Mistral Small 4 - Mistral AI 开源的多模态大模型

Mistral Small 4是什么

미스트랄 Small 4 是 미스트랄 AI 开源的多模态大模型，采用 1190 亿参数 MoE 架构（每 토큰 激活 60 亿参数），支持 256K 超长上下文。核心突破在于三合一统一架构：将通用对话、深度推理（Magistral）和智能体编码（Devstral）能力整合到单一模型中，用户可通过 reasoning_effort 参数动态调节推理强度。相比前代，在延迟优化模式下完成时间缩短 40%，吞吐量提升 3 倍，在多项推理基准上与 GPT-OSS 120B 持平或更优，输出长度减少 20%-75%，显著降低推理成本。采用 Apache 2.0 许可证，支持文本和图像输入，适用于长文档分析、代码生成和复杂推理任务。

Mistral Small 4的功能特色

• 三合一统一架构：首次将 Instruct（指令执行）、Reasoning（深度推理/Magistral）、Devstral（智能体编码）三种能力整合到单一模型，无需切换模型即可应对不同任务场景。
• 动态推理强度调节：引入 reasoning_effort 参数，支持按请求配置推理深度——none 模式快速响应，high 模式深度逐步推理，灵活平衡速度与质量。
• 매우 긴 컨텍스트 처리: 지원 256K token 上下文窗口，可一次性处理整本长篇小说、完整代码库或大型数据集，减少数据分块和检索编排复杂度。
• 멀티모달 입력 지원：支持文本和图像输入、文本输出，可执行文档解析、图像理解、视觉问答等多模态任务。
• 효율적인 MoE 아키텍처: 입양 1190 亿总参数、128 位专家的混合专家架构，每 token 仅激活 4 位专家（约 60 亿活跃参数），在保持高性能的同时控制计算成本。
• 대폭적인 성능 개선：相比 Mistral Small 3，延迟优化配置下端到端完成时间缩短 40%，吞吐量优化配置下每秒请求数提升 3 倍。
• 输出效率优化：在 AA LCR、LiveCodeBench 等推理基准上性能媲美 GPT-OSS 120B，输出长度减少 20%-75%，直接降低推理成本和延迟。
• 开源可商用: 입양 Apache 2.0 许可证，支持商业用途，可通过 Hugging Face、NVIDIA NIM 等渠道获取部署。

Mistral Small 4的核心优势

• 架构统一，简化工作流：单一模型同时覆盖通用对话、深度推理和智能体编码三大场景，无需在不同模型间切换或维护多套系统，大幅降低开发和运维复杂度
• 推理成本可控통해 reasoning_effort 参数按需调节推理深度，简单任务快速响应，复杂任务深度思考，避免"一刀切"的资源浪费
• 강력한 긴 텍스트 처리 기술：256K 上下文窗口支持一次性处理超长文档和大型代码库，减少分块、检索、拼接等工程开销，提升端到端任务完成效率
• 硬件门槛适中：最低仅需 4×H100 或 1×DGX B200 即可部署 119B 参数模型，相比同性能闭源模型更易私有化部署
• 输出效率高：在保持与 GPT-OSS 120B 相当推理能力的前提下，输出 token 数减少 20%-75%，直接降低推理延迟和 API 调用成本
• 开源生态友好：Apache 2.0 协议可商用，兼容 vLLM、llama.cpp、SGLang 等主流推理框架，支持 Hugging Face、NVIDIA NIM 等多渠道获取
• 多模态原生支持：文本+图像输入能力使其在文档分析、视觉理解等场景中无需额外接入视觉模型，减少系统架构复杂度

Mistral Small 4官网是什么

• 프로젝트 웹사이트：https://mistral.ai/news/mistral-small-4
• 허깅페이스 모델 라이브러리：https://huggingface.co/collections/mistralai/mistral-small-4

Mistral Small 4的适用人群