Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Migreren vanaf Magistral

Les 8 van 12 Bijgewerkt op 2 november 2026 Ontwikkelaar
Op deze pagina
  1. Waar staat uw code?
  2. De mapping-tabel
  3. Wat verandert er in de code
  4. De migratie valideren
  5. Het maximale uit de migratie halen
  6. Belangrijkste punten

Les herschreven op 2 november 2026. Deze les beschreef oorspronkelijk de “altijd aan”-redenering van Magistral. Aangezien alle Magistral-modellen op 31 juli 2026 zijn stopgezet, behandelt deze les nu de migratie naar reasoning_effort. Bronnen: Models — deprecated and removed models · Reasoning · Native reasoning (deprecated).

Waar staat uw code?

De nieuwste Magistral-versies, Small 1.2 en Medium 1.2 (-2509), zijn in het voorjaar van 2026 verouderd verklaard en op 31 juli 2026 stopgezet; versies 1.0 en 1.1 waren al op 30 november 2025 stopgezet. Elke code die nog steeds magistral-small-latest, magistral-medium-latest of een gedateerde identifier uit die familie aanroept, richt zich op een model dat niet meer bestaat. Migratie is geen kwestie meer van plannen, maar van direct handelen.

De mapping-tabel

U gebruikteMistral’s aangewezen vervangerWat wij vandaag aanbevelen
Magistral Small (1.0, 1.1, 1.2)Mistral Small 4mistral-small-2603 met reasoning_effort="high"
Magistral Medium (1.0, 1.1, 1.2)Mistral Medium 3.5Small 4 als de kwaliteit volstaat, anders mistral-large-4-0 met reasoning_effort="high"

Waarom volgt u Mistral’s aangewezen vervanger voor Magistral Medium niet letterlijk op? Omdat Mistral Medium 3.5 zelf verouderd is vanaf 31 oktober 2026, met stopzetting gepland voor 30 april 2027, en Large 4 als opvolger heeft. Migreren daarnaar betekent dat u zich verbindt tot een tweede migratie binnen zes maanden. Large 4 bevindt zich in Public Preview: als dit rijpheidsniveau niet geschikt is voor uw productieomgeving, blijft Medium 3.5 een mogelijke tussenstap, mits u de volgende switch nu al inplant.

Wat verandert er in de code

Magistral redeneerde altijd; huidige modellen redeneren alleen wanneer u hen daarom vraagt. Het natuurlijke equivalent van “altijd aan” is daarom reasoning_effort="high".

# Voorheen: Magistral (stopgezet)
response = client.chat.complete(
    model="magistral-medium-latest",
    messages=[
        {"role": "system", "content": "You are a rigorous analyst."},
        {"role": "user", "content": question},
    ],
    prompt_mode=None,   # schakelde Magistral's standaard systeemprompt uit
)

# Nu: Mistral Large 4 met expliciete redenering
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",
)

Vier punten om onderweg aan te pakken:

  1. Model-identifiers: zoek naar magistral in uw code, configuratiebestanden en omgevingsvariabelen.
  2. prompt_mode: de documentatie over redenering noemt dit niet meer; verwijder het uit uw aanroepen.
  3. Systeemprompts: verwijder de Magistral-specifieke redeneersjabloon (het thinking-fragment in het systeembericht) en houd alleen de instructies voor methode en formaat over (Les 6).
  4. Antwoorden lezen: de structuur van Magistral 25.07 en 25.09 (ThinkChunk gevolgd door TextChunk) komt overeen met de huidige modellen, dus uw leescode blijft geldig. Voeg wel afhandeling toe voor het geval van een platte string, die Small 4 en Medium 3.5 retourneren wanneer reasoning_effort="none". Als uw code afkomstig was van Magistral 25.06 en zocht naar <think>-tags in de tekst, vervang deze dan door de separer-functie uit Les 3.

De migratie valideren

Schakel niet blind over. Speel een steekproef van uw reële use-cases af, samen met hun referentieantwoorden, en vergelijk drie metrieken: kwaliteit (nauwkeurigheid, naleving van het formaat), verbruikte tokens (usage.completion_tokens) en latentie. Een eenvoudig script volstaat:

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"),
])

De verifier-functie hangt af van uw domein: vergelijking met een verwachte waarde, aanwezigheid van vereiste elementen, of JSON-validatie. Dit is wat een indruk omzet in een beslissing.

Het maximale uit de migratie halen

Aangezien u toch elke modelaanroep aanpast, gebruik deze kans om gedateerde identifiers in productie vast te pinnen (mistral-small-2603 in plaats van mistral-small-latest) en om de keuze van model en redeneerniveau te centraliseren in één configuratie. De volgende veroudering – en die zal er komen – is dan een wijziging van één regel.

Belangrijkste punten

  • Magistral is op 31 juli 2026 stopgezet: elke resterende aanroep richt zich op een niet-beschikbaar model
  • Magistral Small → Small 4; Magistral Medium → Small 4 of Large 4 in plaats van Medium 3.5, dat zelf verouderd is
  • “Altijd aan” vertaalt zich naar reasoning_effort="high"
  • Verwijder prompt_mode en de redeneersjabloon uit systeemprompts
  • Valideer op uw reële cases (kwaliteit, tokens, latentie) en pin vervolgens gedateerde identifiers vast