新“SOTA”推理模型避战Qwen和R1？欧版OpenAI被喷麻了

文章转载于量子位（QbitAI）

作者：闻乐

“欧洲的OpenAI”Mistral AI终于发布了首款推理模型——Magistral。

然而再一次遭到网友质疑：怎么又不跟最新版Qwen和DeepSeek R1 0528对比？

（此前该公司发布Ministral 3B/8B时，声称“始终优于同行”，却没有对比Qwen2.5）

在该模型发布的前几个小时，Mistral AI的CEO Arthur Mensch在接受炉边访谈时声称即将发布的Magistral能够与其他所有竞争对手相抗衡。

在官方展示的基准测试结果中，DeepSeek-R1的数据确实不是最新的（在AIME-25数学测试中，DeepSeek-R1-0528的准确率已经从旧版的70%提升至87.5%），并且比较行列里完全不见Qwen的身影。

不过，与同公司初期模型Mistral Medium 3相比，该框架在AIME-24上的准确率提升了50%。

此次Magistral发布了两种版本：

Magistral Small——24B参数的开源权重版本，可在Apache 2.0许可下自行部署。

Magistral Medium——更强大的、面向企业的版本，在Amazon SageMaker上提供。

1

专为透明推理而设计

在Magistral发布之前，Mistral AI的CEO Arthur Mensch在访谈中提到：

“从历史上看，我们看到美国的模型用英语进行推理，中国的模型更擅长用中文进行推理。”

于是，这次Magistral的一个亮点就是支持多语言推理，尤其是解决了主流模型用欧洲语言的推理效果不如本土语言的缺陷。

下面的例子展示了在Le Chat中，使用Magistral Medium的阿拉伯语提示和响应。

与通用模型不同的是，Magistral针对多步逻辑进行了微调，提升了可解释性，并在用户的语言中提供了可追溯的思考过程，能够实现大规模实时推理。

下面的例子展示了重力、摩擦和碰撞的单次物理模拟，在预览中使用的是Magistral Medium。

就好像Magistral不是黑箱预言家，而是一个能陪你「摆事实、讲道理」的智能伙伴。

并且，在Le Chat中，通过Flash Answers，Magistral Medium的token吞吐量比大多数竞争对手快10倍。

这就能够实现大规模的实时推理和用户反馈。

作为Mistral推出的首个基于纯强化学习（RL）训练的推理大模型，Magistral采用改进的Group Relative Policy Optimization（GRPO）算法。

直接通过RL训练，不依赖任何现有推理模型的蒸馏数据（如DeepSeek-R1需SFT预热）。

通过消除KL散度惩罚、动态调整探索阈值和基于组归一化的优势计算，在AIME-24数学基准上实现从26.8%到73.6%的准确率跃升。

首创异步分布式训练架构，通过Generators持续生成、Trainers异步更新的设计，配合动态批处理优化，实现高效的大规模RL训练。

还反直觉地发现纯文本RL训练可提升多模态性能（如MMMU-Pro-Vision提升12%），并验证RL对小模型同样有效（24B的Magistral Small在AIME-24准确率达70.7%）。

这些创新使Magistral在无需预训练蒸馏的情况下，以纯RL方式为LLM的强化学习训练提供了新范式。

1

One More Thing

官方没有给出Magistral与最新版Qwen和R1的对比，网友来代劳了。

从结果可以看出，Qwen 4B与该模型相近，小型的30B MoE效果更好，R1最新版就更不用说了（doge

并且，由于“欧洲的OpenAI”越来越不Open，Stability AI前CEO建议Mistral AI应该争取真正的开源来占据开源的领导地位。

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

点个爱心，再走 吧