Ir al contenido principal
Español— Elegir un idioma
Menú

Introducción a los flujos de trabajo de Mistral

Lección 1 de 14 Actualizado el 3 de noviembre de 2026 Avanzado
En esta página
  1. Orquestación de tareas complejas de IA
  2. ¿Qué es un flujo de trabajo duradero?
  3. Pasos en un flujo de trabajo típico
  4. Capacidades clave de la plataforma
  5. Casos de uso concretos
  6. Vista previa pública: qué significa esto
  7. Puntos clave

Actualización 2 de noviembre de 2026 — Modelos. Mistral Large 3 (mistral-large-2512) y Mistral Medium 3.5 quedaron obsoletos el 31 de octubre de 2026 y se retirarán el 30 de abril de 2027. Su sucesor designado, Mistral Large 4 (mistral-large-4), está en vista previa pública desde el 6 de octubre. Los ejemplos de este curso utilizan el alias mistral-large-latest, que aún apunta a Mistral Large 3 según su especificación oficial (verificado el 3 de noviembre de 2026), al igual que mistral-medium-latest apunta a Mistral Medium 3.5. Estos alias seguirán siendo válidos hasta el 30 de abril de 2027. Para nuevos proyectos, prueba mistral-large-4, su sucesor designado.

Orquestación de tareas complejas de IA

Una aplicación de IA seria nunca cabe en una única llamada a la API. Piensa en un servicio que genera un informe de clientes cada noche: extrae datos de tres sistemas, los envía a un modelo para su procesamiento, remite el resultado por correo electrónico, espera la aprobación de un gestor y, finalmente, desencadena un proceso de facturación. Esta cadena abarca horas, a veces días, y atraviesa redes, colas y servicios de terceros, ninguno de los cuales es fiable al 100 %.

El día en que la máquina que ejecuta esta canalización se reinicia entre el envío del correo y el procesamiento de la factura, te enfrentas a dos escenarios. O bien reinicias todo desde cero y el cliente recibe su informe por segunda vez, o bien has escrito manualmente un sistema de puntos de control, bloqueos y tablas de estado: cientos de líneas de código que no tienen nada que ver con tu negocio principal. La plataforma Mistral AI Workflows, lanzada en vista previa pública el 27 de abril de 2026, existe para ahorrarte esta elección. Ofrece una garantía fundamental: tu flujo de trabajo nunca perderá su progreso.

¿Qué es un flujo de trabajo duradero?

Un flujo de trabajo duradero es un programa donde cada paso se persiste antes de que comience el siguiente. Volvamos al informe nocturno: en el momento en que se envía el correo, la plataforma ya ha registrado en su diario que este paso está completo y ha guardado el resultado. Si el proceso se detiene un segundo después, se reanuda en el paso de facturación, no al principio, sin pérdida de datos ni acciones duplicadas.

Este mecanismo no es experimental. La plataforma Mistral Workflows está impulsada por Temporal, un motor de orquestación probado en producción en empresas como Netflix, Uber y Stripe. Heredas un modelo de ejecución que ya ha resistido fallos a gran escala, envuelto en una capa de Mistral que lo expone mediante Python moderno.

Pasos en un flujo de trabajo típico

Antes de entrar en los detalles de las siguientes lecciones, aquí tienes el recorrido completo que realizarás, desde la definición del código hasta la supervisión en producción.

1

Definir actividades

Cada unidad de trabajo (llamada a la API, consulta a la base de datos, procesamiento de IA) se encapsula en una función asíncrona llamada actividad.

2

Crear el flujo de trabajo

El flujo de trabajo orquesta las actividades: el orden de ejecución, las condiciones y la lógica de ramificación.

3

Iniciar un worker

El worker es el proceso que ejecuta realmente tus flujos de trabajo y actividades. Se conecta a la plataforma Mistral y espera tareas.

4

Desencadenar la ejecución

Inicias el flujo de trabajo mediante el SDK de Python o una llamada cURL. La plataforma persiste cada paso y gestiona la reanudación automática.

5

Observar y supervisar

Cada actividad genera trazas de OpenTelemetry. Puedes seguir la ejecución en tiempo real y diagnosticar problemas.

Capacidades clave de la plataforma

La ejecución es fiable y tolerante a fallos. Los flujos de trabajo nunca pierden progreso porque cada paso se persiste antes de pasar al siguiente. Ya sea un fallo del servidor, una interrupción de red o un error transitorio de un proveedor, el flujo de trabajo se reanuda automáticamente exactamente donde lo dejó, sin ninguna intervención por tu parte.

La plataforma también está diseñada para escenarios nativos de IA. Un agente que encadena llamadas a herramientas, una secuencia de modelos o una conversación prolongada con un asistente: estos patrones implican esperas largas y reanudaciones frecuentes, que es exactamente el caso de uso objetivo. Los flujos de trabajo pueden durar desde unos pocos segundos hasta varias semanas, lo que permite escenarios imposibles con una simple petición HTTP, como esperar tres días para una validación humana.

La arquitectura es también totalmente observable de extremo a extremo. Cada acción (finalización de actividad, señal, error) se registra como un evento en tiempo real. Puedes transmitir estos eventos a sistemas externos, lo que te permite, por ejemplo, mostrar al usuario final una barra de progreso que refleje el estado real del procesamiento en lugar de una animación decorativa. Por último, el SDK de Python utiliza decoradores familiares y patrones async/await: si sabes Python, ya sabes cómo escribir flujos de trabajo.

Casos de uso concretos

Cuatro familias de aplicaciones surgen con regularidad. Una canalización de procesamiento de documentos encadena extracción, análisis, resumen y clasificación, de modo que cada documento pasa por los mismos pasos y un fallo a mitad de un lote no obliga a reiniciar todo. Un agente de atención al cliente recupera el contexto, genera una respuesta, escala el caso a un humano si es necesario y realiza tareas de seguimiento días después de cerrar el ticket. Un flujo de trabajo de moderación de contenidos hace que varios modelos analicen el mismo elemento, aplica una votación por mayoría y escala a un moderador humano en caso de desacuerdo. Por último, la generación de informes recopila datos de múltiples fuentes, los agrega, produce el texto, le da formato y envía el documento.

Vista previa pública: qué significa esto

La funcionalidad Workflows está en vista previa pública desde su lanzamiento el 27 de abril de 2026 (anuncio oficial), y este estado tiene consecuencias prácticas. Antes de empezar, consulta el estado actual en la documentación de Workflows. Las API y las funcionalidades pueden cambiar sin previo aviso: fija las versiones de tus dependencias y planifica revisar las notas de la versión antes de cada actualización. La plataforma está lista para producción, pero requiere precaución, lo que significa que debes mantener un plan de contingencia para los procesos críticos. Los comentarios de los usuarios influyen directamente en la hoja de ruta, por lo que tu aportación tiene un peso real. Todavía existen algunas limitaciones técnicas, que detallamos en las siguientes lecciones en lugar de omitirlas.

Puntos clave

  • Mistral Workflows te permite orquestar tareas complejas de IA con una garantía de durabilidad
  • La plataforma está impulsada por Temporal, un motor de orquestación probado en producción
  • La arquitectura se basa en tres componentes: actividades (trabajo real), flujos de trabajo (orquestación), workers (ejecución)
  • Cada paso se persiste; un flujo de trabajo interrumpido se reanuda automáticamente
  • La funcionalidad está en vista previa pública (abril de 2026): las API están sujetas a cambios