Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Υποστηριζόμενα Μοντέλα και Συμβατότητα

Μάθημα 3 / 12 Ενημερώθηκε 2 Νοεμβρίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Συμβατότητα Μοντέλων Mistral
  2. Βασικά Μοντέλα
  3. Επιλογή του Κατάλληλου Μοντέλου
  4. Η Παράμετρος temperature
  5. Έλεγχος Συμβατότητας Προγραμματιστικά
  6. Βασικά σημεία

Συμβατότητα Μοντέλων Mistral

Δεν χειρίζονται όλα τα μοντέλα της Mistral τις δομημένες εξόδους με τον ίδιο τρόπο. Πριν γράψετε την πρώτη γραμμή κώδικα, επαληθεύστε ότι το μοντέλο-στόχος σας υποστηρίζει την προσέγγιση που επιλέξατε. Αυτός ο έλεγχος τριάντα δευτερολέπτων σας γλιτώνει από την εμφάνιση ενός ακατανόητου σφάλματος API στο τέλος της ανάπτυξης.

Τα καλά νέα σε μία πρόταση είναι τα εξής: σχεδόν όλα τα μοντέλα της Mistral υποστηρίζουν δομημένες εξόδους, τόσο σε Λειτουργία JSON (JSON Mode) όσο και σε Προσαρμοσμένες Δομημένες Εξόδους (Custom Structured Outputs). Η μόνη εξαίρεση, το codestral-mamba, αποσύρθηκε από τη Mistral τον Ιούνιο του 2025.

Βασικά Μοντέλα

Ακολουθούν τα πιο συχνά χρησιμοποιούμενα μοντέλα και η κατάσταση συμβατότητάς τους (από τον Απρίλιο του 2026):

ΜοντέλοΣυμβατότηταΤυπική Περίπτωση Χρήσης
mistral-large-latestΠλήρης υποστήριξη (Λειτουργία JSON + Προσαρμοσμένη)Σύνθετες εργασίες που απαιτούν αξιόπιστες δομημένες εξόδους
mistral-medium-latestΠλήρης υποστήριξηΒέλτιστη ισορροπία απόδοσης/κόστους για pipelines παραγωγής
mistral-small-latestΠλήρης υποστήριξηΑπλές εργασίες (ταξινόμηση, βασική εξαγωγή οντοτήτων) με περιορισμένο προϋπολογισμό
ministral-8b-latestΠλήρης υποστήριξηΕλαφριές εξαγωγές με ελάχιστη καθυστέρηση
ministral-3b-latestΠλήρης υποστήριξηΗ πιο ελαφριά επιλογή όταν η ταχύτητα υπερισχύει της πολυπλοκότητας
codestral-latestΠλήρης υποστήριξηΒελτιστοποιημένο για κώδικα, αλλά λειτουργεί και για μη κωδικοποιητικές εργασίες
mistral-embedΔεν εφαρμόζεταιΜοντέλο ενσωμάτωσης (embedding); δεν παράγει κείμενο

Τα γενικής χρήσης μοντέλα Large, Medium και Small καλύπτουν τις περισσότερες ανάγκες, ενώ η οικογένεια Ministral διαχειρίζεται τους περιορισμούς καθυστέρησης (latency).

Επιλογή του Κατάλληλου Μοντέλου

Κατά τη διάρκεια της δημιουργίας πρωτοτύπων, χρησιμοποιήστε το mistral-small-latest ή το ministral-8b-latest. Είναι γρήγορα, οικονομικά και περισσότερο από επαρκή για να επικυρώσετε ότι το σχήμα σας λειτουργεί και ότι το prompt σας λέει αυτό που νομίζετε ότι λέει. Το να πληρώνετε για το πιο ισχυρό μοντέλο μόνο για να ανακαλύψετε ότι ένα πεδίο είχε ονομαστεί λανθασμένα, αποτελεί σπατάλη.

# Δημιουργία πρωτοτύπου — ελαφρύ μοντέλο
response = client.chat.parse(
    model="ministral-8b-latest",
    messages=messages,
    response_format=MonSchema
)

Η παραγωγή αλλάζει τα κριτήρια. Η εξαγωγή πολλαπλών πεδίων, η λεπτομερής ανάλυση συναισθήματος ή η ταξινόμηση υψηλής ευκρίνειας δικαιολογούν τη χρήση του mistral-large-latest. Αντιθέτως, μια απλή εργασία που επεξεργάζεται σε μεγάλο όγκο εκτελείται εξίσου καλά στο mistral-small-latest. Σημειώστε την προσθήκη του temperature=0 εδώ· θα καλύψουμε αυτή την παράμετρο αναλυτικά παρακάτω.

# Παραγωγή — ισχυρό μοντέλο
response = client.chat.parse(
    model="mistral-large-latest",
    messages=messages,
    response_format=MonSchema,
    temperature=0  # Μέγιστη αναπαραγωγιμότητα
)

Τέλος, λάβετε υπόψη τα pipelines υψηλής συχνότητας όπου η καθυστέρηση είναι ο κυρίαρχος περιορισμός. Εάν επεξεργάζεστε χιλιάδες αιτήματα ανά λεπτό—όπως ταξινόμηση εισιτηρίων ή διαλογή emails—το ministral-8b-latest προσφέρει την καλύτερη αναλογία καθυστέρησης προς ποιότητα. Ο ορισμός ορίου στο maxTokens εμποδίζει το μοντέλο να καθυστερεί σε υπερβολικά μεγάλες απαντήσεις.

// TypeScript — pipeline υψηλής συχνότητας
const response = await client.chat.parse({
  model: "ministral-8b-latest",
  messages,
  responseFormat: MonSchema,
  maxTokens: 128,  // Όριο για ταχύτητα
});

Η Παράμετρος temperature

Ένα σημείο αξίζει την προσοχή σας: το temperature επηρεάζει τη μεταβλητότητα της εξόδου ακόμη και σε δομημένη λειτουργία. Στο 0, η έξοδος είναι ντετερμινιστική. Αυτή είναι η συνιστώμενη ρύθμιση για παραγωγή και οπουδήποτε η αναπαραγωγιμότητα έχει σημασία—δύο εκτελέσεις στο ίδιο έγγραφο πρέπει να αποδίδουν την ίδια εγγραφή. Μεταξύ 0.1 και 0.3, εισάγετε ελαφριά μεταβλητότητα, κάτι που είναι χρήσιμο μόνο εάν θέλετε διαφορετική διατύπωση σε πεδία ελεύθερου κειμένου, όπως μια σύνοψη. Από το 0.7 και πάνω, η μεταβλητότητα γίνεται έντονη και το μοντέλο ενδέχεται να παράγει ασυνεπείς τιμές. Αποφύγετε το στις δομημένες εξόδους.

Έλεγχος Συμβατότητας Προγραμματιστικά

Σε περιβάλλον παραγωγής, αντί να βασίζεστε σε μια στατική λίστα, διαχειριστείτε το σφάλμα που επιστρέφεται από το SDK όταν ένα μοντέλο δεν μπορεί να εκπληρώσει το αίτημα:

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

client = Mistral(api_key=api_key)

try:
    response = client.chat.parse(
        model=modele,  # αναγνωριστικό που διαβάζεται από τη διαμόρφωσή σας
        messages=[{"role": "user", "content": "Test"}],
        response_format=MonSchema
    )
except SDKError as e:
    print(f"Μη συμβατό μοντέλο: {e}")

Αυτή η συνήθεια παραμένει πολύτιμη με την πάροδο του χρόνου. Η Mistral κυκλοφορεί τακτικά νέα μοντέλα και η υποστήριξη δομημένων εξόδων έχει γίνει ένα πρότυπο που οι νέες γενιές υποστηρίζουν συστηματικά. Συμβουλευτείτε την επίσημη τεκμηρίωση για την τρέχουσα λίστα πριν καρφώσετε (pin) ένα αναγνωριστικό στη διαμόρφωσή σας.

Βασικά σημεία

  • Τα τρέχοντα μοντέλα της Mistral υποστηρίζουν δομημένες εξόδους· η ιστορική εξαίρεση, codestral-mamba, αποσύρθηκε τον Ιούνιο του 2025
  • Χρησιμοποιήστε temperature: 0 σε παραγωγή για αναπαραγώγιμες εξόδους
  • Επιλέξτε το μοντέλο σας βάσει των αναγκών σας: mistral-large για ποιότητα, ministral-8b για ταχύτητα
  • Και οι δύο προσεγγίσεις (Λειτουργία JSON και Προσαρμοσμένη) υποστηρίζονται από τα ίδια μοντέλα