Introduzione al ragionamento AI presso Mistral
In questa pagina
Corso riprogettato il 2 novembre 2026. Questo corso era originariamente strutturato attorno ai modelli Magistral, ritirati definitivamente il 31 luglio 2026. Presso Mistral, il ragionamento è ora gestito tramite il parametro
reasoning_effortdisponibile sui modelli per uso generale: Mistral Small 4, Mistral Large 4 e Mistral Medium 3.5 (deprecato, ritiro previsto per il 30 aprile 2027). Tutte e dodici le lezioni sono state riscritte sulla base della documentazione ufficiale: Reasoning · Models.
Perché il ragionamento cambia le regole del gioco
Quando poni una domanda complessa a un modello linguistico standard, questo genera la risposta token per token senza una vera fase di riflessione. Per riformulazioni o domande fattuali, il risultato è spesso corretto. Tuttavia, di fronte a problemi a più passaggi o che richiedono un ragionamento logico impegnativo, le prestazioni degradano significativamente: il modello si impegna in una direzione fin dalle prime parole e non ha spazio per correggersi.
Il ragionamento cambia questa dinamica. La documentazione di Mistral lo presenta come la prossima evoluzione della catena di pensiero (chain of thought): il modello è addestrato a generare liberamente una catena di riflessione prima di fornire la risposta finale. Esplora il problema più a fondo e, impiegando più potenza di calcolo al momento dell’inferenza, migliora la sua soluzione. Questo è noto come Test Time Computation: investire risorse computazionali durante l’inferenza, non solo durante l’addestramento.
Il costo e il beneficio della riflessione
Il principio è semplice: più un modello pensa prima di rispondere, migliore sarà la sua risposta su compiti complessi. Concretamente, genera tracce di pensiero: ipotesi, calcoli intermedi, verifiche e backtracking. Questi token extra costano tempo e budget. In un esempio tratto dalla documentazione ufficiale, un piccolo indovinello sull’età posto a Mistral Small 4 con un elevato sforzo di ragionamento consuma 77 token in input e 1.114 token in output per una risposta finale di poche righe: la maggior parte del costo è costituita dal pensiero stesso.
Il ragionamento eccelle in casi d’uso complessi, a cominciare da matematica e coding, ma si applica a molte altre situazioni: analisi, pianificazione e processo decisionale.
Considera un problema classico per misurare la differenza. Un padre ha tre figli; il prodotto delle loro età è 36, la somma delle loro età corrisponde al numero civico del vicino e il più grande suona il pianoforte. Quante anni hanno? Senza ragionamento, un modello tira a indovinare e raramente ci azzecca. Con il ragionamento, elenca le scomposizioni di 36 in tre fattori, calcola la somma di ciascuna, nota che due di esse condividono la stessa somma (1, 6, 6 e 2, 2, 9 danno entrambe 13: questa è l’ambiguità implicita nel prompt) e usa poi l’indizio sul figlio “più grande” per risolverla: 2, 2 e 9 anni.
La struttura di una risposta con ragionamento
Quando il ragionamento è attivo, la risposta non è più una semplice stringa. Il campo message.content diventa una lista di chunk: prima un chunk di pensiero di tipo thinking, che contiene a sua volta una lista di chunk di testo; poi un chunk di tipo text, che contiene la risposta finale. Ecco la forma semplificata restituita dall’API:
{
"role": "assistant",
"content": [
{
"type": "thinking",
"thinking": [
{"type": "text", "text": "... thinking traces ..."}
]
},
{"type": "text", "text": "... final answer ..."}
]
}
Questa separazione è preziosa: ti permette di mostrare o nascondere il processo di pensiero a seconda della tua applicazione. Un tutor educativo potrebbe mostrare le tracce; un assistente rivolto al consumatore mostrerebbe solo la conclusione. La Lezione 3 dettaglia come leggere questi chunk, anche in modalità streaming.
Il ragionamento presso Mistral a novembre 2026
Inizialmente Mistral offriva una gamma dedicata, Magistral (Small e Medium, versioni 25.06, 25.07 e 25.09), dove il ragionamento era sempre attivo. Questa gamma è ora completamente ritirata: il ragionamento è diventato una capacità dei modelli per uso generale, configurabile per ogni richiesta tramite il parametro reasoning_effort.
| Modello | Identificativo API | Stato al 2 novembre 2026 | Livelli reasoning_effort |
|---|---|---|---|
| Mistral Small 4 | mistral-small-2603 | Disponibile (rilasciato il 16 marzo 2026) | high, none |
| Mistral Large 4 | mistral-large-4-0 | Public Preview (rilasciato il 6 ottobre 2026) | low, medium, high |
| Mistral Medium 3.5 | mistral-medium-3-5 | Deprecato, ritiro il 30 aprile 2027 | high, none |
Mistral Small 4 è descritto nella sua scheda ufficiale come un modello ibrido che combina istruzioni, ragionamento e codice in un unico modello. È il punto di partenza naturale per questo corso. Mistral Large 4 offre una scala a tre livelli e una finestra di contesto da un milione di token; rimane in Public Preview, il che richiede cautela in produzione. La Lezione 5 confronta questi modelli nel dettaglio.
Quando usare il ragionamento
Il ragionamento non è necessario ovunque e abilitarlo sistematicamente è come pagare un premio assicurativo per viaggi senza rischi. Aggiunge valore reale per matematica, logica, debug, analisi comparativa, pianificazione e problemi a più passaggi. È superfluo per traduzioni semplici, riformulazioni, domande fattuali dirette o brevi scritti creativi.
Tutta la sfida sta nel bilanciare qualità e consumo di token. Il corso procede in tre fasi: configurazione e lettura del ragionamento (Lezioni da 1 a 4), scelta del modello, prompting efficace e migrazione da Magistral (Lezioni da 5 a 8), quindi applicazione a matematica, codice e processo decisionale (Lezioni da 9 a 12).
Punti chiave
- Il Test Time Computation investe risorse computazionali all’inferenza per migliorare le risposte complesse
- Con il ragionamento,
message.contentdiventa una lista: un chunkthinking(la riflessione) seguito da un chunktext(la risposta) - La gamma Magistral è stata ritirata il 31 luglio 2026: il ragionamento si configura ora con
reasoning_effort - Mistral Small 4 (
mistral-small-2603) è il punto di partenza; Mistral Large 4 (mistral-large-4-0) mira ai casi più impegnativi - Il ragionamento è giustificato per matematica, codice e processo decisionale, non per compiti semplici