Magistral Small 1.2 (24B, 2509)

Pourquoi ce modèle nous intéresse

Modèle de raisonnement de 24 Md dense, contexte 128k, Apache 2.0, outils, multilingue ¹. Il produit une chaîne de raisonnement avant la réponse : utile pour les analyses structurées (qualification d'un litige, vérification de cohérence entre pièces), inutile et coûteux pour les questions courtes, car les tokens de raisonnement se paient au même débit que la réponse.

Caractéristiques

Dense 24 Md, raisonnement explicite, contexte 128k. Date de sortie : septembre 2025 (jour du frontmatter conventionnel).

Licence et usage commercial

Apache 2.0 ².

Français

Multilingue, éditeur français ; qualité non mesurée.

Performances publiées sur Strix Halo

Non trouvé. Même architecture que Mistral Small 3.2 : ordre de grandeur attendu de 12 à 15 t/s en Q4 (estimation). Une réponse « raisonnée » de 3 000 tokens prendrait donc 3 à 4 minutes (estimation).

Mémoire et contexte

Environ 14,5 Go en Q4 (estimation). Le raisonnement allonge les séquences générées : prévoir un contexte par slot plus grand que pour un modèle Instruct.

Limites

Lenteur des réponses raisonnées sur un dense ; intérêt à comparer avec le raisonnement réglable de gpt-oss-120b, plus rapide en génération.

À tester

Sur 5 dossiers : qualité du raisonnement en français vs gpt-oss-120b en reasoning_effort: high ; longueur des sorties et temps de réponse.