Mistral: Mistral Medium 3.1 (batch)

Mistral Medium 3.1 est une édition multimodale de Mistral AI pour la compréhension textuelle et visuelle. Le fabricant décrit cette révision comme améliorant le ton et les performances au sein de la lignée Medium 3. Elle accepte du texte et des images et produit du texte : explication, réponse documentaire, enregistrement structuré ou proposition d’appel de fonction. L’identifiant fixe du fabricant pour cette édition est mistral-medium-2508.

Contexte et édition précise

La page du modèle documente une fenêtre de contexte de 128k. Utilisez-la pour réunir passages sources liés, éléments visuels, conversation et tâche utilisateur. Identifiez les rôles des documents et la question à résoudre avant de fournir un ensemble volumineux. Un contexte long peut accompagner une comparaison ciblée, tandis que le livrable final reste un court tableau ou une section révisée.

Medium 3.1 conserve ses propres spécifications. Le contexte de 256k, l’architecture dense de 128 milliards de paramètres et les modes configurables de raisonnement hybride décrits pour Medium 3.5 ne doivent pas être attribués à cette entrée. La page 3.1 ne fournit ni nombre de paramètres ni chiffre séparé de longueur maximale de réponse pouvant être remplacés sans risque par ceux du modèle ultérieur.

Sortie structurée et fonctions

Le fabricant mentionne les sorties structurées, les appels de fonctions et les sorties prédites parmi les fonctions de cette édition. Pour une extraction structurée, définissez les champs requis, les types attendus et le traitement des informations absentes de la source. Un enregistrement peut contenir l’identifiant documentaire, l’énoncé extrait, son emplacement source et la question restante. Demandez uniquement l’enregistrement lorsqu’un programme doit l’analyser, ou gardez l’explication en prose séparée lorsqu’une personne doit examiner l’interprétation.

La documentation commune de Mistral sur les sorties structurées distingue le mode JSON d’un schéma personnalisé. Le mode JSON exige une instruction explicite sur le format JSON souhaité, tandis que l’option personnalisée définit une structure plus précise. Il s’agit du formatage du résultat textuel, et non d’une nouvelle modalité de contenu ou d’une action externe.

Pour les fonctions, l’application définit l’opération disponible et les arguments, le modèle sélectionne l’appel approprié et prépare les valeurs, puis l’application l’exécute. Son résultat devient ensuite une information pour la réponse suivante. Un assistant documentaire peut utiliser une recherche pour obtenir une référence manquante, mais uniquement si l’application environnante fournit cette recherche et en renvoie le résultat réel. Gardez l’appel proposé et les données retournées associés.

Modifications prédites et préfixes de réponse

Les sorties prédites servent lorsqu’une grande partie du résultat souhaité est déjà connue, comme un document ou fichier de code nécessitant une modification limitée. Fournissez le contenu existant et décrivez précisément le changement, y compris ce qui doit rester inchangé. Une requête peut actualiser la terminologie d’une section ou remplacer un détail d’implémentation tout en préservant le reste du document. La prédiction contient le contenu de sortie attendu, et non une modification achevée et appliquée à un fichier.

La page du modèle mentionne aussi la continuation par préfixe de réponse. Dans la documentation de dialogue du fabricant, un préfixe fournit un début connu à la réponse de l’assistant, après lequel la génération se poursuit. Un début connu et un corps prédit répondent à des besoins de préparation différents. Le traitement par lots et les interfaces d’agent ou de conversation sont également des fonctions de processus, plutôt que des éditions séparées d’image, d’audio ou de raisonnement de Medium 3.1.

Questions documentaires et visuelles

Le processus documentaire QnA mentionné associe texte, structure et formatage préparés par OCR à l’analyse du modèle linguistique. Interrogez le modèle sur la condition, le passage ou la relation précise nécessaire à la tâche. Une comparaison peut identifier les documents sources et demander les affirmations communes, les conflits et les détails non résolus, en conservant l’emplacement source à côté de chaque constat.

Le guide de vision du fabricant inclut explicitement Medium 3.1. Une question visuelle directe peut fournir un graphique lisible, une image documentaire ou une capture d’écran et demander quels éléments visibles étayent une conclusion. Préservez axes, unités, libellés et contexte autour d’un champ recadré. Si plusieurs images sont fournies, identifiez leur ordre et leur rôle plutôt que de laisser le modèle déduire laquelle est l’original, la révision ou la référence.

Par exemple, associez une exigence écrite de processus à une capture d’écran et demandez un tableau des correspondances visibles, des différences et des questions nécessitant davantage d’informations. Une autre tâche peut fournir deux versions d’un document et demander un passage révisé préservant leurs conditions communes tout en résolvant une incohérence nommée. Il s’agit d’applications proposées des capacités documentées de vision, de documentation et d’édition, avec un résultat requis défini à l’avance.

Préparer le livrable final

Donnez à l’assistant un rôle clair, les sources à utiliser et la forme de réponse. Séparez les règles de réponse durables du document examiné, et indiquez la langue finale et la terminologie. Une réponse utile peut séparer un fait extrait, sa source et une interprétation, ce qui la rend plus facile à examiner qu’un résumé unique les fusionnant.

Le résultat documenté reste textuel. Les outils externes, les modifications de fichiers et le traitement documentaire complémentaire relèvent de l’application connectée à la conversation. Préservez l’édition Medium 3.1 nommée et son contexte de 128k, et demandez l’explication, l’enregistrement structuré ou la révision ciblée réellement nécessaires à la suite.