Mistral: Mistral Large 3 2512 (batch)

Mistral Large 3 2512 es la edición de Mistral AI ajustada para seguir instrucciones, destinada a conversación general, comprensión visual y trabajo empresarial. Su arquitectura dispersa de mezcla de expertos tiene 675,000 millones de parámetros totales, con 41,000 millones activos, y una ventana de contexto de 256k. El texto y las imágenes pueden contribuir a una misma tarea, mientras que la respuesta es texto, código o un resultado estructurado.

Capacidades y preparación de entradas

El modelo combina un componente de lenguaje con un codificador visual. Asigna a la imagen una función clara: una página que leer, un diagrama que interpretar o una pantalla que explicar. Para una pantalla saturada, proporciona un recorte con los controles relevantes y conserva las etiquetas circundantes necesarias para entenderlos. Mistral recomienda imágenes de forma cercana al cuadrado; divide una fuente excepcionalmente angosta o ancha en regiones útiles en lugar de reducir los detalles importantes a una franja ilegible.

Su desarrollador enumera conversación multilingüe en decenas de idiomas, entre ellos inglés, francés, español, alemán, italiano, portugués, neerlandés, chino, japonés, coreano y árabe. Indica el idioma de salida, el lector previsto y la terminología que debe conservarse. Para un artículo de soporte, solicita una explicación localizada que mantenga los nombres de productos y una lista breve de traducciones inciertas que se deban resolver antes de publicarlo.

Documentos largos y conocimiento empresarial

Usa el contexto para reunir material relacionado: texto de políticas, una especificación, decisiones existentes y la pregunta que necesita respuesta. Etiqueta cada fuente y su revisión. Una solicitud útil es: «Compara estas tres políticas de incorporación. Devuelve una tabla de requisitos compartidos, conflictos y preguntas sin responder, con la sección fuente de cada hallazgo». El artefacto resultante es una comparación basada en los pasajes proporcionados, no un resumen genérico del tema.

Para una pregunta sobre un documento, identifica el nivel de detalle deseado y solicita el pasaje de respaldo junto a la conclusión. El flujo Document QnA de Mistral primero extrae texto y estructura documental mediante OCR y después usa un modelo de lenguaje para interpretar ese material. Conserva números de página y encabezados al preparar el texto extraído para que la respuesta pueda remitir al original. Una URL documental, el texto extraído y la evidencia en imágenes tienen requisitos de preparación distintos; elige el formato de entrada compatible con la aplicación que usas.

Programación y asistencia cotidiana

Mistral orienta Large 3 a la asistencia de programación y a la conversación diaria. Proporciona las funciones relevantes, el comportamiento esperado y el fallo observado. Por ejemplo: «Este analizador elimina el último campo cuando la entrada termina sin un salto de línea. Explica la rama que falla, propone el cambio mínimo y devuelve la función corregida con tres ejemplos representativos de entrada y salida». El resultado útil es un cambio propuesto vinculado al código real y un conjunto de casos que el desarrollador pueda ejecutar.

Para un borrador empresarial, proporciona juntos los hechos y el artefacto deseado. Una solicitud para convertir notas de reunión en un memorando de decisión debe indicar la decisión, las alternativas, las suposiciones sin resolver y la siguiente acción. Pide al modelo que separe los hechos de la fuente de las recomendaciones y señale la información faltante dentro de la sección correspondiente. Así, la salida resulta más fácil de revisar que una narración sin distinciones.

Herramientas y resultados estructurados

Las llamadas nativas a funciones permiten al modelo elegir una función proporcionada y preparar sus argumentos. La aplicación ejecuta esa función y devuelve su resultado; el modelo usa después la información devuelta en la respuesta. Mantén las herramientas específicas y expón únicamente las necesarias para la tarea. Un asistente de inventario puede recibir una referencia de producto, solicitar una consulta de existencias y explicar la cantidad y el almacén devueltos. Valida la función seleccionada y sus argumentos antes de ejecutar la solicitud, y conserva la respuesta de la herramienta junto con la respuesta final.

Para extraer información, especifica los campos, tipos y tratamiento de los valores faltantes. Mistral documenta el modo JSON y la salida estructurada personalizada; su modo JSON requiere una instrucción explícita de devolver JSON, mientras que un esquema personalizado aporta un control de formato más fuerte. Un resumen de factura puede pedir proveedor, número de factura, fecha de vencimiento, moneda y partidas, con una representación consistente de valores faltantes. Contrasta los valores extraídos con el documento, incluso cuando la respuesta coincida con la estructura solicitada.

Ajustes y diferencias entre ediciones

Define el rol, la tarea y las reglas de herramientas en las instrucciones de sistema. Mistral recomienda una temperatura inferior a 0.1 para uso productivo y cotidiano de este checkpoint, y explorar valores mayores para tareas creativas. Separa una solicitud de ideas variadas de una extracción reproducible: da espacio a alternativas en la primera y campos explícitos y restricciones de fuente en la segunda.

Esta edición de instrucciones es independiente del checkpoint base Large 3 y de los modelos dedicados al razonamiento. Su desarrollador identifica el razonamiento estricto y el trabajo visual especializado como áreas en las que puede ser preferible un modelo diseñado específicamente para esas tareas. Para un cálculo difícil, proporciona las suposiciones y las unidades, solicita comprobaciones intermedias y usa una herramienta de cálculo disponible para verificar el resultado. Para evidencia visual densa, prepara regiones legibles y compara la respuesta con la fuente antes de usarla en un informe.