Mistral: Mistral Large 4

Mistral Large 4 adalah model pembuatan teks dari Mistral, terdaftar di api14 dengan id model mistralai/mistral-large-4-0. Model ini berada di kategori teks dan dijelaskan oleh penyedia sebagai model multimodal frontier yang dibangun untuk penalaran, pengkodean, dan beban kerja agentic. Jika Anda sudah bekerja dengan model Mistral, ini adalah opsi besar dan serbaguna dalam lini tersebut.

Model ini menerima input teks dan gambar serta mengembalikan teks. Jendela konteksnya adalah 1.048.576 token, dan panjang output maksimum adalah 262.144 token. Kombinasi jendela input yang sangat besar dan anggaran output yang besar berarti Anda dapat mengirim dokumen panjang, basis kode, atau riwayat multi giliran dalam satu permintaan dan masih menyisakan ruang untuk respons yang dihasilkan secara substansial. Input gambar didukung bersama teks, sehingga prompt dapat mencampur instruksi tertulis dengan materi visual.

Fokus yang dinyatakan pada penalaran, pengkodean, dan beban kerja agentic memetakan ke beberapa pola praktis. Penalaran konteks panjang cocok untuk tugas di mana model harus menahan materi dalam jumlah besar sekaligus, seperti meninjau repositori, merangkum atau menanyakan dokumentasi yang panjang, atau mengerjakan analisis multi langkah tanpa chunking. Tugas pengkodean mendapat manfaat dari ukuran konteks dan anggaran output, karena kode dan penjelasan yang dihasilkan bisa panjang. Penggunaan agentic mengikuti dukungan alat: model dapat diberikan tools dan kebijakan tool choice, yang Anda perlukan untuk alur kerja di mana model memutuskan kapan memanggil fungsi eksternal. Input gambar memperluas ini ke prompt yang menyertakan tangkapan layar, diagram, atau halaman hasil pindai.

Anda memanggil model melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model mistralai/mistral-large-4-0, sehingga pustaka klien OpenAI yang ada dapat bekerja dengan perubahan base URL dan nama model. Parameter permintaan yang didukung adalah frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_logprobs, dan top_p. Dalam praktiknya itu mencakup kontrol sampling (temperature, top_p, frequency dan presence penalty, seed, stop), panjang output (max_tokens), respons terstruktur (response_format dan structured_outputs), inspeksi tingkat token (logprobs dan top_logprobs), dan penggunaan alat (tools dan tool_choice). Parameter terkait penalaran (reasoning, reasoning_effort, include_reasoning) memungkinkan Anda mengontrol dan menampilkan perilaku penalaran model di tempat yang Anda butuhkan.

Tidak ada batasan yang dinyatakan dalam fakta di atas selain pemisahan modalitas: input dapat berupa teks atau gambar, tetapi output hanya teks, jadi ini bukan model untuk menghasilkan gambar. Konteks 1 juta token dan batas output 262.144 token memang besar, tetapi jika beban kerja Anda adalah prompt pendek dengan batasan latensi atau biaya yang ketat, model yang lebih kecil mungkin lebih cocok. Untuk penalaran konteks panjang, pengkodean, dan alur agent yang digerakkan alat, Mistral Large 4 adalah pilihan yang tepat dalam lini ini.