Mistral: Mistral Small 4

Mistral: Mistral Small 4 är en textgenereringsmodell från Mistral, släppt den 16 mars 2026. Det är nästa stora släpp i Mistral Small-familjen, och Mistral beskriver den som en sammanslagning av kapaciteten från flera flaggskeppsmodeller från Mistral till ett enda system, som kombinerar starkt resonemang med de andra styrkorna hos dessa modeller. På api14 ligger den i kategorin text och identifieras av modell-id:t mistralai/mistral-small-2603.

Modellen tar emot text och bilder som indata och returnerar text. Dess kontextfönster är 262 144 tokens, och maximal utdata är 209 715 tokens, så både mycket långa indata och långa genereringar är möjliga inom samma förfrågan. Eftersom bildindata stöds kan prompter blanda skriftliga instruktioner med bilder, medan själva svaret alltid är text.

Dessa egenskaper pekar mot en ganska bred uppsättning praktiska användningsområden. Lång kontext passar arbete som att sammanfatta eller ställa frågor till stora dokument, kodbaser, transkript eller rapportuppsättningar i ett enda anrop, och det höga utdatataket hjälper när själva svaret behöver vara långt, till exempel ett fullständigt utkast eller en utökad analys. Bildindata gör den användbar för uppgifter som kombinerar en bild med skriftliga instruktioner, som att beskriva eller extrahera information från en skärmbild eller ett diagram. Stöd för resonemang och verktygsanrop gör den lämplig för agentliknande arbetsflöden och för applikationer som behöver anropa funktioner eller externa tjänster, och strukturerade utdata hjälper när resultatet måste tolkas av ett annat program.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t mistralai/mistral-small-2603, så befintliga OpenAI-klientbibliotek och förfrågningsformat fungerar med bara modellnamnet ändrat. De stödda förfrågningsparametrarna är frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools och top_p. I praktiken täcker det samplingskontroller, deterministiska körningar via seed, stoppvillkor, JSON- eller schemabegränsade svar genom response_format och structured_outputs, samt verktygsanvändning genom tools och tool_choice, med resonemang styrt av alternativen reasoning, reasoning_effort och include_reasoning.

Det finns inga angivna begränsningar i fakta ovan bortom uppdelningen av modaliteter: indata kan innehålla bilder, men utdata är endast text, så den passar inte om du behöver genererade bilder, ljud eller video. Om din arbetsbelastning enbart är korta textprompter utan bilder, utan verktygsanrop och utan behov av lång kontext kan en mindre och enklare textmodell vara tillräcklig, men för långa indata, långa utdata, bildmedvetna prompter eller verktygsdrivna pipelines täcker denna modell dessa fall direkt.