Mistral Nemo
Réseau Neuronal
Mistral Nemo est un modèle multilingue de 12B paramètres de Mistral et NVIDIA avec une fenêtre de contexte de 128k jetons.
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 Nemo?
Mistral Nemo est un modèle de langage de 12 milliards de paramètres développé par Mistral en collaboration avec NVIDIA. Avec une fenêtre de contexte de 128 000 jetons, le modèle gère de longs dialogues et des documents volumineux, tandis que sa nature multilingue permet de travailler avec des textes en différentes langues. Sa taille compacte en fait une option pratique lorsque la vitesse de réponse est cruciale pour des flux de requêtes similaires. Sur BotHub, le modèle est accessible sans VPN ni carte étrangère : vous payez en roubles avec une carte russe selon l'utilisation réelle, sans abonnement. Plus de 250 autres réseaux de neurones sont disponibles dans la même fenêtre pour comparer les réponses ou basculer en quelques clics. L'API compatible OpenAI évite de réécrire les intégrations ; les échanges sont chiffrés via AES-GCM et l'historique n'est pas conservé. Pour les équipes, nous proposons un contrat, une facturation et un panneau d'administration avec des limites. Cas d'usage : analyse de rapports et correspondances, résumé et structuration de notes, brouillons d'e-mails, dialogues multilingues pour chatbots et support, et traduction de sens pour équipes distribuées.Questions fréquentes sur Mistral Nemo
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-nemo travaille avec du texte : répond aux questions, édite et résume des documents, écrit et analyse du code, aide à l'analyse. Il accepte des images et des documents en entrée, prend en charge l'appel de fonctions, ce qui le rend adapté aux scénarios de dialogue et à l'intégration dans des services via API.
Jusqu'à 16 384 jetons par réponse, soit le volume d'un long article ou de plusieurs pages de code. La fenêtre de contexte est de 128 000 jetons, permettant au modèle de conserver un long document et toute la correspondance, et vous pouvez poursuivre la réponse avec la requête suivante si nécessaire.
Aucun mode de raisonnement spécifique n'est indiqué pour mistral-nemo dans nos données, nous ne pouvons donc pas le garantir. En pratique, une astuce simple fonctionne : demandez dans le prompt de décomposer la tâche étape par étape ; le modèle développera la logique directement dans la réponse, vous permettant de voir le raisonnement.
Oui. L'appel de fonctions et la sortie JSON structurée sont pris en charge : vous décrivez les outils, le modèle choisit le bon et renvoie les arguments selon le schéma défini. C'est pratique pour les agents, l'analyse de documents et les intégrations. Sur BotHub, tout cela est disponible via une API unique compatible OpenAI.
Images et documents : oui, vous pouvez les envoyer avec du texte, le modèle analysera le contenu et répondra par du texte. L'audio et la vidéo ne sont pas pris en charge dans nos données, et la génération d'images ou de sons n'est pas prévue : pour cela, basculez vers un modèle spécialisé dans la même fenêtre.
La langue des prompts et des réponses n'est pas spécifiée dans nos données, nous ne ferons donc aucune affirmation. Il est plus simple de tester sur votre propre tâche, cela ne prend que quelques minutes. Si le résultat ne vous convient pas, basculez vers un autre modèle dans la même fenêtre sans réécrire l'intégration, et ne payez que pour les jetons utilisés.