Mistral: Mistral Small 4

Mistral: Mistral Small 4 ist ein Textgenerierungsmodell von Mistral, veröffentlicht am 16. März 2026. Es ist die nächste große Veröffentlichung in der Mistral Small Familie, und Mistral beschreibt es als Vereinigung der Fähigkeiten mehrerer Flaggschiff-Modelle von Mistral in einem einzigen System, das starkes Reasoning mit den anderen Stärken dieser Modelle kombiniert. Auf api14 liegt es in der Kategorie Text und wird durch die Modell-ID mistralai/mistral-small-2603 identifiziert.

Das Modell akzeptiert Text und Bilder als Eingabe und gibt Text zurück. Sein Kontextfenster beträgt 262.144 Token, und die maximale Ausgabe beträgt 209.715 Token, sodass sowohl sehr lange Eingaben als auch lange Generierungen innerhalb derselben Anfrage möglich sind. Da Bildeingabe unterstützt wird, können Prompts geschriebene Anweisungen mit Bildern mischen, während die Antwort selbst immer Text ist.

Diese Fähigkeiten deuten auf ein ziemlich breites Spektrum praktischer Anwendungen hin. Der lange Kontext eignet sich für Arbeiten wie das Zusammenfassen oder Abfragen großer Dokumente, Codebasen, Transkripte oder Berichtssätze in einem einzigen Aufruf, und die hohe Ausgabeobergrenze hilft, wenn die Antwort selbst lang sein muss, zum Beispiel ein vollständiger Entwurf oder eine ausführliche Analyse. Die Bildeingabe macht es nutzbar für Aufgaben, die ein Bild mit geschriebenen Anweisungen kombinieren, etwa das Beschreiben oder Extrahieren von Informationen aus einem Screenshot oder Diagramm. Reasoning-Unterstützung und Tool-Aufrufe machen es zu einer vernünftigen Wahl für agentenartige Workflows und für Anwendungen, die Funktionen oder externe Dienste aufrufen müssen, und strukturierte Ausgaben helfen, wenn das Ergebnis von einem anderen Programm geparst werden muss.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID mistralai/mistral-small-2603 auf, sodass vorhandene OpenAI-Client-Bibliotheken und Anfrageformen funktionieren, wenn nur der Modellname geändert wird. Die unterstützten Anfrageparameter sind frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools und top_p. In der Praxis deckt das Sampling-Steuerungen ab, deterministische Läufe über seed, Abbruchbedingungen, JSON- oder schema-eingeschränkte Antworten über response_format und structured_outputs sowie Tool-Nutzung über tools und tool_choice, wobei das Reasoning durch die Optionen reasoning, reasoning_effort und include_reasoning gesteuert wird.

Es gibt in den obigen Fakten keine genannten Einschränkungen über die Modalitätstrennung hinaus: Die Eingabe kann Bilder enthalten, aber die Ausgabe ist nur Text, sodass es nicht passt, wenn Sie generierte Bilder, Audio oder Video benötigen. Wenn Ihre Arbeitslast ausschließlich aus kurzen Text-Prompts ohne Bilder, ohne Tool-Aufrufe und ohne Bedarf an einem langen Kontext besteht, kann ein kleineres und einfacheres Textmodell ausreichen, aber für lange Eingaben, lange Ausgaben, bildbewusste Prompts oder toolgetriebene Pipelines deckt dieses Modell diese Fälle direkt ab.