Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Vilken modell för resonemang: Small 4, Large 4, Medium 3.5

Lektion 5 av 12 Uppdaterad 2 november 2026 Utvecklare
På denna sida
  1. Tre modeller, tre profiler
  2. Mistral Small 4: Startpunkten
  3. Mistral Large 4: För de mest krävande fallen
  4. Mistral Medium 3.5: Endast för befintliga installationer
  5. Hur står det till med modeller från tredje part?
  6. Ödet för Magistral-serien
  7. Att göra ett praktiskt val
  8. Viktiga punkter

Lektionen omskriven den 2 november 2026. Denna lektion täckte tidigare Magistral-modellerna, som alla togs ur bruk den 31 juli 2026. Den jämför nu de modeller som för närvarande erbjuder resonemangskapacitet på Mistral-plattformen, baserat på deras officiella specifikationsblad: Mistral Small 4 · Mistral Large 4 · Mistral Medium 3.5.

Tre modeller, tre profiler

Hos Mistral är resonemang inte längre förbehållet en specialiserad modellserie. Istället erbjuder tre allmänna modeller denna funktion, var och en med sitt eget pris, sitt kontextfönster och sin mognadsnivå.

Mistral Small 4Mistral Large 4Mistral Medium 3.5
API-identifieraremistral-small-2603, mistral-small-latestmistral-large-4-0, mistral-large-4mistral-medium-3-5, mistral-medium-latest
StatusTillgänglig (GA)Offentlig förhandsversionAvskriven, tas ur bruk 30 april 2027
Lanseringsdatum16 mars 20266 oktober 202628 april 2026
Kontextfönster256 000 token1 miljon token256 000 token
reasoning_efforthigh, nonelow, medium, highhigh, none
Pris (per miljon token)0,15 $ inmatning, 0,60 $ utmatning0,70 $ inmatning (0,07 $ cachad), 2,10 $ utmatning1,50 $ inmatning, 7,50 $ utmatning
InmatningarText, bildText, bildText, bild
Öppna vikterJa, Apache 2.0 (119B parametrar, 6,5B aktiva)Ja, Mistral Ecosystem Open Weight License (1,05T parametrar, 52B aktiva)Ja, modifierad MIT-licens (128B parametrar)

Pris- och statusuppgifter registrerade den 2 november 2026: verifiera dessa siffror på de officiella specifikationsbladen innan du beräknar din budget.

Mistral Small 4: Startpunkten

Small 4 beskrivs som en hybridmodell som kombinerar instruktionsföljande, resonemang och kodning i en enda arkitektur. Det är standardvalet för denna kurs: tillgänglig i General Availability (GA) och till låg kostnad, växlar den från ett direkt svar (none) till fullt resonemang (high) utan att byta modell. Dess specifikationsblad listar även funktionsanrop, strukturerade utdata, agenter och konversationer samt batchbearbetning. Du kan använda den genom hela en applikation och bara betala för resonemang där det tillför värde.

Mistral Large 4: För de mest krävande fallen

Large 4 är den mest kapabla modellen i sortimentet, med ett kontextfönster på 1 miljon token och en treskalig nivå för resonemang. Dokumentationen rekommenderar high som utgångspunkt, men föreslår medium eller low när tokenanvändning eller latens blir prioriterat. Håll två viktiga förbehåll i åtanke: den befinner sig i offentlig förhandsversion, vilket innebär att den kan komma att ändras, och den accepterar inte none. Reservera den för problem där Small 4 inte räcker till, efter att du har benchmarkat den på dina egna exempel.

Mistral Medium 3.5: Endast för befintliga installationer

Medium 3.5 fungerade som den officiella ersättaren för Magistral Medium och Devstral 2, och dess dokumentation rekommenderar reasoning_effort="high" för agentbaserade arbetsflöden och kodningsuppgifter. Den har dock varit avskriven sedan den 31 oktober 2026 och kommer att tas ur bruk den 30 april 2027, där Large 4 utsetts till dess efterträdare. Påbörja inga nya projekt med denna modell; om du redan använder den bör du planera din migrering nu.

Hur står det till med modeller från tredje part?

Mistral-plattformen värdar även modeller från andra utgivare. Sidan för resonemang nämner zai-glm-5-3, som accepterar low, high och max, men inte none, och som alltid returnerar en lista med fragment inklusive resonemangsspåret. Detta illustrerar regeln från lektion 2: varje modell har sin egen uppsättning giltiga reasoning_effort-värden.

Ödet för Magistral-serien

Magistral var Mistrals första serie för resonemang. Dess resonemang var alltid aktivt, utan någon parameter för att styra det; den presterade bäst med en standardiserad systemprompt, justerbar via parametern prompt_mode. Alla versioner är nu tagna ur bruk:

ModellIdentifierareDatum för urtagningutsedd ersättare
Magistral Medium 1.2magistral-medium-250931 juli 2026Mistral Medium 3.5
Magistral Small 1.2magistral-small-250931 juli 2026Mistral Small 4
Magistral Medium 1.1magistral-medium-250730 november 2025Mistral Medium 3.5
Magistral Small 1.1magistral-small-250730 november 2025Mistral Small 4
Magistral Medium 1.0magistral-medium-250630 november 2025Mistral Medium 3.5
Magistral Small 1.0magistral-small-250630 november 2025Mistral Small 4

Eftersom Medium 3.5 i sig är avskriven, bör varje migrering från Magistral Medium istället rikta in sig direkt på Large 4, eller Small 4 om kvaliteten räcker till. Lektion 8 går igenom denna migrering steg för steg.

Att göra ett praktiskt val

Börja med Small 4 inställd på high på ett representativt urval av dina användningsfall. Om kvaliteten möter dina behov, stanna där: det är långt ifrån det billigaste alternativet. Om inte, testa Large 4 med medium, sedan high. Jämför varje gång utdatakvalitet, förbrukade token (usage.completion_tokens) och latens. När du går över till produktion, lås en identifierare med datum (mistral-small-2603 snarare än mistral-small-latest): en alias kan växla till en ny version utan att din kod ändras, vilket kan få din applikation att krascha.

Viktiga punkter

  • Tre modeller stöder för närvarande resonemang: Small 4 (GA), Large 4 (offentlig förhandsversion) och Medium 3.5 (avskriven)
  • Small 4 är startpunkten: 0,15 $ / 0,60 $ per miljon token, med high eller none
  • Large 4 erbjuder low, medium, high och ett kontextfönster på 1 miljon token, men ingen none
  • Alla Magistral-versioner är tagna ur bruk; Medium 3.5 kommer att tas ur bruk den 30 april 2027
  • Välj baserat på mätning, lås sedan en identifierare med datum för produktion