Mistral: Mistral Small 4 (batch)

Mistral Small 4 (batch) to model generowania tekstu od Mistral, wymieniony na api14 pod identyfikatorem modelu mistralai/mistral-small-2603:batch. To kolejne duże wydanie w rodzinie Mistral Small i według Mistral łączy możliwości kilku flagowych modeli Mistral w jednym systemie, łącząc silne rozumowanie z innymi mocnymi stronami tych modeli. Etykieta batch oznacza go jako wariant wsadowy tego wydania. Mistral jest dostawcą stojącym za modelem, a data wydania przez dostawcę to 16 marca 2026.

Po stronie wejścia model przyjmuje tekst i obrazy, a jako wyjście produkuje tekst. Jego okno kontekstu wynosi 262 144 tokeny, co pozwala obsłużyć bardzo długie dokumenty, transkrypcje lub prompty złożone z wielu plików w jednym żądaniu. Maksymalna długość wyjścia to 209 715 tokenów, więc długie generacje są możliwe obok długich wejść. Lista parametrów obejmuje flagę reasoning oraz kontrolę reasoning_effort, a także include_reasoning, co wskazuje, że model może ujawnić swój proces rozumowania, gdy zostanie o to poproszony. Obsługuje również structured outputs i response_format, więc odpowiedzi można ograniczyć do wybranego kształtu zamiast dowolnego tekstu.

Te możliwości wskazują na zestaw praktycznych zastosowań. Długi kontekst plus wejście obrazowe pasuje do analizy dokumentów, gdzie deweloper wysyła zeskanowane strony, zrzuty ekranu lub diagramy razem z pytaniem tekstowym i oczekuje odpowiedzi tekstowej. Kontrole rozumowania pasują do zadań takich jak analiza wieloetapowa, planowanie lub rozwiązywanie problemów, gdzie dodatkowe namysłu poprawia wynik. Obsługa narzędzi i funkcji (tools, tool_choice) czyni go użytecznym jako warstwa decyzyjna w agencie, który wywołuje usługi zewnętrzne. Structured outputs i response_format są przydatne, gdy model musi emitować JSON lub inną strukturę czytelną maszynowo dla kodu niższego poziomu, a hojny limit wyjścia pomaga w streszczaniu, tworzeniu raportów lub generowaniu kodu na dużych wejściach.

Model wywołujesz przez API zgodne z OpenAI na api14, używając identyfikatora modelu mistralai/mistral-small-2603:batch w zwykłym żądaniu w stylu chat completions. Obsługiwane parametry to frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools i top_p. Seed zapewnia powtarzalne próbkowanie, gdy potrzebujesz spójnych wyników między uruchomieniami, a sekwencje stop, temperature i top_p pozwalają kontrolować, gdzie i jak kończy się generowanie. Ponieważ interfejs jest zgodny z OpenAI, istniejące biblioteki klienckie i SDK zasadniczo działają po podmianie bazowego adresu URL api14 i tego identyfikatora modelu.

Jedno ograniczenie warte uwagi to modalność: wejście może zawierać obrazy, ale wyjście jest tylko tekstowe, więc model nie nadaje się do generowania obrazów. Jeśli twoje obciążenie jest czysto tekstowe, warto porównać nie-wsadowego brata z rodziny Mistral Small w aktualnej tabeli cen, ale wariant wsadowy tutaj pozostaje rozsądnym wyborem, gdy chcesz połączone możliwości rozumowania z bardzo dużym oknem kontekstu i structured outputs.