Model Releases
Mistral Small 4: Единая модель для кода, зрения и логики
Mistral AI представила Small 4 с 119B параметрами MoE, объединяющую Pixtral, Magistral и Devstral в одном Apache 2.0 лицензионном продукте.
16 марта 2026 г.
Model ReleaseMistral Small 4
Введение: Почему Mistral Small 4 меняет правила игры
Mistral Small 4, выпущенная 16 марта 2026 года, представляет собой значительный шаг вперед в архитектуре открытых моделей от Mistral AI. Эта модель объединяет функции инструкций, логического вывода, программирования и мультимодальности в единый пакет. Для разработчиков это означает существенное упрощение стека технологий, так как больше не нужно переключаться между разными специализированными моделями для различных задач. Apache 2.0 лицензия позволяет свободное использование в коммерческих и исследовательских проектах без ограничений, что делает её предпочтительным выбором для многих компаний.
Рынок искусственного интеллекта столкнулся с проблемой фрагментации, когда для каждой задачи требовалась своя модель. Small 4 решает эту проблему, консолидируя Magistral (логика), Pixtral (зрение) и Devstral (код). Это не просто обновление, а фундаментальная перестройка подхода к открытым весам, позволяющая снизить стоимость инференса без потери качества. Для инженеров это означает возможность развертывать сложные системы на одном узле, экономя ресурсы и упрощая обслуживание инфраструктуры.
- Дата выхода: 16 марта 2026 года
- Лицензия: Apache 2.0
- Категория: Open Source Frontier Model
Ключевые особенности и архитектура модели
Архитектура модели основана на Mixture of Experts (MoE) с общим количеством параметров 119B, из которых активно используется 6.5B. Это обеспечивает высокую эффективность инференса при сохранении качества больших моделей. Окно контекста составляет 256K токенов, что позволяет обрабатывать длинные документы и сложные цепочки размышлений. Модель поддерживает настраиваемый уровень логического вывода, что дает гибкость в настройке под конкретные задачи.
Техническая реализация оптимизирована для аппаратного обеспечения последних поколений, включая актуальные GPU NVIDIA Blackwell и процессоры AMD Zen 5. Это позволяет достичь высокой пропускной способности даже на кластерах среднего размера. Поддержка мультимодальности встроена на уровне архитектуры, а не как отдельный модуль, что ускоряет обработку смешанных запросов.
- Параметры: 119B MoE (6.5B active)
- Контекст: 256K токенов
- Мультимодальность: Встроена (Vision + Text)
- Лицензия: Apache 2.0
Производительность и бенчмарки
В тестах MMLU модель показала результат 88.5%, превосходя предыдущие версии и многие закрытые аналоги. На HumanEval она достигла 92% точности, что делает её лидером в генерации кода среди открытых решений. В SWE-bench модель заняла второе место среди открытых моделей, демонстрируя сильную способность решать реальные задачи разработки. Эти метрики подтверждают, что объединение модулей не ухудшило качество, а улучшило общую согласованность ответов.