Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Támogatott modellek és kompatibilitás

3. lecke 12 közül Frissítve 2026. november 2. Fejlesztő
Ezen az oldalon
  1. Mistral modell-kompatibilitás
  2. Alapmodellek
  3. A megfelelő modell kiválasztása
  4. A temperature paraméter
  5. Kompatibilitás programozott ellenőrzése
  6. Főbb megállapítások

Mistral modell-kompatibilitás

Nem minden Mistral modell kezeli ugyanúgy a strukturált kimeneteket. Mielőtt egyetlen sor kódot is írnál, győződj meg arról, hogy a kiválasztott modelled támogatja a választott megközelítést. Ez a harminc másodperces ellenőrzés megkímél attól, hogy a fejlesztés végén érthetetlen API-hibába ütközz.

Íme a jó hír egy mondatban: szinte az összes Mistral modell támogatja a strukturált kimeneteket, mind JSON módban, mind egyéni strukturált kimenetek esetén. Az egyetlen kivétel, a codestral-mamba, amelyet a Mistral 2025 júniusában nyugdíjazott.

Alapmodellek

Íme a leggyakrabban használt modellek és kompatibilitási státuszuk (2026 áprilisi állapot szerint):

ModellKompatibilitásTipikus használati eset
mistral-large-latestTeljes támogatás (JSON mód + Egyéni)Komplex feladatok, amelyek megbízható strukturált kimenetet igényelnek
mistral-medium-latestTeljes támogatásA legjobb teljesítmény/költség arány éles környezetben futó folyamatokhoz
mistral-small-latestTeljes támogatásEgyszerű feladatok (osztályozás, alapvető entitáskinyerés) korlátozott költségvetés mellett
ministral-8b-latestTeljes támogatásKönnyűsúlyú kinyerés minimális késleltetéssel
ministral-3b-latestTeljes támogatásA legkönnyebb opció, amikor a sebesség fontosabb a komplexitásnál
codestral-latestTeljes támogatásKódra optimalizálva, de nem kódolási feladatokhoz is működik
mistral-embedNem alkalmazhatóBeágyazási modell; nem generál szöveget

Az általános célú Large, Medium és Small modellek lefedik a legtöbb igényt, míg a Ministral család a késleltetési korlátokat kezeli.

A megfelelő modell kiválasztása

A prototípus-készítés során használd a mistral-small-latest vagy a ministral-8b-latest modelleket. Ezek gyorsak, olcsók, és több mint elegendőek annak validálásához, hogy a sémád megállja a helyét, és a promptod azt mondja, amit gondolsz. Pénzt kidobni a legerősebb modellre csak azért, hogy utólag kiderüljön: egy mező neve rossz, felesleges.

# Prototípus-készítés — könnyűsúlyú modell
response = client.chat.parse(
    model="ministral-8b-latest",
    messages=messages,
    response_format=MonSchema
)

Éles környezetben a kritériumok megváltoznak. Többmezős kinyerés, árnyalt szentiment-elemzés vagy finomhangolt osztályozás indokolttá teszi a mistral-large-latest használatát. Ezzel szemben egy nagy mennyiségben feldolgozott egyszerű feladat még mindig jól fut a mistral-small-latest modellen. Figyeld meg a temperature=0 hozzáadását itt; ezt a paramétert lentebb részletesen tárgyaljuk.

# Éles környezet — erőteljes modell
response = client.chat.parse(
    model="mistral-large-latest",
    messages=messages,
    response_format=MonSchema,
    temperature=0  # Maximális reprodukálhatóság
)

Végül vedd figyelembe azokat a nagy gyakoriságú folyamatokat, ahol a késleltetés a domináns korlát. Ha percenkénti ezres nagyságrendű kérést dolgozol fel – például jegyek osztályozása vagy e-mailek triázsolása –, a ministral-8b-latest kínálja a legjobb késleltetés/minőség arányt. A maxTokens korlátozása megakadályozza, hogy a modell túlságosan hosszú válaszoknál időzzön.

// TypeScript — nagy gyakoriságú folyamat
const response = await client.chat.parse({
  model: "ministral-8b-latest",
  messages,
  responseFormat: MonSchema,
  maxTokens: 128,  // Sebességkorlát
});

A temperature paraméter

Egy pontra különösen figyelj: a temperature befolyásolja a kimenet változékonyságát még strukturált módban is. 0 értéknél a kimenet determinisztikus. Ez az ajánlott beállítás éles környezetben és mindenhol, ahol a reprodukálhatóság számít – ugyanazon a dokumentumon két futtatásnak ugyanazt az rekordot kell eredményeznie. 0.1 és 0.3 között enyhe változékonyságot vezetsz be, ami csak akkor hasznos, ha különböző megfogalmazásokat szeretnél a szabad szöveges mezőkben, például egy összefoglalóban. 0.7-től felfelé a változékonyság erőssé válik, és a modell inkonzisztens értékeket produkálhat. Kerüld ezt strukturált kimenetek esetén.

Kompatibilitás programozott ellenőrzése

Éles környezetben, ahelyett, hogy statikus listára hagyatkoznál, kezeld le azt a hibát, amelyet az SDK ad vissza, amikor egy modell nem tudja teljesíteni a kérést:

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

client = Mistral(api_key=api_key)

try:
    response = client.chat.parse(
        model=modele,  # azonosító a konfigurációból olvasva
        messages=[{"role": "user", "content": "Test"}],
        response_format=MonSchema
    )
except SDKError as e:
    print(f"Modell nem kompatibilis: {e}")

Ez a szokás idővel is értékes marad. A Mistral rendszeresen ad ki új modelleket, és a strukturált kimenetek támogatása olyan szabvánnyá vált, amelyet az új generációk szisztematikusan támogatnak. Mielőtt rögzítenél egy azonosítót a konfigurációdban, konzultálj a hivatalos dokumentációval a jelenlegi lista érdekében.

Főbb megállapítások

  • A jelenlegi Mistral modellek támogatják a strukturált kimeneteket; a történelmi kivétel, a codestral-mamba, 2025 júniusában nyugdíjazásra került
  • Használj temperature: 0 értéket éles környezetben a reprodukálható kimenetek érdekében
  • Igényeid alapján válassz modellt: mistral-large a minőséghez, ministral-8b a sebességhez
  • Mindkét megközelítést (JSON mód és Egyéni) ugyanazok a modellek támogatják