Mistral Medium 3.1
Réseau Neuronal
Mistral Medium 3.1 est un modèle de langage d'entreprise de Mistral AI, disponible via l'API BotHub pour les tâches textuelles.
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 Medium 3.1?
Mistral Medium 3.1 est une version mise à jour de Mistral Medium 3 par Mistral AI : un modèle de langage de classe entreprise conçu pour offrir des performances de pointe à un coût d'exploitation réduit. L'accent est mis sur l'équilibre entre qualité et coût. La variante batch est conçue pour le traitement par lots lorsque le volume de requêtes est important et qu'une réponse instantanée n'est pas requise. Via BotHub, le modèle est accessible sans VPN, le paiement s'effectue à l'utilisation pour les jetons, qui n'expirent pas. Plus de 250 modèles sont disponibles : vous pouvez comparer leurs réponses sur une même requête. Une API unique compatible OpenAI connecte Mistral Medium 3.1 à vos services et permet de la remplacer par un autre modèle sans réécrire l'intégration. Les entreprises ont accès à des contrats, des factures et un panneau d'administration avec des limites par employé. Utile pour traiter par lots des documents, structurer des textes bruts, préparer des brouillons, éditer des documents et créer des assistants internes basés sur une base de connaissances.Questions fréquentes sur Mistral Medium 3.1
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 rédige et édite des textes, analyse du code, répond à partir de documents et d'images téléchargés, et appelle des fonctions externes. La variante batch est pratique pour traiter un grand volume de requêtes similaires : classification, étiquetage, résumé, extraction de données à partir de fichiers.
La limite d'une réponse est de 104 857 jetons, et la fenêtre contextuelle peut contenir 131 072 jetons. Cela suffit pour un document volumineux : instruction détaillée, traduction de chapitre, rapport complet ou analyse de code approfondie. N'oubliez pas que la fenêtre inclut à la fois votre requête et la réponse.
Aucun mode de raisonnement distinct n'est indiqué dans nos données pour ce modèle, il répond donc immédiatement. Si la tâche nécessite une logique étape par étape, demandez dans le prompt de détailler la solution point par point — cela améliore généralement les résultats en mathématiques et pour les analyses complexes.
Oui, les deux mécanismes sont pris en charge. Le modèle peut appeler des fonctions et des outils, et renvoyer une réponse sous forme de structure JSON stricte selon votre schéma — c'est pratique pour les agents, les analyseurs et les intégrations où le résultat est directement intégré au code sans analyse manuelle du texte.
Images et documents — oui : vous pouvez envoyer une capture d'écran, un schéma, une photo ou un fichier et demander de décrire, d'extraire des données ou de vérifier un tableau. L'audio et la vidéo ne sont pas indiqués dans nos données. En sortie, le modèle fournit du texte ; pour l'audio et la vidéo, passez à un modèle spécialisé dans BotHub.
Il n'y a pas de données précises sur les langues dans notre fiche modèle, nous ne donnerons donc aucune garantie. La meilleure méthode est un court test sur votre matériel : posez une requête type et évaluez la réponse. Sur BotHub, le paiement s'effectue à l'utilisation pour les jetons, qui n'expirent pas, et vous pouvez comparer avec d'autres modèles dans la même fenêtre.