Posso eseguire Mistral Small 4 localmente?

Sì — i pesi sono aperti sotto licenza Apache 2.0 e disponibili su Hugging Face in mistralai/Mistral-Small-4-119B-2603. Mistral pubblica anche un checkpoint quantizzato NVFP4 e una testa Eagle per decoding speculativo per ridurre memoria e migliorare velocità, anche se 119 miliardi di parametri totali richiedono comunque hardware sostanziale.

Quanto costa Mistral Small 4 via API?

Mistral lo prezza a $0,15 per milione di token in input e $0,60 per milione di token in output, con una finestra di contesto da 256k token.

In cosa differisce Mistral Small 4 dai modelli Mistral Small precedenti?

Unisce tre linee di modelli precedentemente separate — le famiglie instruct, reasoning (Magistral) e coding (Devstral) — in un unico modello con modalità di ragionamento commutabile, input visivo e chiamata agentica di funzioni, girando significativamente più veloce di Mistral Small 3.

Mistral Small 4

3269°

#llm #mistralai #visione #ragionamento #programmazione #agenti

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

Mistral | contesto da 262.144 token | $0.15/M input, $0.60/M output. Mistral Small 4 è la prossima grande release della famiglia Mistral Small, che unifica le capacità di diversi modelli di punta Mistral in un unico sistema. Combina il forte ragionamento di Magistral, la comprensione multimodale di Pixtral e le capacità agentiche di codifica di Devstral, permettendo a un solo modello di gestire analisi complesse, sviluppo software e compiti visivi nello stesso flusso di lavoro.

Guide per questo modello

Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro

Quanta VRAM serve davvero per l'AI locale?

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

Mistral Small 4 è un modello mixture-of-experts da 119 miliardi di parametri di Mistral AI che integra ragionamento, visione e coding agentico in un unico sistema sotto licenza Apache 2.0. Con solo 6,5 miliardi di parametri attivi per token, gira più veloce di quanto suggerisca la sua dimensione, e la finestra di contesto da 256k token gestisce documenti lunghi senza problemi. Se vuoi un modello open-weights unico che possa passare da chat veloce a ragionamento deliberato su richiesta, è un candidato serio.

Conosciuto per

Toggle di ragionamento per richiesta: modalità veloce o ragionamento deliberato, a tua scelta.
Input visivo integrato — allega immagini per analisi o estrazione da documenti.
Chiamata nativa di funzioni e output JSON per flussi agentici e uso di strumenti.
Licenza Apache 2.0: uso commerciale, fine-tuning e self-hosting permessi.
Completamenti end-to-end il 40% più veloci e throughput 3× rispetto a Mistral Small 3.

Attenzione a

119 miliardi di parametri totali significa che il deployment locale richiede hardware serio; verifica la VRAM prima di impegnarti.
L’output è solo testuale — nessuna generazione di immagini o audio nonostante l’input multimodale.
La modalità di ragionamento vale la pena attivarla solo per prompt complessi; lasciarla sempre attiva aggiunge latenza.

Ideale per

Programmazione

Agenti e uso di strumenti

Ragionamento

Visione

Contesto lungo

Prompt da provare

Debug di un ciclo agente fallito

Ho un agente Python che chiama uno strumento di ricerca, poi uno di sintesi, poi scrive un report. Dopo la prima chiamata allo strumento si ferma e restituisce una stringa vuota. Ecco il codice: [incolla il tuo]. Spiegami cosa probabilmente non va e riscrivi il ciclo in modo che completi tutti e tre i passaggi in modo affidabile.

Ragiona su un piano complesso

Un piccolo team software ha tre ingegneri. L’ingegnere A può solo revisionare codice, non scriverlo. L’ingegnere B scrive velocemente ma introduce bug che A cattura. L’ingegnere C scrive lentamente ma pulito. Una funzionalità critica deve essere pronta in cinque giorni. Ragiona passo passo su come assegnare il lavoro per consegnare in tempo con il minor numero di difetti.

Estrai dati da un’immagine

Allego uno screenshot di una fattura. Estrai il nome del fornitore, il numero della fattura, le voci con quantità e prezzi unitari, subtotale, importo tasse e totale dovuto. Restituisci il risultato come oggetto JSON con queste chiavi esatte.

Confronta con

Mistral Large 4
Modello solo API
Contesto di 1,048,576 token · Input $0.68/M, output $2.09/M
Mistral Large
Modello solo API
Contesto di 128,000 token · Input $2.00/M, output $6.00/M
Mistral Medium 3.5
Modello solo API
Contesto di 262,144 token · Input $1.50/M, output $7.50/M
Mistral Medium 3
Modello solo API
Contesto di 131,072 token · Input $0.40/M, output $2.00/M

Altri modelli di testo da mistralai

Domande frequenti

Posso eseguire Mistral Small 4 localmente?: Sì — i pesi sono aperti sotto licenza Apache 2.0 e disponibili su Hugging Face in mistralai/Mistral-Small-4-119B-2603. Mistral pubblica anche un checkpoint quantizzato NVFP4 e una testa Eagle per decoding speculativo per ridurre memoria e migliorare velocità, anche se 119 miliardi di parametri totali richiedono comunque hardware sostanziale.
Quanto costa Mistral Small 4 via API?: Mistral lo prezza a $0,15 per milione di token in input e $0,60 per milione di token in output, con una finestra di contesto da 256k token.
In cosa differisce Mistral Small 4 dai modelli Mistral Small precedenti?: Unisce tre linee di modelli precedentemente separate — le famiglie instruct, reasoning (Magistral) e coding (Devstral) — in un unico modello con modalità di ragionamento commutabile, input visivo e chiamata agentica di funzioni, girando significativamente più veloce di Mistral Small 3.

Verdetto del capitano
Un raro generalista open-weights che si guadagna il suo posto in coding, visione e ragionamento senza costringerti a gestire tre modelli separati.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

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

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

Modelli di IA per generare immagini, video e testo

Mistral Small 4 è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm mistralai visione ragionamento programmazione agenti contesto lungo

Sfoglia per famiglia di modelli