Mistral Small 4 objedinjuje tri modela u jedan

Mistral Small 4 više nije samo ime — to je prvi model koji objedinjuje sposobnosti Magistrala za razumijevanje, Pixtrala za multimodalnu obradu i Devstrala za agencijsko kodiranje u jedan 119-milijardinski sustav s mješavinom eksperata. Model veličine 242 GB dostupan je pod Apache 2 licencom na Hugging Faceu, a demo izvedba preko Mistral API-ja pokazuje kako se može generirati čak i SVG pelikana na biciklu.

Novi Leanstral, pak, donosi podršku za Lean 4 — jezik formalne verifikacije koji ostali veliki modeli još uvijek zanemaruju. Ovo nije samo marketinška fuzija: Mistral Small 4 doista reducira broj zasebnih modela u produkciji, što direktno utječe na operativne troškove i održavanje sustava koji moraju pokrivati više domena.

Ipak, 242 GB nisu mala stvar — čak i uz MoE optimizaciju, postavlja se pitanje koliko će se malih i srednjih timova moći priuštiti njegovo upotrebljavanje u produkciji bez značajnog povećanja cloud troškova.

Mogućnost izbora između reasoning_effort="none" i "high" zvuči kao standardna opcija, ali korisnici kojima su potrebne detaljne izvedbe Magistrala odmah će shvatiti prednost. Problem je što do sada nema javnih podataka o performansama na realnim workloadovima — samo demo izvedbe i anegdotalni dokazi iz zajednice kao što je Simon Willison koji je testirao putem llm-mistral alata.

Ovo nije prvi slučaj gdje se hvali unifikacija, ali Mistral Small 4 ima prednost jer dolazi od razvojnog tima koji je do sada nadmašio konkurenciju u tehnici ekspertskih mješavina. Pitanje je hoće li zajednica usvojiti ovaj model kao standard za multi-domenu upotrebu ili će i dalje preferirati specijalizirane rješenja za konkretne zadatke.

Ako će se potvrditi da performanse ne zaostaju za zasebnim modelima, Mistral Small 4 mogao bi postati referentna točka za razvoj unificiranih AI sustava u sljedećoj godini.

Mistral Small 4 predstavlja važan korak u razvoju unificiranih AI sustava. Njegova sposobnost objedinjavanja različitih modela u jedan sustav može smanjiti operativne troškove i poboljšati održavanje sustava. Međutim, još uvijek postoje pitanja o njegovoj performansi i mogućnosti upotrebe u produkciji.