

> 开源AI企业Mistral正式推出采用混合专家架构的小参数量旗舰模型Small4。该产品首次在单一架构中完美整合推理、多模态与代码能力，以极低的激活参数实现了比肩头部巨头的端到端处理效率。

## 混合专家架构兼顾性能与算力
在开源大模型赛道，欧洲技术团队再次展现了惊人的迭代速度。全新发布的Small4是该实验室首款真正意义上的全能型大模型，极大降低了开发者在不同垂直领域的选型成本。该产品采用先进的MoE混合专家架构，总参数量达到119B，但运行时激活参数仅为6B。这种巧妙的设计在保证极高逻辑处理性能的同时，大幅度优化了算力资源的运行效率，并以完全开放的Apache2.0协议赋能开发者社区。

![22.png](https://static.downly.cn/images/e79d99736905d091d62b352e73b50773.png)

<center>图源备注 图片由AI生成</center>

## 灵活部署门槛与应用行业影响
新一代架构赋予了该模型卓越的数据吞吐能力，高达256k的超长上下文窗口使其能够一次性解析整本技术文档或庞大的代码库。产品同时支持快速响应与深度推理两种工作模式。性能评测数据表明，在延迟优化模式下其端到端完成时间缩短了百分之四十，而在吞吐优化模式下的请求处理量可达前代产品的三倍。官方推荐的硬件部署组合兼顾了不同规模企业的实际需求，为企业级AI应用提供了一个低延迟且高智能的全新底层标杆。

欧洲大模型新星Mistral发布Small4 全能型架构搅动开源生态



> 开源大模型赛道再迎效率革命，最新发布的128专家混合架构模型首次将逻辑推理、原生多模态与智能体编码融合于单一底座。通过极致的参数激活优化，开源社区在性能与算力成本之间找到了极佳的平衡点。

## 三位一体 聚合旗舰核心能力

追求高效始终是开源阵营的核心竞争力。Mistral AI在最新开源的Small4模型中，通过底层架构的重构，打破了过去开发者必须在不同专业模型间反复横跳的困境。

该模型被定义为首款真正的多功能聚合体，全面继承了家族此前的三大标杆能力 包括被命名为Magistral的卓越逻辑与数学推理机制，支持原生图像输入解析的Pixtral多模态处理引擎，以及专为复杂软件工程打造的Devstral智能体编码能力。这种三合一的集成设计，大幅降低了企业级开发中的模型部署与调度复杂度。

![52.png](https://static.downly.cn/images/f583f214b19a9fd37f1b122b330fa143.png)

<center>图源备注：图片由AI生成</center>

## 架构优化 性能与算力的极致平衡

在狂飙突进的参数军备竞赛中，该模型提供了一个极具示范意义的效率样本。其采用了极为精密的128专家混合架构（MoE），虽然总参数量堆叠至1190亿，但通过精准的路由算法，每次处理单一词元（Token）时仅需激活4个专家模块。

这意味着系统的实际活动参数被严格控制在约60亿的超低水平，在维持千亿级模型知识广度的同时，将推理阶段的算力开销压缩到了极致。此外，长达256k的上下文窗口配置，使其在处理超长法律文档比对或复杂代码库分析时依然游刃有余。

## 动态推理 赋予开发者算力调度自由

值得一提的是，研发团队首次引入了可配置推理强度功能，将算力的分配权彻底下放给开发者。在追求极速反馈的延迟优化模式下，端到端的任务完成时间可大幅缩减40%，完美契合实时客服与语音交互场景。

而在应对离线数据批处理或高并发请求时，切换至吞吐量优化模式后，系统的每秒请求处理量实现了高达三倍的飞跃。随着该全能底座以Apache 2.0协议完全开源并加入新的产业联盟，全球AI开发者将获得一个在部署成本与泛化能力上极具统治力的开源新基建。

搜索结果: Small4