Mistral Small 4

一个模型顶替三条产品线

Mistral Small 4 于 2026 年 3 月 16 日发布，它的核心思路是收拢：把公司原先的推理线（Magistral）、多模态线（Pixtral）和智能体编程线（Devstral）合并进同一个模型^[1]。Mistral 把它描述为一个混合模型，在单个高效模型里统一了指令跟随、推理和编程三项能力^[1]。这种合并的实际意义在于，团队不必再为聊天、为需要反复思考的难题、为调用工具的编程任务分别部署不同的模型；一个模型覆盖三类工作，既简化了基础设施，也免去了「该部署哪个权重」的选择。

模型结构

Small 4 是一个混合专家（mixture of experts, MoE）模型，共 128 个专家，每个 token 激活其中 4 个^[1]。模型总参数为 119B，激活参数 6B，若把嵌入层和输出层也算进去则是 8B^[1]。

这里有必要解释一下混合专家，因为参数数字很容易被误读。稠密模型每生成一个 token，都要动用全部参数做计算；稀疏的混合专家模型保留同样大的参数池，但把每个 token 只路由到一小部分专门的子网络，于是单 token 的计算量取决于激活参数，而模型能容纳的知识量取决于总参数。这正是它能带着 119B 参数、却仍能以较高吞吐量服务的原因。

模型的上下文窗口为 256K token，并且同时接受文本和图像输入^[1]。长上下文与多模态正是 Pixtral 血统在日常使用中的体现：一次请求可以同时带上长文档或一张截图，以及针对它的问题。

推理开关

Small 4 没有分成「指令版」和「推理版」两个权重，而是提供一个 `reasoning_effort` 参数^[1]。设为 `none` 时，模型直接、快速地作答；设为 `high` 时，它会先一步步推演再给出答案^[1]。这把推理从模型的固有属性变成了按请求设定的选项：日常查证走快速路径，数学、多步分析或棘手代码则可以为额外的思考付费。同一个开关也是它能当作编程智能体使用的原因——这类任务通常先做规划比立刻作答更好。

速度、价格与硬件

Mistral 在能力之外同样强调效率。与 Mistral Small 3 相比，它的延迟最多降低 40%，每秒可处理的请求数是后者的 3 倍^[1]。

运行该模型的最低硬件要求是 4 张 H100、2 张 H200 或 1 台 DGX B200^[1]，可见即便单 token 计算量不大，119B 总参数的开源模型仍需要一台正经的多卡机器。通过 API 调用时，价格为每百万输入 token 0.15 美元、每百万输出 token 0.60 美元^[1]。权重以 Apache 2.0 协议在 Hugging Face 上发布，同时提供 NVIDIA NIM 形式^[1]，因此同一个模型既可以作为托管接口使用，也可以作为可下载的权重自行部署，或走 NVIDIA 的打包部署方案。

公布的成绩

Mistral 称该模型在三个基准上追平或超过 GPT-OSS 120B，且输出更短，在 AA LCR 上的得分为 0.72^[1]。输出更短这一点对成本有实际影响：输出 token 是推理中最贵、最慢的部分，用更少的生成 token 达到同等质量，延迟和开销都会随之下降。

在发展中的位置

Mistral 的文档把 Small 4 列为 Mistral Small 3.x、Magistral Small 和 Mixtral 的替代者^[2]。被替换的范围并不小：一个指令模型、一个推理模型以及更早的 Mixtral 一代，角色都交给了同一个条目。在发布同期，Mistral 表示以创始成员身份加入了 NVIDIA Nemotron Coalition^[1]。把这两件事放在一起看，这次发布也说明了这家公司如今造模型的方式——更少、覆盖面更宽的权重，能力差异交给推理时的参数来调节，而不是为每种能力单独发一个版本。