Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Mistral στο Azure AI

Μάθημα 11 / 14 Ενημερώθηκε 3 Νοεμβρίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Γιατί να χρησιμοποιήσετε το Mistral μέσω Azure;
  2. Επιλογή μεταξύ serverless και αποκλειστικού GPU
  3. Μοντέλα διαθέσιμα στο Azure
  4. Απόκτηση των διαπιστευτηρίων σας
  5. Κλήση του μοντέλου σε Python
  6. Η ίδια κλήση σε TypeScript
  7. Αξιοποίηση της υπόλοιπης πλατφόρμας
  8. Βασικά σημεία

Ενημερώθηκε στις 3 Νοεμβρίου 2026: Το προηγούμενο παράδειγμα TypeScript περνούσε τις process.env.AZUREAI_API_KEY και process.env.AZUREAI_ENDPOINT απευθείας στο MistralAzure. Δεδομένου ότι και οι δύο επιλογές είναι υποχρεωτικές, η TypeScript 7 σε αυστηρή λειτουργία (strict mode) αρνούνταν να κάνει compilation (επαληθεύτηκε με το @mistralai/mistralai-azure 2.1.0). Οι μεταβλητές περιβάλλοντος επικυρώνονται πλέον πριν από τη δημιουργία του client. Πηγή: @mistralai/mistralai-azure SDK.

Γιατί να χρησιμοποιήσετε το Mistral μέσω Azure;

Αυτό το ερώτημα σπάνια τίθεται για τεχνικούς λόγους: το απευθείας API του Mistral λειτουργεί άψογα. Τίθεται για συμβατικούς και οργανωτικούς λόγους. Μια εταιρεία ήδη ενταγμένη στο οικοσύστημα της Microsoft καταναλώνει μια διαπραγματευμένη δέσμευση Azure, διαθέτει καθιερωμένες διαδικασίες προμηθειών και δεν έχει κανέναν λόγο να ανοίξει νέα σύμβαση με προμηθευτή για μερικές χιλιάδες ευρώ σε tokens.

Η χρήση του Azure AI ενοποιεί τη χρέωση στην υπάρχουσα σύμβασή σας στο Azure, διασφαλίζει τη συμμόρφωση με τον GDPR μέσω ευρωπαϊκών περιοχών, παρέχει εγγενή ενσωμάτωση με άλλες υπηρεσίες Azure—Azure Functions, Cosmos DB, Azure ML—και προσφέρει εταιρική υποστήριξη από τη Microsoft με τις αντίστοιχες συμφωνίες επιπέδου υπηρεσίας (SLA). Εν συντομία: το ίδιο μοντέλο, εντός του περιμέτρου διακυβέρνησης που έχει ήδη εγκρίνει το τμήμα Πληροφορικής σας.

Επιλογή μεταξύ serverless και αποκλειστικού GPU

Το Azure προσφέρει δύο προσεγγίσεις και η επιλογή εξαρτάται από τη σταθερότητα του φόρτου εργασίας σας. Η λειτουργία πληρωμής ανά χρήση (pay-as-you-go), γνωστή και ως MaaS (Model as a Service), εκθέτει ένα serverless API: δεν χρειάζεται να προμηθευτείτε GPUs, πληρώνετε μόνο για τα tokens που καταναλώνονται και το Azure διαχειρίζεται μόνο του την κλιμάκωση. Αυτός είναι ο συνιστώμενος τρόπος για τις περισσότερες περιπτώσεις χρήσης, ειδικά όσο η κίνησή σας είναι ακανόνιστη ή απρόβλεπτη.

Τα endpoints πραγματικού χρόνου (Real-time endpoints) καλύπτουν την αντίθετη ανάγκη. Επιλέγετε τον τύπο και τον αριθμό των GPU, η υποδομή είναι αποκλειστικά δική σας και η χρέωση γίνεται ανά ώρα υπολογισμού—είτε το μοντέλο εργάζεται είτε είναι αδρανές. Ένα εσωτερικό API που δέχεται συνεχώς χιλιάδες χρήστες ταιριάζει σε αυτό το μοντέλο· ένα πρωτότυπο στο οποίο γίνεται πρόσβαση τρεις φορές την ημέρα θα σπαταλήσει πολλά χρήματα εδώ. Θυμηθείτε τον κανόνα: αυτή η λειτουργία συνιστάται για προβλέψιμους φόρτους εργασίας υψηλής απόδοσης.

Μοντέλα διαθέσιμα στο Azure

Η τεκμηρίωση του Mistral αναφέρει τα ακόλουθα μοντέλα στο Azure (λίστα ανακτήθηκε στις 2 Νοεμβρίου 2026). Ο κατάλογος εξελίσσεται τακτικά: συμβουλευτείτε την επίσημη σελίδα για την τρέχουσα λίστα.

ΜοντέλοΤοποθέτηση
Mistral Medium 3.5Καλή ισορροπία απόδοσης/κόστους
Mistral Large 3 (25.12)Κορυφαίο μοντέλο για σύνθετες εργασίες
Mistral Small (25.06)Γρήγορο και οικονομικό
Codestral (25.01)Εξειδικευμένο στη δημιουργία κώδικα
Ministral 3B (24.10)Συμπαγές μοντέλο για ελαφριές εργασίες
Document AI (OCR 4)Εξαγωγή κειμένου και δομής σε έγγραφα

Απόκτηση των διαπιστευτηρίων σας

Η ανάκτηση των διαπιστευτηρίων γίνεται μέσω της διεπαφής του Azure και διαρκεί λίγα λεπτά:

  1. Μεταβείτε στο Microsoft Foundry
  2. Δημιουργήστε ένα έργο ή επιλέξτε ένα υπάρχον
  3. Αναπτύξτε ένα μοντέλο Mistral από τον κατάλογο μοντέλων
  4. Ανακτήστε το endpoint και το κλειδί API σας από τη σελίδα ανάπτυξης

Τοποθετήστε αυτές τις δύο τιμές σε μεταβλητές περιβάλλοντος, ακριβώς όπως το απευθείας κλειδί του Mistral. Η διαφορά βρίσκεται στο endpoint: κάθε ανάπτυξη στο Azure έχει το δικό της· δεν υπάρχει κοινό URL.

export AZUREAI_ENDPOINT="https://your-endpoint.inference.ai.azure.com"
export AZUREAI_API_KEY="your-azure-secret-key"

Κλήση του μοντέλου σε Python

Το SDK του Mistral παρέχει έναν αφιερωμένο client για το Azure, τον MistralAzure, ο οποίος περιλαμβάνεται στο πακέτο mistralai: του περνάτε το URL ανάπτυξης και το κλειδί σας, και το υπόλοιπο του κώδικα είναι πανομοιότυπο με αυτό που γράφετε για το απευθείας API. Από την έκδοση 2.0 του SDK (Μάρτιος 2026), η εισαγωγή γίνεται από το mistralai.azure.client.

import os
from mistralai.azure.client import MistralAzure

client = MistralAzure(
    server_url=os.environ["AZUREAI_ENDPOINT"],
    api_key=os.environ["AZUREAI_API_KEY"],
)

response = client.chat.complete(
    model="azureai",  # Αναγνωριστικό που αναμένεται από τα endpoints του Azure
    messages=[
        {"role": "user", "content": "Ποια είναι τα οφέλη του κυρίαρχου cloud στην Ευρώπη;"}
    ]
)

print(response.choices[0].message.content)

Το πιο μπερδεμένο σημείο βρίσκεται στην παράμετρο model. Περιμένετε να γράψετε mistral-large-latest· αντίθετα, πρέπει να βάλετε azureai. Ο λόγος είναι απλός: το μοντέλο καθορίζεται ήδη από την ανάπτυξη που δημιουργήσατε στην πλευρά του Azure· το endpoint δείχνει σε αυτό και μόνο σε αυτό. Επομένως, η αλλαγή μοντέλου σημαίνει αλλαγή endpoint, όχι αλλαγή μιας συμβολοσειράς στον κώδικα.

Η ροή δεδομένων (streaming), ωστόσο, δεν αλλάζει ούτε στο ελάχιστο σε σχέση με το απευθείας API—ίδια μέθοδος, ίδιο επίπεδο .data για την πρόσβαση στο περιεχόμενο του chunk. Αυτό είναι ακριβώς το νόημα ενός ενοποιημένου SDK: ο κώδικας που γράψατε στα προηγούμενα μαθήματα λειτουργεί ως έχει.

stream = client.chat.stream(
    model="azureai",
    messages=[
        {"role": "user", "content": "Περιγράψτε την αρχιτεκτονική μιας λίμνης δεδομένων στο Azure."}
    ]
)

for chunk in stream:
    content = chunk.data.choices[0].delta.content
    if content:
        print(content, end="", flush=True)

Η ίδια κλήση σε TypeScript

Στην πλευρά της TypeScript, ο client του Azure δημοσιεύεται σε ένα ξεχωριστό πακέτο, το @mistralai/mistralai-azure, το οποίο εγκαθίσταται με npm add @mistralai/mistralai-azure. Οι επιλογές του ακολουθούν τη συμβατική ονοματοδοσία της JavaScript: apiKey και endpoint, και τα δύο υποχρεωτικά. Εξ ου και η επικύρωση των μεταβλητών περιβάλλοντος, χωρίς την οποία η αυστηρή λειτουργία αρνείται το compilation, καθώς μια μεταβλητή περιβάλλοντος θα μπορούσε να λείπει:

import { MistralAzure } from '@mistralai/mistralai-azure';

const apiKey = process.env.AZUREAI_API_KEY;
const endpoint = process.env.AZUREAI_ENDPOINT;
if (!apiKey || !endpoint) {
  throw new Error('Set AZUREAI_API_KEY and AZUREAI_ENDPOINT.');
}

const client = new MistralAzure({ apiKey, endpoint });

const response = await client.chat.complete({
  model: 'azureai',
  messages: [
    { role: 'user', content: 'Πώς να ασφαλίσετε ένα Azure Key Vault;' },
  ],
});

console.log(response.choices[0]?.message?.content);

Πηγές: Mistral στο Azure (Τεκμηρίωση Mistral) · TypeScript SDK @mistralai/mistralai-azure

Αξιοποίηση της υπόλοιπης πλατφόρμας

Μόλις η κλήση λειτουργήσει, αξιοποιήστε τις υπηρεσίες για τις οποίες ήδη πληρώνετε. Αποθηκεύστε τα κλειδιά σας στο Azure Key Vault αντί για μεταβλητές περιβάλλοντος: η περιστροφή τους γίνεται μια διοικητική εργασία και όχι μια επαναδιάθεση. Ενεργοποιήστε τα διαγνωστικά αρχεία καταγραφής (logs) στο endpoint σας για να παρακολουθείτε τη λανθάνουσα κατάσταση και τα σφάλματα, τον μόνο τρόπο να διακρίνετε την βραδύτητα του μοντέλου από την βραδύτητα του κώδικα. Επιλέξτε μια ευρωπαϊκή περιοχή, West Europe ή France Central, για να παραμείνετε συμμορφωμένοι με τον GDPR—αυτός είναι συχνά ο βασικός λόγος επιλογής του Azure. Τέλος, διαμορφώστε ειδοποιήσεις του Azure Monitor για την κατανάλωση tokens: ένας βρόχος που δεν έκλεισε σωστά σε μια νυχτερινή εργασία φαίνεται στον λογαριασμό πολύ αργότερα από ό,τι σε μια ειδοποίηση.

Βασικά σημεία

  • Το Azure AI προσφέρει το Mistral σε λειτουργίες serverless (MaaS) ή αποκλειστικού GPU
  • Το μοντέλο αναγνωρίζεται από το "azureai" στις κλήσεις API
  • Ο client MistralAzure λαμβάνει το endpoint μέσω του server_url (Python, mistralai.azure.client) ή του endpoint (TypeScript, @mistralai/mistralai-azure)
  • Η ενσωμάτωση με το οικοσύστημα του Azure (Key Vault, Monitor, Functions) αποτελεί σημαντικό πλεονέκτημα για τις επιχειρήσεις
  • Επιλέξτε μια ευρωπαϊκή περιοχή για να παραμείνετε συμμορφωμένοι με τον GDPR