Mistral Large 3 2512
Réseau Neuronal
Mistral Large 3 2512 est un modèle linguistique Mistral à architecture MoE, sous licence Apache 2.0, disponible via l'API BotHub.
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 3 2512?
Mistral Large 3 2512 est un grand modèle linguistique de Mistral basé sur une architecture mixture-of-experts : sur 675 milliards de paramètres, 41 milliards sont actifs par requête, nécessitant moins de calculs qu'un modèle dense équivalent. Sous licence Apache 2.0. Sur BotHub, accédez au modèle sans VPN ni carte étrangère, payez en roubles à l'usage pour les jetons consommés, sans expiration. Comparez facilement les réponses avec plus de 250 modèles dans une même fenêtre. L'API compatible OpenAI permet de changer de modèle sans réécrire l'intégration. Les échanges sont chiffrés en AES-GCM. Pour les entreprises : contrats, factures, EDI et panneau d'administration avec limites. Mistral Large 3 2512 est idéal pour la génération et le refactoring de code, le débogage, la rédaction de documentation et de notes analytiques, comme moteur d'assistant interne ou de chatbot, et pour la résolution étape par étape de problèmes scientifiques et mathématiques.Questions fréquentes sur Mistral Large 3 2512
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.
C'est un modèle textuel Mistral : il accepte du texte, des images et des documents en entrée, et génère du texte. Adapté au code, à l'analyse de fichiers et de longs documents, à l'analytique, ainsi qu'aux scénarios avec appel d'outils externes. Contexte : 262 144 jetons.
Jusqu'à 209 715 jetons par réponse : assez pour un long document, une instruction détaillée ou un refactoring complet sans diviser la tâche. Pour un résultat complet, demandez explicitement au modèle de ne pas abréger ; sur BotHub, vous payez à l'usage pour les jetons consommés.
Aucun mode de raisonnement spécifique n'est indiqué dans nos données, mais cela ne signifie pas qu'il est absent. En pratique, demander de résoudre le problème étape par étape dans le prompt aide : avec un contexte de 262 144 jetons, il y a assez d'espace pour un raisonnement détaillé.
Oui, le function calling et la sortie JSON structurée sont confirmés. Le modèle peut appeler vos outils et répondre selon un schéma défini. Sur BotHub, cela fonctionne via une API compatible OpenAI, permettant de changer de modèle sans réécrire l'intégration.
Images et documents : oui. Envoyez une capture d'écran, un schéma, un PDF ou un autre fichier pour obtenir une analyse textuelle. L'audio et la vidéo ne sont pas pris en charge, tout comme la génération autre que textuelle. BotHub propose des modèles spécialisés pour ces tâches.
Les caractéristiques linguistiques ne sont pas documentées, nous ne pouvons donc pas promettre de résultats précis. Il est préférable de tester le modèle sur votre tâche réelle directement sur BotHub, sans VPN ni carte étrangère. Si le résultat ne vous convient pas, plus de 250 modèles sont disponibles dans la même fenêtre.