Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Snowflake, IBM watsonx a Outscale

Lekce 9 z 14 Aktualizováno 2. listopadu 2026 Pokročilý
Na této stránce
  1. Tři doplňkové platformy
  2. Snowflake Cortex
  3. IBM watsonx.ai
  4. Outscale
  5. Porovnání tří platforem
  6. Klíčové poznatky

Tři doplňkové platformy

Kromě hlavních hyperscalerů (Azure, GCP, AWS) je Mistral dostupný na třech dalších platformách, které řeší specifické potřeby: Snowflake Cortex pro datové týmy, IBM watsonx pro regulovaná podniky a Outscale pro evropskou datovou suverenitu. Žádná z nich si neklade za cíl nahradit univerzální platformy; každá vyniká v konkrétním scénáři. Tato lekce ti poskytne jasný přehled všech tří.

Snowflake Cortex

Snowflake Cortex integruje modely umělé inteligence přímo do platformy Snowflake. Jeho hlavní výhoda se dá shrnout do jedné věty: Mistral voláš přímo ze svých SQL dotazů, aniž bys musel data přesouvat mimo Snowflake. K dispozici jsou dva modely: Mistral Large 2 pod identifikátorem mistral-large2 pro pokročilé usuzování a Mistral 7B, což je lehká serverless možnost. Předpokladem je účet Snowflake v regionu kompatibilním s Cortex a povolená role CORTEX_USER.

Nejelegantnější integrací je čistě SQL volání:

-- Přímé volání v rámci SQL dotazu
SELECT SNOWFLAKE.CORTEX.COMPLETE(
    'mistral-large2',
    'Summarize the main trends in this dataset.'
) AS summary;

Skutečná hodnota se projeví, když model zkombinuješ se svými existujícími tabulkami. Představ si tabulku reviews obsahující miliony recenzí zákazníků: místo psaní exportního skriptu, budování pipeline pro volání API a opětovného importu výsledků vygeneruješ sloupec se sentimentem v jediném dotazu.

-- Analýza každého řádku v tabulce
SELECT
    id,
    description,
    SNOWFLAKE.CORTEX.COMPLETE(
        'mistral-large2',
        CONCAT('Classify this text (positive/negative/neutral): ', description)
    ) AS sentiment
FROM reviews
LIMIT 100;

Příkaz LIMIT 100 v tomto příkladu není jen pro okrasu: vždy začni s ukázkou, abys odhadl náklady a ověřil formáty odpovědí před spuštěním zpracování na celé tabulce. Stejná logika je dostupná v Pythonu prostřednictvím Snowparku, což ti umožňuje integrovat volání do stávající pipeline:

from snowflake.cortex import Complete

# Jednoduché volání
completion = Complete(
    model="mistral-large2",
    prompt="What are Snowflake's advantages for AI?"
)
print(completion)

Cortex vyniká při klasifikaci textu ve velkém měřítku, obohacování dat přímo v SQL pipeline, generování shrnutí nad obrovskými datovými sadami a provádění analýzy sentimentu bez nutnosti exportu dat.

IBM watsonx.ai

IBM watsonx.ai je podniková platforma umělé inteligence od IBM, navržená pro regulovaná odvětví, jako je bankovnictví, pojišťovnictví a zdravotnictví. Modely Mistral, včetně Mistral Large, jsou dostupné jak jako SaaS, tak on-premise, což z nich činí silnou volbu, když interní audity zakazují odesílání dat do veřejných cloudových služeb. Přístup vyžaduje projekt IBM watsonx (IBM_CLOUD_PROJECT_ID), Service ID s přístupem k Watson Machine Learning a rolí EDITOR a klíč IBM Cloud API (IBM_CLOUD_API_KEY).

Tvůj vybraný region určuje URL koncového bodu, který předáš klientovi:

RegionKód
Dallasus-south
Londoneu-gb
Frankfurteu-de
Tokyojp-tok

Instalace zahrnuje tři balíčky:

pip install httpx ibm-watsonx-ai mistral-common

Třetí balíček si zaslouží zvláštní pozornost. Balíček mistral-common je nezbytný pro správné formátování promptů. Bez něj může tokenizér produkovat tiché chyby – odpovědi, které vypadají věrohodně, ale jsou založeny na nesprávně tokenizovaných promptech. Toto je nejhorší scénář, protože nic nenaznačuje, že existuje problém.

Jakmile jsou přihlašovací údaje nastaveny, samotné volání zůstává přímočaré:

from ibm_watsonx_ai.foundation_models import ModelInference
import os

model = ModelInference(
    model_id="mistralai/mistral-large",
    credentials={
        "url": "https://eu-de.ml.cloud.ibm.com",
        "apikey": os.environ["IBM_CLOUD_API_KEY"]
    },
    project_id=os.environ["IBM_CLOUD_PROJECT_ID"]
)

response = model.generate_text(
    prompt="What are the GDPR requirements for AI data processing?"
)
print(response)

Vyvaruj se odesílání surových řetězců: použij tokenizér Mistral, abys předešel výše zmíněným tichým chybám tokenizace.

from mistral_common.tokens.tokenizers.mistral import MistralTokenizer
from mistral_common.protocol.instruct.messages import UserMessage
from mistral_common.protocol.instruct.request import ChatCompletionRequest

tokenizer = MistralTokenizer.from_model("mistral-large-latest")

request = ChatCompletionRequest(
    messages=[UserMessage(content="Your prompt here")]
)
tokens = tokenizer.encode_chat_completion(request)

Outscale

Outscale je evropský cloudový poskytovatel, dceřiná společnost Dassault Systèmes. Je to volba číslo jedna pro organizace vyžadující plnou datovou suverenitu v rámci Evropské unie. K dispozici jsou tři modely: Mistral Small (24.09), Codestral (24.05) specializovaný na kód a Ministral 8B (24.10). Nasazení probíhá prostřednictvím tržiště Outscale, které dodá virtuální stroj s GPU a předem nasazeným modelem – nemusíš sám konfigurovat inferenci.

Příjemný rozdíl oproti předchozím dvěma platformám: Outscale funguje se standardním klientem Mistral jednoduchým nasměrováním server_url na tvou instanci.

import os
from mistralai.client import Mistral

client = Mistral(server_url=os.environ["OUTSCALE_SERVER_URL"])

response = client.chat.complete(
    model=os.environ["OUTSCALE_MODEL_NAME"],
    messages=[
        {"role": "user", "content": "What are the advantages of a European sovereign cloud?"}
    ],
    temperature=0
)
print(response.choices[0].message.content)

Pokud jsi nasadil Codestral, dokončování FIM (fill-in-the-middle) funguje stejným způsobem: poskytneš začátek a konec kódu a model doplní prostředek. Toto je mechanismus stojící za asistenty pro dokončování kódu v editorech.

response = client.fim.complete(
    model=os.environ["OUTSCALE_MODEL_NAME"],
    prompt="def fibonacci(n: int) -> int:",
    suffix="return result"
)
print(response.choices[0].message.content)

Porovnání tří platforem

KritériumSnowflake CortexIBM watsonxOutscale
Cílová skupinaDatové/SQL týmyRegulovaná podnikyEU suverenita
PřístupNativní SQL + PythonIBM SDKKlient Mistral
Umístění datZůstává ve SnowflakeIBM CloudEvropský cloud
ModelyLarge, 7BLargeSmall, Codestral, 8B
ComplianceSOC 2, HIPAASOC 2, HIPAA, PCISecNumCloud

Klíčové poznatky

  • Snowflake Cortex – ideální, pokud jsou tvá data již ve Snowflake; volej AI přímo z SQL
  • IBM watsonx – platforma pro regulovaná podniky; vyžaduje mistral-common pro formátování
  • Outscale – evropská suverenita; nasazení přes tržiště s předkonfigurovaným GPU
  • Každá platforma má vlastní SDK – pouze Outscale používá standardního klienta Mistral