聞樂 發自 凹非寺
量子位 | 公眾號 QbitAI

“歐洲的OpenAI”Mistral AI終于發布了首款推理模型——Magistral

然而再一次遭到網友質疑：怎么又不跟最新版Qwen和DeepSeek R1 0528對比？

（此前該公司發布Ministral 3B/8B時，聲稱“始終優于同行”，卻沒有對比Qwen2.5）

在該模型發布的前幾個小時，Mistral AI的CEO Arthur Mensch在接受爐邊訪談時聲稱即將發布的Magistral能夠與其他所有競爭對手相抗衡。

在官方展示的基準測試結果中，DeepSeek-R1的數據確實不是最新的（在AIME-25數學測試中，DeepSeek-R1-0528的準確率已經從舊版的70%提升至87.5%），并且比較行列里完全不見Qwen的身影。

不過，與同公司初期模型Mistral Medium 3相比，該框架在AIME-24上的準確率提升了50%。

此次Magistral發布了兩種版本：

Magistral Small——24B參數的開源權重版本，可在Apache 2.0許可下自行部署。

Magistral Medium——更強大的、面向企業的版本，在Amazon SageMaker上提供。

專為透明推理而設計

在Magistral發布之前，Mistral AI的CEO Arthur Mensch在訪談中提到：

• “從歷史上看，我們看到美國的模型用英語進行推理，中國的模型更擅長用中文進行推理。”

于是，這次Magistral的一個亮點就是支持多語言推理，尤其是解決了主流模型用歐洲語言的推理效果不如本土語言的缺陷。

下面的例子展示了在Le Chat中，使用Magistral Medium的阿拉伯語提示和響應。

與通用模型不同的是，Magistral針對多步邏輯進行了微調，提升了可解釋性，并在用戶的語言中提供了可追溯的思考過程，能夠實現大規模實時推理。

下面的例子展示了重力、摩擦和碰撞的單次物理模擬，在預覽中使用的是Magistral Medium。

就好像Magistral不是黑箱預言家，而是一個能陪你「擺事實、講道理」的智能伙伴。

并且，在Le Chat中，通過Flash Answers，Magistral Medium的token吞吐量比大多數競爭對手快10倍。

這就能夠實現大規模的實時推理和用戶反饋。

作為Mistral推出的首個基于純強化學習（RL）訓練的推理大模型，Magistral采用改進的Group Relative Policy Optimization（GRPO）算法。

直接通過RL訓練，不依賴任何現有推理模型的蒸餾數據（如DeepSeek-R1需SFT預熱）。

通過消除KL散度懲罰、動態調整探索閾值和基于組歸一化的優勢計算，在AIME-24數學基準上實現從26.8%到73.6%的準確率躍升。

首創異步分布式訓練架構，通過Generators持續生成、Trainers異步更新的設計，配合動態批處理優化，實現高效的大規模RL訓練。

還反直覺地發現純文本RL訓練可提升多模態性能（如MMMU-Pro-Vision提升12%），并驗證RL對小模型同樣有效（24B的Magistral Small在AIME-24準確率達70.7%）。

這些創新使Magistral在無需預訓練蒸餾的情況下，以純RL方式為LLM的強化學習訓練提供了新范式。

One More Thing

官方沒有給出Magistral與最新版Qwen和R1的對比，網友來代勞了。

從結果可以看出，Qwen 4B與該模型相近，小型的30B MoE效果更好，R1最新版就更不用說了（doge

并且，由于“歐洲的OpenAI”越來越不Open，Stability AI前CEO建議Mistral AI應該爭取真正的開源來占據開源的領導地位。

[1]https://mistral.ai/news/magistral
[2]https://x.com/dylan522p/status/1932563462963507589
[3]https://x.com/arthurmensch/status/1932451932406415531

— 完 —