Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Quale modello per il ragionamento: Small 4, Large 4, Medium 3.5

Lezione 5 di 12 Aggiornata il 2 novembre 2026 Sviluppatore
In questa pagina
  1. Tre modelli, tre profili
  2. Mistral Small 4: il punto di partenza
  3. Mistral Large 4: i casi più esigenti
  4. Mistral Medium 3.5: solo per deploy esistenti
  5. E i modelli di terze parti?
  6. Il destino della gamma Magistral
  7. Fare una scelta pratica
  8. Punti chiave

Lezione riscritta il 2 novembre 2026. Questa lezione trattava in precedenza i modelli Magistral, tutti ritirati il 31 luglio 2026. Ora confronta i modelli che offrono attualmente capacità di ragionamento sulla piattaforma Mistral, basandosi sulle loro schede tecniche ufficiali: Mistral Small 4 · Mistral Large 4 · Mistral Medium 3.5.

Tre modelli, tre profili

In Mistral, il ragionamento non è più dominio di una gamma specializzata. Al contrario, tre modelli generici lo offrono, ciascuno con il proprio prezzo, finestra di contesto e livello di maturità.

Mistral Small 4Mistral Large 4Mistral Medium 3.5
Identificativi APImistral-small-2603, mistral-small-latestmistral-large-4-0, mistral-large-4mistral-medium-3-5, mistral-medium-latest
StatoDisponibile (GA)Anteprima pubblicaDeprecato, ritiro 30 aprile 2027
Data di rilascio16 marzo 20266 ottobre 202628 aprile 2026
Finestra di contesto256.000 token1 milione di token256.000 token
reasoning_efforthigh, nonelow, medium, highhigh, none
Prezzo (per milione di token)0,15 $ input, 0,60 $ output0,70 $ input (0,07 $ in cache), 2,10 $ output1,50 $ input, 7,50 $ output
InputTesto, immagineTesto, immagineTesto, immagine
Pesi apertiSì, Apache 2.0 (119B parametri, 6,5B attivi)Sì, Mistral Ecosystem Open Weight License (1,05T parametri, 52B attivi)Sì, licenza MIT modificata (128B parametri)

Dati su prezzi e stato registrati il 2 novembre 2026: verifica queste cifre sulle schede tecniche ufficiali prima di calcolare il tuo budget.

Mistral Small 4: il punto di partenza

Small 4 è descritto come un modello ibrido che combina esecuzione delle istruzioni, ragionamento e coding in un’unica architettura. È la scelta predefinita per questo corso: disponibile in General Availability (GA) e a basso costo, passa da una risposta diretta (none) al ragionamento completo (high) senza cambiare modello. La sua scheda tecnica elenca anche chiamata di funzioni, output strutturati, agenti e conversazioni, ed elaborazione in batch. Puoi utilizzarlo in tutta un’applicazione, pagando per il ragionamento solo dove aggiunge valore.

Mistral Large 4: i casi più esigenti

Large 4 è il modello più capace della gamma, dotato di una finestra di contesto da 1 milione di token e di una scala di ragionamento a tre livelli. La documentazione consiglia high come punto di partenza, suggerendo poi medium o low quando l’uso dei token o la latenza diventano prioritari. Tieni a mente due avvertenze: è in Anteprima pubblica, quindi soggetto a modifiche, e non accetta none. Riservalo ai problemi in cui Small 4 non basta, dopo averlo testato sui tuoi esempi.

Mistral Medium 3.5: solo per deploy esistenti

Medium 3.5 ha funto da sostituto ufficiale per Magistral Medium e Devstral 2, e la sua documentazione raccomanda reasoning_effort="high" per flussi di lavoro agentici e task di coding. Tuttavia, è stato deprecato dal 31 ottobre 2026 e verrà ritirato il 30 aprile 2027, con Large 4 designato come suo successore. Non avviare nuovi progetti su questo modello; se lo stai già utilizzando, pianifica ora la tua migrazione.

E i modelli di terze parti?

La piattaforma Mistral ospita anche modelli di altri editori. La pagina sul ragionamento cita zai-glm-5-3, che accetta low, high e max, ma non none, e restituisce sempre una lista di frammenti inclusa la traccia di ragionamento. Questo illustra la regola della Lezione 2: ogni modello ha il proprio insieme di valori validi per reasoning_effort.

Il destino della gamma Magistral

Magistral è stata la prima gamma di ragionamento di Mistral. Il suo ragionamento era sempre attivo, senza alcun parametro per controllarlo; rendeva al meglio con un prompt di sistema predefinito, regolabile tramite il parametro prompt_mode. Tutte le versioni sono ora ritirate:

ModelloIdentificativoData di ritiroSostituto designato
Magistral Medium 1.2magistral-medium-250931 luglio 2026Mistral Medium 3.5
Magistral Small 1.2magistral-small-250931 luglio 2026Mistral Small 4
Magistral Medium 1.1magistral-medium-250730 novembre 2025Mistral Medium 3.5
Magistral Small 1.1magistral-small-250730 novembre 2025Mistral Small 4
Magistral Medium 1.0magistral-medium-250630 novembre 2025Mistral Medium 3.5
Magistral Small 1.0magistral-small-250630 novembre 2025Mistral Small 4

Poiché anche Medium 3.5 è deprecato, qualsiasi migrazione da Magistral Medium dovrebbe puntare direttamente a Large 4, o a Small 4 se la qualità è sufficiente. La Lezione 8 illustra questa migrazione passo dopo passo.

Fare una scelta pratica

Inizia con Small 4 impostato su high su un campione rappresentativo dei tuoi casi d’uso. Se la qualità soddisfa le tue esigenze, mantienilo: è di gran lunga l’opzione meno costosa. In caso contrario, testa Large 4 con medium, poi high. Ogni volta, confronta la qualità dell’output, i token consumati (usage.completion_tokens) e la latenza. Una volta passato alla produzione, fissa un identificativo datato (mistral-small-2603 invece di mistral-small-latest): un alias può passare a una nuova versione senza che il tuo codice cambi, rischiando di rompere la tua applicazione.

Punti chiave

  • Tre modelli supportano attualmente il ragionamento: Small 4 (GA), Large 4 (Anteprima pubblica) e Medium 3.5 (deprecato)
  • Small 4 è il punto di partenza: 0,15 $ / 0,60 $ per milione di token, con high o none
  • Large 4 offre low, medium, high e una finestra di contesto da 1 milione di token, ma non none
  • Tutte le versioni di Magistral sono ritirate; Medium 3.5 sarà ritirato il 30 aprile 2027
  • Scegli basandoti sulle misurazioni, poi fissa un identificativo datato per la produzione