Magistral Small 2506

Fiche modèle · Mistral AI · magistral-small-2506

Building upon Mistral Small 3.1 (2503), with added reasoning capabilities, undergoing SFT from Magistral Medium traces and RL on top, it's a small, efficient reasoning model with 24B parameters. Magistral Small can be deployed locally, fitting within a single RTX 4090 or a 32GB RAM MacBook once quantized.

Fiches modèles

Identité

Organisation	Mistral AI
Pays	—
Famille	—
Type	llm
Date de sortie	2025-06-10
Licence	apache 2.0
Licence commerciale	oui
Licence open source	oui
Poids ouverts	oui
Auto-hébergement (DGX Spark)	oui — ≤ 107 Md (Q8/FP8)
Modalités	—
Fenêtre de contexte	40 960
KV cache / token (Q8)	81.9 ko/token
Paramètres totaux	24 B
Paramètres actifs (session)	23.6 B
Source des paramètres actifs	actifs = total (modèle dense, config HF (mistralai/Magistral-Small-2506)) ; total : config Hugging Face (mistralai/Magistral-Small-2506)
Curation des paramètres actifs	2026-11-04
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	2025-06-01
Créé le	2026-05-07T16:53:32.030271Z
Mis à jour le	2026-11-04T06:04:55.888152Z
Source	LLM Stats
URL	https://llm-stats.com/models/magistral-small-2506

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : partiel — auto-hébergement DGX Spark (≤ 107 Md).

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
math	0.70
physics	0.70
reasoning	0.60
general	0.60
biology	0.70
chemistry	0.70
code	0.50

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aime-2024	math	0.71	1.00	0.71	non	oui	2026-11-04T06:04:55.893729Z
aime-2025	math	0.63	1.00	0.63	non	oui	2026-11-04T06:04:55.901507Z
gpqa	reasoning	0.68	1.00	0.68	non	oui	2026-11-04T06:04:55.905526Z
livecodebench	reasoning	0.51	1.00	0.51	non	oui	2026-11-04T06:04:55.923072Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
code	215	—	5.15	1	trueskill	2026-10-19	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04