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. Ihre Sparse-Mixture-of-Experts-Architektur hat insgesamt 675 Milliarden Parameter, davon 41 Milliarden aktiv, und ein Kontextfenster von 256k. Text und Bilder können zur selben Aufgabe beitragen; die Antwort besteht aus Text, Code oder einem strukturierten Ergebnis.

Fähigkeiten und Eingabevorbereitung

Das Modell verbindet eine Sprachkomponente mit einem Bildencoder. Geben Sie einem Bild eine klare Rolle: eine zu lesende Seite, ein zu interpretierendes Diagramm oder einen zu erklärenden Bildschirm. Stellen Sie bei einem dicht belegten Bildschirm einen Ausschnitt mit den relevanten Bedienelementen bereit und bewahren Sie die zum Verständnis nötigen umgebenden Beschriftungen. Mistral empfiehlt annähernd quadratische Bildformen; teilen Sie eine aussergewöhnlich schmale oder breite Quelle in nützliche Bereiche, statt wichtige Details zu einem 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, Zielpublikum und zu bewahrende Terminologie an. Fordern Sie für einen Supportartikel eine lokalisierte Erklärung mit unveränderten Produktnamen und eine kurze Liste unklarer Übersetzungen an, die vor Veröffentlichung zu klären sind.

Lange Dokumente und Unternehmenswissen

Nutzen Sie den Kontext, um zusammengehöriges Material zu verbinden: 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 gemeinsamer Anforderungen, Konflikte und unbeantworteter Fragen mit dem Quellabschnitt für jede Erkenntnis zurück.» Das entstehende Artefakt ist ein auf den bereitgestellten Passagen beruhender Vergleich statt einer allgemeinen Themenzusammenfassung.

Benennen Sie bei einer Dokumentfrage den gewünschten Detailgrad und fordern Sie die stützende Passage neben der Schlussfolgerung an. Mistrals Document-QnA-Ablauf extrahiert zunächst Text und Dokumentstruktur per OCR und verwendet anschliessend ein Sprachmodell zur Interpretation dieses Materials. Bewahren Sie bei der Vorbereitung extrahierten Texts Seitenzahlen und Überschriften, damit die Antwort auf das Original verweisen kann. Eine Dokument-URL, extrahierter Text und Bildbelege haben unterschiedliche Vorbereitungsanforderungen; wählen Sie die Eingabeform, die Ihre Anwendung unterstützt.

Programmierung und alltägliche Assistenz

Mistral positioniert Large 3 für Programmierassistenz ebenso wie für tägliche Gespräche. Stellen Sie relevante Funktionen, das erwartete Verhalten und den beobachteten Fehler bereit. Zum Beispiel: «Dieser Parser verwirft das letzte Feld, wenn die Eingabe ohne Zeilenumbruch endet. Erklären Sie den fehlerhaften Zweig, schlagen Sie die kleinste Änderung vor und geben Sie die korrigierte Funktion mit drei repräsentativen Ein-/Ausgabebeispielen zurück.» Das nützliche Ergebnis ist ein mit dem tatsächlichen Code verbundener Änderungsvorschlag samt Fällen, die die Entwicklerin oder der Entwickler ausführen kann.

Stellen Sie für einen geschäftlichen Entwurf die Fakten zusammen mit dem gewünschten Artefakt bereit. Eine Anfrage, Besprechungsnotizen in eine Entscheidungsnotiz umzuwandeln, sollte Entscheidung, Alternativen, ungeklärte Annahmen und nächste Handlung benennen. Bitten Sie das Modell, Quellfakten von Empfehlungen zu trennen und fehlende Informationen im passenden Abschnitt zu markieren. Dadurch lässt sich die Ausgabe leichter überarbeiten als ein undifferenzierter Fliesstext.

Werkzeuge und strukturierte Ergebnisse

Native Funktionsaufrufe erlauben dem Modell, eine bereitgestellte Funktion auszuwählen und ihre Argumente vorzubereiten. Die Anwendung führt diese Funktion aus und gibt ihr Ergebnis zurück; das Modell verwendet die zurückgegebenen Informationen anschliessend in der Antwort. Halten Sie Werkzeuge spezifisch und stellen Sie nur die für die Aufgabe nötigen bereit. Ein Assistent zur Bestandsprüfung kann eine Produktreferenz erhalten, eine Bestandsabfrage anfordern und die zurückgegebene Menge samt Lager erklären. Validieren Sie die ausgewählte Funktion und die Argumente vor der Ausführung und bewahren Sie die Werkzeugantwort neben der abschliessenden Antwort auf.

Geben Sie für eine Extraktion Felder, Typen und den Umgang mit fehlenden Werten an. Mistral dokumentiert den JSON-Modus und benutzerdefinierte strukturierte Ausgaben; sein JSON-Modus erfordert eine ausdrückliche Anweisung, JSON zurückzugeben, während ein benutzerdefiniertes Schema eine stärkere Formatsteuerung bietet. Eine Rechnungszusammenfassung kann Lieferant, Rechnungsnummer, Fälligkeitsdatum, Währung und Positionen verlangen, mit konsistent dargestellten fehlenden Werten. Prüfen Sie extrahierte Werte anhand des Dokuments, selbst wenn die Antwort der gewünschten Struktur entspricht.

Einstellungen und Unterschiede zwischen Ausgaben

Definieren Sie Rolle, Aufgabe und Werkzeugregeln in den Systemanweisungen. Mistral empfiehlt für Produktions- und Alltagsnutzung dieses Checkpoints eine Temperatur unter 0,1; für kreative Aufgaben können höhere Werte erprobt werden. Trennen Sie eine Anfrage nach abwechslungsreichen Ideen von einer reproduzierbaren Extraktion: Geben Sie ersterer Raum für Alternativen und letzterer ausdrückliche Felder und Quellenbedingungen.

Diese Anweisungsausgabe ist vom Large-3-Basischeckpoint und von spezialisierten Denkmodellen getrennt. Der Hersteller nennt strenges Schlussfolgern und spezialisierte visuelle Arbeit als Bereiche, in denen ein eigens dafür entwickeltes Modell vorzuziehen sein kann. Stellen Sie für eine schwierige Berechnung Annahmen und Einheiten bereit, fordern Sie Zwischenprüfungen an und nutzen Sie ein verfügbares Rechenwerkzeug zur Ergebnisprüfung. Bereiten Sie für dichte visuelle Belege lesbare Bereiche vor und vergleichen Sie die Antwort mit der Quelle, bevor Sie sie in einem Bericht verwenden.