Μετάβαση από το Magistral
Σε αυτήν τη σελίδα
Μάθημα ξαναγράφηκε στις 2 Νοεμβρίου 2026. Αυτό το μάθημα περιέγραφε αρχικά τη λειτουργία «πάντα ενεργή» συλλογιστικής του Magistral. Δεδομένου ότι όλα τα μοντέλα Magistral αποσύρθηκαν στις 31 Ιουλίου 2026, καλύπτει πλέον τη μετάβαση στο
reasoning_effort. Πηγές: Models — deprecated and removed models · Reasoning · Native reasoning (deprecated).
Πού βρίσκεται ο κώδικάς σας;
Οι τελευταίες εκδόσεις του Magistral, Small 1.2 και Medium 1.2 (-2509), χαρακτηρίστηκαν ως ξεπερασμένες την άνοιξη του 2026 και αποσύρθηκαν οριστικά στις 31 Ιουλίου 2026· οι εκδόσεις 1.0 και 1.1 είχαν ήδη αποσυρθεί στις 30 Νοεμβρίου 2025. Οποιοσδήποτε κώδικας καλεί ακόμη τα magistral-small-latest, magistral-medium-latest ή κάποια χρονολογημένη αναγνωριστική τιμή από αυτή την οικογένεια, στοχεύει σε ένα μοντέλο που δεν υπάρχει πια. Η μετάβαση δεν είναι κάτι που πρέπει να σχεδιάσετε· είναι κάτι που πρέπει να κάνετε τώρα.
Ο πίνακας αντιστοίχισης
| Χρησιμοποιούσατε | Η καθορισμένη αντικατάσταση της Mistral | Τι προτείνουμε σήμερα |
|---|---|---|
| Magistral Small (1.0, 1.1, 1.2) | Mistral Small 4 | mistral-small-2603 με reasoning_effort="high" |
| Magistral Medium (1.0, 1.1, 1.2) | Mistral Medium 3.5 | Small 4 αν η ποιότητα αρκεί, διαφορετικά mistral-large-4-0 με reasoning_effort="high" |
Γιατί να μην ακολουθήσετε κατά γράμμα την καθορισμένη αντικατάσταση της Mistral για το Magistral Medium; Επειδή το Mistral Medium 3.5 είναι το ίδιο ξεπερασμένο από τις 31 Οκτωβρίου 2026, με απόσυρση προγραμματισμένη για τις 30 Απριλίου 2027, και διάδοχό του το Large 4. Η μετάβαση σε αυτό σημαίνει δέσμευση για μια δεύτερη μετάβαση έξι μήνες αργότερα. Το Large 4 βρίσκεται σε Δημόσια Προεπισκόπηση (Public Preview): αν αυτό το επίπεδο ωριμότητας δεν ταιριάζει στο περιβάλλον παραγωγής σας, το Medium 3.5 παραμένει ένα πιθανό ενδιάμεσο βήμα, υπό την προϋπόθεση ότι θα προγραμματίσετε τώρα την επόμενη αλλαγή.
Τι αλλάζει στον κώδικα
Το Magistral συλλογιζόταν πάντα· τα τρέχοντα μοντέλα συλλογίζονται μόνο όταν τους το ζητάτε. Το φυσικό ισοδύναμο του «πάντα ενεργό» είναι επομένως το reasoning_effort="high".
# Πριν: Magistral (αποσυρμένο)
response = client.chat.complete(
model="magistral-medium-latest",
messages=[
{"role": "system", "content": "You are a rigorous analyst."},
{"role": "user", "content": question},
],
prompt_mode=None, # απενεργοποιούσε το προεπιλεγμένο system prompt του Magistral
)
# Μετά: Mistral Large 4 με ρητή συλλογιστική
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",
)
Τέσσερα σημεία που πρέπει να αντιμετωπίσετε στη διαδικασία:
- Αναγνωριστικά μοντέλων: αναζητήστε το
magistralστον κώδικά σας, στα αρχεία διαμόρφωσης και στις μεταβλητές περιβάλλοντος. prompt_mode: η τεκμηρίωση για τη συλλογιστική δεν το αναφέρει πλέον· αφαιρέστε το από τις κλήσεις σας.- System prompts: διαγράψτε το πρότυπο συλλογιστικής ειδικό για το Magistral (το απόσπασμα
thinkingπου τοποθετούνταν στο μήνυμα συστήματος) και κρατήστε μόνο τις οδηγίες μεθόδου και μορφής (Μάθημα 6). - Ανάγνωση αποκρίσεων: η δομή από τα Magistral 25.07 και 25.09 (
ThinkChunkκαι μετάTextChunk) ταιριάζει με τα τρέχοντα μοντέλα, οπότε ο κώδικας ανάγνωσής σας παραμένει έγκυρος. Απλώς προσθέστε χειρισμό για την περίπτωση απλής συμβολοσειράς, την οποία επιστρέφουν τα Small 4 και Medium 3.5 ότανreasoning_effort="none". Αν ο κώδικάς σας προερχόταν από το Magistral 25.06 και αναζητούσε ετικέτες<think>στο κείμενο, αντικαταστήστε τον με τη συνάρτησηseparerαπό το Μάθημα 3.
Επικύρωση της μετάβασης
Μην κάνετε την αλλαγή τυφλά. Επαναλάβετε ένα δείγμα των πραγματικών σας περιπτώσεων, μαζί με τις αναμενόμενες απαντήσεις τους, και συγκρίνετε τρεις μετρικές: ποιότητα (ακρίβεια, συμμόρφωση μορφής), tokens που καταναλώθηκαν (usage.completion_tokens) και λανθάνουσα χρόνος (latency). Ένα απλό σενάριο κάνει τη δουλειά:
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"),
])
Η συνάρτηση verifier εξαρτάται από τον τομέα σας: σύγκριση με μια αναμενόμενη τιμή, παρουσία απαιτούμενων στοιχείων ή επικύρωση JSON. Αυτό είναι που μετατρέπει μια εντύπωση σε απόφαση.
Αξιοποίηση της μετάβασης στο έπακρο
Εφόσον anyway αγγίζετε κάθε κλήση μοντέλου, χρησιμοποιήστε αυτή την ευκαιρία για να καρφώσετε χρονολογημένα αναγνωριστικά στην παραγωγή (mistral-small-2603 αντί για mistral-small-latest) και να κεντροποιήσετε την επιλογή μοντέλου και επιπέδου συλλογιστικής σε μία μόνο διαμόρφωση. Η επόμενη απόσυρση—και θα υπάρξει—θα είναι τότε μια διόρθωση μίας γραμμής.
Βασικά σημεία
- Το Magistral αποσύρθηκε στις 31 Ιουλίου 2026: κάθε εναπομείνασα κλήση στοχεύει σε μη διαθέσιμο μοντέλο
- Magistral Small → Small 4· Magistral Medium → Small 4 ή Large 4 αντί για το Medium 3.5, το οποίο είναι επίσης ξεπερασμένο
- Το «πάντα ενεργό» μεταφράζεται σε
reasoning_effort="high" - Αφαιρέστε το
prompt_modeκαι το πρότυπο συλλογιστικής από τα system prompts - Επικυρώστε με τις πραγματικές σας περιπτώσεις (ποιότητα, tokens, λανθάνουσα χρόνος) και στη συνέχεια καρφώστε τα χρονολογημένα αναγνωριστικά