Mistral telah merilis Mistral Small 4, model bobot terbuka dengan penalaran hibrida dan input gambar, mencetak 27 pada Indeks Kecerdasan Analisis Buatan @MistralAI's Small 4 adalah model campuran ahli 119B dengan 6,5 miliar parameter aktif per token, mendukung mode penalaran dan non-penalaran. Dalam mode penalaran, Mistral Small 4 mendapat skor 27 pada Indeks Kecerdasan Analisis Buatan, peningkatan 12 poin dari Small 3.2 (15) dan sekarang di antara model paling cerdas yang telah dirilis Mistral, melampaui Mistral Large 3 (23) dan menyamai Magistral Medium 1.2 (27). Namun, ia tertinggal dari rekan bobot terbuka dengan jumlah parameter total yang serupa seperti gpt-oss-120B (tinggi, 33), NVIDIA Nemotron 3 Super 120B A12B (Penalaran, 36), dan Qwen3.5 122B A10B (Penalaran, 42). Kesimpulan utama: ➤ Mode penalaran dan non-penalaran dalam satu model: Mistral Small 4 mendukung penalaran hibrida yang dapat dikonfigurasi dengan mode penalaran dan non-penalaran, daripada varian penalaran terpisah yang telah dirilis Mistral sebelumnya dengan model Magistral mereka. Dalam mode penalaran, model mendapat skor 27 pada Indeks Kecerdasan Analisis Buatan. Dalam mode non-penalaran, model ini mendapat skor 19, peningkatan 4 poin dari pendahulunya Mistral Small 3.2 (15) ➤ Lebih efisien token daripada rekan dengan ukuran yang sama: Pada ~52 juta token keluaran, Mistral Small 4 (Reasoning) menggunakan lebih sedikit token untuk menjalankan Indeks Kecerdasan Analisis Buatan dibandingkan dengan model penalaran seperti gpt-oss-120B (tinggi, ~78M), NVIDIA Nemotron 3 Super 120B A12B (Reasoning, ~110M), dan Qwen3.5 122B A10B (Reasoning, ~91M). Dalam mode non-penalaran, model menggunakan ~4 juta token keluaran ➤ Dukungan asli untuk input gambar: Mistral Small 4 adalah model multimodal, menerima input gambar serta teks. Pada evaluasi multimodal kami, MMMU-Pro, Mistral Small 4 (Reasoning) mendapat skor 57%, di depan Mistral Large 3 (56%) tetapi di belakang Qwen3.5 122B A10B (Reasoning, 75%). Baik gpt-oss-120B maupun NVIDIA Nemotron 3 Super 120B A12B tidak mendukung input gambar. Semua model hanya mendukung output teks ➤ Peningkatan dalam tugas agen dunia nyata: Mistral Small 4 mencetak Elo 871 pada GDPval-AA, evaluasi kami berdasarkan kumpulan data GDPval OpenAI yang menguji model pada tugas dunia nyata di 44 pekerjaan dan 9 industri besar, dengan model menghasilkan hasil akhir seperti dokumen, spreadsheet, dan diagram dalam lingkaran agen. Ini lebih dari dua kali lipat Elo Small 3.2 (339) dan mendekati Mistral Large 3 (880), tetapi di belakang gpt-oss-120B (tinggi, 962), NVIDIA Nemotron 3 Super 120B A12B (Reasoning, 1021), dan Qwen3.5 122B A10B (Reasoning, 1130) ➤ Tingkat halusinasi lebih rendah daripada model sebaya dengan ukuran yang sama: Mistral Small 4 skor -30 pada AA-Omniscience, evaluasi kami tentang keandalan pengetahuan dan halusinasi, di mana skor berkisar dari -100 hingga 100 (lebih tinggi lebih baik) dan skor negatif menunjukkan lebih banyak jawaban yang salah daripada yang benar. Skor Mistral Small 4 di depan gpt-oss-120B (tinggi, -50), Qwen3.5 122B A10B (Penalaran, -40), dan NVIDIA Nemotron 3 Super 120B A12B (Penalaran, -42) Detail model utama: ➤ Jendela konteks: 256 ribu token (naik dari 128 ribu pada Small 3.2) ➤ Harga: $0.15/$0.6 per 1 juta token input/output ➤ Ketersediaan: Hanya API pihak pertama Mistral. Pada presisi FP8 asli, parameter 119B Mistral Small 4 membutuhkan ~119GB untuk menghosting bobot sendiri (lebih dari memori HBM3 80GB pada satu NVIDIA H100) ➤ Modalitas: Input gambar dan teks hanya dengan output teks ➤ Lisensi: Lisensi Apache 2.0

Pada Parameter Intelijen vs Total, Mistral Small 4 (Reasoning, 27) menawarkan tradeoff yang kurang menguntungkan daripada rekan-rekan dengan ukuran yang sama seperti gpt-oss-120B (tinggi, 33), NVIDIA Nemotron 3 Super 120B A12B (Reasoning, 36), dan Qwen3.5 122B A10B (Reasoning, 42)

Pada ~52 juta token keluaran, Mistral Small 4 (Reasoning) menggunakan lebih sedikit token untuk menjalankan Indeks Kecerdasan Analisis Buatan dibandingkan dengan model rekan seperti gpt-oss-120B (tinggi, ~78M), NVIDIA Nemotron 3 Super 120B A12B (Reasoning, ~110M), dan Qwen3.5 122B A10B (Reasoning, ~91M)

Perincian lengkap hasil:

Hasil lengkap tersedia di halaman model Mistral Small 4 tentang Analisis Buatan: