Mistral Small 4
3269°
Voer dit model uit
Aanbiedingen / Advertenties
Mistral | 262.144 token context | $0.15/M input, $0.60/M output. Mistral Small 4 is de volgende grote release in de Mistral Small familie, die de capaciteiten van verschillende vlaggenschip Mistral-modellen verenigt in één systeem. Het combineert sterke redenering van Magistral, multimodale begrip van Pixtral, en agentische codeermogelijkheden van Devstral, waardoor één model complexe analyse, softwareontwikkeling en visuele taken binnen dezelfde workflow aankan.
Gidsen voor dit model
Beste lokale LLM per gebruik (oktober 2026): het juiste open model voor elke klus
Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?
Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)
Aantekeningen van de kapitein
Aantekeningen van 2026-10-13
Mistral Small 4 is een 119B mixture-of-experts model van Mistral AI dat redenering, visie en agentische codering in één systeem combineert onder een Apache 2.0-licentie. Met slechts 6,5 miljard actieve parameters per token draait het sneller dan zijn omvang doet vermoeden, en het 256k contextvenster verwerkt lange documenten moeiteloos. Als je een enkel open-gewichten model wilt dat snel kan schakelen tussen chatten en bedachtzaam redeneren, is dit een serieuze kandidaat.
Bekend om
- Per-aanvraag redeneringsschakelaar: snelle modus of bedachtzaam redeneren, jij bepaalt.
- Visuele input ingebouwd — voeg afbeeldingen toe voor analyse of documentextractie.
- Native functie-aanroepen en JSON-uitvoer voor agentische en tool-gebruik workflows.
- Apache 2.0-licentie: commercieel gebruik, fine-tuning en zelf-hosting toegestaan.
- 40% snellere end-to-end voltooiingen en 3× de doorvoer van Mistral Small 3.
Let op
- 119B totale parameters betekent dat lokale implementatie serieuze hardware vereist; controleer VRAM voor je begint.
- Uitvoer is alleen tekst — geen beeldgeneratie of audio-uitvoer ondanks multimodale input.
- Redeneringsmodus is alleen de moeite waard bij complexe prompts; standaard aan laten staat voegt latentie toe.
Het beste voor
Prompts om te proberen
Debug een falende agentlus
Ik heb een Python-agent die een zoektool aanroept, daarna een samenvattingstool, en dan een rapport schrijft. Na de eerste tool-aanroep stopt hij en geeft een lege string terug. Hier is de code: [plak die van jou]. Loop met me door wat er waarschijnlijk misgaat en herschrijf de lus zodat hij alle drie de stappen betrouwbaar voltooit.
Redeneer een lastige planning
Een klein softwareteam heeft drie ingenieurs. Ingenieur A kan alleen code reviewen, niet schrijven. Ingenieur B schrijft snel maar introduceert bugs die A opvangt. Ingenieur C schrijft langzaam maar schoon. Een kritieke feature moet over vijf dagen af zijn. Redeneer stap voor stap hoe je het werk toewijst om op tijd te leveren met zo min mogelijk fouten.
Extraheer data uit een afbeelding
Ik voeg een screenshot toe van een factuur. Extraheer de naam van de leverancier, factuurnummer, regelitems met hoeveelheden en eenheidsprijzen, subtotaal, belastingbedrag en totaal te betalen. Geef het resultaat terug als een JSON-object met precies die sleutels.
Vergelijk met
- Mistral Large 4Alleen API-model1,048,576 token context · $0.68/M invoer, $2.09/M uitvoer
- Mistral LargeAlleen API-model128,000 token context · $2.00/M invoer, $6.00/M uitvoer
- Mistral Medium 3.5Alleen API-model262,144 token context · $1.50/M invoer, $7.50/M uitvoer
- Mistral Medium 3Alleen API-model131,072 token context · $0.40/M invoer, $2.00/M uitvoer
Meer tekstmodellen van mistralai
Veelgestelde vragen
- Kan ik Mistral Small 4 lokaal draaien?
- Ja — de gewichten zijn open onder Apache 2.0 en beschikbaar op Hugging Face onder mistralai/Mistral-Small-4-119B-2603. Mistral publiceert ook een NVFP4 gekwantiseerde checkpoint en een Eagle speculative-decoding head om geheugen te besparen en snelheid te verbeteren, hoewel 119B totale parameters nog steeds serieuze hardware vraagt.
- Wat kost Mistral Small 4 via API?
- Mistral rekent $0,15 per miljoen inputtokens en $0,60 per miljoen outputtokens, met een contextvenster van 256k tokens.
- Hoe verschilt Mistral Small 4 van eerdere Mistral Small modellen?
- Het combineert drie voorheen aparte modellijnen — de instruct-, redenerings- (Magistral) en coderings- (Devstral) families — in één model met een schakelbare redeneringsmodus, visuele input en agentische functie-aanroepen, terwijl het aanzienlijk sneller draait dan Mistral Small 3.
Oordeel van de kapiteinEen zeldzame open-gewichten generalist die zijn waarde bewijst in codering, visie en redenering zonder dat je drie aparte modellen hoeft te beheren.
Modelkaart op Hugging Face
De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Hoe deze score wordt opgebouwd
Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.
Woordenlijst: de gebruikte termen
- Heat-score
- Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
- Vloer
- De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
- Download-equivalenten
- Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
- Logaritmische schaal
- Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
- Likes
- Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
- Adoptiesnelheid
- Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
- Gemeten en geschat
- Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
- Seeder
- Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
- AI Horde
- Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
- Generatiesites
- Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
- OpenRouter tokens
- Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Volledig model (checkpoint)
- De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
- LoRA en embedding
- Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
- Familie en gewichten
- De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
- Leeftijd
- Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
- Familie boost
- Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
- Stand-in score
- Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
- Nieuw! (gratieperiode)
- Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
- Trend
- Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
- Typisch model
- Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.
Mistral Small 4 is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.
Meer Text / LLM-modellenMeer Text / LLM Tekst / LLMllmmistralaivisieredenerencoderenagentenlange context
Bladeren op modelfamilie
Text / LLM-modellen
434
Anima-modellen
528
Chroma-modellen
19
Fibo-modellen
2
Flux-modellen
1,496
Flux 2 / Klein-modellen
1,239
Flux 3-modellen
3
Moss-modellen
3
Iris-modellen
1
MiniMax H3-modellen
364
Hunyuan-modellen
204
Ideogram-modellen
20
Krea2-modellen
717
Qwen-modellen
20
Qwen2-modellen
47
Ltx2-modellen
153