Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Výběr vašeho modelu Mistral Vision

Lekce 3 z 12 Aktualizováno 2. listopadu 2026 Vývojář
Na této stránce
  1. Jaký model pro jaký případ použití?
  2. Srovnání vision modelů
  3. Mistral Large 3 – Etalon kvality
  4. Mistral Small 3.2 – Ekonomická volba
  5. Ministral 3 – Model pro Edge
  6. Rozhodovací strom
  7. Změna modelů v kódu
  8. Klíčové poznatky

Jaký model pro jaký případ použití?

Mistral nabízí několik modelů schopných zpracovávat obrázky, z nichž každý má svá specifika týkající se kvality, rychlosti a ceny. Výběr toho správného není jen implementačním detailem: mezi nejtěžšími a nejlehčími modely přesahuje cenový rozdíl desetinásobek. Při toku deseti tisíc obrázků měsíčně má toto rozhodnutí na váš rozpočet větší dopad než jakákoli jiná část vaší architektury.

Tato lekce podrobně popisuje jednotlivé vision modely a poskytuje ti metodu pro výběr toho, který nejlépe odpovídá tvému případu použití.

Srovnání vision modelů

Následující tabulka znovu představuje situaci z dubna 2026 uvedenou v lekci 1 a doplňuje klíčové metriky důležité pro vaše rozhodování.

Model Parametry Rychlost Cena (vstup/1M tokenů) Případy použití
Mistral Large 3 ~123B Střední ~$2 Jemná analýza, složité usuzování
Mistral Medium 3.1 ~70B Rychlý ~$0.40 Univerzální, nejlepší poměr cena/výkon
Mistral Small 3.2 ~24B Velmi rychlý ~$0.10 Vysoký objem, jednoduché OCR, třídění
Ministral 3 14B 14B Velmi rychlý ~$0.10 Edge, kritická latence, on-premise
Ministral 3 8B 8B Ultra rychlý ~$0.10 Vestavěné systémy, rychlá klasifikace

Ceny jsou orientační a mohou se lišit – aktuální údaje najdeš na stránce s ceníkem Mistral.

Mistral Large 3 – Etalon kvality

Mistral Large 3 je vlajkovou lodí mezi vision modely. Jeho přibližně 123 miliard parametrů se vyplatí ve třech oblastech. Zaprvé, jemná analýza: graf s překrývajícími se legendami, anotované technické schéma nebo husté uživatelské rozhraní jsou obrázky, kde se polovina informací skrývá v drobném písmu a ve vztazích mezi prvky. Zadruhé, vícekrokové usuzování, když otázka přesahuje prostý popis: „Podívej se na tento graf, identifikuj trend a vysvětli pravděpodobné příčiny“ řetězí tři operace, kde třetí závisí na přesnosti prvních dvou. Nakonec strukturovaná extrakce, jejímž cílem je transformovat obsah obrázku do dobře formátovaného JSON bez vymýšlení nebo vynechávání polí.

from mistralai.client import Mistral

client = Mistral(api_key="YOUR_API_KEY")

# Large 3 pro komplexní analýzu
response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Analyze this financial chart. Identify the main trends and inflection points."
                },
                {
                    "type": "image_url",
                    "image_url": "https://example.com/financial-chart.png"
                }
            ]
        }
    ]
)

Rezervuj si jej pro kritické analýzy, citlivá data a profesionální aplikace, kde přesnost vítězí nad cenou. Špatné přečtení částky na faktuře stojí více než cenový rozdíl mezi dvěma modely.

Mistral Small 3.2 – Ekonomická volba

S přibližně 24 miliardami parametrů nabízí Small 3.2 poměr kvality k ceně, který z něj dělá pracovního koně pipeline. Bez potíží zvládá zpracování vysokého objemu – stovky nebo tisíce obrázků denně – a jednoduché OCR na čitelném tištěném textu: štítky, značky, hlavičky dokumentů. Dalším preferovaným použitím je třídění: rychlá klasifikace obrázků za účelem odeslání pouze těch, které si to skutečně zaslouží, těžkému modelu.

# Small 3.2 pro zpracování vysokého objemu
response = client.chat.complete(
    model="mistral-small-latest",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Read the text visible on this product label."},
                {"type": "image_url", "image_url": "https://example.com/label.jpg"}
            ]
        }
    ]
)

Je to správná volba pro automatizované pipeline, MVP a jakýkoli případ, kde záleží více na rychlosti a ceně než na dokonalosti v posledním percentilu.

Ministral 3 – Model pro Edge

Modely řady Ministral ve verzích 14B a 8B jsou navrženy pro nasazení on-premise nebo na edge. Jejich hodnota nespočívá ani tak v hrubé kvalitě, jako spíše v tom, co umožňují: odpovědi během několika set milisekund, běh na GPU běžné spotřebitelské třídy, jako jsou RTX 4090 nebo A10G, a především záruku, že žádná data neopustí vaši infrastrukturu. Výrobní linka kontrolující díly vycházející z lisu si nemůže dovolit čekat na síťový round-trip ani exportovat své obrázky.

# Ministral 14B hostovaný lokálně (přes vLLM nebo Ollama)
from mistralai.client import Mistral

client = Mistral(
    api_key="local",
    server_url="http://localhost:8000/v1"
)

response = client.chat.complete(
    model="ministral-14b-2512",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Does this image contain a manufacturing defect?"},
                {"type": "image_url", "image_url": "data:image/jpeg;base64,/9j/4AAQ..."}
            ]
        }
    ]
)

Všimni si parametru server_url směřujícího na tvůj vlastní server: zbytek kódu zůstává naprosto totožný. Typické případy použití zahrnují průmyslovou inspekci, zdravotnictví, odpojená prostředí a důvěrná data.

Rozhodovací strom

Při řešení nového projektu je nejdůležitější otázkou umístění: pokud musí data zůstat on-premise, debata končí u modelu Ministral 3, přičemž volíš 14B pro kvalitu nebo 8B pro vestavěná zařízení. Pokud je cloud přijatelný, rozhoduj se dále podle povahy zátěže. Kritická kvalita analýzy vyžaduje Mistral Large 3; vysoký objem obrázků ukazuje na Mistral Small 3.2; a když žádný z těchto požadavků neprevládá, nabízí Mistral Medium 3.1 obecný kompromis.

Změna modelů v kódu

Celý smysl tohoto jednotného API spočívá v tom, že volba zůstává reverzibilní. Přepnutí z jednoho modelu na druhý vyžaduje změnu pouze jednoho řádku, aniž by bylo nutné sahat na konstrukci zpráv:

# Přepnutí ze Small na Large změnou pouze modelu
model = "mistral-small-latest"   # vývoj, testování
# model = "mistral-large-latest" # produkce, maximální kvalita

response = client.chat.complete(model=model, messages=messages)

Tato vlastnost umožňuje inteligentní směrování, které uvidíš v průběhu celého kurzu: Small provádí třídění celého toku, zatímco Large zpracovává pouze složité případy. U dávky, kde pouze desetina obrázků vyžaduje jemnou analýzu, jsou úspory značné při zachování konečné kvality.

Klíčové poznatky

  • Mistral Large 3 nabízí nejlepší kvalitu, ale za nejvyšší cenu
  • Mistral Small 3.2 je ideální pro vysoké objemy a jednoduché případy použití
  • Modely Ministral umožňují lokální nasazení bez závislosti na cloudu
  • API je pro všechny modely totožné – mění se pouze parametr model
  • Inteligentní směrování (Small pro třídění, Large pro analýzu) optimalizuje poměr kvality k ceně