Wprowadzenie do rozumowania AI w Mistral
Na tej stronie
Kurs przeprojektowany 2 listopada 2026 r. Kurs ten został pierwotnie zbudowany wokół modeli Magistral, które zostały całkowicie wycofane 31 lipca 2026 r. W Mistral rozumowanie jest obecnie obsługiwane za pośrednictwem parametru
reasoning_effortdostępnego w modelach ogólnego przeznaczenia: Mistral Small 4, Mistral Large 4 oraz Mistral Medium 3.5 (przestarzały, planowane wycofanie 30 kwietnia 2027 r.). Wszystkie dwanaście lekcji zostało przepisanych na podstawie oficjalnej dokumentacji: Reasoning · Models.
Dlaczego rozumowanie zmienia zasady gry
Gdy zadajesz złożone pytanie standardowemu modelowi językowemu, generuje on odpowiedź token po tokenie bez prawdziwej fazy refleksji. W przypadku parafrazy lub pytań faktograficznych wynik jest często poprawny. Jednak w obliczu problemów wieloetapowych lub wymagających ścisłego rozumowania logicznego wydajność znacznie spada: model od pierwszych słów obrażany określony kierunek i nie ma możliwości skorygowania się.
Rozumowanie zmienia tę dynamikę. Dokumentacja Mistral przedstawia je jako kolejny etap ewolucji łańcucha myślowego (chain of thought): model jest szkolony tak, aby swobodnie generować łańcuch refleksji przed przedstawieniem ostatecznej odpowiedzi. Głębiej analizuje problem i, zużywając więcej mocy obliczeniowej podczas wnioskowania, poprawia jakość rozwiązania. Zjawisko to nosi nazwę Test Time Computation: inwestowanie mocy obliczeniowej podczas wnioskowania, a nie tylko podczas treningu.
Koszt i korzyści z refleksji
Zasada jest prosta: im dłużej model myśli przed udzieleniem odpowiedzi, tym lepsza jest jego reakcja na złożone zadania. Konkretnie generuje on ślady myślowe: hipotezy, obliczenia pośrednie, weryfikacje i cofanie się do wcześniejszych etapów. Te dodatkowe tokeny kosztują czas i budżet. W przykładzie z oficjalnej dokumentacji niewielka zagadka dotycząca wieku, zadana modelowi Mistral Small 4 z wysokim poziomem rozumowania, zużywa 77 tokenów wejściowych i 1114 tokenów wyjściowych dla ostatecznej odpowiedzi liczącej zaledwie kilka linii: większość kosztu stanowi samo myślenie.
Rozumowanie sprawdza się znakomicie w złożonych przypadkach użycia, począwszy od matematyki i programowania, ale znajduje zastosowanie w wielu innych sytuacjach: analizie, planowaniu i podejmowaniu decyzji.
Rozważ klasyczny problem, aby zmierzyć różnicę. Ojciec ma troje dzieci; iloczyn ich lat wynosi 36, suma ich lat to numer domu sąsiada, a najstarsze gra na fortepianie. Ile mają lat? Bez rozumowania model zgaduje i rzadko trafia. Dzięki rozumowaniu wymienia rozkłady liczby 36 na trzy czynniki, oblicza sumę każdego z nich, zauważa, że dwa z nich mają tę samą sumę (1, 6, 6 oraz 2, 2, 9 dają w sumie 13: to jest niejednoznaczność sugerowana w poleceniu), a następnie wykorzystuje wskazówkę dotyczącą „najstarszego“ dziecka, aby rozwiązać zagadkę: 2, 2 i 9 lat.
Struktura odpowiedzi z rozumowaniem
Gdy rozumowanie jest aktywne, odpowiedź nie jest już prostym ciągiem znaków. Pole message.content staje się listą fragmentów: najpierw fragment myślowy typu thinking, który sam zawiera listę fragmentów tekstowych; następnie fragment typu text, który zawiera ostateczną odpowiedź. Oto uproszczona forma zwracana przez API:
{
"role": "assistant",
"content": [
{
"type": "thinking",
"thinking": [
{"type": "text", "text": "... thinking traces ..."}
]
},
{"type": "text", "text": "... final answer ..."}
]
}
To rozdzielenie jest cenne: pozwala wyświetlać lub ukrywać proces myślowy w zależności od potrzeb Twojej aplikacji. Korepetytor edukacyjny może pokazać ślady myślowe; asystent skierowany do klienta końcowego wyświetli tylko wniosek. Lekcja 3 szczegółowo opisuje, jak odczytywać te fragmenty, również w trybie strumieniowania.
Rozumowanie w Mistral w listopadzie 2026 r.
Mistral początkowo oferował dedykowaną gamę modeli Magistral (Small i Medium, wersje 25.06, 25.07 i 25.09), w których rozumowanie było zawsze aktywne. Gamę tę całkowicie wycofano: rozumowanie stało się funkcją modeli ogólnego przeznaczenia, konfigurowaną dla każdego żądania za pomocą parametru reasoning_effort.
| Model | Identyfikator API | Status na dzień 2 listopada 2026 r. | Poziomy reasoning_effort |
|---|---|---|---|
| Mistral Small 4 | mistral-small-2603 | Dostępny (wydany 16 marca 2026 r.) | high, none |
| Mistral Large 4 | mistral-large-4-0 | Public Preview (wydany 6 października 2026 r.) | low, medium, high |
| Mistral Medium 3.5 | mistral-medium-3-5 | Przestarzały, wycofanie 30 kwietnia 2027 r. | high, none |
Mistral Small 4 jest opisany w oficjalnej karcie jako model hybrydowy, który łączy wykonywanie poleceń, rozumowanie i kodowanie w jednym modelu. Jest to naturalny punkt wyjścia dla tego kursu. Mistral Large 4 oferuje trzy poziomą skalę i okno kontekstu liczące milion tokenów; pozostaje w fazie Public Preview, co wymaga ostrożności w środowisku produkcyjnym. Lekcja 5 szczegółowo porównuje te modele.
Kiedy używać rozumowania
Rozumowanie nie jest wszędzie konieczne, a jego systematyczne włączanie jest jak płacenie składki ubezpieczeniowej za podróże bez ryzyka. Dodaje realną wartość w matematyce, logice, debugowaniu, analizie porównawczej, planowaniu i problemach wieloetapowych. Jest zbędne przy prostym tłumaczeniu, parafrazie, bezpośrednich pytaniach faktograficznych czy krótkich tekstach kreatywnych.
Całe wyzwanie polega na zrównoważeniu jakości wobec zużycia tokenów. Kurs przebiega w trzech etapach: konfiguracja i odczyt rozumowania (lekcje 1–4), wybór modelu, skuteczne tworzenie promptów i migracja z modeli Magistral (lekcje 5–8), a następnie zastosowanie w matematyce, kodzie i podejmowaniu decyzji (lekcje 9–12).
Kluczowe wnioski
- Test Time Computation inwestuje moc obliczeniową podczas wnioskowania, aby poprawić złożone odpowiedzi
- Dzięki rozumowaniu
message.contentstaje się listą: fragmentthinking(refleksja), a po nim fragmenttext(odpowiedź) - Gama modeli Magistral została wycofana 31 lipca 2026 r.: rozumowanie konfiguruje się teraz za pomocą
reasoning_effort - Mistral Small 4 (
mistral-small-2603) to punkt wyjścia; Mistral Large 4 (mistral-large-4-0) jest przeznaczony do najbardziej wymagających przypadków - Rozumowanie jest uzasadnione w matematyce, programowaniu i podejmowaniu decyzji, a nie w prostych zadaniach