محادثة LLMfastaffordable
Mistral — mistralai/mistral-small-2603 logo

Mistral Small 4

بواسطة Mistral · تم الإصدار March 16, 2026

نموذج Mistral AI الهجين والموحّد الذي يجمع بين قدرات التعليمات والاستدلال (Magistral) والبرمجة (Devstral). يضم إجمالي 119B من المعلمات، مع تفعيل 6.5B منها. يتضمن معامل reasoning_effort، وإدخالًا متعدد الوسائط للنصوص والصور، وبنية موحّدة هي الأولى من نوعها في القطاع لتحل محل ثلاثة نماذج منفصلة.

Mistral — mistralai/mistral-small-2603 logo
محادثة LLM

Mistral Small 4

مدعوم بواسطة Mistral · Hybrid MoE (119B total / 6.5B active)

نافذة السياق

128K

المعلمات

119B total / 6.5B active (MoE)

الحد الأقصى للإخراج

16K

الفئة

محادثة LLM

نظرة عامة

Mistral Small 4, released March 16, 2026, is the first Mistral model to unify three previously separate capability lines — instruct (Mistral), reasoning (Magistral), multimodal (Pixtral), and coding (Devstral) — into a single 119B total parameter MoE architecture with only 6.5B active parameters per token (8B including embedding and output layers). This unification is an industry first, eliminating the need to route between specialized models and simplifying production deployments significantly.

The architecture features 128 experts with 4 active per token, a 256K context window, and an innovative reasoning_effort parameter that lets developers control reasoning depth: "none" for fast direct responses and "high" for deep chain-of-thought reasoning. It supports multimodal text+image input and is released under the Apache 2.0 license, making it one of the most capable fully open models available for commercial use without restrictions.

Efficiency per token is a defining characteristic. On AA LCR (a conciseness-adjusted benchmark), Mistral Small 4 scores 0.72 with only 1.6K characters of output, while Qwen models need 5.8-6.1K characters to achieve comparable performance — meaning Mistral Small 4 delivers the same quality answer in roughly one-quarter the tokens. On LiveCodeBench, it outperforms GPT-OSS-120B while using 20% less output. This efficiency per token directly impacts cost and scalability in production, as fewer output tokens mean lower API bills and faster response times.

Performance-wise, Mistral Small 4 achieves a 40% latency reduction and 3x throughput improvement over Mistral Small 3, while being competitive with GPT-OSS-120B on benchmarks. The model is a founding member of the NVIDIA Nemotron Coalition and is available day-0 as an NVIDIA NIM for optimized containerized inference, enabling seamless deployment on NVIDIA infrastructure. It can also be customized with NVIDIA NeMo for domain-specific fine-tuning.

For self-hosting, Mistral Small 4 requires a minimum of 4x HGX H100, 2x HGX H200, or 1x DGX B200, and is supported on vLLM, llama.cpp, SGLang, and Transformers. The model is also available through La Plateforme (Mistral's API), major cloud model catalogs, as well as through CallMissed's unified gateway.

At $0.20 per million input tokens and $0.80 per million output tokens, Mistral Small 4 is among the most affordable frontier-class models available. The combination of unified capabilities across instruct, reasoning, coding, and multimodal tasks, extreme efficiency (6.5B active from 119B total), Apache 2.0 licensing, NVIDIA NIM availability, and ultra-affordable pricing makes it a compelling choice for production deployments that need reasoning, coding, and general capabilities in a single model without the complexity of routing between specialized systems.

الأسعار

مقياسالسعر
إدخال /1M tokens₹20.0000
المخرجات /1M tokens₹80.0000

1 رصيد = 1 روبية هندية = 0.01 دولار أمريكي. الأسعار المعروضة من المزوّد؛ تمرّر CallMissed الأسعار مع هامش ربح يقارب 35٪.

أبرز النقاط الرئيسية

  • يوحّد التعليمات والاستدلال والبرمجة في نموذج واحد
  • 119 مليار معلمة إجمالًا، 6.5 مليار فقط نشطة — فائقة الكفاءة
  • معلمة reasoning_effort الأولى من نوعها في القطاع
  • متعدد الوسائط: إدخال نصوص وصور

المعايير المرجعية

المعيار المرجعيالنتيجة
MMLU-Pro78.2%
HumanEval86.8%
MATH-50084.5%
AA LCR0.72
Throughput3x Small 3
Latency-40%

التفاصيل التقنية

  • البنية: نموذج MoE بإجمالي 119B مع 128 خبيرًا، 4 خبراء نشطين لكل رمز (6.5B نشطة، و8B بما في ذلك التضمين/الإخراج)
  • يوحّد Magistral (الاستدلال) + Pixtral (متعدد الوسائط) + Devstral (البرمجة)
  • معلمة reasoning_effort: "none" للمعالجة السريعة، و"high" للاستدلال المتعمق
  • حجم نافذة السياق: 256 ألف رمز مميز
  • ترخيص Apache 2.0 — حرية تجارية كاملة
  • خفض زمن الاستجابة بنسبة 40%، وإنتاجية أعلى بثلاثة أضعاف مقارنةً بـ Mistral Small 3
  • مماثل في الأداء لـ GPT-OSS-120B في الاختبارات المعيارية مع مخرجات أقصر
  • الحد الأدنى للأجهزة: 4x HGX H100 أو 2x HGX H200 أو 1x DGX B200
  • متاح على vLLM وllama.cpp وSGLang وTransformers
  • متاح عبر Mistral API وبوابة CallMissed الموحّدة

نقاط القوة

  • يوحّد التوجيه والاستدلال والبرمجة — لا حاجة لتوجيه النماذج
  • فقط 6.5B من المعلمات النشطة من أصل 119B إجمالًا — كفاءة فائقة
  • ترخيص Apache 2.0 مع حرية تجارية كاملة
  • معامل reasoning_effort لتحقيق مفاضلة مرنة بين القدرة الحاسوبية وجودة النتائج
  • اقتصادي للغاية بسعر 0.20/0.80 دولار لكل مليون رمز مميز

القيود

  • قدرة مطلقة أقل مقارنةً بالنماذج الرائدة الأكبر (GPT-5.4، Opus 4.6)
  • تحدّ 6.5 مليار من المعلمات النشطة من العمق في أكثر مهام الاستدلال تعقيدًا
  • بنية موحّدة أحدث مع سجلّ أداء أقل في بيئات الإنتاج

حالات الاستخدام

توليد التعليمات البرمجيةمهام الاستدلالالتحليل متعدد الوسائطنشر فعّال من حيث التكلفة

مثال على API

curl https://api.callmissed.com/v1/chat/completions \
  -H "Authorization: Bearer cm_YOUR_KEY" \
  -d '{"model": "mistralai/mistral-small-2603", "messages": [{"role": "user", "content": "Write a Rust function with error handling"}]}'

نقطة النهاية: POST /v1/chat/completions · معرّف النموذج: mistralai/mistral-small-2603

جرّب Mistral Small 4 الآن

احصل على 1000 رصيد مجاني من API عند التسجيل. لا حاجة إلى بطاقة ائتمانية.