Mistral: Mistral Large 3 2512 (batch)

Mistral Large 3 2512 est l’édition de Mistral AI ajustée aux instructions pour la conversation générale, la compréhension visuelle et le travail d’entreprise. Son architecture clairsemée à mélange d’experts compte 675 milliards de paramètres au total, dont 41 milliards actifs, et une fenêtre de contexte de 256 k tokens. Texte et images peuvent contribuer à une même tâche, avec une réponse sous forme de texte, de code ou de résultat structuré.

Capacités et préparation des entrées

Le modèle associe un composant linguistique à un encodeur visuel. Donnez un rôle clair à chaque image : page à lire, schéma à interpréter ou écran à expliquer. Pour un écran chargé, fournissez un recadrage contenant les commandes pertinentes et les libellés environnants nécessaires à leur compréhension. Mistral recommande des images proches du carré ; divisez une source exceptionnellement étroite ou large en zones utiles plutôt que de réduire les détails importants à une bande illisible.

Le concepteur mentionne la conversation multilingue dans des dizaines de langues, dont l’anglais, le français, l’espagnol, l’allemand, l’italien, le portugais, le néerlandais, le chinois, le japonais, le coréen et l’arabe. Indiquez la langue de sortie, le lecteur cible et la terminologie à préserver. Pour un article d’assistance, demandez une explication localisée conservant les noms de produits et une courte liste des traductions incertaines à résoudre avant publication.

Longs documents et connaissances d’entreprise

Utilisez le contexte pour réunir les contenus liés : politique interne, spécification, décisions existantes et question à résoudre. Identifiez chaque source et sa révision. Une demande utile serait : « Compare ces trois politiques d’accueil. Renvoie un tableau des exigences communes, des conflits et des questions sans réponse, avec la section source de chaque constat. » Le livrable est ainsi une comparaison fondée sur les passages fournis plutôt qu’un résumé général du sujet.

Pour une question documentaire, précisez le niveau de détail souhaité et demandez le passage justificatif à côté de la conclusion. Le processus Document QnA de Mistral extrait d’abord le texte et la structure par OCR, puis utilise un modèle linguistique pour les interpréter. Conservez numéros de page et titres dans le texte extrait pour permettre un renvoi à l’original. Une URL de document, du texte extrait et des éléments visuels exigent des préparations différentes ; choisissez la forme prise en charge par votre application.

Programmation et assistance quotidienne

Mistral destine Large 3 à l’aide à la programmation et à la conversation quotidienne. Fournissez les fonctions pertinentes, le comportement attendu et l’échec observé. Par exemple : « Cet analyseur supprime le dernier champ lorsque l’entrée se termine sans saut de ligne. Explique la branche en échec, propose la plus petite modification et renvoie la fonction corrigée avec trois exemples représentatifs d’entrées et de sorties. » Le résultat utile est une proposition liée au code réel et un ensemble de cas exécutables par le développeur.

Pour un texte professionnel, fournissez ensemble les faits et le livrable souhaité. Une demande de transformation de notes de réunion en note de décision doit préciser la décision, les options, les hypothèses non résolues et l’action suivante. Demandez de séparer les faits sources des recommandations et de signaler les informations manquantes dans la section appropriée. La sortie est ainsi plus facile à réviser qu’un récit indifférencié.

Outils et résultats structurés

Les appels de fonctions natifs permettent au modèle de choisir une fonction fournie et de préparer ses arguments. L’application l’exécute et renvoie son résultat ; le modèle utilise ensuite ces informations dans la réponse. Gardez des outils précis et n’exposez que ceux nécessaires à la tâche. Un assistant de stock peut recevoir une référence produit, demander une consultation et expliquer la quantité et l’entrepôt renvoyés. Validez la fonction sélectionnée et les arguments avant l’exécution, et conservez la réponse de l’outil avec la réponse finale.

Pour l’extraction, précisez les champs, les types et le traitement des valeurs manquantes. Mistral documente le mode JSON et les sorties structurées personnalisées ; le mode JSON exige une instruction explicite de retour JSON, tandis qu’un schéma personnalisé renforce le contrôle du format. Un résumé de facture peut demander le fournisseur, le numéro, l’échéance, la devise et les lignes, avec une représentation cohérente des valeurs absentes. Vérifiez les valeurs extraites dans le document même si la réponse respecte la structure demandée.

Réglages et différences entre éditions

Définissez le rôle, la tâche et les règles des outils dans les instructions système. Mistral recommande une température inférieure à 0,1 pour la production et les usages courants de ce point de contrôle, et des valeurs supérieures à explorer pour les tâches créatives. Séparez les demandes d’idées variées des extractions reproductibles : laissez de la place aux variantes dans le premier cas et donnez des champs explicites et des contraintes de source dans le second.

Cette édition d’instruction est distincte du point de contrôle de base Large 3 et des modèles de raisonnement spécialisés. Le concepteur indique que le raisonnement strict et le travail visuel spécialisé peuvent bénéficier d’un modèle dédié. Pour un calcul difficile, fournissez hypothèses et unités, demandez des vérifications intermédiaires et utilisez un outil de calcul disponible pour valider le résultat. Pour des éléments visuels denses, préparez des zones lisibles et comparez la réponse à la source avant de l’intégrer à un rapport.