Mistral: Mistral Large 3 2512 (batch)

Mistral Large 3 2512 ist die auf Anweisungen abgestimmte Ausgabe von Mistral AI für allgemeine Gespräche, visuelles Verständnis und Unternehmensarbeit. Seine dünn besetzte Mixture-of-Experts-Architektur hat insgesamt 675 Milliarden Parameter, davon 41 Milliarden aktive, und ein Kontextfenster von 256k. Text und Bilder können zur selben Aufgabe beitragen, während die Antwort aus Text, Code oder einem strukturierten Ergebnis besteht.

Fähigkeiten und Eingabevorbereitung

Das Modell verbindet eine Sprachkomponente mit einem Vision-Encoder. Geben Sie einem Bild eine klare Rolle: eine zu lesende Seite, ein zu interpretierendes Diagramm oder ein zu erklärender Bildschirm. Stellen Sie bei einem dicht gefüllten Bildschirm einen Ausschnitt mit den relevanten Bedienelementen bereit und bewahren Sie die umgebenden Beschriftungen, die zu ihrem Verständnis nötig sind. Mistral empfiehlt annähernd quadratische Bildformen; teilen Sie eine außergewöhnlich schmale oder breite Quelle in nützliche Bereiche, statt wichtige Details auf einen unlesbaren Streifen zu verkleinern.

Der Hersteller nennt mehrsprachige Gespräche in Dutzenden Sprachen, darunter Englisch, Französisch, Spanisch, Deutsch, Italienisch, Portugiesisch, Niederländisch, Chinesisch, Japanisch, Koreanisch und Arabisch. Geben Sie Ausgabesprache, Zielgruppe und zu bewahrende Terminologie an. Verlangen Sie für einen Supportartikel eine lokalisierte Erklärung mit unveränderten Produktnamen und einer kurzen Liste unsicherer Übersetzungen, die vor der Veröffentlichung zu klären sind.

Lange Dokumente und Unternehmenswissen

Nutzen Sie den Kontext, um zusammengehöriges Material zu bündeln: Richtlinientext, eine Spezifikation, bestehende Entscheidungen und die zu beantwortende Frage. Kennzeichnen Sie jede Quelle und ihre Revision. Eine nützliche Anfrage lautet: „Vergleichen Sie diese drei Onboarding-Richtlinien. Geben Sie eine Tabelle mit gemeinsamen Anforderungen, Konflikten und unbeantworteten Fragen zurück, jeweils mit dem Quellabschnitt für jede Feststellung.“ Das entstehende Artefakt ist ein Vergleich, der sich auf die bereitgestellten Passagen stützt, statt einer allgemeinen Zusammenfassung des Themas.

Benennen Sie bei einer Dokumentfrage den gewünschten Detailgrad und verlangen Sie neben der Schlussfolgerung die stützende Passage. Mistrals Document-QnA-Ablauf extrahiert zuerst Text und Dokumentstruktur mittels OCR und nutzt anschließend ein Sprachmodell zur Interpretation dieses Materials. Bewahren Sie beim Aufbereiten extrahierten Texts Seitenzahlen und Überschriften, damit die Antwort auf das Original zurückverweisen kann. Eine Dokument-URL, extrahierter Text und Bildbelege haben unterschiedliche Vorbereitungsanforderungen; wählen Sie die Eingabeform, die die verwendete Anwendung unterstützt.

Programmierung und alltägliche Unterstützung

Mistral positioniert Large 3 sowohl für Programmierunterstützung als auch für alltägliche Gespräche. Stellen Sie die relevanten Funktionen, das erwartete Verhalten und den beobachteten Fehler bereit. Zum Beispiel: „Dieser Parser verliert das letzte Feld, wenn die Eingabe ohne Zeilenumbruch endet. Erklären Sie den fehlschlagenden Zweig, schlagen Sie die kleinste Änderung vor und geben Sie die korrigierte Funktion mit drei repräsentativen Ein-/Ausgabebeispielen zurück.“ Das nützliche Ergebnis ist eine vorgeschlagene Änderung, die an den tatsächlichen Code gebunden ist, samt einer Menge von Fällen, die die entwickelnde Person ausführen kann.

Stellen Sie für einen geschäftlichen Entwurf die Fakten und das gewünschte Artefakt gemeinsam bereit. Eine Anfrage, Besprechungsnotizen in eine Entscheidungsvorlage umzuwandeln, sollte Entscheidung, Alternativen, ungeklärte Annahmen und nächste Handlung nennen. Bitten Sie das Modell, Quellfakten von Empfehlungen zu trennen und fehlende Informationen im passenden Abschnitt zu kennzeichnen. So lässt sich die Ausgabe leichter überarbeiten als eine undifferenzierte Darstellung.

Werkzeuge und strukturierte Ergebnisse

Native Funktionsaufrufe erlauben dem Modell, eine bereitgestellte Funktion auszuwählen und ihre Argumente vorzubereiten. Die Anwendung führt diese Funktion aus und liefert ihr Ergebnis zurück; das Modell verwendet dann die zurückgegebenen Informationen in der Antwort. Halten Sie die Werkzeuge spezifisch und stellen Sie nur jene bereit, die für die Aufgabe benötigt werden. Ein Assistent für Bestandsprüfungen kann eine Produktreferenz erhalten, eine Bestandsabfrage anfordern und die zurückgegebene Menge sowie das Lager erklären. Validieren Sie die ausgewählte Funktion und die Argumente vor der Ausführung und bewahren Sie die Werkzeugantwort zusammen mit der endgültigen Antwort.

Geben Sie für die Extraktion die Felder, Typen und den Umgang mit fehlenden Werten an. Mistral dokumentiert JSON-Modus und benutzerdefinierte strukturierte Ausgaben; der JSON-Modus verlangt eine ausdrückliche Anweisung zur Rückgabe von JSON, während ein benutzerdefiniertes Schema eine stärkere Formatkontrolle bietet. Eine Rechnungszusammenfassung kann Lieferant, Rechnungsnummer, Fälligkeitsdatum, Währung und Rechnungspositionen verlangen, wobei fehlende Werte einheitlich dargestellt werden. Prüfen Sie die extrahierten Werte anhand des Dokuments, auch wenn die Antwort der verlangten Struktur entspricht.

Einstellungen und Unterschiede zwischen Ausgaben

Definieren Sie Rolle, Aufgabe und Werkzeugregeln in den Systemanweisungen. Mistral empfiehlt für den Produktions- und Alltagsgebrauch dieses Modellstands eine Temperatur unter 0.1; für kreative Aufgaben können höhere Werte erprobt werden. Trennen Sie eine Anfrage nach vielfältigen Ideen von einer Anfrage nach einer reproduzierbaren Extraktion: Geben Sie der ersten Raum für Alternativen und der zweiten ausdrückliche Felder und Quellvorgaben.

Diese Anweisungsausgabe ist vom Basismodellstand Large 3 und von eigens ausgelegten Reasoning-Modellen getrennt. Der Hersteller nennt strenges schlussfolgerndes Denken und spezialisierte visuelle Arbeit als Bereiche, in denen ein speziell dafür entwickeltes Modell vorzuziehen sein kann. Stellen Sie für eine schwierige Berechnung Annahmen und Einheiten bereit, verlangen Sie Zwischenprüfungen und nutzen Sie ein verfügbares Berechnungswerkzeug zur Verifizierung des Ergebnisses. Bereiten Sie bei dichtem visuellem Material lesbare Bereiche vor und vergleichen Sie die Antwort mit der Quelle, bevor Sie sie in einem Bericht verwenden.