Mistral Medium 3.1
Red Neuronal
Mistral Medium 3.1 es un modelo de lenguaje empresarial de Mistral AI, disponible vía API en BotHub para tareas de texto.
Longitud máxima de respuesta
(en tokens)
Tamaño del contexto
(en tokens)
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Cómo funciona Mistral Medium 3.1?
Mistral Medium 3.1 es una versión actualizada de Mistral Medium 3 de Mistral AI: un modelo de lenguaje de clase empresarial diseñado para ofrecer capacidades de sistemas avanzados con costes operativos significativamente menores. Se centra en el equilibrio entre calidad y coste, y la variante batch está diseñada para el procesamiento por lotes cuando el volumen de solicitudes es alto y no se requiere una respuesta instantánea. A través de BotHub, el modelo está disponible sin VPN ni tarjetas extranjeras, el pago se realiza en rublos por tokens utilizados y estos no caducan. En la misma ventana encontrará más de 250 modelos: puede comparar sus respuestas a una misma solicitud y elegir la adecuada. Una API única compatible con OpenAI conecta Mistral Medium 3.1 a sus servicios y permite reemplazarla por otro modelo sin reescribir la integración; las empresas tienen acceso a contratos, facturas, intercambio electrónico de documentos y un panel de administración con límites por empleado. Es útil para procesar lotes de documentos y solicitudes, estructurar textos sin formato, preparar borradores, editar materiales y crear asistentes internos sobre una base de conocimientos.Preguntas frecuentes sobre Mistral Medium 3.1
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto de Mistral: escribe y edita textos, analiza código, responde basándose en documentos e imágenes cargados y llama a funciones externas. La variante batch es útil cuando necesita procesar un gran volumen de solicitudes similares: clasificación, etiquetado, resúmenes, extracción de datos de archivos.
El límite de una respuesta es de 104,857 tokens, y la ventana de contexto admite 131,072 tokens. Esto es suficiente para un documento extenso: una instrucción detallada, la traducción de un capítulo, un informe grande o un análisis detallado de código. Tenga en cuenta que la ventana incluye tanto su solicitud como la respuesta.
No hay un modo de razonamiento separado indicado en nuestros datos para el modelo, por lo que responde inmediatamente. Si la tarea requiere lógica paso a paso, pida en el prompt que desglose la solución por puntos; esto suele mejorar notablemente el resultado en matemáticas y análisis complejos.
Sí, ambos mecanismos son compatibles. El modelo puede llamar a funciones y herramientas, así como devolver una respuesta en una estructura JSON estricta según su esquema; esto es útil para agentes, analizadores e integraciones donde el resultado va directamente al código sin necesidad de análisis manual del texto.
Imágenes y documentos, sí: puede enviar una captura de pantalla, un esquema, una foto o un archivo y pedir que se describa, se extraigan datos o se verifique una tabla. El audio y el video no están indicados en nuestros datos. El modelo genera texto como salida; para audio y video en BotHub, cambie a un modelo especializado.
No tenemos datos precisos sobre idiomas en nuestra ficha del modelo, por lo que no daremos garantías. La mejor manera es realizar una prueba corta con su material: plantee una solicitud típica y evalúe la respuesta. En BotHub, el pago se realiza por tokens utilizados y estos no caducan, y puede comparar con otros modelos en la misma ventana.