Magistral Small 1.2 und Medium 1.2 wurden offiziell veröffentlicht. Sie verfügen über einen neuen visuellen Encoder und unterstützen die multimodale Analyse von Text und Bildern. Sie bieten bei Benchmarks wie AIME und LiveCodeBench eine um über 10 % verbesserte Leistung gegenüber 1.1. Verbesserte Tools wie Websuche, Codeinterpretation und Bildgenerierung bieten klarere und natürlichere Ausgaben und sind daher ideal für Wissensarbeit und technische Szenarien. I. Upgrade-Highlights: Warum sich 1.2 lohnt 1. Multimodalität: Native Integration von Text und Bildern Magistral 1.2 bietet einen integrierten visuellen Encoder, der Schlussfolgerungen und Antworten auf Grundlage von Dokument-Screenshots, Formelbildern und Codeausschnitten mit begleitenden Bildern ermöglicht. Diese Funktion deckt häufige Aufgaben wie Produktbewertungen, Tabellenerkennung und Fragen und Antworten zu Diagrammen ab. Diese Funktion wurde in der offiziellen Dokumentation und Ankündigung bestätigt.
2. Leistungsverbesserung: Mathematik und Programmierung sind stabiler
Magistral 1.2 erreicht bei Benchmarks wie AIME 24 und AIME 25 sowie LiveCodeBench v5 und v6 eine Verbesserung von ca. 15 % gegenüber 1.1. Komplexes Denken und Problemlösen mit langen Ketten sind zuverlässiger, sodass es sich für Lehre, Forschung, Wettbewerbe und Codegenerierungsszenarien eignet.
(1) Bessere Verstärkung und Konvergenz der Argumentationskette
Basierend auf einer Kombination aus überwachter Feinabstimmung und Verstärkungslernen macht 1.2 weniger Fehler bei Ableitungen mit langen Schritten, liefert besser lesbare Antworten und unterstützt die endliche Generierung, um „unendliche Fortsetzung“ zu unterdrücken.
(2) Optimierter Ton und Formatierung
Natürlichere Antworten, standardisiertere Markdown- und LaTeX-Ausdrücke und einfacheres direktes Einfügen in Wissensdatenbanken, Papierentwürfe und technische Dokumente.
II. Ingenieurpraxis: 1.2 mit echten Arbeitsabläufen verbinden
1. Intelligentere Tool-Aufrufe
Magistral 1.2 ist proaktiver bei der Planung von Webseitensuche, Code-Interpreter und Bildgenerierung. Es kann Unteraufgaben automatisch aufteilen, Daten abrufen und in der Code-Sandbox überprüfen und sie dann zu einer strukturierten Antwort zusammenführen, wodurch manuelle Roundtrips reduziert werden.
2. Datenbank- und Wissensdatenbankintegration
In F&E-Dokumenten, Anforderungsbibliotheken und Fehlerbibliotheken werden zunächst durch multimodale Frage- und Antwortverfahren Schlüsselpunkte extrahiert. Anschließend werden Programmiertools verwendet, um die Konsistenz von Schnittstellen und Beispielcodes zu prüfen. Abschließend werden eine Überprüfungsliste und Änderungsvorschläge erstellt.
(1) Implementierung mathematischer Szenarien
Für Probleme vom Typ AIME kann 1.2 zunächst einen Lösungsrahmen bereitstellen und dann schrittweise die Formel ableiten und eine Selbstprüfung durchführen. Zur Fehlerreduzierung wird eine äquivalente Transformationserklärung für die Latex-Ergebnisse gegeben.
(2) Implementierung von Codierungsszenarien
Unter dem LiveCodeBench-Paradigma werden Fragen in natürlicher Sprache in Testfälle umgewandelt. Der Code-Interpreter wird ausgeführt, um die Erfolgsquote zu überprüfen. Fehler werden mithilfe von Binärlokalisierungs- und Rollback-Eingabeaufforderungen erkannt.
III. Auswahlempfehlungen: Klein vs. Mittel und wichtige Punkte zur Bereitstellung
1. Auswahl
Klein 1.2 ist rechnerisch effizienter und eignet sich für lokales oder klein- bis mittelständisches Denken; Mittel 1.2 strebt eine höhere stationäre Genauigkeit an und eignet sich für serverseitiges zentralisiertes Denken und komplexe Projektprüfungen.
2. Bereitstellung und Governance
Nach der Quantisierung kann Klein 1.2 auf einer einzelnen GPU oder einem leichten Gerät mit viel Speicher ausgeführt werden. In der Produktion wird empfohlen, Anforderungstimeouts, die maximale Anzahl von Schritten und Tool-Whitelists zu konfigurieren und Gedankenkettenzusammenfassungen für die Prüfung aufzuzeichnen.
(1) Word-Vorlage für Eingabeaufforderungen
Konsolidieren Sie die Vorlage für multimodale Aufgaben, klären Sie die Eingabestruktur, das Ausgabeformat und die Tool-Berechtigungen und reduzieren Sie Abweichungen.
(2) Regressionsbewertung
Erstellen Sie einen Regressionssatz, der Teilmengen von AIME und LiveCodeBench enthält. Vergleichen Sie Genauigkeit, Ausführungszeit und Anzahl der Tool-Aufrufe für jedes Upgrade, um die Vorteile zu quantifizieren.
Häufig gestellte Fragen (Q&A)
F: Welche praktischen Anwendungen bietet die Multimodalität von Magistral 1.2?
A: Sie können Anforderungen aus Produkt-Screenshots extrahieren, Formeln rekonstruieren und Probleme aus Problembildern lösen, Stapelinformationen aus Fehler-Screenshots lokalisieren und dann den Code-Interpreter verwenden, um Probleme zu reproduzieren und zu beheben. F: Was sind die Hauptvorteile von Magistral 1.2 im Vergleich zu 1.1? A: Die doppelten Verbesserungen bei den Benchmarks für Multimodalität und mathematische Programmierung sowie ein stabilerer Tool-Aufruf und eine verbesserte Typografie machen es besser geeignet für die direkte Integration in Produktions-Workflows. F: Kann Small 1.2 lokal für private Daten eingesetzt werden? A: Ja. Nach der Quantisierung kann es auf einer einzelnen GPU oder einem leichten Gerät mit viel Speicher ausgeführt werden. In Kombination mit einer Offline-Toolchain ermöglicht es getrenntes Denken bei gleichzeitiger Beibehaltung der steuerbaren Suche und Ausführung. F: Wie kann ich überprüfen, ob die Leistungsverbesserung von 15 % auf mein Szenario zutrifft? A: Wir haben einen kleinen Benchmark mithilfe von Teamaufgaben erstellt, der mathematisches Denken, Codegenerierung sowie Suche und Fragenbeantwortung abdeckte. Wir haben dieselben Eingabeaufforderungen und Tool-Berechtigungen auf 1.1 und 1.2 ausgeführt und den Unterschied bei Genauigkeit und Latenz aufgezeichnet.
