Migracja z modelu Magistral
Na tej stronie
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
| Używałeś | Wyznaczony zamiennik Mistral | Co rekomendujemy dzisiaj |
|---|---|---|
| Magistral Small (1.0, 1.1, 1.2) | Mistral Small 4 | mistral-small-2603 z reasoning_effort="high" |
| Magistral Medium (1.0, 1.1, 1.2) | Mistral Medium 3.5 | Small 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:
- Identyfikatory modeli: wyszukaj wystąpień
magistralw swoim kodzie, plikach konfiguracyjnych i zmiennych środowiskowych. prompt_mode: dokumentacja dotycząca rozumowania już go nie wspomina; usuń go ze swoich wywołań.- Prompty systemowe: usuń szablon rozumowania specyficzny dla Magistral (fragment
thinkingumieszczony w wiadomości systemowej) i pozostaw jedynie instrukcje dotyczące metody i formatu (Lekcja 6). - Odczytywanie odpowiedzi: struktura z Magistral 25.07 i 25.09 (
ThinkChunk, a następnieTextChunk) 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, gdyreasoning_effort="none". Jeśli Twój kod pochodził z Magistral 25.06 i szukał tagów<think>w tekście, zastąp go funkcjąseparerz 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_modei szablon rozumowania z promptów systemowych - Zwerydukuj migrację na rzeczywistych przypadkach (jakość, tokeny, opóźnienie), a następnie utrwalić datowane identyfikatory