Ir al contenido principal
Español— Elegir un idioma
Menú

La API de Document QnA

Lección 13 de 16 Actualizado el 3 de noviembre de 2026 Desarrollador
En esta página
  1. Consulta tus documentos en lenguaje natural
  2. Un endpoint diferente al de OCR
  3. Tres formas de enviar el documento
  4. Qué modelo de chat elegir según la pregunta
  5. Encadenar preguntas
  6. Lo que QnA no hará por ti
  7. Puntos clave

Lección actualizada el 3 de noviembre de 2026. Adenda del 3 de noviembre de 2026: Para enviar un PDF local, transmítelo en base64 con el formato {"type": "document_url", "document_url": "data:application/pdf;base64,…"}. El tipo document_base64 que aparecía en ejemplos antiguos no existe ni en la documentación ni en el SDK mistralai, y esos ejemplos habrían fallado. Fuentes: OCR Processor · Document QnA.

Consulta tus documentos en lenguaje natural

Document QnA combina OCR con un LLM de Mistral, lo que te permite hacer preguntas directamente sobre el contenido de tus documentos. En lugar de revisar cincuenta páginas para encontrar una cláusula o una cifra concreta, simplemente formulas la pregunta y lees la respuesta. Internamente, el servicio ejecuta dos pasos: el OCR extrae el texto, la estructura y el formato; luego, un modelo de chat de Mistral analiza el contenido extraído para generar una respuesta. Esta combinación es transparente para ti: una única llamada a la API se encarga de todo.

Un endpoint diferente al de OCR

Este es el punto que suele causar problemas en el primer intento. El OCR puro utiliza client.ocr.process, mientras que QnA emplea el endpoint estándar de Chat client.chat.complete, con un mensaje que contiene tanto un bloque de texto como un bloque document_url. Dicho de otro modo, el documento se convierte en un adjunto de tu pregunta, igual que una imagen en un intercambio multimodal.

import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Pregunta sobre un documento público
response = client.chat.complete(
    model="mistral-small-latest",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "¿Cuál es el ingreso total mencionado?"
                },
                {
                    "type": "document_url",
                    "document_url": "https://example.com/annual-report.pdf"
                }
            ]
        }
    ]
)

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

Tres formas de enviar el documento

Una URL pública es la vía más directa, ideal para documentos ya accesibles en línea, como una publicación científica, un informe institucional o un PDF alojado en tu sitio web.

messages = [
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "Resume los puntos principales."},
            {
                "type": "document_url",
                "document_url": "https://arxiv.org/pdf/1805.04770"
            }
        ]
    }
]

response = client.chat.complete(
    model="mistral-small-latest",
    messages=messages
)

Los archivos locales, por el contrario, se envían en base64. Este es el modo predeterminado cuando un documento es confidencial o está almacenado detrás de tu firewall; no hace falta publicar nada en la web para poder consultarlo.

import base64

with open("contract.pdf", "rb") as f:
    doc_base64 = base64.b64encode(f.read()).decode("utf-8")

messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "text",
                "text": "¿Cuáles son las cláusulas de rescisión?"
            },
            {
                "type": "document_url",
                "document_url": f"data:application/pdf;base64,{doc_base64}"
            }
        ]
    }
]

response = client.chat.complete(
    model="mistral-small-latest",
    messages=messages
)

Por último, existe una tercera opción para archivos ya subidos mediante la API de Files: los subes una vez con purpose="ocr" y luego haces referencia al ID resultante tantas veces como necesites. Si planeas consultar un documento varias veces, esto evita volver a subir varios megabytes con cada pregunta.

uploaded = client.files.upload(
    file=open("report.pdf", "rb"),
    purpose="ocr"
)

messages = [
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "¿Cuál es el presupuesto previsto?"},
            {"type": "file_id", "file_id": uploaded.id}
        ]
    }
]

response = client.chat.complete(
    model="mistral-small-latest",
    messages=messages
)

Qué modelo de chat elegir según la pregunta

El parámetro model depende de ti y afecta tanto a la calidad de la respuesta como al coste.

ModelProfileWhen to choose it
mistral-small-latestRápido y económicoSuficiente para la mayoría de las preguntas
mistral-medium-latestBuen compromisoEquilibrio entre velocidad y precisión
mistral-large-latestMás precisoAnálisis y razonamiento complejos

Tu elección dependerá de la complejidad de tus preguntas y de tu presupuesto: extraer un importe de una factura no requiere el mismo modelo que comparar regímenes de responsabilidad entre dos contratos.

Encadenar preguntas

No tienes que hacer todas las preguntas de una vez. Envías el documento en el primer mensaje, añades la respuesta del modelo al historial y luego formulas tu pregunta de seguimiento solo como texto: el contexto del documento permanece en la conversación. Esta es la forma natural de explorar un informe: empieza con un resumen y luego profundiza en el punto que te interese.

history = [
    {
        "role": "user",
        "content": [
            {"type": "text", "text": "Resume este documento en 3 puntos."},
            {
                "type": "document_url",
                "document_url": "https://example.com/report.pdf"
            }
        ]
    }
]

# Primera llamada
response = client.chat.complete(
    model="mistral-small-latest",
    messages=history
)

# Añadir la respuesta al historial
history.append({
    "role": "assistant",
    "content": response.choices[0].message.content
})

# Pregunta de seguimiento
history.append({
    "role": "user",
    "content": "Detalla el segundo punto."
})

response = client.chat.complete(
    model="mistral-small-latest",
    messages=history
)

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

Lo que QnA no hará por ti

Hay cuatro limitaciones que conviene conocer antes de construir un servicio sobre esta base. Primero, el tamaño: 50 MB por archivo y un máximo de 1.000 páginas, lo que descarta grandes archivos sin una división previa. Segundo, el coste, ya que los documentos largos consumen muchos tokens de entrada con cada pregunta. Tercero, la falta de memoria persistente implica que debes reconstruir el historial tú mismo; cada llamada es independiente fuera de una conversación de varios turnos. El punto más delicado es el último: el LLM interpreta tanto como extrae, lo que puede introducir errores en cifras precisas. Para un importe que vaya a contabilidad, prefiere la anotación estructurada; reserva QnA para la comprensión y la síntesis.

Puntos clave

  • Document QnA utiliza el endpoint de Chat con contenido document_url: ya sea una URL pública o un PDF codificado en base64 como URL de datos
  • El flujo interno es OCR y luego LLM, pero solo se requiere una llamada
  • Tres métodos de envío: URL, base64, archivo subido
  • Las conversaciones de varios turnos permiten análisis en profundidad
  • Elige tu modelo de chat en función de la complejidad de tus preguntas