Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Hvilken model til ræsonnement: Small 4, Large 4, Medium 3.5

Lektion 5 af 12 Opdateret 2. november 2026 Udvikler
På denne side
  1. Tre modeller, tre profiler
  2. Mistral Small 4: Startpunktet
  3. Mistral Large 4: De mest krævende tilfælde
  4. Mistral Medium 3.5: Kun til eksisterende installationer
  5. Hvad med modeller fra tredjepart?
  6. Magistral-seriens skæbne
  7. At træffe et praktisk valg
  8. Vigtige pointer

Lektion omskrevet 2. november 2026. Denne lektion dækkede tidligere Magistral-modellerne, som alle blev udfaset pr. 31. juli 2026. Den sammenligner nu de modeller, der i øjeblikket tilbyder ræsonnementsevner på Mistral-platformen, baseret på deres officielle specifikationsark: Mistral Small 4 · Mistral Large 4 · Mistral Medium 3.5.

Tre modeller, tre profiler

Hos Mistral er ræsonnement ikke længere forbeholdt en specialiseret modelserie. I stedet tilbyder tre generelle modeller denne funktion, hver med sit eget prisniveau, kontekstvindue og modenhedsgrad.

Mistral Small 4Mistral Large 4Mistral Medium 3.5
API-identifikatorermistral-small-2603, mistral-small-latestmistral-large-4-0, mistral-large-4mistral-medium-3-5, mistral-medium-latest
StatusTilgængelig (GA)Offentlig forhåndsvisning (Public Preview)Udfaset, udrangering 30. april 2027
Udgivelsesdato16. marts 20266. oktober 202628. april 2026
Kontekstvindue256.000 tokens1 million tokens256.000 tokens
reasoning_efforthigh, nonelow, medium, highhigh, none
Pris (pr. million tokens)$0,15 input, $0,60 output$0,70 input ($0,07 cachelagret), $2,10 output$1,50 input, $7,50 output
InputsTekst, billedeTekst, billedeTekst, billede
Åbne vægteJa, Apache 2.0 (119 mia. parametre, 6,5 mia. aktive)Ja, Mistral Ecosystem Open Weight License (1,05 bio. parametre, 52 mia. aktive)Ja, modificeret MIT-licens (128 mia. parametre)

Pris- og statusdata registreret 2. november 2026: verificér disse tal på de officielle specifikationsark, før du beregner dit budget.

Mistral Small 4: Startpunktet

Small 4 beskrives som en hybridmodel, der kombinerer instruktionsfølgelse, ræsonnement og kodning i én enkelt arkitektur. Det er standardvalget til dette kursus: tilgængelig i General Availability (GA) og lavpris, skifter den fra et direkte svar (none) til fuld ræsonnement (high) uden at ændre model. Dens specifikationsark nævner også funktionskald, strukturerede outputs, agenter og samtaler samt batchbehandling. Du kan bruge den gennem hele en applikation og kun betale for ræsonnement, hvor det tilfører værdi.

Mistral Large 4: De mest krævende tilfælde

Large 4 er den mest capable model i serien med et kontekstvindue på 1 million tokens og en tredelt ræsonnementsskala. Dokumentationen anbefaler high som udgangspunkt og foreslår derefter medium eller low, når tokenforbrug eller latenstid bliver en prioritet. Husk to forbehold: den befinder sig i offentlig forhåndsvisning (Public Preview), så den kan ændre sig, og den accepterer ikke none. Reservér den til problemer, hvor Small 4 ikke slår til, efter at du har benchmarket den på dine egne eksempler.

Mistral Medium 3.5: Kun til eksisterende installationer

Medium 3.5 fungerede som den officielle erstatning for Magistral Medium og Devstral 2, og dokumentationen anbefaler reasoning_effort="high" til agentbaserede workflows og kodningsopgaver. Den er dog blevet udfaset siden 31. oktober 2026 og vil blive udrangeret 30. april 2027, hvor Large 4 er udpeget som dens efterfølger. Start ikke nye projekter på denne model; hvis du allerede bruger den, skal du planlægge din migration nu.

Hvad med modeller fra tredjepart?

Mistral-platformen hoster også modeller fra andre udgivere. Ræsonnementssiden nævner zai-glm-5-3, som accepterer low, high og max, men ikke none, og altid returnerer en liste over fragmenter inklusive ræsonnementssporingen. Dette illustrerer reglen fra lektion 2: hver model har sit eget sæt af gyldige reasoning_effort-værdier.

Magistral-seriens skæbne

Magistral var Mistrals første ræsonnementsserie. Dens ræsonnement var altid aktivt uden nogen parameter til at styre det; den fungerede bedst med en standard system-prompt, justerbar via en prompt_mode-parameter. Alle versioner er nu udrangeret:

ModelIdentifikatorUdrangeringsdatoUdpeget erstatning
Magistral Medium 1.2magistral-medium-250931. juli 2026Mistral Medium 3.5
Magistral Small 1.2magistral-small-250931. juli 2026Mistral Small 4
Magistral Medium 1.1magistral-medium-250730. november 2025Mistral Medium 3.5
Magistral Small 1.1magistral-small-250730. november 2025Mistral Small 4
Magistral Medium 1.0magistral-medium-250630. november 2025Mistral Medium 3.5
Magistral Small 1.0magistral-small-250630. november 2025Mistral Small 4

Da Medium 3.5 selv er udfaset, bør enhver migration fra Magistral Medium målrette Large 4 direkte eller Small 4, hvis kvaliteten er tilstrækkelig. Lektion 8 gennemgår denne migration trin for trin.

At træffe et praktisk valg

Start med Small 4 indstillet til high på en repræsentativ prøve af dine use cases. Hvis kvaliteten lever op til dine behov, så bliv ved det: det er langt den billigste løsning. Hvis ikke, så test Large 4 med medium og derefter high. Sammenlign hver gang outputkvalitet, forbrugte tokens (usage.completion_tokens) og latenstid. Når du går i produktion, så lås en datostemplet identifikator (mistral-small-2603 frem for mistral-small-latest): et alias kan skifte til en ny version uden, at din kode ændres, hvilket kan ødelægge din applikation.

Vigtige pointer

  • Tre modeller understøtter i øjeblikket ræsonnement: Small 4 (GA), Large 4 (Public Preview) og Medium 3.5 (udfaset)
  • Small 4 er startpunktet: $0,15 / $0,60 pr. million tokens, med high eller none
  • Large 4 tilbyder low, medium, high og et kontekstvindue på 1 million tokens, men ingen none
  • Alle Magistral-versioner er udrangeret; Medium 3.5 vil blive udrangeret 30. april 2027
  • Vælg baseret på målinger, og lås derefter en datostemplet identifikator til produktion