Премини към основното съдържание
Български— Изберете език
Меню

Поддържани модели и съвместимост

Урок 3 от 12 Обновен 2 ноември 2026 г. Програмист
На тази страница
  1. Съвместимост на моделите на Mistral
  2. Основни модели
  3. Избор на правилния модел
  4. Параметърът temperature
  5. Програмна проверка на съвместимостта
  6. Ключови изводи

Съвместимост на моделите на Mistral

Не всички модели на Mistral обработват структурираните изходи по един и същи начин. Преди да напишете и ред код, уверете се, че избраният от Вас модел поддържа подхода, който сте избрали. Тази тридесетсекундна проверка ще Ви спести сблъсъка с неразбираема грешка в API в края на разработката.

Ето и добрата новина в едно изречение: почти всички модели на Mistral поддържат структурирани изходи, както в JSON режим, така и чрез персонализирани структурирани изходи. Единственото изключение, codestral-mamba, беше оттеглено от Mistral през юни 2025 г.

Основни модели

Ето най-често използваните модели и техният статус на съвместимост (към април 2026 г.):

МоделСъвместимостТипичен случай на употреба
mistral-large-latestПълна поддръжка (JSON режим + Персонализиран)Сложни задачи, изискващи надеждни структурирани изходи
mistral-medium-latestПълна поддръжкаНай-добро съотношение производителност/разходи за производствени конвейери
mistral-small-latestПълна поддръжкаПрости задачи (класификация, основно извличане на entidades) при ограничен бюджет
ministral-8b-latestПълна поддръжкаЛеки извличания с минимална латентност
ministral-3b-latestПълна поддръжкаНай-леката опция, когато скоростта е по-важна от сложността
codestral-latestПълна поддръжкаОптимизиран за код, но работи и за задачи, несвързани с код
mistral-embedНе е приложимоМодел за вграждания; не генерира текст

Универсалните модели Large, Medium и Small покриват повечето нужди, докато семейството Ministral се справя с ограниченията във времето за отговор (латентност).

Избор на правилния модел

По време на прототипиране използвайте mistral-small-latest или ministral-8b-latest. Те са бързи, евтини и повече от достатъчни, за да потвърдите, че Вашата схема е издържана и че Вашият промпт казва точно това, което мислите, че казва. Плащането за най-мощния модел, само за да откриете, че едно поле е наименувано грешно, е загуба на ресурси.

# Прототипиране — лек модел
response = client.chat.parse(
    model="ministral-8b-latest",
    messages=messages,
    response_format=MonSchema
)

В производствена среда критериите се променят. Извличането на множество полета, нюансираният анализ на настроенията или финалната класификация оправдават използването на mistral-large-latest. Обратно, проста задача, обработвана в голям обем, все още работи отлично на mistral-small-latest. Обърнете внимание на добавянето на temperature=0 тук; ще разгледаме този параметър подробно по-долу.

# Производство — мощен модел
response = client.chat.parse(
    model="mistral-large-latest",
    messages=messages,
    response_format=MonSchema,
    temperature=0  # Максимална възпроизводимост
)

Накрая, помислете за конвейери с висока честота, където латентността е водещото ограничение. Ако обработвате хиляди заявки в минута – като класификация на билети или сортиране на имейли – ministral-8b-latest предлага най-доброто съотношение между латентност и качество. Ограничаването на maxTokens предотвратява задържането на модела върху прекалено дълги отговори.

// TypeScript — конвейер с висока честота
const response = await client.chat.parse({
  model: "ministral-8b-latest",
  messages,
  responseFormat: MonSchema,
  maxTokens: 128,  // Ограничение за скорост
});

Параметърът temperature

Един момент заслужава Вашето внимание: temperature влияе върху вариативността на изхода дори в структуриран режим. При стойност 0 изходът е детерминиран. Това е препоръчителната настройка за производство и навсякъде, където възпроизводимостта има значение – две изпълнения върху един и същи документ трябва да дадат един и същи запис. Между 0.1 и 0.3 въвеждате лека вариативност, което е полезно само ако искате различни формулировки в текстовите полета, като например обобщение. От 0.7 нагоре вариативността става силна и моделът може да произведе непоследователни стойности. Избягвайте това при структурирани изходи.

Програмна проверка на съвместимостта

В производствена среда, вместо да разчитате на статичен списък, прихващайте грешката, върната от SDK, когато даден модел не може да изпълни заявката:

from mistralai.client import Mistral
from mistralai.client.errors import SDKError

client = Mistral(api_key=api_key)

try:
    response = client.chat.parse(
        model=modele,  # идентификатор, прочетен от Вашата конфигурация
        messages=[{"role": "user", "content": "Test"}],
        response_format=MonSchema
    )
except SDKError as e:
    print(f"Model not compatible: {e}")

Този навик остава ценен с течение на времето. Mistral редовно пуска нови модели, а поддръжката на структуриран изход се превърна в стандарт, който новите поколения поддържат систематично. Консултирайте се с официалната документация за актуалния списък, преди да фиксирате идентификатор във Вашата конфигурация.

Ключови изводи

  • Текущите модели на Mistral поддържат структурирани изходи; историческото изключение, codestral-mamba, беше оттеглено през юни 2025 г.
  • Използвайте temperature: 0 в производство за възпроизводими изходи.
  • Изберете своя модел въз основа на нуждите си: mistral-large за качество, ministral-8b за скорост.
  • И двата подхода (JSON режим и Персонализиран) се поддържат от едни и същи модели.