新「SOTA」推理模型避戰 Qwen 和 R1？ 歐版 OpenAI 被噴麻了

“歐洲的 OpenAI”Mistral AI 終於發佈了首款推理模型——Magistral。

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

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

在該模型發佈的前幾個小時，Mistral AI 的 CEO Arthur Mensch 在接受爐邊訪談時聲稱即將發佈的 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%），並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 發佈了兩種版本：

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 發佈之前，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。”

於是，這次 Magistral 的一個亮點就是支援多語言推理 ，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 的阿拉伯文提示和回應。

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，並在用戶的語言中提供了可追溯的思考過程 ，能夠實現大規模即時推理。

下面的例子展示了重力、摩擦和碰撞的單次物理類比，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」的智能夥伴。

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

這就能夠實現大規模的即時推理和用戶反饋。

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

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於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。

首創異步分散式訓練架構，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%），並驗證 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範式。

還有一件事

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

並且，由於「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佔據開源的領導地位。

參考連結：

[1]https://mistral.ai/news/magistral

[2]https://x.com/dylan522p/status/1932563462963507589

[3]https://x.com/arthurmensch/status/1932451932406415531

本文來自微信公眾號 “量子位”，作者：關注前沿科技，36 氪經授權發佈。