HuggingFace镜像/Mistral-Small-4-119B-2603-NVFP4
模型介绍文件和版本分析
下载使用量0

Mistral Small 4 119B A6B NVFP4

Mistral Small 4 是一款功能强大的混合模型，既能作为通用指令模型，也能作为推理模型。它将 Instruct、Reasoning（前称 Magistral）和 Devstral 这三个不同模型家族的能力整合到了一个统一的模型中。

凭借其多模态能力、高效的架构和灵活的模式切换，它成为适用于任何任务的强大通用模型。在延迟优化配置下，Mistral Small 4 的端到端完成时间缩短了 40%；在吞吐量优化配置下，与 Mistral Small 3 相比，其每秒处理的请求量提升了 3 倍。

[!Tip] 此检查点是 mistralai/Mistral-Small-4-119B-2603 的训练后激活量化版本。 它是通过 llm-compressor 创建的，是与 vLLM 和 Red Hat 团队合作的成果。 特别感谢 Dipika Sikka。 我们还要感谢 NVIDIA 在 SGLang 和 vLLM 方面提供的专业知识和贡献，以确保内核优化。

主要特性

Mistral Small 4 包含以下架构选择：

  • MoE：128 个专家，4 个激活。
  • 1190 亿参数，每个 token 激活65 亿参数。
  • 256k 上下文长度。
  • 多模态输入：接受文本和图像输入，输出文本。
  • 指令和推理功能，支持函数调用（可按请求配置推理力度）。

Mistral Small 4 具备以下能力：

  • 推理模式：可在快速即时回复模式和推理模式之间切换，根据请求在测试时通过计算提升性能。
  • 视觉：除文本外，还能分析图像并基于视觉内容提供见解。
  • 多语言：支持数十种语言，包括英语、法语、西班牙语、德语、意大利语、葡萄牙语、荷兰语、中文、日语、韩语和阿拉伯语。
  • 系统提示：高度遵循并支持系统提示。
  • 智能体：具备一流的智能体能力，支持原生函数调用和 JSON 输出。
  • 速度优化：提供一流的性能和速度。
  • Apache 2.0 许可证：开源许可证，允许商业和非商业使用。
  • 大上下文窗口：支持 256k 上下文窗口。

推荐设置

  • 推理力度：
    • 'none' → 不使用推理
    • 'high' → 使用推理（复杂提示推荐） 复杂任务请使用 reasoning_effort="high"
  • 温度值：reasoning_effort="high" 时建议设为 0.7。reasoning_effort="none" 时，温度值根据任务在 0.0 到 0.7 之间调整。

使用场景

Mistral Small 4 适用于通用聊天助手、编码、智能体任务以及推理任务（需开启推理模式）。其多模态能力还支持文档和图像理解，可用于数据提取与分析。

其能力特别适合以下场景：

  • 对编码和智能体能力感兴趣的开发者，用于软件工程自动化和代码库探索。
  • 需要通用聊天助手、智能体和文档理解功能的企业。
  • 利用其数学和研究能力开展工作的研究人员。

Mistral Small 4 也非常适合通过定制和微调来适应更专业的任务。

示例

  • 通用聊天助手
  • 文档解析与提取
  • 编码智能体
  • 研究助手
  • 定制与微调
  • 以及更多……

使用方法

您可以在多个推理库中找到对 Mistral Small 4 的支持：

  • vllm（推荐）：参见此处。
  • SGLang：（开发中 ⏳ – 关注此处的更新）

vLLM（推荐）

我们建议将 Mistral Small 4 与 vLLM 库 结合使用，以实现生产级推理。

安装

[!提示] 使用我们的自定义 Docker 镜像，该镜像包含 vLLM 中工具调用和推理解析的修复，以及最新版本的 Transformers。我们正与 vLLM 团队合作，尽快合并这些修复。

自定义 Docker 使用以下 Docker 镜像：mistralllm/vllm-ms4:latest：

docker pull mistralllm/vllm-ms4:latest
docker run -it mistralllm/vllm-ms4:latest

手动安装
或者，从以下 PR 安装 vllm：Add Mistral Guidance。

注意：此 PR 预计将在未来 1-2 周内合并到 vllm 主分支（截至 2026 年 3 月 16 日）。可通过 此处 跟踪更新。

  1. 克隆 vLLM： 
    git clone --branch fix_mistral_parsing https://github.com/juliendenize/vllm.git
  2. 使用预编译内核安装： 
    VLLM_USE_PRECOMPILED=1 pip install --editable .
  3. 从主分支安装 transformers： 
    uv pip install git+https://github.com/huggingface/transformers.git
    确保已安装 mistral_common >= 1.10.0： 
    python -c "import mistral_common; print(mistral_common.__version__)"

模型部署

我们建议采用服务器/客户端架构：

vllm serve mistralai/Mistral-Small-4-119B-2603-NVFP4 --max-model-len 262144 --tensor-parallel-size 2 --attention-backend TRITON_MLA \
  --tool-call-parser mistral --enable-auto-tool-choice --reasoning-parser mistral --max_num_batched_tokens 16384 --max_num_seqs 128 \
  --gpu_memory_utilization 0.8

服务器 ping 测试

指令遵循能力

Mistral Small 4 能够严格按照您的指令执行。

from datetime import datetime, timedelta

from openai import OpenAI
from huggingface_hub import hf_hub_download

# Modify OpenAI's API key and API base to use vLLM's API server.
openai_api_key = "EMPTY"
openai_api_base = "http://localhost:8000/v1"

TEMP = 0.1

client = OpenAI(
    api_key=openai_api_key,
    base_url=openai_api_base,
)

models = client.models.list()
model = models.data[0].id


def load_system_prompt(repo_id: str, filename: str) -> str:
    file_path = hf_hub_download(repo_id=repo_id, filename=filename)
    with open(file_path, "r") as file:
        system_prompt = file.read()
    today = datetime.today().strftime("%Y-%m-%d")
    yesterday = (datetime.today() - timedelta(days=1)).strftime("%Y-%m-%d")
    model_name = repo_id.split("/")[-1]
    return system_prompt.format(name=model_name, today=today, yesterday=yesterday)


SYSTEM_PROMPT = load_system_prompt(model, "SYSTEM_PROMPT.txt")

messages = [
    {"role": "system", "content": SYSTEM_PROMPT},
    {
        "role": "user",
        "content": "Write me a sentence where every word starts with the next letter in the alphabet - start with 'a' and end with 'z'.",
    },
]

response = client.chat.completions.create(
    model=model,
    messages=messages,
    temperature=TEMP,
    reasoning_effort="none",
)

assistant_message = response.choices[0].message.content
print(assistant_message)
工具调用

借助我们简单的 Python 计算器工具来解一些方程吧。

import json
from datetime import datetime, timedelta

from openai import OpenAI
from huggingface_hub import hf_hub_download

# Modify OpenAI's API key and API base to use vLLM's API server.
openai_api_key = "EMPTY"
openai_api_base = "http://localhost:8000/v1"

TEMP = 0.1

client = OpenAI(
    api_key=openai_api_key,
    base_url=openai_api_base,
)

models = client.models.list()
model = models.data[0].id


def load_system_prompt(repo_id: str, filename: str) -> str:
    file_path = hf_hub_download(repo_id=repo_id, filename=filename)
    with open(file_path, "r") as file:
        system_prompt = file.read()
    today = datetime.today().strftime("%Y-%m-%d")
    yesterday = (datetime.today() - timedelta(days=1)).strftime("%Y-%m-%d")
    model_name = repo_id.split("/")[-1]
    return system_prompt.format(name=model_name, today=today, yesterday=yesterday)


SYSTEM_PROMPT = load_system_prompt(model, "SYSTEM_PROMPT.txt")

image_url = "https://math-coaching.com/img/fiche/46/expressions-mathematiques.jpg"


def my_calculator(expression: str) -> str:
    return str(eval(expression))


tools = [
    {
        "type": "function",
        "function": {
            "name": "my_calculator",
            "description": "A calculator that can evaluate a mathematical expression.",
            "parameters": {
                "type": "object",
                "properties": {
                    "expression": {
                        "type": "string",
                        "description": "The mathematical expression to evaluate.",
                    },
                },
                "required": ["expression"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "rewrite",
            "description": "Rewrite a given text for improved clarity",
            "parameters": {
                "type": "object",
                "properties": {
                    "text": {
                        "type": "string",
                        "description": "The input text to rewrite",
                    }
                },
            },
        },
    },
]

messages = [
    {"role": "system", "content": SYSTEM_PROMPT},
    {
        "role": "user",
        "content": [
            {
                "type": "text",
                "text": "Thanks to your calculator, compute the results for the equations that involve numbers displayed in the image.",
            },
            {
                "type": "image_url",
                "image_url": {
                    "url": image_url,
                },
            },
        ],
    },
]

response = client.chat.completions.create(
    model=model,
    messages=messages,
    temperature=TEMP,
    tools=tools,
    tool_choice="auto",
    reasoning_effort="none",
)

tool_calls = response.choices[0].message.tool_calls

results = []
for tool_call in tool_calls:
    function_name = tool_call.function.name
    function_args = tool_call.function.arguments
    if function_name == "my_calculator":
        result = my_calculator(**json.loads(function_args))
        results.append(result)

messages.append({"role": "assistant", "tool_calls": tool_calls})
for tool_call, result in zip(tool_calls, results):
    messages.append(
        {
            "role": "tool",
            "tool_call_id": tool_call.id,
            "name": tool_call.function.name,
            "content": result,
        }
    )


response = client.chat.completions.create(
    model=model,
    messages=messages,
    temperature=TEMP,
    reasoning_effort="none",
)

print(response.choices[0].message.content)
视觉推理

我们来看看 Mistral Small 4 是否知道何时选择对抗！

from datetime import datetime, timedelta

from openai import OpenAI
from huggingface_hub import hf_hub_download

# Modify OpenAI's API key and API base to use vLLM's API server.
openai_api_key = "EMPTY"
openai_api_base = "http://localhost:8000/v1"

TEMP = 0.7

client = OpenAI(
    api_key=openai_api_key,
    base_url=openai_api_base,
)

models = client.models.list()
model = models.data[0].id


def load_system_prompt(repo_id: str, filename: str) -> str:
    file_path = hf_hub_download(repo_id=repo_id, filename=filename)
    with open(file_path, "r") as file:
        system_prompt = file.read()
    today = datetime.today().strftime("%Y-%m-%d")
    yesterday = (datetime.today() - timedelta(days=1)).strftime("%Y-%m-%d")
    model_name = repo_id.split("/")[-1]
    return system_prompt.format(name=model_name, today=today, yesterday=yesterday)


SYSTEM_PROMPT = load_system_prompt(model, "SYSTEM_PROMPT.txt")
image_url = "https://static.wikia.nocookie.net/essentialsdocs/images/7/70/Battle.png/revision/latest?cb=20220523172438"

messages = [
    {"role": "system", "content": SYSTEM_PROMPT},
    {
        "role": "user",
        "content": [
            {
                "type": "text",
                "text": "What action do you think I should take in this situation? List all the possible actions and explain why you think they are good or bad.",
            },
            {"type": "image_url", "image_url": {"url": image_url}},
        ],
    },
]


response = client.chat.completions.create(
    model=model,
    messages=messages,
    temperature=TEMP,
    reasoning_effort="high",
)

print(response.choices[0].message.content)

许可协议

本模型根据 Apache 2.0 许可协议 进行许可。

您不得将本模型用于侵犯、盗用或违反任何第三方权利（包括知识产权）的行为。