Beslutningstræ — Hvilken model til hvilket brugstilfælde
På denne side
Den praktiske selectionsvejledning
Du kender nu hele Mistral-kataloget, og det næste naturlige spørgsmål handler om handling: Hvilken model skal du bruge til dit projekt? Denne lektion tilbyder en struktureret udvælgelsesproces understøttet af en mapping-tabel mellem brugstilfælde og modeller. Målet er ikke at give dig et færdigt svar, men at gøre dig i stand til at begrunde dit valg over for en arkitekt eller en CFO.
Start med behovet, ikke modellen
Den mest almindelige fejl er at vælge den “mest kraftfulde” model med det samme og anvende den på alt. Et team, der propper en frontier-model ind i en simpel billetklassificeringsopgave, betaler ti gange den nødvendige pris, venter flere sekunder på et svar, som en lille model kunne have leveret øjeblikkeligt, og ender med at være afhængig af en API, hvor en lokal model ville have været tilstrækkelig. Kraft kompenserer ikke for et mismatch; det gør det dyrt.
Den rigtige tilgang arbejder baglæns og involverer tre trin. Først identificerer du din hovedopgave – den, der repræsenterer hovedparten af volumenet, ikke det eksotiske tilfælde, der sker én gang om måneden. Dernæst evaluerer du dine reelle begrænsninger: budget, acceptabel latens, datafølsomhed og tilgængelig infrastruktur. Du vælger først modellen til sidst, i skæringspunktet mellem denne opgave og disse begrænsninger. En model er aldrig god i absolutte termer; den er enten velegnet eller uegnet til et specifikt skæringspunkt.
Beslutningstabel efter brugstilfælde
| Brugstilfælde | Anbefalet model | Niveau | Hvorfor |
|---|---|---|---|
| Chatbot / Assistent | Mistral Small 4 | Open | Hybrid instruct+reasoning, 256K kontekst, optimal pris/ydelse-forhold |
| RAG (lange dokumenter) | Small 4 + Mistral Embed | Open + Premier | Stort kontekstvindue + kvalitetsembeddings |
| Kodefuldførelse (IDE) | Codestral | Premier | FIM, lav latens, 80+ sprog |
| Autonom kode-agent | Devstral 2 | Open | End-to-end opgaveløsning, kodeudforskning |
| Talesyntese / TTS | Voxtral TTS | Open | Stemmekloning, streaming, flersproget |
| Lydtransskription | Voxtral Transcribe 2 | Premier | Diarisering, kontekstbias, høj nøjagtighed |
| Dokumentekstraktion | OCR 3 | Premier | Struktur, tabeller, flere sider |
| Billede + tekst-analyse | Mistral Large 3 | Open | Frontier multimodal, bedste kvalitet |
| Matematisk ræsonnement | Magistral Medium 1.2 | Premier | Dyb chain-of-thought, specialiseret ræsonnement |
| Mobil/edge-deployement | Ministral 3 (3B) | Open | Ultrakompakt, multimodal, offline |
| Indholdsmoderation | Moderation 2 | Premier | Jailbreak-detektion, brugerdefinerede guardrails |
Gennemgå beslutningen i tre trin
Det første trin er at kategorisere dit behov. Generel tekst – samtale, skrivning, opsummering – falder ind under familien Small, Large og Medium. Alt, der relaterer sig til kode, tilhører familien Codestral og Devstral. Lyd, uanset om det er input eller output, går til Voxtral. Håndtér dokumenter og billeder med OCR 3 eller Large 3 afhængigt af, om du ønsker struktureret ekstraktion eller fortolkning. Komplekst ræsonnement kræver Magistral, og sikkerhedsspørgsmål falder ind under Moderation 2. Denne kategorisering eliminerer tre fjerdedele af kataloget med det samme.
Det andet trin sætter denne kandidat op imod dine begrænsninger, og det er her, beslutninger virkelig træffes. Et stramt budget peger mod Open-modeller til selvhosting eller mod Small 4 via API’en. Følsomme data kræver selvhosting af en open model, uanset hvor bekvem API’en er. Et strengt latenskrav presser dig mod Ministral 3 lokalt eller mod Codestral til IDE-fuldførelse. En jagt på maksimal kvalitet retfærdiggør Large 3 eller Magistral Medium 1.2. Endelig bør et team uden infrastruktur til administration holde sig til Premier API’en, selvom det koster mere. Disse begrænsninger modsiger ofte hinanden: Det er bedre eksplicit at afveje end at opdage konflikten i produktion.
Det tredje trin er det, folk helst springer over, og som de aldrig bør springe over: validering via prototyping. Vælg aldrig en model udelukkende baseret på benchmarks. Byg et testsæt på tyve til halvtreds repræsentative eksempler, kør to eller tre kandidater på dem, sammenlign resultatkvalitet, latens og omkostninger, og iterér derefter. Denne verifikation tager sjældent mere end en halv dag, og det er den eneste, der fortæller dig noget om din egen kontekst frem for et gennemsnit beregnet et andet sted.
Vindende kombinationer
I modne arkitekturer vælger du ikke en model, men en samling, hvor hver komponent gør det, den er bedst til. Et komplet RAG-system kæder Mistral Embed til indeksering, Small 4 til generering og Moderation 2 til filtrering af outputs. En dokument-pipeline starter med OCR 3 til ekstraktion, går videre til Small 4 til analyse og stole på Mistral Embed til søgning. En udviklerassistent kombinerer Codestral i IDE’en, Devstral 2 til komplekse opgaver og Codestral Embed til kodesøgning. En taleapplikation endelig går ind via Voxtral Transcribe, behandler med Small 4 og går ud via Voxtral TTS. De samlede omkostninger for disse kæder er næsten altid lavere end for en enkelt model, der forsøger at gøre alt.
Vigtige pointer
- Start altid med brugstilfældet, ikke modellen
- Evaluér triaden opgave / begrænsninger / budget før valg
- Kombinationer af flere modeller er ofte mere effektive end en enkelt model
- Test altid med dine egne data før du binder dig
- Mistral Small 4 er udgangspunktet som standard for de fleste tilfælde