Magistral

Magistral Small (24B) / Magistral Medium · Rodzina: Mistral

Pierwszy model rozumujący Mistral AI (10.06.2025): przejrzysty, wielojęzyczny chain-of-thought. Warianty: Small 24B (Apache 2.0) i Medium (enterprise).

✓ Aktywny✓ Publiczny dostęp⚖ Open weightsLLMModel rozumowania📁 Mistral

Parametry

24B (Magistral Small); Medium – nieujawnione

parametrów

Data premiery

10 czerwca 2025

🏢Mistral AIProducent

Dostęp:DownloadAPIHostedWdrożenie:💻 Lokalnie☁ Cloud

Przegląd

Magistral to pierwszy model rozumujący (reasoning) Mistral AI, udostępniony 10 czerwca 2025 r. Został zaprojektowany do rozumowania dziedzinowego, przejrzystego i wielojęzycznego — prowadzi jawny, wieloetapowy tok rozumowania (chain-of-thought), który można prześledzić w języku użytkownika.

Model występuje w dwóch wariantach: Magistral Small (24 mld parametrów, otwarte wagi na licencji Apache 2.0, do samodzielnego wdrożenia) oraz Magistral Medium (wydajniejszy wariant enterprise, własnościowy). Magistral obsługuje rozumowanie w wielu językach, m.in. angielskim, francuskim, hiszpańskim, niemieckim, włoskim, arabskim, rosyjskim i chińskim uproszczonym.

Magistral jest dostępny w Le Chat (tryb „Think” oraz „Flash Answers”), przez API na platformie Mistral (la Plateforme, w wersji preview), a także na Amazon SageMaker (z zapowiedzianą obsługą IBM watsonx, Azure AI i Google Cloud). Wagi Magistral Small można pobrać z Hugging Face. Dzięki „Flash Answers” Magistral Medium osiąga w Le Chat nawet 10× wyższą przepustowość tokenów niż większość konkurencyjnych rozwiązań.

W benchmarku matematycznym AIME 2024 Magistral Medium osiąga 73,6% (90% przy głosowaniu większościowym maj@64), a Magistral Small 70,7% (83,3% przy maj@64). Model trenowano z użyciem uczenia ze wzmocnieniem (w tym z weryfikowalnymi nagrodami, RLVR), co pozwoliło rozwinąć zdolności rozumowania.

Klasyfikacja

LLMModel rozumowania

Rodzina: Mistral

Zastosowania

Chatboty Kodowanie Q&A / Odpowiadanie na pytania Asystent badawczy Autonomiczne workflow agentowe

Dostęp i wdrożenie

PobieranieAPIHostowane

LokalnieChmura

Wagi: Open weights

Kluczowe parametry

🧩 Parametry: 24B (Magistral Small); Medium – nieujawnione

✓ Fine-tuning

📥 Wejście: tekst

Specyfikacja techniczna

Parametry

24B (Magistral Small); Medium – nieujawnione

parametrów

Licencja

Apache 2.0 (Magistral Small); własnościowa (Magistral Medium)

Wymagania sprzętowe

Magistral Small ma otwarte wagi (Apache 2.0) na Hugging Face i można go wdrożyć samodzielnie (24 mld parametrów — GPU o odpowiedniej pamięci VRAM). Magistral Medium (własnościowy) dostępny przez API Mistral (la Plateforme), Le Chat oraz chmury (Amazon SageMaker i zapowiedziane IBM watsonx, Azure AI, Google Cloud).

Funkcje:✓ Fine-tuning

Modalności

⬇ Wejście (Input)

text

⬆ Wyjście (Output)

textcode

Możliwości i zastosowania

Natywne możliwości modelu

Rozumowanie

Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.

Kategoria: reasoning

Zaawansowane rozumowanie

Zdolność do wieloetapowego, ustrukturyzowanego rozumowania: analiza problemów, planowanie kroków, wnioskowanie na podstawie hipotez. Modele reasoning-first (np. GPT-5.1 Thinking) dedykują część inferencji na łańcuchy myślowe zanim udzielą odpowiedzi.

Kategoria: reasoning

Rozumowanie wieloetapowe

Prowadzenie wieloetapowego toku rozumowania w długich, złożonych zadaniach.

Kategoria: reasoning

Rozumowanie matematyczne

Zdolność modelu do rozwiązywania zadań matematycznych wymagających wieloetapowego rozumowania — równania, dowody, kombinatoryka, geometria, rachunek różniczkowy, zadania konkursowe.

Kategoria: reasoning

Rozszerzony tryb rozumowania

Wariant modelu rozumującego z dłuższym budżetem inferencji: więcej cykli myślenia, większa precyzja odpowiedzi kosztem czasu odpowiedzi. Wybór między 'standard' a 'extended' thinking pozostawiony użytkownikowi (np. selektor w GPT-5.2 Pro).

Kategoria: reasoning

Programowanie

Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.

Kategoria: coding

Wielojęzyczność

Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.

Kategoria: language

Przestrzeganie instrukcji

Precyzyjne wypełnianie wskazówek zawartych w prompcie: format odpowiedzi, długość, styl, ograniczenia (np. 'odpowiedz w sześciu słowach'). GPT-5.1 znacząco poprawił tę zdolność względem GPT-5.

Kategoria: language

Modelowanie języka

Zdolność przewidywania kolejnych tokenów i generowania spójnego tekstu w języku naturalnym na podstawie poprzedzającego kontekstu.

Kategoria: language

Wyjście strukturyzowane

Generowanie danych w ustrukturyzowanych formatach, np. JSON.

Kategoria: structured_generation

Dziedziny zastosowań

Chatboty Kodowanie Q&A / Odpowiadanie na pytania Asystent badawczy Autonomiczne workflow agentowe