Mistral: Mistral Small 4

Mistral: Mistral Small 4 is een tekstgeneratiemodel van Mistral, uitgebracht op 16 maart 2026. Het is de volgende grote release in de Mistral Small-familie, en Mistral beschrijft het als een model dat de capaciteiten van verschillende flagship Mistral-modellen verenigt in een enkel systeem, waarbij sterk redeneren wordt gecombineerd met de andere sterke punten van die modellen. Op api14 valt het in de categorie tekst en het wordt geïdentificeerd door het model-id mistralai/mistral-small-2603.

Het model accepteert tekst en afbeeldingen als invoer en retourneert tekst. Het contextvenster is 262.144 tokens, en de maximale uitvoer is 209.715 tokens, dus zowel zeer lange invoer als lange generaties zijn mogelijk binnen hetzelfde verzoek. Omdat afbeeldingsinvoer wordt ondersteund, kunnen prompts geschreven instructies met afbeeldingen combineren, terwijl de respons zelf altijd tekst is.

Die capaciteiten wijzen op een redelijk breed scala aan praktische toepassingen. Lange context is geschikt voor werk zoals het samenvatten van of queryen in grote documenten, codebases, transcripten of rapportensets in een enkele aanroep, en het hoge uitvoerplafond helpt wanneer het antwoord zelf lang moet zijn, bijvoorbeeld een volledig concept of een uitgebreide analyse. Afbeeldingsinvoer maakt het bruikbaar voor taken die een afbeelding met geschreven instructies combineren, zoals het beschrijven of extraheren van informatie uit een screenshot of diagram. Ondersteuning voor redeneren en tool calling maken het een redelijke keuze voor agent-achtige workflows en voor applicaties die functies of externe services moeten aanroepen, en gestructureerde uitvoer helpt wanneer het resultaat door een ander programma moet worden geparseerd.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id mistralai/mistral-small-2603, dus bestaande OpenAI-clientbibliotheken en request-vormen werken met alleen de modelnaam gewijzigd. De ondersteunde request-parameters zijn frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools en top_p. In de praktijk dekt dat sampling-instellingen, deterministische runs via seed, stopcondities, JSON- of schema-beperkte responses via response_format en structured_outputs, en toolgebruik via tools en tool_choice, met redeneren aangestuurd door de opties reasoning, reasoning_effort en include_reasoning.

Er zijn geen vermelde beperkingen in de bovenstaande feiten buiten de modaliteitssplitsing: invoer kan afbeeldingen bevatten, maar uitvoer is alleen tekst, dus het is niet geschikt als je gegenereerde afbeeldingen, audio of video nodig hebt. Als je workload puur korte tekstprompts is zonder afbeeldingen, zonder tool calls en zonder behoefte aan een lange context, kan een kleiner en eenvoudiger tekstmodel voldoende zijn, maar voor lange invoer, lange uitvoer, afbeeldingsbewuste prompts of tool-gedreven pipelines dekt dit model die gevallen direct.