Mistral: Mistral Large 4

Mistral Large 4 to model generowania tekstu od Mistral, wymieniony na api14 pod identyfikatorem modelu mistralai/mistral-large-4-0. Należy do kategorii tekstowej i jest opisywany przez dostawcę jako frontier multimodal model zbudowany do rozumowania, kodowania i obciążeń agentowych. Jeśli już pracujesz z modelami Mistral, to jest duża, ogólnego przeznaczenia opcja w tej linii.

Model przyjmuje dane wejściowe tekstowe i obrazowe, a zwraca tekst. Jego okno kontekstu wynosi 1,048,576 tokenów, a maksymalna długość wyjścia to 262,144 tokeny. To połączenie bardzo dużego okna wejściowego i dużego budżetu wyjściowego oznacza, że możesz wysłać długie dokumenty, bazy kodu lub historie wielu tur w jednym żądaniu i nadal zostawić miejsce na znaczącą wygenerowaną odpowiedź. Wejście obrazowe jest obsługiwane obok tekstu, więc prompty mogą łączyć pisemne instrukcje z materiałem wizualnym.

Deklarowane skupienie na rozumowaniu, kodowaniu i obciążeniach agentowych przekłada się na kilka praktycznych wzorców. Rozumowanie na długim kontekście pasuje do zadań, w których model musi trzymać dużą ilość materiału w zasięgu wzroku jednocześnie, takich jak przeglądanie repozytorium, streszczanie lub odpytywanie długiej dokumentacji albo przeprowadzanie wieloetapowej analizy bez dzielenia na fragmenty. Zadania kodowania korzystają zarówno z rozmiaru kontekstu, jak i budżetu wyjściowego, ponieważ generowany kod i wyjaśnienia mogą być długie. Użycie agentowe wynika z obsługi narzędzi: modelowi można przekazać narzędzia i politykę wyboru narzędzi, co jest potrzebne w przepływach pracy, w których model decyduje, kiedy wywołać funkcję zewnętrzną. Wejście obrazowe rozszerza to na prompty zawierające zrzuty ekranu, diagramy lub zeskanowane strony.

Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu mistralai/mistral-large-4-0, więc istniejące biblioteki klienta OpenAI działają po zmianie bazowego URL i nazwy modelu. Obsługiwane parametry żądania to frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_logprobs i top_p. W praktyce obejmuje to kontrolę próbkowania (temperature, top_p, kary za częstotliwość i obecność, seed, stop), długość wyjścia (max_tokens), odpowiedzi strukturalne (response_format i structured_outputs), inspekcję na poziomie tokenów (logprobs i top_logprobs) oraz użycie narzędzi (tools i tool_choice). Parametry związane z rozumowaniem (reasoning, reasoning_effort, include_reasoning) pozwalają kontrolować i ujawniać zachowanie rozumowania modelu tam, gdzie jest to potrzebne.

W powyższych faktach nie ma żadnych deklarowanych ograniczeń poza podziałem modalności: wejście może być tekstowe lub obrazowe, ale wyjście jest tylko tekstowe, więc nie jest to model do generowania obrazów. Kontekst 1M tokenów i pułap wyjścia 262,144 tokenów są duże, ale jeśli Twoje obciążenie to krótkie prompty z ostrymi ograniczeniami opóźnienia lub kosztu, mniejszy model może być lepszym dopasowaniem. Do rozumowania na długim kontekście, kodowania i przepływów agentowych sterowanych narzędziami Mistral Large 4 jest odpowiednim wyborem w tej ofercie.