Dernière mise à jour 07-27-2026
Catégorie:
Reviews:
Join thousands of AI enthusiasts in the World of AI!
Math??tral - Mistral AI
Mistral AI a lancé Math??tral en tant que modèle de langage large à poids ouverts, axé sur le raisonnement en STEM et les problèmes mathématiques multi-étapes. Le modèle de 7 milliards de paramètres s'appuie sur Mistral 7B et gère des chaînes logiques qui posent problème aux modèles de chat généralistes. Les poids sont disponibles sur HuggingFace, et vous pouvez les exécuter ou les affiner localement avec mistral-inference ou mistral-finetune, plutôt que de payer par token via l'API de Mistral.
Alors que les modèles phares de Mistral visent une capacité large, Math??tral mise sur la profondeur en mathématiques et sciences dans un format compact. Il a obtenu 56,6 % sur MATH avec les réglages par défaut, et grimpe à 74,59 % avec un vote majoritaire plus un modèle de récompense sélectionnant parmi 64 candidats. Ce pattern d'échelle lors du test est atypique pour une sortie de 7 milliards et reflète l'accent mis sur les mathématiques académiques dans le cadre de la collaboration Projet Numina de Mistral.
Les chercheurs, ingénieurs ML et éducateurs qui ont besoin d'un modèle compact pour des travaux de référence ou des tuteurs mathématiques personnalisés peuvent télécharger gratuitement les poids, avec des améliorations documentées sur MMLU dans les sujets STEM par rapport à la base Mistral 7B. Mistral l'a développé comme une contribution à la communauté scientifique, avec des problèmes de l'Étude de Math du GRE sélectionnés par le Professeur Paul Bourdon pour l'évaluation.
56,6 % de réussite au benchmark MATH en inférence par défaut, atteignant 74,59 % avec la sélection du modèle de récompense parmi 64 candidats
7 milliards de paramètres basés sur Mistral 7B avec des progrès documentés en STEM sur MMLU par rapport au modèle de base
Poids ouverts hébergés sur HuggingFace sous mistralai/mathstral-7B-v0.1 pour téléchargement local
Fonctionne via mistral-inference v1.2.0+ ou s’adapte avec la boîte à outils mistral-finetune
Développé avec Project Numina pour résoudre des problèmes avancés nécessitant un raisonnement logique en plusieurs étapes
Poids ouverts gratuits sur HuggingFace sans coût d'API par token pour l'auto-hébergement.
Excellents scores MATH pour un modèle 7B, avec une voie claire vers une meilleure précision grâce au vote au moment du test.
Peut être affiné via mistral-finetune ou la Plateforme pour des flux de travail mathématiques spécifiques au domaine.
Non proposé en tant que modèle API Mistral hébergé, vous devez donc exécuter ou déployer les poids vous-même.
La spécialisation STEM signifie une portée générale de discussion plus limitée que les modèles phares plus grands de Mistral.
Les déploiements en production commerciale des modèles Mistral à poids ouverts peuvent nécessiter une licence Mistral séparée.
Math??tral est-il gratuit à utiliser ?
Oui. Math??tral est un modèle open-weight gratuit. Mistral héberge les poids mathstral-7B-v0.1 sur HuggingFace pour téléchargement, et vous pouvez les exécuter ou les affiner localement sans frais de jeton API pour le modèle lui-même.
Comment exécuter Math??tral localement ?
Math??tral fonctionne via mistral-inference v1.2.0 ou une version ultérieure après avoir téléchargé les poids depuis HuggingFace. Mistral le documente comme un modèle instruit, donc suivez leurs guides d’inférence ou de mistral-finetune au lieu de le traiter comme un simple checkpoint de base.
Quel score sur le benchmark MATH Math??tral obtient-il ?
Math??tral obtient un score de 56,6 % sur MATH en inférence par défaut. Avec un vote majoritaire, il atteint 68,37 %, et avec un modèle de récompense puissant sélectionnant parmi 64 candidats, il atteint 74,59 % sur le même benchmark.
Math??tral est-il disponible sur l’API Mistral ?
Non. Math??tral ne figure pas sur la page de tarification de l’API Mistral. Vous téléchargez les poids open sur HuggingFace et hébergez vous-même avec mistral-inference ou affinez avec mistral-finetune au lieu d’utiliser un endpoint hébergé.
Quelle est la taille du modèle Math??tral ?
Math??tral est un modèle instruit de 7 milliards de paramètres construit sur Mistral 7B. Mistral le positionne dans la catégorie des petits modèles où il affiche des scores de raisonnement très performants pour sa classe de taille sur les benchmarks mathématiques.
Qui a collaboré avec Mistral sur Math??tral ?
Math??tral a été produit en collaboration avec Project Numina, un projet académique axé sur la résolution avancée de problèmes mathématiques. Mistral crédite également le professeur Paul Bourdon pour la sélection des problèmes du GRE Math Subject Test utilisés lors de l’évaluation.
Peut-on affiner Math??tral ?
Oui. Math??tral est un modèle instruit que vous pouvez affiner avec mistral-finetune ou via les capacités de fine-tuning sur la Plateforme de Mistral. Mistral met en avant les petits modèles conçus spécialement comme moyen d’échanger la rapidité contre une profondeur de domaine.