Mistral AI今天发布了其首个专注于推理能力的系列模型——Magistral。这次发布包含两个核心模型：旗舰模型Magistral Medium和已开源的Magistral Small (24B)。最引人注目的亮点是，Mistral展示了其自研的强化学习（RL）pipeline能够从头开始，仅通过RL训练就将基础模型的推理能力提升到业界顶尖水平，而无需依赖任何其他预先存在的推理模型进行数据蒸馏。这套技术栈非常强大！
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
Mistral AI是法国的一家大模型初创企业，此前最著名的事情是业界最早开源MoE模型的企业，即Mixtral 8*22B，当时因为其直接开源，效果良好引起了大模型业界的追捧。但是，随着DeepSeek和Qwen系列模型的开源，以及Mistral转为商业目标为重心之后，它们在业界的影响力大大减少，不管是开源模型的节奏、数量还是质量都似乎不够吸引人了。
MistralAI当前主力模型分为三个不同版本，即Mistral Large、Mistral Medium和Mistral Small，其中Small版本是240亿参数版本的模型，一直开源，最新版本是3.1，而Medium是不开源的企业版本，因为其良好的多语言能力、较好的推理速度，以及还可以的效果，同时可能是欧洲大模型独苗，在OP市场上还是有点竞争力（纯粹个人观点，不喜勿喷），但可能没有此前大家那么期待和关注。
本次开源的Magistral是Mistral AI在增强大型语言模型（LLM）推理能力方面迈出的关键一步。它不是一个全新的基础模型，而是基于Mistral现有模型通过专门的推理训练方法优化而来的，得到的推理大模型。有2个版本：
Mistral Medium 3模型，仅通过纯粹的强化学习（RL）进行训练，专注于提升数学和代码等复杂任务的推理能力。Mistral Small 3（一个24B模型），采用了从Magistral Medium蒸馏的SFT（监督微调）和后续RL相结合的训练方式，最终以Apache 2.0许可证开源。Mistral在论文中强调，他们的工作是“从零开始”（ground up），完全依赖自家的模型和基础设施，主要贡献包括：
相比较基座模型，Magistral的性能提升明显，各项评测指标提升幅度都较大。以Magistral Medium为例，和它的基础模型 Mistral Medium 3相比较：
但是，这个提升的结果与业界最好的模型相比，似乎不够出色，特别是与国内开源的Qwen和DeepSeek相比，似乎不太优秀：
从DataLearnerAI收集的数据来看，除了DeepSeekV3这个非推理模型外，Magistral两个版本模型都不如其它模型，虽然说数据没有那么差，但的确还是Qwen和DeepSeek太靓眼了。
Magistral主要依赖Mistral自研的一套高效、可扩展的在线RL训练框架。这个框架协调了三种工作角色：Trainer（更新模型权重）、Generator（生成推理内容）和Verifier（评估并给予奖励）。
在算法层面，Mistral选择了GRPO (Group Relative Policy Optimization)，并做出了几项关键优化：
<think>标签、\boxed{}等格式要求。这个精巧的框架和算法设计，是Magistral性能飞跃的基石。
对于开源的24B模型Magistral Small，Mistral采用了“SFT+RL”的黄金组合路线：
实验结果表明，这种组合拳的效果是最好的。
这一发现与之前一些研究（如DeepSeek）认为“小模型纯靠RL效果不佳”的观点不同，Mistral证明了即使在小模型上，强大的RL技术也能带来超越蒸馏的显著增益。
最令人惊喜的发现是，针对文本推理的RL训练不仅没有损害模型原有的其他能力，反而还带来了提升，堪称“免费的午餐”。
多模态能力：尽管RL训练只用了纯文本数据，但Magistral模型在MMMU和MathVista等多模态基准上的表现反而更好了。这表明模型学会的“深度思考”模式可以泛化到处理图像和文本结合的问题。
工具调用与指令遵循：同样地，模型在函数调用（Function Calling）和指令遵循（Instruction Following）等能力上也保持稳定，甚至有小幅提升。
这意味着，Magistral模型可以直接集成到现有的工具使用和Agent工作流中，无需担心能力退化。
通过在训练数据中加入10%的多语言问题，并设置“语言一致性奖励”，Magistral模型学会了用用户的语言进行思考和回答。一如既往，Mistral的模型在支持多语言的方面还是很优秀的，以AIME2024测试为例，其它语种相对于英文，下降不明显：
虽然在非英语语言上性能有轻微下降，但这证明了该方法是有效的，并且模型的整个推理链（<think>标签内的内容）都是用目标语言完成的，非常地道。
Magistral Small (24B)模型已经根据Apache 2.0许可证在Hugging Face上开源，你可以直接下载使用。
而Magistral Medium目前不开源。
更多信息参考DataLearnerAI模型信息卡： Magistral-Medium-2506：https://www.datalearner.com/ai-resources/pretrained-models/Magistral-Medium-2506 Magistral-Small-2506：https://www.datalearner.com/ai-resources/pretrained-models/Magistral-Small-2506