Przejdź do głównej treści
Polski— Wybierz język
Menu

Migracja z modelu Magistral

Lekcja 8 z 12 Zaktualizowano 2 listopada 2026 Programista
Na tej stronie
  1. Gdzie stoi Twój kod?
  2. Tabela mapowania
  3. Co zmienia się w kodzie
  4. Walidacja migracji
  5. Maksymalne wykorzystanie migracji
  6. Kluczowe wnioski

Lekcja przepisana 2 listopada 2026 r. Pierwotnie opisano w niej tryb rozumowania „zawsze włączony“ modelu Magistral. Ponieważ wszystkie modele Magistral zostały wycofane 31 lipca 2026 r., materiał obejmuje teraz migrację na reasoning_effort. Źródła: Models — deprecated and removed models · Reasoning · Native reasoning (deprecated).

Gdzie stoi Twój kod?

Najnowsze wersje Magistral, Small 1.2 i Medium 1.2 (-2509), zostały oznaczone jako przestarzałe wiosną 2026 r. i wycofane 31 lipca 2026 r.; wersje 1.0 i 1.1 wycofano już 30 listopada 2025 r. Każdy kod nadal wywołujący magistral-small-latest, magistral-medium-latest lub datowany identyfikator z tej rodziny odwołuje się do modelu, który już nie istnieje. Migracja nie jest już kwestią planowania – musisz ją przeprowadzić teraz.

Tabela mapowania

UżywałeśWyznaczony zamiennik MistralCo rekomendujemy dzisiaj
Magistral Small (1.0, 1.1, 1.2)Mistral Small 4mistral-small-2603 z reasoning_effort="high"
Magistral Medium (1.0, 1.1, 1.2)Mistral Medium 3.5Small 4, jeśli jakość wystarcza, w przeciwnym razie mistral-large-4-0 z reasoning_effort="high"

Dlaczego nie należy podążać za wyznaczonym zamiennikiem Mistral dla Magistral Medium co do joty? Ponieważ Mistral Medium 3.5 jest sam w sobie przestarzały od 31 października 2026 r., a jego wycofanie zaplanowano na 30 kwietnia 2027 r., z modelem Large 4 jako następcą. Migracja na niego oznacza zobowiązanie się do drugiej migracji za sześć miesięcy. Large 4 znajduje się w fazie Public Preview: jeśli ten poziom dojrzałości nie odpowiada Twojemu środowisku produkcyjnemu, Medium 3.5 pozostaje możliwym etapem pośrednim, pod warunkiem że teraz zaplanujesz kolejną zmianę.

Co zmienia się w kodzie

Magistral zawsze przeprowadzał rozumowanie; obecne modele robią to tylko wtedy, gdy o to poprosisz. Naturalnym odpowiednikiem trybu „zawsze włączonego“ jest zatem reasoning_effort="high".

# Przed: Magistral (wycofany)
response = client.chat.complete(
    model="magistral-medium-latest",
    messages=[
        {"role": "system", "content": "You are a rigorous analyst."},
        {"role": "user", "content": question},
    ],
    prompt_mode=None,   # wyłączono domyślny prompt systemowy Magistral
)

# Po: Mistral Large 4 z jawnym rozumowaniem
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",
)

Cztery elementy, które musisz uwzględnić po drodze:

  1. Identyfikatory modeli: wyszukaj wystąpień magistral w swoim kodzie, plikach konfiguracyjnych i zmiennych środowiskowych.
  2. prompt_mode: dokumentacja dotycząca rozumowania już go nie wspomina; usuń go ze swoich wywołań.
  3. Prompty systemowe: usuń szablon rozumowania specyficzny dla Magistral (fragment thinking umieszczony w wiadomości systemowej) i pozostaw jedynie instrukcje dotyczące metody i formatu (Lekcja 6).
  4. Odczytywanie odpowiedzi: struktura z Magistral 25.07 i 25.09 (ThinkChunk, a następnie TextChunk) jest zgodna z obecnymi modelami, więc Twój kod odczytu pozostaje ważny. Dodaj jedynie obsługę przypadku zwykłego ciągu znaków, który Small 4 i Medium 3.5 zwracają, gdy reasoning_effort="none". Jeśli Twój kod pochodził z Magistral 25.06 i szukał tagów <think> w tekście, zastąp go funkcją separer z Lekcji 3.

Walidacja migracji

Nie dokonuj zmiany w ciemno. Odtwórz próbę rzeczywistych przypadków użycia wraz z ich oczekiwanymi odpowiedziami i porównaj trzy metryki: jakość (trafność, zgodność z formatem), zużycie tokenów (usage.completion_tokens) oraz opóźnienie (latencję). Prosty skrypt załatwi sprawę:

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"),
])

Funkcja verifier zależy od Twojej domeny: porównanie z oczekiwaną wartością, sprawdzenie obecności wymaganych elementów lub walidacja JSON. To właśnie zamienia wrażenie w decyzję.

Maksymalne wykorzystanie migracji

Skoro i tak modyfikujesz każde wywołanie modelu, wykorzystaj tę okazję, aby utrwalić datowane identyfikatory w środowisku produkcyjnym (mistral-small-2603 zamiast mistral-small-latest) oraz ** scentralizować** wybór modelu i poziomu rozumowania w jednej konfiguracji. Kolejne oznaczenie modelu jako przestarzałego – a takie na pewno nastąpi – będzie wtedy wymagało jedynie poprawki w jednej linii.

Kluczowe wnioski

  • Magistral został wycofany 31 lipca 2026 r.: każde pozostałe wywołanie dotyczy modelu niedostępnego
  • Magistral Small → Small 4; Magistral Medium → Small 4 lub Large 4, a nie Medium 3.5, który sam jest przestarzały
  • „Zawsze włączone“ tłumaczy się na reasoning_effort="high"
  • Usuń prompt_mode i szablon rozumowania z promptów systemowych
  • Zwerydukuj migrację na rzeczywistych przypadkach (jakość, tokeny, opóźnienie), a następnie utrwalić datowane identyfikatory