Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Migrácia z modelu Magistral

Lekcia 8 z 12 Aktualizované 2. novembra 2026 Vývojár
Na tejto strane
  1. Kde sa nachádza tvoj kód?
  2. Tabuľka mapovania
  3. Čo sa mení v kóde
  4. Overenie migrácie
  5. Maximálne využitie migrácie
  6. Kľúčové poznatky

Lekcia prepísaná 2. novembra 2026. Táto lekcia pôvodne opisovala „nepretržité“ uvažovanie modelu Magistral. Keďže všetky modely Magistral boli vyradené 31. júla 2026, teraz sa zameriava na migráciu na parameter reasoning_effort. Zdroje: Models — deprecated and removed models · Reasoning · Native reasoning (deprecated).

Kde sa nachádza tvoj kód?

Najnovšie verzie modelu Magistral, Small 1.2 a Medium 1.2 (-2509), boli na jar 2026 označené ako zastarané a 31. júla 2026 vyradené; verzie 1.0 a 1.1 boli vyradené už 30. novembra 2025. Akýkoľvek kód, ktorý stále volá magistral-small-latest, magistral-medium-latest alebo datovaný identifikátor z tejto rodiny, cieli na model, ktorý už neexistuje. Migrácia nie je niečo, čo by si mal plánovať – je to niečo, čo musíš urobiť teraz.

Tabuľka mapovania

Používal siUrčená náhrada od MistralČo dnes odporúčame
Magistral Small (1.0, 1.1, 1.2)Mistral Small 4mistral-small-2603 s reasoning_effort="high"
Magistral Medium (1.0, 1.1, 1.2)Mistral Medium 3.5Small 4, ak kvalita stačí, inak mistral-large-4-0 s reasoning_effort="high"

Prečo nesledovať určenú náhradu od Mistral pre Magistral Medium doslovne? Pretože Mistral Medium 3.5 je sám o sebe zastaraný od 31. októbra 2026, pričom jeho vyradenie je naplánované na 30. apríla 2027 a jeho nástupcom je Large 4. Migrácia naň znamená zaväzovať sa k druhej migrácii o šesť mesiacov neskôr. Large 4 je vo verejnej ukážke (Public Preview): ak táto úroveň vyspelosti nevyhovuje tvojmu produkčnému prostrediu, Medium 3.5 zostáva možným medzistupňom, za predpokladu, že si teraz naplánuješ ďalší prechod.

Čo sa mení v kóde

Magistral uvažoval vždy; súčasné modely uvažujú len vtedy, keď ich o to požiadaš. Prirodzeným ekvivalentom režimu „vždy zapnuté“ je preto reasoning_effort="high".

# Predtým: Magistral (vyradený)
response = client.chat.complete(
    model="magistral-medium-latest",
    messages=[
        {"role": "system", "content": "You are a rigorous analyst."},
        {"role": "user", "content": question},
    ],
    prompt_mode=None,   # vypnutý predvolený systémový prompt modelu Magistral
)

# Potom: Mistral Large 4 s explicitným uvažovaním
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",
)

Počas tohto procesu musíš vyriešiť štyri položky:

  1. Identifikátory modelov: vyhľadaj v svojom kóde, konfiguračných súboroch a premenných prostredia výskyt reťazca magistral.
  2. prompt_mode: dokumentácia k uvažovaniu ho už nespomína; odstráň ho zo svojich volaní.
  3. Systémové prompty: odstráň šablónu uvažovania špecifickú pre Magistral (fragment thinking umiestnený v systémovej správe) a ponechaj len inštrukcie týkajúce sa metódy a formátu (lekcia 6).
  4. Čítanie odpovedí: štruktúra z modelov Magistral 25.07 a 25.09 (ThinkChunk a potom TextChunk) zodpovedá súčasným modelom, takže tvoj kód na čítanie zostáva platný. Stačí pridať ošetrenie prípadu s obyčajným reťazcom, ktorý vracajú Small 4 a Medium 3.5, keď je reasoning_effort="none". Ak tvoj kód pochádzal z modelu Magistral 25.06 a hľadal v texte značky <think>, nahraď ho funkciou separer z lekcie 3.

Overenie migrácie

Neprechádzaj naslepo. Prehraj vzorku svojich reálnych prípadov spolu s ich referenčnými odpoveďami a porovnaj tri metriky: kvalitu (presnosť, dodržanie formátu), spotrebované tokeny (usage.completion_tokens) a latenciu. Túto úlohu zvládne jednoduchý skript:

import time

def comparer(client, cas, configs):
    """cas: zoznam (otázka, overovateľ); configs: zoznam (model, úroveň)."""
    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)} správne, {tokens} tokenov, {duree:.0f} s")

comparer(client, mes_cas, [
    ("mistral-small-2603", "high"),
    ("mistral-large-4-0", "medium"),
    ("mistral-large-4-0", "high"),
])

Funkcia verifier závisí od tvojej domény: porovnanie s očakávanou hodnotou, prítomnosť požadovaných prvkov alebo validácia JSON. To je to, čo zmení dojem na rozhodnutie.

Maximálne využitie migrácie

Keď už aj tak upravuješ každé volanie modelu, využij túto príležitosť na pripnutie datovaných identifikátorov v produkcii (mistral-small-2603 namiesto mistral-small-latest) a na centralizáciu výberu modelu a úrovne uvažovania do jednej konfigurácie. Ďalšie vyradenie – a určite nejaké príde – bude potom opravou na jeden riadok.

Kľúčové poznatky

  • Model Magistral bol vyradený 31. júla 2026: akékoľvek zostávajúce volanie cieli na nedostupný model
  • Magistral Small → Small 4; Magistral Medium → Small 4 alebo Large 4 namiesto Medium 3.5, ktorý je sám zastaraný
  • „Vždy zapnuté“ sa prekladá ako reasoning_effort="high"
  • Odstráň prompt_mode a šablónu uvažovania zo systémových promptov
  • Over migráciu na svojich reálnych prípadoch (kvalita, tokeny, latencia) a následne pripni datované identifikátory