Mistral AI 发布首个推理模型 Magistral

背景

推理模型（reasoning model）是一类经过训练、在给出最终答案之前先写出较长中间推理过程的语言模型。它不会一次性作答，而是花更多 token 一步步推演问题，因此在答案依赖多个前后环节的任务上更有优势，比如竞赛数学。代价是每道题生成的文本量大得多，于是模型每秒能产出多少 token，直接影响到它是否好用。

发布了什么

2025年6月10日，Mistral AI 发布 Magistral Small 和 Magistral Medium，这是该公司首批推理模型^[1]。发布分为两个版本。Magistral Small 有 24B 参数，以 Apache 2.0 许可发布^[1]；Apache 2.0 是一种宽松的开源许可，允许他人复用和修改。Magistral Medium 以预览形式提供：可以在 Le Chat 里试用，也可以通过 La Plateforme 上的 API 调用^[1]。

基准成绩

Mistral 称 Magistral Medium 在 AIME 2024 上得分 73.6%^[1]。AIME 是美国面向高中生的数学邀请赛，其题目常被用作评测基准，用来检验模型处理多步数学推理的能力。采用多数投票（majority voting）后，成绩升至 90%^[1]。多数投票是指对同一个问题让模型采样多次，再取出现次数最多的答案作为最终结果；这种做法用更多计算换取更高的答对概率。

这些模型还能用 8 种语言进行推理，其中包括阿拉伯语、俄语和简体中文^[1]。多语言推理比多语言对话更难，因为推理过程本身必须在使用的那种语言里保持连贯。

Mistral 表示，Magistral Medium 的 token 吞吐量最高可达多数竞争对手的 10 倍^[1]。吞吐量指模型每秒生成的 token 数。它对推理模型比对普通对话模型更重要，因为一段很长的推理过程会把每道题的输出量成倍放大。

配套论文

发布同时附有一篇关于模型强化学习训练的研究论文^[2]。强化学习（reinforcement learning）是一种训练方法：模型给出符合某种标准的输出时得到奖励，并被调整到更倾向于产生这类输出，而不是单纯模仿示例。题为「Magistral」的 arXiv 论文（编号 2506.10910）于 2025 年 6 月 12 日提交，描述了可扩展的强化学习流程^[2]。

意义

Magistral 标志着 Mistral 进入推理模型这一类别——当时推理模型已经与普通对话模型区分开来。公司一次推出两个版本：一个是以宽松许可发布、可供他人继续构建的较小模型，另一个是 Mistral 称在广泛使用的数学基准上取得高分的较大模型^[1]。所宣称的吞吐优势，针对的正是推理模型的一个实际短板：额外的思考步骤会让回答更慢、服务成本更高^[1]。多语言支持与公开的训练流程说明，使这次发布不只关乎模型本身，也关乎这类模型是怎样造出来的^[2]。