Mistral: Mistral Large 3 2512 (batch)

Mistral Large 3 2512 é a edição da Mistral AI ajustada para seguir instruções, destinada a conversa geral, compreensão visual e trabalho empresarial. A arquitetura esparsa de mistura de especialistas tem 675 mil milhões de parâmetros no total, dos quais 41 mil milhões ativos, e uma janela de contexto de 256k. Texto e imagens podem contribuir para a mesma tarefa, enquanto a resposta é texto, código ou um resultado estruturado.

Capacidades e preparação das entradas

O modelo combina uma componente linguística com um codificador visual. Atribua à imagem um papel claro: uma página a ler, um diagrama a interpretar ou um ecrã a explicar. Para um ecrã com muitos elementos, forneça um recorte com os controlos relevantes e preserve as etiquetas envolventes necessárias à sua compreensão. A Mistral recomenda formatos de imagem próximos do quadrado; divida uma fonte excecionalmente estreita ou larga em regiões úteis, em vez de reduzir detalhes importantes a uma faixa ilegível.

O fabricante enumera conversa multilingue em dezenas de línguas, incluindo inglês, francês, espanhol, alemão, italiano, português, neerlandês, chinês, japonês, coreano e árabe. Indique a língua de saída, o leitor pretendido e a terminologia a preservar. Para um artigo de apoio, peça uma explicação localizada com os nomes dos produtos inalterados e uma lista curta de traduções incertas a resolver antes da publicação.

Documentos longos e conhecimento empresarial

Use o contexto para reunir material relacionado: texto de políticas, uma especificação, decisões existentes e a pergunta que precisa de resposta. Identifique cada fonte e a sua revisão. Um pedido útil é: «Compare estas três políticas de integração. Devolva uma tabela de requisitos comuns, conflitos e perguntas sem resposta, com a secção de origem de cada conclusão.» O artefacto resultante é uma comparação fundamentada nos trechos fornecidos, em vez de um resumo genérico do tema.

Para uma pergunta documental, identifique o nível de detalhe pretendido e peça o trecho de apoio junto da conclusão. O fluxo Document QnA da Mistral extrai primeiro texto e estrutura documental com OCR e usa depois um modelo de linguagem para interpretar esse material. Preserve números de página e títulos ao preparar texto extraído para que a resposta possa remeter para o original. Um URL de documento, texto extraído e elementos de prova em imagem têm requisitos de preparação diferentes; escolha o formato de entrada suportado pela aplicação utilizada.

Programação e assistência quotidiana

A Mistral destina Large 3 tanto a apoio à programação como a conversa diária. Forneça as funções relevantes, o comportamento esperado e a falha observada. Por exemplo: «Este analisador perde o último campo quando a entrada termina sem mudança de linha. Explique o ramo que falha, proponha a menor alteração e devolva a função corrigida com três exemplos representativos de entrada e saída.» O resultado útil é uma alteração proposta ligada ao código efetivo e um conjunto de casos que o programador pode executar.

Para um rascunho empresarial, forneça os factos e o artefacto pretendido em conjunto. Um pedido para transformar notas de reunião num memorando de decisão deve identificar a decisão, as alternativas, as hipóteses por resolver e a próxima ação. Peça ao modelo que separe factos das fontes e recomendações e que assinale informação em falta na secção adequada. Assim, a saída é mais fácil de rever do que uma narrativa indiferenciada.

Ferramentas e resultados estruturados

As chamadas nativas de funções permitem ao modelo escolher uma função fornecida e preparar os argumentos. A aplicação executa-a e devolve o resultado; o modelo usa depois a informação devolvida na resposta. Mantenha as ferramentas específicas e disponibilize apenas as necessárias à tarefa. Um assistente de consulta de existências pode receber uma referência de produto, pedir uma consulta de stock e explicar a quantidade e o armazém devolvidos. Valide a função selecionada e os argumentos antes de executar o pedido e conserve a resposta da ferramenta junto da resposta final.

Para extração, especifique os campos, os tipos e o tratamento dos valores em falta. A Mistral documenta o modo JSON e saída estruturada personalizada; o modo JSON exige uma instrução explícita para devolver JSON, enquanto um esquema personalizado fornece um controlo de formato mais forte. Um resumo de fatura pode pedir fornecedor, número de fatura, data de vencimento, moeda e linhas de artigos, representando consistentemente os valores em falta. Inspecione os valores extraídos face ao documento, mesmo quando a resposta corresponde à estrutura pedida.

Definições e diferenças entre edições

Defina o papel, a tarefa e as regras das ferramentas nas instruções de sistema. A Mistral recomenda uma temperatura inferior a 0,1 para utilização em produção e quotidiana deste ponto de controlo, podendo explorar-se valores superiores em tarefas criativas. Separe pedidos de ideias variadas de pedidos de extração reproduzível: dê ao primeiro espaço para alternativas e ao segundo campos explícitos e restrições de fonte.

Esta edição de instruções é distinta do ponto de controlo base Large 3 e de modelos de raciocínio dedicados. O fabricante identifica o raciocínio rigoroso e o trabalho visual especializado como áreas em que pode ser preferível um modelo concebido especificamente para essas tarefas. Para um cálculo difícil, forneça as hipóteses e unidades, peça verificações intermédias e use uma ferramenta de cálculo disponível para confirmar o resultado. Para elementos de prova visuais densos, prepare regiões legíveis e compare a resposta com a fonte antes de a usar num relatório.