Einführung in KI-Reasoning bei Mistral

Kurs am 2. November 2026 neu gestaltet. Dieser Kurs wurde ursprünglich um die Magistral-Modelle herum entwickelt, die am 31. Juli 2026 vollständig eingestellt wurden. Bei Mistral wird Reasoning nun über den Parameter reasoning_effort für allgemeine Modelle bereitgestellt: Mistral Small 4, Mistral Large 4 und Mistral Medium 3.5 (veraltet, Einstellung geplant für den 30. April 2027). Alle zwölf Lektionen wurden auf Basis der offiziellen Dokumentation neu verfasst: Reasoning · Modelle.

Warum Reasoning das Spiel verändert

Wenn Sie eine komplexe Frage an ein Standard-Sprachmodell richten, generiert es seine Antwort Token für Token, ohne eine echte Reflexionsphase. Bei Aufgaben zur Umschreibung oder zu Faktenfragen ist das Ergebnis oft korrekt. Bei mehrstufigen Problemen oder anspruchsvollem logischem Reasoning verschlechtert sich die Leistung jedoch erheblich: Das Modell entscheidet sich in den ersten paar Wörtern für eine Richtung und hat keinen Spielraum, sich zu korrigieren.

Reasoning ändert diese Dynamik. Die Dokumentation von Mistral stellt es als die nächste Evolution des Chain-of-Thought-Ansatzes dar: Das Modell wird trainiert, eine Kette von Reflexionen frei zu generieren, bevor es seine endgültige Antwort liefert. Es untersucht das Problem tiefer und verbessert seine Lösung, indem es während des Inferenzprozesses mehr Rechenleistung einsetzt. Dies wird als Test Time Computation bezeichnet: Investition von Rechenleistung während der Inferenz, nicht nur während des Trainings.

Kosten und Nutzen der Reflexion

Das Prinzip ist einfach: Je mehr ein Modell vor der Antwort nachdenkt, desto besser ist seine Antwort bei komplexen Aufgaben. Konkret generiert es Denkspuren (thinking traces): Hypothesen, Zwischenschritte, Berechnungen, Verifizierungen und Rückverfolgungen. Diese zusätzlichen Tokens kosten Zeit und Budget. In einem Beispiel aus der offiziellen Dokumentation verbraucht eine kleine Altersrätsel-Frage, die an Mistral Small 4 mit hohem Reasoning-Effort gestellt wird, 77 Eingabetokens und 1.114 Ausgabetokens für eine endgültige Antwort von nur wenigen Zeilen: Der Großteil der Kosten entfällt auf das Nachdenken selbst.

Reasoning eignet sich hervorragend für komplexe Anwendungsfälle, beginnend mit Mathematik und Programmierung, aber es gilt für viele andere Situationen: Analyse, Planung und Entscheidungsfindung.

Betrachten Sie ein klassisches Problem, um den Unterschied zu messen. Ein Vater hat drei Kinder; das Produkt ihrer Alters ist 36, die Summe ihrer Alters entspricht der Hausnummer des Nachbarn, und das älteste Kind spielt Klavier. Wie alt sind sie? Ohne Reasoning ratet ein Modell und trifft selten den Treffer. Mit Reasoning enumeriert es die Zerlegungen von 36 in drei Faktoren, berechnet die Summe jeder Zerlegung, stellt fest, dass zwei davon dieselbe Summe haben (1, 6, 6 und 2, 2, 9 ergeben beide 13: dies ist die Mehrdeutigkeit, die der Prompt impliziert), und nutzt dann den Hinweis auf das „älteste” Kind, um die Lösung zu finden: 2, 2 und 9 Jahre alt.

Die Struktur einer Antwort mit Reasoning

Wenn Reasoning aktiviert ist, ist die Antwort kein einfacher String mehr. Das Feld message.content wird zu einer Liste von Chunks: zuerst ein Denk-Chunk vom Typ thinking, das selbst eine Liste von Text-Chunks enthält; dann ein Chunk vom Typ text, das die endgültige Antwort enthält. Hier ist die vereinfachte Form, die die API zurückgibt:

{
  "role": "assistant",
  "content": [
    {
      "type": "thinking",
      "thinking": [
        {"type": "text", "text": "... Denkspuren ..."}
      ]
    },
    {"type": "text", "text": "... endgültige Antwort ..."}
  ]
}

Diese Trennung ist wertvoll: Sie ermöglicht es Ihnen, den Denkprozess je nach Anwendung anzuzeigen oder zu verbergen. Ein pädagogischer Tutor könnte die Spuren anzeigen; ein für Endnutzer bestimmter Assistent würde nur das Ergebnis zeigen. In Lektion 3 wird detailliert erklärt, wie man diese Chunks liest, einschließlich im Streaming-Modus.

Reasoning bei Mistral im November 2026

Mistral bot zunächst einen dedizierten Bereich, Magistral (Small und Medium, Versionen 25.06, 25.07 und 25.09), an, bei dem Reasoning immer aktiv war. Dieser Bereich wurde nun vollständig eingestellt: Reasoning ist zu einer Fähigkeit allgemeiner Modelle geworden, die pro Anfrage mit dem Parameter reasoning_effort konfiguriert wird.

Mistral Small 4 wird in seinem offiziellen Datenblatt als hybrides Modell beschrieben, das Anweisungen, Reasoning und Code in einem einzigen Modell kombiniert. Es ist der natürliche Ausgangspunkt für diesen Kurs. Mistral Large 4 bietet eine dreistufige Skala und ein Kontextfenster von einer Million Tokens; es befindet sich noch im Public Preview, was Vorsicht im Produktivbetrieb erfordert. In Lektion 5 werden diese Modelle im Detail verglichen.

Wann Reasoning eingesetzt werden sollte

Reasoning ist nicht überall notwendig, und die systematische Aktivierung ist wie das Bezahlen einer Versicherungsprämie für risikofreie Reisen. Es fügt echten Mehrwert für Mathematik, Logik, Debugging, vergleichende Analyse, Planung und mehrstufige Probleme hinzu. Es ist überflüssig für einfache Übersetzungen, Umschreibungen, direkte Faktenfragen oder kurze kreative Texte.

Die gesamte Herausforderung besteht darin, Qualität gegenüber Token-Verbrauch auszubalancieren. Der Kurs verläuft in drei Phasen: Konfigurieren und Lesen von Reasoning (Lektionen 1 bis 4), Auswahl des Modells und effektives Prompting sowie Migration von Magistral (Lektionen 5 bis 8), gefolgt von der Anwendung auf Mathematik, Code und Entscheidungsfindung (Lektionen 9 bis 12).

Kernaussagen

• Test Time Computation investiert Rechenleistung während der Inferenz, um komplexe Antworten zu verbessern
• Mit Reasoning wird message.content zu einer Liste: ein thinking-Chunk (die Reflexion) gefolgt von einem text-Chunk (die Antwort)
• Der Magistral-Bereich wurde am 31. Juli 2026 eingestellt: Reasoning wird nun mit reasoning_effort konfiguriert
• Mistral Small 4 (mistral-small-2603) ist der Ausgangspunkt; Mistral Large 4 (mistral-large-4-0) zielt auf die anspruchsvollsten Fälle ab
• Reasoning ist für Mathematik, Code und Entscheidungsfindung gerechtfertigt, nicht jedoch für einfache Aufgaben