Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Migrace z modelu Magistral

Lekce 8 z 12 Aktualizováno 2. listopadu 2026 Vývojář
Na této stránce
  1. Kde se nachází tvůj kód?
  2. Převodní tabulka
  3. Co se změní v kódu
  4. Ověření migrace
  5. Jak využít migraci naplno
  6. Klíčové poznatky

Lekce přepsána dne 2. listopadu 2026. Tato lekce původně popisovala režim „vždy zapnutého“ uvažování modelu Magistral. Protože byly všechny modely řady Magistral vyřazeny z provozu k 31. červenci 2026, nyní se věnuje migraci na parametr reasoning_effort. Zdroje: Models — deprecated and removed models · Reasoning · Native reasoning (deprecated).

Kde se nachází tvůj kód?

Nejnovější verze modelu Magistral, Small 1.2 a Medium 1.2 (-2509), byly na jaře 2026 označeny jako zastaralé a k 31. červenci 2026 zcela vyřazeny; verze 1.0 a 1.1 přestaly fungovat již 30. listopadu 2025. Jakýkoli kód, který stále volá magistral-small-latest, magistral-medium-latest nebo jakýkoli datovaný identifikátor z této rodiny, cílí na model, který již neexistuje. Migrace není něčím, co bys měl plánovat – je to něco, co musíš udělat hned teď.

Převodní tabulka

Dříve jsi používalOficiální náhrada od MistraluNaše dnešní doporučení
Magistral Small (1.0, 1.1, 1.2)Mistral Small 4mistral-small-2603 s reasoning_effort="high"
Magistral Medium (1.0, 1.1, 1.2)Mistral Medium 3.5Small 4, pokud kvalita stačí, jinak mistral-large-4-0 s reasoning_effort="high"

Proč následovat oficiální náhradu pro Magistral Medium doslova? Protože je Mistral Medium 3.5 sám o sobě zastaralý k 31. říjnu 2026 a jeho vyřazení je naplánováno na 30. dubna 2027, přičemž jeho nástupcem je Large 4. Migrace na něj by znamenala závazek k druhé migraci o šest měsíců později. Large 4 je ve fázi Public Preview: pokud tato úroveň zralosti nevyhovuje tvému produkčnímu prostředí, zůstává Medium 3.5 možným přechodným řešením, za předpokladu, že si nyní naplánuješ další přepnutí.

Co se změní v kódu

Magistral uvažoval vždy; současné modely uvažují pouze tehdy, když je o to požádáš. Přirozeným ekvivalentem režimu „vždy zapnuto“ je tedy reasoning_effort="high".

# Předtím: Magistral (vyřazeno)
response = client.chat.complete(
    model="magistral-medium-latest",
    messages=[
        {"role": "system", "content": "You are a rigorous analyst."},
        {"role": "user", "content": question},
    ],
    prompt_mode=None,   # vypnuto výchozí systémové prompty Magistralu
)

# Poté: Mistral Large 4 s explicitním uvažováním
response = client.chat.complete(
    model="mistral-large-4-0",
    messages=[
        {"role": "system", "content": "You are a rigorous analyst."},
        {"role": "user", "content": question},
    ],
    reasoning_effort="high",
)

Čtyři body, které musíš během migrace vyřešit:

  1. Identifikátory modelů: vyhledej v kódu, konfiguračních souborech a proměnných prostředí výskyt řetězce magistral.
  2. prompt_mode: dokumentace k uvažování tento parametr již nezmiňuje; odstraň jej ze svých volání.
  3. Systémové prompty: smaž šablonu pro uvažování specifickou pro Magistral (fragment thinking umístěný v systémové zprávě) a ponech pouze pokyny týkající se metody a formátu (Lekce 6).
  4. Čtení odpovědí: struktura z verzí Magistral 25.07 a 25.09 (ThinkChunk následovaný TextChunk) odpovídá současným modelům, takže tvůj kód pro čtení zůstává platný. Pouze přidej ošetření případu s prostým řetězcem, který vrací Small 4 a Medium 3.5, pokud je reasoning_effort="none". Pokud tvůj kód pocházel z Magistral 25.06 a hledal v textu značky <think>, nahraď jej funkcí separer z Lekce 3.

Ověření migrace

Neprováděj přepnutí naslepo. Přehraj vzorek svých reálných případů spolu s jejich referenčními odpověďmi a porovnej tři metriky: kvalitu (přesnost, dodržení formátu), spotřebované tokeny (usage.completion_tokens) a latenci. Tuto práci zastane jednoduchý skript:

import time

def comparer(client, cas, configs):
    """cas: list of (question, verifier); configs: list of (model, level)."""
    for model, niveau in configs:
        justes = tokens = 0
        debut = time.perf_counter()
        for question, verifier in cas:
            r = client.chat.complete(
                model=model,
                messages=[{"role": "user", "content": question}],
                reasoning_effort=niveau,
            )
            _, reponse = separer(r.choices[0].message.content)
            justes += bool(verifier(reponse))
            tokens += r.usage.completion_tokens
        duree = time.perf_counter() - debut
        print(f"{model} ({niveau}) : {justes}/{len(cas)} correct, {tokens} tokens, {duree:.0f} s")

comparer(client, mes_cas, [
    ("mistral-small-2603", "high"),
    ("mistral-large-4-0", "medium"),
    ("mistral-large-4-0", "high"),
])

Funkce verifier závisí na tvé doméně: porovnání s očekávanou hodnotou, přítomnost požadovaných prvků nebo validace JSON. To je to, co změní pouhý dojem v rozhodnutí.

Jak využít migraci naplno

Jelikož stejně upravuješ každé volání modelu, využij tuto příležitost k připnutí datovaných identifikátorů v produkci (mistral-small-2603 místo mistral-small-latest) a k centralizaci volby modelu a úrovně uvažování do jediné konfigurace. Příští vyřazení – a jedno určitě přijde – pak bude opravou na jeden řádek.

Klíčové poznatky

  • Magistral byl vyřazen k 31. červenci 2026: jakékoli zbývající volání cílí na nedostupný model.
  • Magistral Small → Small 4; Magistral Medium → Small 4 nebo Large 4 spíše než Medium 3.5, který je sám zastaralý.
  • „Vždy zapnuto“ se překládá jako reasoning_effort="high".
  • Odstraň prompt_mode a šablonu pro uvažování ze systémových promptů.
  • Ověř migraci na svých reálných případech (kvalita, tokeny, latence) a následně připni datované identifikátory.