Mistral: Mistral Small 4

Mistral: Mistral Small 4 è un modello di generazione di testo di Mistral, rilasciato il 16 marzo 2026. È la successiva release principale della famiglia Mistral Small, e Mistral lo descrive come un modello che unifica le capacità di diversi modelli di punta di Mistral in un unico sistema, combinando un forte ragionamento con gli altri punti di forza di quei modelli. Su api14 si colloca nella categoria testo ed è identificato dal model id mistralai/mistral-small-2603.

Il modello accetta testo e immagini come input e restituisce testo. La sua finestra di contesto è di 262.144 token, e l'output massimo è di 209.715 token, quindi sia input molto lunghi sia generazioni lunghe sono possibili nella stessa richiesta. Poiché l'input di immagini è supportato, i prompt possono mescolare istruzioni scritte e immagini, mentre la risposta stessa è sempre testo.

Queste capacità indicano un insieme piuttosto ampio di usi pratici. Il contesto lungo si adatta a lavori come riassumere o interrogare grandi documenti, codebase, trascrizioni o insiemi di report in un'unica chiamata, e il tetto elevato di output aiuta quando la risposta stessa deve essere lunga, per esempio una bozza completa o un'analisi estesa. L'input di immagini lo rende utilizzabile per attività che combinano un'immagine con istruzioni scritte, come descrivere o estrarre informazioni da uno screenshot o da un diagramma. Il supporto al ragionamento e il tool calling lo rendono adatto a workflow in stile agente e ad applicazioni che devono chiamare funzioni o servizi esterni, e gli output strutturati aiutano quando il risultato deve essere analizzato da un altro programma.

Lo si chiama tramite l'API compatibile con OpenAI di api14 usando il model id mistralai/mistral-small-2603, quindi le librerie client OpenAI esistenti e le forme delle richieste funzionano cambiando solo il nome del modello. I parametri di richiesta supportati sono frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools e top_p. In pratica questo copre i controlli di campionamento, le esecuzioni deterministiche tramite seed, le condizioni di arresto, le risposte JSON o vincolate a schema tramite response_format e structured_outputs, e l'uso di strumenti tramite tools e tool_choice, con il ragionamento controllato dalle opzioni reasoning, reasoning_effort e include_reasoning.

Non ci sono restrizioni dichiarate nei fatti sopra oltre alla separazione delle modalità: l'input può includere immagini, ma l'output è solo testo, quindi non è adatto se servono immagini, audio o video generati. Se il tuo carico di lavoro è fatto solo di prompt testuali brevi senza immagini, senza chiamate a strumenti e senza necessità di un contesto lungo, un modello di testo più piccolo e semplice può essere sufficiente, ma per input lunghi, output lunghi, prompt che tengono conto delle immagini o pipeline guidate da strumenti, questo modello copre direttamente quei casi.