Mistral تعرّف عن Small 4 — نموذج يوحّد الاستدلال والترميز والرؤية

قدّمت Mistral AI نموذج Mistral Small 4 — وهو نموذج يجمع في نظام واحد بين ثلاثة نماذج متخصصة منفصلة: Magistral للاستدلال المعقد، وPixtral لتحليل الصور، وDevstral للأكواد. وحتى الآن، كان على المطورين الاختيار بين النموذج المناسب للمهمة المحددة. الآن، خيار عام واحد يحل جميع المشاكل دون الحاجة إلى التبديل بين الأنظمة.

نموذج موحّد بدلاً من ثلاثة

نموذج Mistral Small 4 عبارة عن بنية هجينة مُحسّنة للدردشة والترميز والمهام المتعلقة بالوكيل والاستدلال المعقد. يدعم المدخلات النصية والرسومية على حد سواء، مما يفتح طيفاً واسعاً من التطبيقات: من المحادثات الآلية ومعالجة المستندات إلى تحليل المعلومات البصرية وإنشاء الوكلاء المستقلين. تشير الشركة إلى أن إطلاق Small 4 يؤكد التزامها بمصدر الكود المفتوح — يتم توزيع النموذج بموجب رخصة Apache 2.0. تفتخر Mistral بانضمامها إلى NVIDIA Nemotron Coalition كمؤسس، وتعزيز التعاون والابتكار في تطوير الذكاء الاصطناعي. وهذا مؤشر على أن الصناعة تتجه نحو حلول مفتوحة وقابلة للتعديل يمكن للشركات تكييفها مع احتياجاتها.

ما بداخل النموذج

تم بناء البنية على مبادئ الحجم القابل للتوسع والكفاءة الحديثة:

• Mixture of Experts (MoE): 128 خبيراً مع 4 نشطين في نفس الوقت لكل رمز — توزيع فعّال للحسابات دون تحميل جميع المعاملات
• المعاملات: 119 مليار إجمالاً، 6 مليارات نشطة لكل رمز (8 مليارات بما في ذلك طبقات التضمين والإخراج)
• السياق: 256 ألف رمز — دعم المستندات الطويلة والتقارير متعددة الصفحات والتحليل
• تعدد الأنماط: دعم مدمج للنصوص والصور بدون وحدات وصل
• التفكير المرن: تسمح معامل reasoning_effort بتغيير عمق التحليل حسب المهمة

تسمح هذه البنية للنموذج بالتوسع بدون فقدان الكفاءة. يتم تفعيل 6 مليارات معامل فقط لكل رمز، مما يقلل متطلبات الذاكرة ويسرّع الاستدلال. بالمقارنة مع النماذج التقليدية بـ 120 مليار معامل، يوفر Small 4 الموارد الحسابية بفضل routing الخبراء — يذهب كل رمز فقط إلى الخبراء المناسبين.

الاستدلال أثناء التنفيذ

الابتكار الرئيسي هو معامل reasoning_effort، الذي يسمح بتغيير سلوك النموذج ديناميكياً حسب المهمة المحددة. إذا كان reasoning_effort="none"، يرد النموذج بسرعة قصوى، مثل Mistral Small 3.2. وإذا كان reasoning_effort="high"، ينتقل إلى وضع التحليل العميق خطوة بخطوة، المكافئ للإصدارات السابقة من Magistral للاستدلال المعقد. بفضل هذا، يمكن لنموذج واحد أن يعمل كروبوت دردشة سريع للمهام اليومية وكشريك بحثي للمهام التحليلية المعقدة. وهذا مناسب بشكل خاص لأنظمة المؤسسات، حيث لا تتطلب جميع الطلبات تحليلاً عميقاً، والقوة الحسابية الزائدة تؤدي إلى نفقات غير ضرورية. يمكن للمطورين حتى ضبط مستويات استدلال وسيطة إذا لم تكن الأوضاع القياسية مناسبة.

الأداء والتحسين

في وضع تحسين السرعة (low-latency setup)، يعمل Small 4 بنسبة 40٪ أسرع من أسلافه — الحد الأدنى من التأخير عند الرد. في وضع تحسين الإنتاجية (throughput-optimized)، يعالج النظام 3 مرات أكثر من الطلبات في الثانية مقارنة مع Mistral Small 3. تم تحسين الاستدلال بالتعاون مع NVIDIA. تم تحسين النموذج بالكامل لـ vLLM و SGLang، مما يضمن نشراً فعّالاً وعالي الأداء في سيناريوهات بنية تحتية مختلفة. حصل المطورون على إمكانية الوصول إلى vLLM و llama.cpp و SGLang و Transformers، مما يسهّل التكامل في خطوط الأنابيب الموجودة. الحد الأدنى من البنية التحتية للنشر: 4 NVIDIA HGX H100 أو 2 NVIDIA HGX H200 أو 1 NVIDIA DGX B200. للحصول على أقصى أداء، يوصى بمضاعفة هذه الموارد.

ماذا يعني هذا

يمثل Mistral Small 4 إشارة على أن عصر النماذج المتخصصة يقترب من نهايته. في المستقبل، قد يحل خيار عام واحد ذو معاملات قابلة للتخصيص محل رف كامل من الأدوات المتخصصة. بالنسبة للمطورين، هذا تبسيط: لا حاجة للاختيار والتبديل بين النماذج. بالنسبة للشركات — تقليل تعقيد البنية والنشر والدعم.