Mistral: Mistral Large 3 2512 (batch)

Mistral Large 3 2512 è l’edizione di Mistral AI ottimizzata per seguire istruzioni, destinata a conversazione generale, comprensione visiva e lavoro aziendale. La sua architettura mixture-of-experts sparsa ha 675 miliardi di parametri totali, di cui 41 miliardi attivi, e una finestra di contesto di 256k. Testo e immagini possono contribuire allo stesso compito, mentre la risposta è testo, codice o un risultato strutturato.

Capacità e preparazione degli input

Il modello combina una componente linguistica con un encoder visivo. Assegna all’immagine un ruolo chiaro: una pagina da leggere, un diagramma da interpretare o una schermata da spiegare. Per una schermata affollata, fornisci un ritaglio con i controlli pertinenti e conserva le etichette circostanti necessarie a comprenderli. Mistral raccomanda immagini di forma vicina al quadrato; suddividi una fonte eccezionalmente stretta o larga in regioni utili, invece di ridurre dettagli importanti a una striscia illeggibile.

Il produttore elenca conversazioni multilingue in decine di lingue, tra cui inglese, francese, spagnolo, tedesco, italiano, portoghese, olandese, cinese, giapponese, coreano e arabo. Indica la lingua di output, il lettore previsto e la terminologia da preservare. Per un articolo di assistenza, chiedi una spiegazione localizzata con nomi dei prodotti invariati e un breve elenco di traduzioni incerte da risolvere prima della pubblicazione.

Documenti lunghi e conoscenze aziendali

Usa il contesto per riunire materiale correlato: testo di una policy, una specifica, decisioni esistenti e la domanda che richiede risposta. Etichetta ogni fonte e la sua revisione. Una richiesta utile è: «Confronta queste tre policy di onboarding. Restituisci una tabella di requisiti condivisi, conflitti e domande senza risposta, con la sezione sorgente per ogni risultato». L’elaborato risultante è un confronto fondato sui brani forniti, anziché un riepilogo generico dell’argomento.

Per una domanda documentale, identifica il livello di dettaglio desiderato e chiedi il brano di supporto accanto alla conclusione. Il flusso Document QnA di Mistral estrae prima testo e struttura del documento con OCR, poi usa un modello linguistico per interpretare quel materiale. Conserva numeri di pagina e titoli quando prepari il testo estratto, affinché la risposta possa rimandare all’originale. URL del documento, testo estratto ed evidenze sotto forma di immagini hanno requisiti di preparazione diversi; scegli la forma di input supportata dall’applicazione che stai usando.

Programmazione e assistenza quotidiana

Mistral propone Large 3 per l’assistenza alla programmazione e per la conversazione quotidiana. Fornisci le funzioni pertinenti, il comportamento atteso e l’errore osservato. Per esempio: «Questo parser perde l’ultimo campo quando l’input termina senza un carattere di nuova riga. Spiega il ramo che provoca l’errore, proponi la modifica minima e restituisci la funzione corretta con tre esempi rappresentativi di input e output». Il risultato utile è una modifica proposta legata al codice effettivo e un insieme di casi che lo sviluppatore può eseguire.

Per una bozza aziendale, fornisci insieme fatti ed elaborato desiderato. Una richiesta di trasformare appunti di riunione in un memorandum decisionale deve indicare decisione, alternative, ipotesi irrisolte e azione successiva. Chiedi al modello di separare i fatti delle fonti dalle raccomandazioni e di segnalare le informazioni mancanti nella sezione appropriata. Questo rende l’output più facile da rivedere rispetto a una narrazione indistinta.

Strumenti e risultati strutturati

Le chiamate di funzione native consentono al modello di scegliere una funzione fornita e prepararne gli argomenti. L’applicazione esegue quella funzione e restituisce il risultato; il modello usa poi le informazioni restituite nella risposta. Mantieni specifici gli strumenti ed esponi soltanto quelli necessari al compito. Un assistente per la verifica delle scorte può ricevere un riferimento di prodotto, richiedere una ricerca delle giacenze e spiegare quantità e magazzino restituiti. Convalida funzione selezionata e argomenti prima di eseguire la richiesta e conserva la risposta dello strumento insieme alla risposta finale.

Per l’estrazione, specifica campi, tipi e trattamento dei valori mancanti. Mistral documenta modalità JSON e output strutturati personalizzati; la modalità JSON richiede un’istruzione esplicita di restituire JSON, mentre uno schema personalizzato offre un controllo più forte del formato. Un riepilogo di fattura può richiedere fornitore, numero della fattura, scadenza, valuta e voci, con una rappresentazione coerente dei valori mancanti. Verifica i valori estratti rispetto al documento anche quando la risposta corrisponde alla struttura richiesta.

Impostazioni e differenze tra edizioni

Definisci ruolo, compito e regole degli strumenti nelle istruzioni di sistema. Mistral raccomanda una temperatura inferiore a 0.1 per l’uso in produzione e quotidiano di questo checkpoint, esplorando valori maggiori per compiti creativi. Separa una richiesta di idee varie da una di estrazione riproducibile: lascia alla prima spazio per alternative e dai alla seconda campi espliciti e vincoli sulle fonti.

Questa edizione basata su istruzioni è separata dal checkpoint base Large 3 e dai modelli dedicati al ragionamento. Il produttore identifica il ragionamento rigoroso e il lavoro visivo specializzato come ambiti in cui può essere preferibile un modello progettato specificamente per quei compiti. Per un calcolo difficile, fornisci ipotesi e unità, chiedi controlli intermedi e usa uno strumento di calcolo disponibile per verificare il risultato. Per evidenze visive dense, prepara regioni leggibili e confronta la risposta con la fonte prima di usarla in un rapporto.