Il-parametru reasoning_effort
F'din il-paġna
Lezzjon miktuba mill-ġdid fit-2 ta’ Novembru 2026. Il-verżjoni preċedenti kienet tgħid li
reasoning_effortjaċċetta biss żewġ valuri u jeżisti biss fuq Mistral Small. Fir-realtà, il-valuri aċċettati jiddependu mill-mudell, u Mistral Large 4 joffri tlieta. Sors: Reasoning (dokumentazzjoni ta’ Mistral).
L-issettjar tal-fond tal-ħsieb
Ir-raġunar aġġustabbli jistrieħ fuq prinċipju sempliċi: int tiddeċiedi, talba wara talba, kemm għandu jaħseb il-mudell qabel ma jwieġeb. Il-lever jissejjaħ reasoning_effort. Int tgħaddih fis-sejħa tal-API fl-istess livell tal-mudell u l-messaġġi, mingħajr ma teħtieġ konfigurazzjoni oħra.
Valuri aċċettati, mudell b’mudell
Din hija l-iżball l-aktar komuni: il-valuri aċċettati jiddependu mill-mudell.
| Mudell | Valuri ddokumentati | Rakkomandazzjoni uffiċjali |
|---|---|---|
Mistral Small 4 (mistral-small-2603) | high, none | — |
Mistral Medium 3.5 (mistral-medium-3-5) | high, none | high għal flussi ta’ xogħol aġentiċi u kodiċi |
Mistral Large 4 (mistral-large-4-0) | low, medium, high | Ibda b’high, imbagħad ibdel għal medium jew low jekk it-tokens jew il-latency huma aktar importanti |
Fuq Small 4 u Medium 3.5, high jipproduċi framment sħiħ ta’ raġunar qabel it-tweġiba, bl-ispiża ta’ konsum ogħla ta’ tokens; none inaqqas ir-raġunar għall-minimu u jħallih barra mir-rispons. Fuq Large 4, l-iskala għandha tliet livelli: low għal kompiti sempliċi, medium biex tibbilanċja l-kwalità, it-tokens u l-latency, u high għal kompiti kumplessi. Large 4 ma jaċċettax none: id-dokumentazzjoni tispeċifika li l-livell li qabel kien jissejjaħ none fil-preview tiegħu issa jissejjaħ low.
Nuansa finali: it-tip ReasoningEffort fl-SDKs jelenka wkoll minimal, xhigh, u max għax l-enumerazzjoni tkopri kull mudell fuq il-pjattaforma (max jintuża, pereżempju, mill-mudell ta’ parti terza zai-glm-5-3). Il-fatt li valur jidher fl-enumerazzjoni ma jfissirx li l-mudell tiegħek jaċċettah.
Implimentazzjoni f’Python
import os
from mistralai.client import Mistral
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
# Mistral Small 4, raġunar fond
response_high = client.chat.complete(
model="mistral-small-2603",
messages=[{"role": "user", "content": "Solve x^3 - 6x^2 + 11x - 6 = 0 and verify each root."}],
reasoning_effort="high",
)
# Mistral Small 4, tweġiba diretta
response_none = client.chat.complete(
model="mistral-small-2603",
messages=[{"role": "user", "content": "What is the capital of Portugal?"}],
reasoning_effort="none",
)
# Mistral Large 4, livell intermedju
response_medium = client.chat.complete(
model="mistral-large-4-0",
messages=[{"role": "user", "content": "Compare two caching strategies for a high-traffic API."}],
reasoning_effort="medium",
)
Il-forma tar-rispons tinbidel skont l-issettjar. B’high, message.content hija lista li tibda b’framment ta’ raġunar; b’none, hija sempliċiment stringa. Għalhekk, il-kodiċi tiegħek irid jittratta ż-żewġ forom, kif turi l-lezzjon li jmiss.
F’TypeScript, il-parametru jsegwi l-konvenzjonijiet ta’ JavaScript u jinkiteb reasoningEffort:
import { Mistral } from '@mistralai/mistralai';
const client = new Mistral({ apiKey: process.env.MISTRAL_API_KEY });
const response = await client.chat.complete({
model: 'mistral-small-2603',
messages: [{ role: 'user', content: 'Solve x^3 - 6x^2 + 11x - 6 = 0.' }],
reasoningEffort: 'high',
});
L-għażla tal-livell skont il-kompitu
Irriżerva r-raġunar fond għal problemi matematika b’diversi passi, debugginġ ta’ kodiċi kumpless, analiżi komparattiva, ippjanar, puzzles loġiċi u valutazzjoni tar-riskju. Dawn kollha għandhom karatteristika komuni: hemm diversi mogħdijiet possibbli, u li tagħżel dik ħażina għandha spiża għolja.
Itfih (jew niżżlu għall-inqas livell) għal mistoqsijiet fattwali sempliċi, traduzzjoni, parafrażi, estrazzjoni diretta ta’ informazzjoni u konversazzjoni ta’ kuljum. Hawnhekk il-mudell m’għandu xejn biex jarbitra: huwa jirkupra jew jittrasforma, u fażi ta’ raġunar iżżid biss latency mingħajr ħtieġa.
Il-kejl tal-ispiża
Ir-raġunar jispiża tokens tal-output. L-eżempju fid-dokumentazzjoni uffiċjali jagħti idea tal-iskala: enigma dwar l-età mibgħuta lil Mistral Small 4 b’high tikkonsma 77 token tal-input u 1,114 token tal-output. Bir-rata elenkata ta’ Small 4 ta’ $0.15 għal kull miljun token tal-input u $0.60 għal kull miljun token tal-output, it-talba tispiża madwar $0.0007. Dan huwa negliġibbli għal kull unità, iżda fuq miljun talba simili, ir-raġunar waħdu jirrappreżenta mijiet ta’ dollari, mingħajr ebda qligħ jekk nofs il-mistoqsijiet ma kinux jeħtieġuh.
Il-kamp usage f’kull rispons jagħtik il-kejl eżatt: segwi completion_tokens skont it-tip ta’ talba qabel ma tġeneralizza settinġ.
Ir-rottaġġ skont il-kumplessità
Soluzzjoni sempliċi hija li tagħżel il-livell abbażi tal-mistoqsija, billi tuża tabella għal kull mudell biex tiżgura li qatt ma tibgħat valur miċħud:
LEVELS = {
"mistral-small-2603": {"simple": "none", "complex": "high"},
"mistral-large-4-0": {"simple": "low", "complex": "high"},
}
COMPLEX_WORDS = ("calculate", "prove", "compare", "analyze", "optimize", "debug", "why")
def query(client, question, model="mistral-small-2603", level=None):
"""Jagħżel reasoning_effort abbażi tal-mistoqsija, jew japplika livell sfurzat."""
if level is None:
is_complex = any(word in question.lower() for word in COMPLEX_WORDS)
level = LEVELS[model]["complex" if is_complex else "simple"]
return client.chat.complete(
model=model,
messages=[{"role": "user", "content": question}],
reasoning_effort=level,
)
L-euristika tal-kliem ewlieni tibqa’ grossolana; dawn biżżejjed biex jirriżervaw ir-raġunar għat-talbiet li jibbenefikaw minnu, u l-argument level jippermettilek tisforza settinġ. Il-Lezzjon 12 jipproponi arkitettura ta’ rottaġġ aktar sħiħa.
Limiti li għandek tkun taf
Ir-raġunar iżid il-probabbiltà ta’ tweġiba korretta; ma jiggarantixha: ivverifika r-riżultati kritiċi (Lezzjon 9). Jiżdied ukoll il-latency, li huwa importanti f’interfaċċa konversazzjonali. Fl-aħħar nett, il-valur mgħoddi jrid jaqbel mal-mudell imsejjaħ: ippjana għal tabella bħal dik ta’ hawn fuq minflok ma tferrex strings fil-kodiċi tiegħek.
Punti Ewlenin
reasoning_effortjikkontrolla r-raġunar talba wara talba, mingħajr konfigurazzjoni oħra- Small 4 u Medium 3.5 jaċċettaw
highunone; Large 4 jaċċettalow,medium, uhigh, mhuxnone - L-enumerazzjonijiet tal-SDK fihom valuri li mhux il-mudelli kollha jaċċettaw
- B’
high,contenthija lista ta’ frammenti; b’none, hija stringa - Kejjel l-ispiża b’
usage.completion_tokensu agħmel rottaġġ skont il-kumplessità