň."""
if level is None:
is_complex = any(word in question.lower() for word in COMPLEX_WORDS)
level = LEVELS[model]["complex" if is_complex else "simple"]
return client.chat.complete(
model=model,
messages=[{"role": "user", "content": question}],
reasoning_effort=level,
)
Heuristika založená na klíčových slovech zůstává hrubá; postačuje však k tomu, aby se uvažování rezervovalo pro požadavky, které z něj mají prospěch, a argument level ti umožňuje nastavení vynutit. Lekce 12 navrhuje kompletnější architekturu směrování.
Limity, které je třeba znát
Uvažování zvyšuje pravděpodobnost správné odpovědi, ale nezaručuje ji: kritické výsledky vždy ověř (lekce 9). Také zvyšuje latenci, což je v konverzačním rozhraní podstatné. Nakonec, předaná hodnota musí odpovídat volanému modelu: naplánuj si tabulku, jako je ta výše, místo abys řetězce rozházel po celém kódu.
Klíčové poznatky
reasoning_effortřídí uvažování požadavek po požadavku bez další konfigurace- Small 4 a Medium 3.5 přijímají
highanone; Large 4 přijímálow,mediumahigh, nikolinone - Výčty v SDK obsahují hodnoty, které ne všechny modely přijímají
- Při
highjecontentseznamem úseků; přinonejde o řetězec - Náklady měř pomocí
usage.completion_tokensa směruj podle složitosti