Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Introdução ao raciocínio de IA na Mistral

Aula 1 de 12 Atualizada a 2 de novembro de 2026 Programador
Nesta página
  1. Por que o raciocínio muda as regras do jogo
  2. O custo e o benefício da reflexão
  3. A estrutura de uma resposta com raciocínio
  4. O raciocínio na Mistral em novembro de 2026
  5. Quando utilizar o raciocínio
  6. Pontos-chave

Curso redesenhado a 2 de novembro de 2026. Este curso foi originalmente construído em torno dos modelos Magistral, que foram totalmente descontinuados a 31 de julho de 2026. Na Mistral, o raciocínio é agora gerido através do parâmetro reasoning_effort, disponível nos modelos de uso geral: Mistral Small 4, Mistral Large 4 e Mistral Medium 3.5 (obsoleto, descontinuação prevista para 30 de abril de 2027). Todas as doze lições foram reescritas com base na documentação oficial: Reasoning · Models.

Por que o raciocínio muda as regras do jogo

Quando coloca uma questão complexa a um modelo de linguagem padrão, este gera a sua resposta token por token, sem uma fase de reflexão genuína. Para reformulações ou perguntas factuais, o resultado é frequentemente correto. No entanto, perante problemas de várias etapas ou que exigem raciocínio lógico, o desempenho degrada-se significativamente: o modelo compromete-se com uma direção desde as primeiras palavras e não tem margem para se corrigir.

O raciocínio altera esta dinâmica. A documentação da Mistral apresenta-o como a próxima evolução da cadeia de pensamento (chain of thought): o modelo é treinado para gerar livremente uma cadeia de reflexão antes de entregar a sua resposta final. Explora o problema com maior profundidade e, ao gastar mais capacidade de computação durante a inferência, melhora a sua solução. Isto é conhecido como Test Time Computation: investir capacidade de computação durante a inferência, e não apenas durante o treino.

O custo e o benefício da reflexão

O princípio é simples: quanto mais um modelo pensa antes de responder, melhor será a sua resposta em tarefas complexas. Concretamente, gera rastros de pensamento: hipóteses, cálculos intermédios, verificações e retrocessos. Estes tokens extras custam tempo e orçamento. Num exemplo da documentação oficial, uma pequena adivinha sobre idades colocada ao Mistral Small 4 com esforço de raciocínio elevado consome 77 tokens de entrada e 1.114 tokens de saída para uma resposta final de apenas algumas linhas: a maior parte do custo reside no próprio pensamento.

O raciocínio destaca-se em casos de uso complexos, começando pela matemática e programação, mas aplica-se a muitas outras situações: análise, planeamento e tomada de decisões.

Considere um problema clássico para medir a diferença. Um pai tem três filhos; o produto das suas idades é 36, a soma das suas idades é o número da casa do vizinho e o mais velho toca piano. Quais são as suas idades? Sem raciocínio, um modelo adivinha e raramente acerta. Com raciocínio, enumera as decomposições de 36 em três fatores, calcula a soma de cada um, nota que duas delas partilham a mesma soma (1, 6, 6 e 2, 2, 9 somam ambas 13: esta é a ambiguidade implícita no enunciado) e, em seguida, utiliza a pista sobre o filho “mais velho” para resolver o problema: 2, 2 e 9 anos.

A estrutura de uma resposta com raciocínio

Quando o raciocínio está ativo, a resposta deixa de ser uma simples cadeia de caracteres. O campo message.content torna-se uma lista de blocos: primeiro um bloco de pensamento do tipo thinking, que contém por sua vez uma lista de blocos de texto; depois um bloco do tipo text, que contém a resposta final. Eis a forma simplificada devolvida pela API:

{
  "role": "assistant",
  "content": [
    {
      "type": "thinking",
      "thinking": [
        {"type": "text", "text": "... thinking traces ..."}
      ]
    },
    {"type": "text", "text": "... final answer ..."}
  ]
}

Esta separação é valiosa: permite-lhe mostrar ou ocultar o processo de pensamento consoante a sua aplicação. Um tutor educativo pode exibir os rastros; um assistente virado para o consumidor mostraria apenas a conclusão. A Lição 3 detalha como ler estes blocos, inclusive em modo de streaming.

O raciocínio na Mistral em novembro de 2026

Inicialmente, a Mistral oferecia uma gama dedicada, a Magistral (Small e Medium, versões 25.06, 25.07 e 25.09), onde o raciocínio estava sempre ativo. Esta gama está agora totalmente descontinuada: o raciocínio tornou-se uma capacidade dos modelos de uso geral, configurável por pedido através do parâmetro reasoning_effort.

ModeloIdentificador da APIEstado a 2 de novembro de 2026Níveis de reasoning_effort
Mistral Small 4mistral-small-2603Disponível (lançado a 16 de março de 2026)high, none
Mistral Large 4mistral-large-4-0Pré-visualização Pública (lançado a 6 de outubro de 2026)low, medium, high
Mistral Medium 3.5mistral-medium-3-5Obsoleto, descontinuação a 30 de abril de 2027high, none

O Mistral Small 4 é descrito na sua ficha oficial como um modelo híbrido que combina instruções, raciocínio e código num único modelo. É o ponto de partida natural para este curso. O Mistral Large 4 oferece uma escala de três níveis e uma janela de contexto de um milhão de tokens; permanece em Pré-visualização Pública, o que exige cautela em produção. A Lição 5 compara estes modelos em detalhe.

Quando utilizar o raciocínio

O raciocínio não é necessário em toda a parte e ativá-lo sistematicamente é como pagar um prémio de seguro para viagens sem riscos. Acrescenta valor real para matemática, lógica, depuração, análise comparativa, planeamento e problemas de várias etapas. É supérfluo para tradução simples, reformulação, perguntas factuais diretas ou escrita criativa curta.

Todo o desafio reside em equilibrar a qualidade contra o consumo de tokens. O curso decorre em três etapas: configuração e leitura do raciocínio (Lições 1 a 4), escolha do modelo, criação de prompts eficazes e migração a partir do Magistral (Lições 5 a 8), e finalmente aplicação à matemática, código e tomada de decisões (Lições 9 a 12).

Pontos-chave

  • O Test Time Computation investe capacidade de computação na inferência para melhorar respostas complexas
  • Com o raciocínio, message.content torna-se uma lista: um bloco thinking (a reflexão) seguido de um bloco text (a resposta)
  • A gama Magistral foi descontinuada a 31 de julho de 2026: o raciocínio é agora configurado com reasoning_effort
  • O Mistral Small 4 (mistral-small-2603) é o ponto de partida; o Mistral Large 4 (mistral-large-4-0) destina-se aos casos mais exigentes
  • O raciocínio justifica-se para matemática, código e tomada de decisões, não para tarefas simples