Mistral Large 2
Réseau Neuronal
Mistral Large 2 est le modèle phare de Mistral AI pour le raisonnement, le code et la sortie JSON structurée, disponible via API.
Longueur maximale de la réponse
(en tokens)
Taille du contexte
(en tokens)
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Comment ça marche Mistral Large 2?
Mistral Large 2 est le modèle phare de Mistral AI dans la version mistral-large-2407. C'est un modèle propriétaire avec des poids accessibles, performant en raisonnement, codage, génération JSON structuré et dialogue. Sur BotHub, il est accessible sans VPN ni carte étrangère : vous payez avec une carte russe en roubles, uniquement à l'usage, pour les jetons consommés qui n'expirent pas. Plus de 250 autres réseaux de neurones sont disponibles dans la même fenêtre, vous permettant de comparer les réponses de Mistral Large 2 avec d'autres modèles et de basculer sans réécrire l'intégration : une API unique compatible OpenAI les fournit via une seule clé. La correspondance est chiffrée en AES-GCM et n'est pas enregistrée. Les entreprises ont accès à des contrats, factures, échanges de documents électroniques et un panneau d'administration avec des limites. Pour les développeurs, le modèle est utile pour écrire et refactoriser du code, déboguer et faire des revues de code ; pour les analystes, pour extraire des données en JSON strict ; pour les équipes produit, pour les chatbots et assistants de support ; et pour ceux qui travaillent avec la logique et les calculs, pour le raisonnement étape par étape et la vérification d'hypothèses.Questions fréquentes sur Mistral Large 2
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
mistral-large est un modèle textuel de Mistral AI. Il convient à la génération et à l'édition de textes, au travail sur le code (écriture, refactorisation, débogage), à l'analyse et à l'examen de documents : le fichier est transmis nativement, sans reconnaissance préalable. Il prend en charge l'appel de fonctions, ce qui facilite son intégration dans des services et des scénarios de travail.
Jusqu'à 102 400 jetons par réponse, ce qui suffit pour un long document, une instruction détaillée ou un grand module de code complet. La fenêtre de contexte totale est de 128 000 jetons, incluant votre requête avec les fichiers joints et la réponse du modèle.
Aucun mode de raisonnement distinct n'est indiqué dans nos données. Cependant, vous pouvez demander au modèle de décomposer la tâche étape par étape directement dans la requête : décrire la logique, explorer les options, vérifier les calculs. Pour des raisonnements complexes, il est facile de passer à un autre modèle dans la même fenêtre sur BotHub.
Oui, les deux. L'appel de fonctions permet au modèle d'accéder à vos outils : base de données, recherche, calculatrice. La sortie structurée renvoie le résultat strictement en JSON selon un schéma défini, ce qui est pratique pour les agents et l'analyse syntaxique. Tout fonctionne via l'API unique compatible OpenAI de BotHub.
mistral-large n'accepte pas les images, l'audio ou la vidéo en entrée. En revanche, il gère nativement les documents : le fichier est transmis tel quel au modèle, qui analyse la structure, les tableaux et le libellé. Pour les images, le son et la vidéo sur BotHub, utilisez des modèles dédiés dans la même interface.
Dans nos données, la langue de travail du modèle n'est pas décrite séparément, nous ne promettons donc pas une qualité spécifique pour le russe — testez-le sur votre tâche. C'est rapide : sur BotHub, vous envoyez la même requête à plusieurs modèles dans une seule fenêtre et comparez les réponses.