Bisakah saya menjalankan Mistral Small 4 secara lokal?

Ya — bobot terbuka dengan lisensi Apache 2.0 dan tersedia di Hugging Face pada mistralai/Mistral-Small-4-119B-2603. Mistral juga mempublikasikan checkpoint kuantisasi NVFP4 dan kepala decoding spekulatif Eagle untuk mengurangi memori dan meningkatkan kecepatan, meskipun 119B total parameter tetap membutuhkan perangkat keras besar.

Berapa biaya Mistral Small 4 via API?

Mistral mematok harga $0,15 per juta token input dan $0,60 per juta token output, dengan jendela konteks 256k token.

Apa perbedaan Mistral Small 4 dengan model Mistral Small sebelumnya?

Model ini menggabungkan tiga lini model terpisah sebelumnya — keluarga instruct, reasoning (Magistral), dan coding (Devstral) — menjadi satu model dengan mode penalaran yang bisa dialihkan, input visi, dan pemanggilan fungsi agen, sambil berjalan jauh lebih cepat dari Mistral Small 3.

Mistral Small 4

3269°

#llm #mistralai #visi #penalaran #pemrograman #agen

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Mistral | konteks 262.144 token | $0,15/M input, $0,60/M output. Mistral Small 4 adalah rilis utama berikutnya dalam keluarga Mistral Small, menyatukan kemampuan beberapa model unggulan Mistral ke dalam satu sistem. Model ini menggabungkan penalaran kuat dari Magistral, pemahaman multimodal dari Pixtral, dan kemampuan pengkodean agenik dari Devstral, memungkinkan satu model menangani analisis kompleks, pengembangan perangkat lunak, dan tugas visual dalam alur kerja yang sama.

Panduan untuk model ini

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Mistral Small 4 adalah model mixture-of-experts 119B parameter dari Mistral AI yang menggabungkan penalaran, visi, dan pengkodean agen dalam satu sistem dengan lisensi Apache 2.0. Dengan hanya 6,5B parameter aktif per token, model ini berjalan lebih cepat dari ukuran aslinya, dan jendela konteks 256k menangani dokumen panjang tanpa masalah. Jika Anda ingin satu model bobot terbuka yang bisa beralih antara chat cepat dan penalaran sengaja sesuai permintaan, ini kandidat serius.

Dikenal untuk

Toggle penalaran per permintaan: mode cepat atau penalaran sengaja, terserah Anda.
Input visi bawaan — lampirkan gambar untuk analisis atau ekstraksi dokumen.
Pemanggilan fungsi native dan output JSON untuk alur kerja agen dan penggunaan alat.
Lisensi Apache 2.0: penggunaan komersial, fine-tuning, dan self-hosting diperbolehkan.
Penyelesaian end-to-end 40% lebih cepat dan throughput 3× Mistral Small 3.

Waspadai

119B total parameter berarti penyebaran lokal membutuhkan perangkat keras serius; periksa VRAM sebelum memutuskan.
Output hanya teks — tidak ada generasi gambar atau output audio meskipun input multimodal.
Mode penalaran hanya layak diaktifkan untuk prompt kompleks; jika selalu aktif menambah latensi.

Terbaik untuk

Pemrograman

Agen dan penggunaan alat

Penalaran

Penglihatan

Konteks panjang

Prompt untuk dicoba

Debug loop agen yang gagal

Saya punya agen Python yang memanggil alat pencarian, lalu alat ringkasan, lalu menulis laporan. Setelah panggilan alat pertama, ia berhenti dan mengembalikan string kosong. Ini kodenya: [tempel kode Anda]. Jelaskan kemungkinan kesalahan dan tulis ulang loop agar menyelesaikan ketiga langkah dengan andal.

Penalaran melalui rencana rumit

Tim perangkat lunak kecil memiliki tiga insinyur. Insinyur A hanya bisa mereview kode, tidak menulis. Insinyur B menulis cepat tapi sering ada bug yang ditangkap A. Insinyur C menulis lambat tapi bersih. Fitur penting harus selesai dalam lima hari. Berikan penalaran langkah demi langkah bagaimana membagi tugas agar selesai tepat waktu dengan sedikit cacat.

Ekstrak data dari gambar

Saya melampirkan tangkapan layar faktur. Ekstrak nama vendor, nomor faktur, item baris dengan kuantitas dan harga satuan, subtotal, jumlah pajak, dan total yang harus dibayar. Kembalikan hasil sebagai objek JSON dengan kunci tersebut persis.

Bandingkan dengan

Mistral Large 4
Model hanya API
konteks 1,048,576 token · $0.68/M input, $2.09/M output
Mistral Large
Model hanya API
konteks 128,000 token · $2.00/M input, $6.00/M output
Mistral Medium 3.5
Model hanya API
konteks 262,144 token · $1.50/M input, $7.50/M output
Mistral Medium 3
Model hanya API
konteks 131,072 token · $0.40/M input, $2.00/M output

Model teks lain dari mistralai

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Mistral Small 4 secara lokal?: Ya — bobot terbuka dengan lisensi Apache 2.0 dan tersedia di Hugging Face pada mistralai/Mistral-Small-4-119B-2603. Mistral juga mempublikasikan checkpoint kuantisasi NVFP4 dan kepala decoding spekulatif Eagle untuk mengurangi memori dan meningkatkan kecepatan, meskipun 119B total parameter tetap membutuhkan perangkat keras besar.
Berapa biaya Mistral Small 4 via API?: Mistral mematok harga $0,15 per juta token input dan $0,60 per juta token output, dengan jendela konteks 256k token.
Apa perbedaan Mistral Small 4 dengan model Mistral Small sebelumnya?: Model ini menggabungkan tiga lini model terpisah sebelumnya — keluarga instruct, reasoning (Magistral), dan coding (Devstral) — menjadi satu model dengan mode penalaran yang bisa dialihkan, input visi, dan pemanggilan fungsi agen, sambil berjalan jauh lebih cepat dari Mistral Small 3.

Putusan Kapten
Model generalis bobot terbuka langka yang memberikan nilai di pengkodean, visi, dan penalaran tanpa memaksa Anda mengelola tiga model terpisah.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

Mistral Small 4 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm mistralai visi penalaran pemrograman agen konteks panjang

Jelajahi berdasarkan Keluarga Model