Bolehkah saya menjalankan Mistral Small 4 secara tempatan?

Ya — berat terbuka di bawah lesen Apache 2.0 dan tersedia di Hugging Face di mistralai/Mistral-Small-4-119B-2603. Mistral juga menerbitkan checkpoint NVFP4 kuantisasi dan kepala Eagle speculative-decoding untuk mengurangkan memori dan mempercepatkan, walaupun 119B parameter keseluruhan masih memerlukan perkakasan besar.

Berapa kos Mistral Small 4 melalui API?

Mistral mengenakan harga $0.15 per sejuta token input dan $0.60 per sejuta token output, dengan tetingkap konteks 256k token.

Bagaimana Mistral Small 4 berbeza daripada model Mistral Small terdahulu?

Ia menggabungkan tiga barisan model yang sebelum ini berasingan — keluarga arahan, penalaran (Magistral), dan pengkodan (Devstral) — menjadi satu model dengan mod penalaran boleh tukar, input visi, dan panggilan fungsi agen, sambil berjalan jauh lebih pantas daripada Mistral Small 3.

Mistral Kecil 4

3269°

#llm #mistralai #penglihatan #penalaran #pengaturcaraan #ejen

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

Mistral | konteks 262,144 token | $0.15/M input, $0.60/M output. Mistral Kecil 4 adalah keluaran utama seterusnya dalam keluarga Mistral Kecil, menyatukan keupayaan beberapa model utama Mistral ke dalam satu sistem. Ia menggabungkan penalaran kuat dari Magistral, pemahaman multimodal dari Pixtral, dan keupayaan pengekodan agenik dari Devstral, membolehkan satu model mengendalikan analisis kompleks, pembangunan perisian, dan tugasan visual dalam aliran kerja yang sama.

Panduan untuk model ini

LLM tempatan terbaik mengikut kegunaan (Oktober 2026): model terbuka yang sesuai untuk setiap kerja

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Mistral Small 4 adalah model campuran-pakar 119B dari Mistral AI yang menggabungkan penalaran, visi, dan pengkodan agen dalam satu sistem di bawah lesen Apache 2.0. Dengan hanya 6.5B parameter aktif setiap token, ia berjalan lebih pantas daripada saiznya yang disangka, dan tetingkap konteks 256k mengendalikan dokumen panjang tanpa masalah. Jika anda mahukan satu model berat terbuka yang boleh bertukar antara sembang pantas dan penalaran teliti mengikut kehendak, ini calon serius.

Dikenali untuk

Togol penalaran setiap permintaan: mod pantas atau penalaran teliti, pilihan anda.
Input visi terbina dalam — lampirkan imej untuk analisis atau ekstraksi dokumen.
Panggilan fungsi asli dan output JSON untuk aliran kerja agen dan penggunaan alat.
Lesen Apache 2.0: penggunaan komersial, latihan semula, hos sendiri dibenarkan.
40% lebih pantas penyempurnaan hujung ke hujung dan 3× kelajuan Mistral Small 3.

Berhati-hati dengan

119B parameter keseluruhan bermakna penyebaran tempatan memerlukan perkakasan serius; periksa VRAM sebelum membuat keputusan.
Output hanya teks — tiada penjanaan imej atau output audio walaupun input multimodal.
Mod penalaran hanya berbaloi diaktifkan untuk arahan kompleks; membiarkannya sentiasa hidup menambah kelewatan.

Terbaik untuk

Pengaturcaraan

Ejen dan penggunaan alat

Penalaran

Penglihatan

Konteks panjang

Arahan untuk cuba

Betulkan gelung agen yang gagal

Saya mempunyai agen Python yang memanggil alat carian, kemudian alat ringkasan, kemudian menulis laporan. Selepas panggilan alat pertama ia berhenti dan mengembalikan rentetan kosong. Berikut adalah kodnya: [tampal kod anda]. Terangkan apa yang mungkin salah dan tulis semula gelung supaya melengkapkan ketiga-tiga langkah dengan boleh dipercayai.

Berfikir melalui pelan rumit

Sebuah pasukan perisian kecil mempunyai tiga jurutera. Jurutera A hanya boleh menyemak kod, bukan menulisnya. Jurutera B menulis dengan cepat tetapi memperkenalkan pepijat yang dikesan A. Jurutera C menulis perlahan tetapi bersih. Ciri kritikal perlu disiapkan dalam lima hari. Berfikir langkah demi langkah bagaimana untuk mengagihkan kerja supaya dapat dihantar tepat pada masa dengan kecacatan paling sedikit.

Ekstrak data dari imej

Saya melampirkan tangkapan skrin invois. Ekstrak nama vendor, nombor invois, item baris dengan kuantiti dan harga unit, subtotal, jumlah cukai, dan jumlah yang perlu dibayar. Kembalikan hasil sebagai objek JSON dengan kunci tepat tersebut.

Bandingkan dengan

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

Lebih banyak model teks dari mistralai

Soalan yang sering ditanya

Bolehkah saya menjalankan Mistral Small 4 secara tempatan?: Ya — berat terbuka di bawah lesen Apache 2.0 dan tersedia di Hugging Face di mistralai/Mistral-Small-4-119B-2603. Mistral juga menerbitkan checkpoint NVFP4 kuantisasi dan kepala Eagle speculative-decoding untuk mengurangkan memori dan mempercepatkan, walaupun 119B parameter keseluruhan masih memerlukan perkakasan besar.
Berapa kos Mistral Small 4 melalui API?: Mistral mengenakan harga $0.15 per sejuta token input dan $0.60 per sejuta token output, dengan tetingkap konteks 256k token.
Bagaimana Mistral Small 4 berbeza daripada model Mistral Small terdahulu?: Ia menggabungkan tiga barisan model yang sebelum ini berasingan — keluarga arahan, penalaran (Magistral), dan pengkodan (Devstral) — menjadi satu model dengan mod penalaran boleh tukar, input visi, dan panggilan fungsi agen, sambil berjalan jauh lebih pantas daripada Mistral Small 3.

Keputusan Kapten
Model generalis berat terbuka yang jarang ditemui yang berbaloi di seluruh pengkodan, visi, dan penalaran tanpa memaksa anda mengendalikan tiga model berasingan.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh 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 dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Model AI untuk penjanaan imej, video dan teks

Mistral Kecil 4 ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm mistralai penglihatan penalaran pengaturcaraan ejen konteks panjang

Layari mengikut keluarga model