Mistral: Mistral Small 4

Mistral: Mistral Small 4 adalah model generasi teks dari Mistral, dirilis pada 16 Maret 2026. Ini adalah rilis besar berikutnya dalam keluarga Mistral Small, dan Mistral menggambarkannya sebagai penyatuan kemampuan beberapa model unggulan Mistral ke dalam satu sistem, menggabungkan penalaran yang kuat dengan kekuatan lain dari model-model tersebut. Di api14 model ini berada dalam kategori teks dan diidentifikasi dengan model id mistralai/mistral-small-2603.

Model ini menerima teks dan gambar sebagai input dan mengembalikan teks. Jendela konteksnya adalah 262.144 token, dan output maksimumnya adalah 209.715 token, sehingga input yang sangat panjang maupun generasi yang panjang dapat dilakukan dalam satu permintaan yang sama. Karena input gambar didukung, prompt dapat mencampur instruksi tertulis dengan gambar, sementara responsnya sendiri selalu berupa teks.

Kemampuan tersebut mengarah pada kumpulan penggunaan praktis yang cukup luas. Konteks panjang cocok untuk pekerjaan seperti meringkas atau menanyakan dokumen besar, basis kode, transkrip, atau kumpulan laporan dalam satu panggilan, dan batas output yang besar membantu ketika jawabannya sendiri perlu panjang, misalnya draf lengkap atau analisis yang diperluas. Input gambar membuatnya dapat digunakan untuk tugas yang menggabungkan gambar dengan instruksi tertulis, seperti mendeskripsikan atau mengekstrak informasi dari tangkapan layar atau diagram. Dukungan penalaran dan pemanggilan alat membuatnya cukup cocok untuk alur kerja bergaya agen dan untuk aplikasi yang perlu memanggil fungsi atau layanan eksternal, dan output terstruktur membantu ketika hasilnya harus diurai oleh program lain.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id mistralai/mistral-small-2603, sehingga pustaka klien OpenAI yang ada dan bentuk permintaan yang ada dapat digunakan hanya dengan mengganti nama model. Parameter permintaan yang didukung adalah frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools dan top_p. Dalam praktiknya itu mencakup kontrol sampling, eksekusi deterministik melalui seed, kondisi berhenti, respons yang dibatasi JSON atau skema melalui response_format dan structured_outputs, serta penggunaan alat melalui tools dan tool_choice, dengan penalaran dikendalikan oleh opsi reasoning, reasoning_effort dan include_reasoning.

Tidak ada batasan yang dinyatakan dalam fakta di atas selain pemisahan modalitas: input dapat menyertakan gambar, tetapi output hanya teks, jadi model ini tidak cocok jika Anda memerlukan gambar, audio, atau video yang dihasilkan. Jika beban kerja Anda murni prompt teks pendek tanpa gambar, tanpa pemanggilan alat, dan tanpa kebutuhan konteks panjang, model teks yang lebih kecil dan lebih sederhana mungkin sudah cukup, tetapi untuk input panjang, output panjang, prompt yang sadar gambar, atau pipeline yang digerakkan oleh alat, model ini menangani kasus-kasus tersebut secara langsung.