Árbol de decisión: qué modelo para cada caso de uso
En esta página
Guía práctica de selección
Ya conoces todo el catálogo de Mistral, y la siguiente pregunta natural es cómo actuar: ¿qué modelo debes usar para tu proyecto? Esta lección ofrece un proceso de selección estructurado, respaldado por una tabla de correspondencia entre casos de uso y modelos. El objetivo no es darte una respuesta prefabricada, sino capacitarte para justificar tu elección ante un arquitecto o un director financiero (CFO).
Empieza por la necesidad, no por el modelo
El error más común es elegir de inmediato el modelo «más potente» y aplicarlo a todo. Un equipo que conecta un modelo de vanguardia a una tarea sencilla de clasificación de tickets paga diez veces el precio necesario, espera varios segundos una respuesta que un modelo pequeño habría ofrecido al instante y acaba dependiendo de una API cuando un modelo local habría sido suficiente. La potencia no compensa un desacople; lo encarece.
El enfoque correcto funciona a la inversa y consta de tres pasos. Primero, identifica tu tarea principal: aquella que representa la mayor parte del volumen, no el caso exótico que ocurre una vez al mes. A continuación, evalúa tus restricciones reales: presupuesto, latencia aceptable, sensibilidad de los datos e infraestructura disponible. Solo seleccionas el modelo en último lugar, en la intersección de esa tarea y esas restricciones. Un modelo nunca es bueno en términos absolutos; es adecuado o inadecuado para una intersección concreta.
Tabla de decisión por caso de uso
| Caso de uso | Modelo recomendado | Nivel | Por qué |
|---|---|---|---|
| Chatbot / Asistente | Mistral Small 4 | Open | Híbrido instruct+razonamiento, ventana de contexto de 256K, relación precio/rendimiento óptima |
| RAG (documentos largos) | Small 4 + Mistral Embed | Open + Premier | Ventana de contexto grande + embeddings de calidad |
| Completado de código (IDE) | Codestral | Premier | FIM, baja latencia, más de 80 lenguajes |
| Agente de código autónomo | Devstral 2 | Open | Resolución de tareas de extremo a extremo, exploración de código |
| Síntesis de voz / TTS | Voxtral TTS | Open | Clonación de voz, streaming, multilingüe |
| Transcripción de audio | Voxtral Transcribe 2 | Premier | Diarización, sesgo de contexto, alta precisión |
| Extracción de documentos | OCR 3 | Premier | Estructura, tablas, multipágina |
| Análisis de imagen + texto | Mistral Large 3 | Open | Multimodal de vanguardia, mejor calidad |
| Razonamiento matemático | Magistral Medium 1.2 | Premier | Cadena de pensamiento profunda, razonamiento especializado |
| Despliegue móvil/periférico | Ministral 3 (3B) | Open | Ultracompacto, multimodal, sin conexión |
| Moderación de contenido | Moderation 2 | Premier | Detección de jailbreak, barreras de seguridad personalizadas |
Recorre la decisión en tres pasos
El primer paso es categorizar tu necesidad. El texto general (conversación, redacción, resumen) pertenece a la familia Small, Large y Medium. Todo lo relacionado con código corresponde a la familia Codestral y Devstral. El audio, ya sea de entrada o de salida, va a Voxtral. Gestiona documentos e imágenes con OCR 3 o Large 3, dependiendo de si buscas una extracción estructurada o una interpretación. El razonamiento complejo requiere Magistral, y las cuestiones de seguridad caen bajo Moderation 2. Esta categorización elimina de entrada tres cuartas partes del catálogo.
El segundo paso enfrenta a este candidato con tus restricciones, y aquí es donde se toman realmente las decisiones. Un presupuesto ajustado apunta hacia los modelos Open para autoalojamiento o hacia Small 4 a través de la API. Los datos sensibles exigen autoalojar un modelo abierto, independientemente de la comodidad de la API. Un requisito estricto de latencia te empuja hacia Ministral 3 en local o hacia Codestral para el completado en el IDE. La búsqueda de la máxima calidad justifica Large 3 o Magistral Medium 1.2. Por último, un equipo sin infraestructura que administrar debería mantenerse en la API Premier, aunque cueste más. Estas restricciones suelen contradecirse entre sí: es mejor negociar compensaciones explícitamente que descubrir el conflicto en producción.
El tercer paso es el que la gente suele omitir con más gusto y nunca debería saltarse: la validación mediante prototipos. Nunca elijas un modelo basándote únicamente en benchmarks. Construye un conjunto de prueba de veinte a cincuenta ejemplos representativos, ejecuta dos o tres candidatos sobre ellos, compara la calidad del resultado, la latencia y el coste, y luego itera. Esta verificación rara vez lleva más de medio día, y es la única que te dice algo sobre tu propio contexto en lugar de sobre un promedio calculado en otro lugar.
Combinaciones ganadoras
En arquitecturas maduras, no eliges un modelo, sino un ensamblaje, donde cada componente hace lo que mejor sabe hacer. Un sistema RAG completo encadena Mistral Embed para la indexación, Small 4 para la generación y Moderation 2 para filtrar las salidas. Una canalización de documentos comienza con OCR 3 para la extracción, pasa a Small 4 para el análisis y se apoya en Mistral Embed para la búsqueda. Un asistente para desarrolladores combina Codestral en el IDE, Devstral 2 para tareas complejas y Codestral Embed para la búsqueda de código. Una aplicación de voz, finalmente, entra mediante Voxtral Transcribe, procesa con Small 4 y sale mediante Voxtral TTS. El coste total de estas cadenas es casi siempre inferior al de un único modelo que intente hacerlo todo.
Puntos clave
- Empieza siempre por el caso de uso, no por el modelo
- Evalúa la tríada tarea / restricciones / presupuesto antes de elegir
- Las combinaciones de varios modelos suelen ser más eficaces que un único modelo
- Prueba siempre con tus propios datos antes de comprometerte
- Mistral Small 4 es el punto de partida predeterminado para la mayoría de los casos