Resolução de Problemas Matemáticos
Nesta página
Lição atualizada em 2 de novembro de 2026. Os exemplos originais utilizavam o Magistral, que foi descontinuado em 31 de julho de 2026. Agora utilizam o Mistral Small 4 (
mistral-small-2603) ou o Mistral Large 4 (mistral-large-4-0) comreasoning_effort="high", analisando a resposta através da funçãoseparerda Lição 3. Fonte: Reasoning (Documentação Mistral).
Matemática: O Terreno Ideal para o Raciocínio
Os problemas matemáticos constituem o caso de uso onde o raciocínio oferece maior valor. Um modelo sem capacidade de raciocínio responde corretamente a “2 + 2”, mas falha frequentemente em problemas de várias etapas, demonstrações e enigmas lógicos. Com o raciocínio ativado, o modelo decompõe o problema, verifica cada passo e valida o resultado — exatamente o que falta à geração token por token.
Problemas Aritméticos de Várias Etapas
Comecemos por um caso em que a ordem das operações determina o resultado. Um desconto de 20% seguido de um vale de 15 € não produz o mesmo total que um vale aplicado antes do desconto; um modelo apressado confunde-os frequentemente.
from mistralai.client import Mistral
client = Mistral(api_key="YOUR_API_KEY")
probleme = """A store offers a 20% discount on all items.
A customer buys 3 items at 45 euros, 2 items at 30 euros, and 1 item at 75 euros.
They also have an additional 15-euro voucher applicable after the discount.
What is the final amount to pay? Detail each step."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": probleme}]
)
# The model reasons step by step:
# 1. Calculate total price before discount
# 2. Apply 20% discount
# 3. Subtract 15-euro voucher
# 4. Verify the result
O raciocínio impede que o modelo salte etapas e garante que verifique a consistência dos seus cálculos intermédios antes de entregar um valor final.
Equações e Sistemas de Equações
Os sistemas de equações testam esta mesma disciplina num contexto mais formal. Aqui, o prompt do sistema impõe uma exigência estrita de detalhe:
systeme = """Solve the following system of equations:
3x + 2y - z = 7
x - y + 2z = 3
2x + 3y + z = 12
Show every step of the solution."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": "You are a mathematics teacher. Detail every operation."},
{"role": "user", "content": systeme}
],
)
O modelo começa por escolher um método — substituição, eliminação ou matrizes —, aplica as operações uma a uma e, em seguida, substitui os valores nas equações originais para verificar se se mantêm. Esta etapa final, muitas vezes negligenciada pelos modelos sem raciocínio, é a que deteta erros de sinal.
Demonstrações e Provas
As demonstrações matemáticas revelam todo o poder do raciocínio, desde que defina o enquadramento esperado. Para demonstrações mais longas, vale a pena testar o Mistral Large 4 no modo high se o Small 4 for insuficiente. Impor as quatro etapas da indução no prompt do sistema impede que o modelo “conclua” com base em apenas dois casos específicos:
demonstration = """Prove by induction that for any integer n >= 1:
1^2 + 2^2 + 3^2 + ... + n^2 = n(n+1)(2n+1) / 6"""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """You are a rigorous mathematician.
Expected proof structure:
1. Base case (Initialization)
2. Inductive hypothesis
3. Inductive step (from n to n+1)
4. Conclusion"""},
{"role": "user", "content": demonstration}
],
)
Enigmas Lógicos
Os enigmas baseados em restrições são particularmente reveladores, pois nenhuma fórmula única conduz à solução; o modelo deve explorar possibilidades e, em seguida, eliminá-las. O clássico enigma envolvendo três amigos, três profissões e três cores de carros é o exemplo mais puro.
enigme = """Three friends (Alice, Bob, Charlie) each have a different profession
(doctor, lawyer, engineer) and a car of a different color (red, blue, green).
Clues:
1. Alice is not the doctor
2. The owner of the red car is the lawyer
3. Bob does not have the green car
4. Charlie is not the lawyer
5. The engineer has the blue car
6. Alice does not have the red car
Find the profession and car color for each person."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": enigme}]
)
Nos seus registos de raciocínio, o modelo enumera as possibilidades para cada pessoa, aplica as restrições uma a uma, elimina combinações impossíveis e, em seguida, valida a solução selecionada face às seis pistas: a Alice é engenheira com um carro azul, o Bob é advogado com um carro vermelho e o Charlie é médico com um carro verde. A sexta pista não é decorativa; sem ela, a Alice e o Bob poderiam trocar de papéis como advogado e engenheiro, deixando o enigma com duas soluções. Um bom modelo de raciocínio assinala isto; é uma excelente forma de testar as suas próprias formulações de problemas. Esta passagem final de validação distingue a dedução de um palpite sorteado.
Otimização e Probabilidade
Os problemas de contagem colocam um desafio semelhante: a resposta depende de uma escolha de modelo probabilístico que a IA deve explicitar antes de calcular.
proba = """An urn contains 5 red balls, 3 blue balls, and 2 green balls.
We draw 3 balls without replacement.
What is the probability of getting exactly 2 red balls and 1 blue ball?
Express the result as an irreducible fraction."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": proba}]
)
Padrão: Validação Automática
Para resultados críticos, uma única chamada não é suficiente. Pode aproveitar o raciocínio uma segunda vez, submetendo a solução gerada a uma verificação independente: o modelo aborda então o problema com a resposta já à vista, obrigando-o a verificar em vez de gerar.
def solve_and_verify(client, problem):
"""Solves a problem and requests verification."""
# Step 1: Resolution
solve_response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": problem}]
)
_, answer = separer(solve_response.choices[0].message.content)
# Step 2: Verification via a second call
verify_response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "user", "content": f"""Verify this solution to the following problem:
PROBLEM: {problem}
PROPOSED SOLUTION: {answer}
Is the solution correct? If not, correct it."""}
]
)
return {
"solution": answer,
"verification": separer(verify_response.choices[0].message.content)[1],
}
Comparação: Com e Sem Raciocínio
Para medir o impacto num exemplo concreto, retome o enigma das galinhas. A proporcionalidade é enganadora e empurra um modelo sem raciocínio para a resposta “12” através de uma simples analogia com o enunciado.
probleme_test = "If 3 chickens lay 3 eggs in 3 days, how many eggs do 12 chickens lay in 12 days?"
# Without reasoning — risk of error via naive analogy (answer "12")
response_none = client.chat.complete(
model="mistral-small-2603",
messages=[{"role": "user", "content": probleme_test}],
reasoning_effort="none"
)
# With reasoning — correct decomposition
response_high = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": probleme_test}]
)
# Expected reasoning: 1 chicken = 1 egg / 3 days
# 12 chickens in 12 days = 12 * (12/3) = 48 eggs
Execute ambas as chamadas nos seus próprios problemas antes de decidir; é a única forma fiável de saber se o custo adicional do raciocínio se justifica no seu domínio.
Pontos-chave
- O raciocínio sobressai em problemas matemáticos de várias etapas
- Utilize um prompt do sistema que imponha uma estrutura de solução (etapas, verificação)
- As demonstrações por indução beneficiam enormemente de um raciocínio estruturado
- Os enigmas lógicos destacam a exploração e eliminação de possibilidades
- Implemente uma dupla verificação para resultados críticos
- Compare sempre os resultados com e sem raciocínio para validar o valor acrescentado