Magistral Small 1.2 与 Medium 1.2 正式发布，新增视觉编码器，支持文本与图像多模态；在 AIME 与 LiveCodeBench 等基准上较 1.1 代约提升一成以上，并强化网页搜索、代码解释与图像生成等工具使用，输出风格更清晰自然，适合知识工作与工程场景。
一、升级看点：为什么 1.2 值得上车
1、多模态：文本＋图像原生打通
Magistral 1.2 内置视觉编码器，输入文档截图、公式图片、代码片段配图即可推理与回答，覆盖产品评审、表格识读与图表问答等高频任务。该能力已在官方文档与公告中确认。
2、性能提升：数学与编程更稳
Magistral 1.2 在 AIME 24 与 AIME 25、LiveCodeBench v5 与 v6 等基准上相对 1.1 代实现约 15% 提升，复杂推理与长链条解题更可靠，适合教研、竞赛与代码生成场景。
（1）推理链强化与收敛更好
基于监督微调与强化学习的组合，1.2 在长步骤推导中更少走偏，答案更可读，且支持有限生成抑制“无限续写”。
（2）语气与排版优化
响应更自然，Markdown 与 LaTeX 表达更规范，便于直接粘贴到知识库、论文草稿与技术文档中。
二、工程实践：把 1.2 接到真实工作流
1、工具调用更聪明
Magistral 1.2 对网页搜索、代码解释器与图像生成的调度更积极，能自动拆分子任务、拉取资料并在代码沙箱内验证，再合并为结构化答案，减少人工往返。
2、数据库与知识库整合
在研发文档、需求库与缺陷库中，先以多模态问答抽取要点，再用编程工具检查接口与示例代码一致性，最终产出评审清单与变更建议。
（1）数理场景落地
AIME 类问题可由 1.2 先出解题框架，再逐步算式推导并自检；对 Latex 结果给出等价变形说明，降低错漏。
（2）编码场景落地
LiveCodeBench 范式下，将自然语言问题转成测试用例，运行代码解释器验证通过率，失败用二分定位与回滚提示词。
三、选型建议：Small vs Medium 与部署要点
1、如何选型
Small 1.2 更省算力，适合本地或中小规模推理；Medium 1.2 追求更高稳态精度，适合服务端集中推理与复杂项目审稿。
2、部署与治理
量化后 Small 1.2 可在单卡或高内存轻设备运行；生产中建议配置请求超时、最大步数与工具白名单，并记录思维链摘要用于审计。
（1）提示词模板
为多模态任务固化模板，明确输入结构、输出格式与工具权限，减少漂移。
（2）评测回归
建立包含 AIME 与 LiveCodeBench 子集的回归集，每次升级对比正确率、执行时长与工具调用次数，量化收益。
常见问题解答（Q&A）
Q：Magistral 1.2 的多模态能做什么实际事
A：可从产品截图提炼需求、从题图重建公式并解题、从报错截图定位栈信息，再配合代码解释器复现与修复。
Q：与 1.1 相比，Magistral 1.2 的核心收益是什么
A：多模态引入与数学编程基准的双提升，外加更稳的工具调用与更好的排版，使其更适合直接进入生产工作流。
Q：Small 1.2 能否本地部署用于私有数据
A：可，量化后可在单卡或高内存轻设备运行，结合离线工具链实现无外连推理，同时保留搜索与执行的可控开关。
Q：如何验证 15% 的性能提升是否落到我的场景
A：抽取团队任务建立小型基准，覆盖数学推理、代码生成与检索问答，分别在 1.1 与 1.2 上跑同样提示词与工具权限，记录正确率与时延差异。
