Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

A megfelelő Mistral Vision modell kiválasztása

3. lecke 12 közül Frissítve 2026. november 2. Fejlesztő
Ezen az oldalon
  1. Melyik modell melyik használati esetre?
  2. Vision modellek összehasonlítása
  3. Mistral Large 3 – A minőségi etalon
  4. Mistral Small 3.2 – A gazdaságos választás
  5. Ministral 3 – A peremhálózati (Edge) modell
  6. Döntési fa
  7. Modellváltás a kódban
  8. Főbb megállapítások

Melyik modell melyik használati esetre?

A Mistral több, képfeldolgozásra képes modellt kínál, amelyek minőségben, sebességben és költségben különböznek. A megfelelő modell kiválasztása nem csupán implementációs részlet: a legnehezebb és a legkönnyebb modellek között az árkülönbség tízszeres is lehet. Havi tízezer képet feldolgozó forgalom esetén ez a döntés nagyobb hatással van a költségvetésedre, mint az architektúra bármely más része.

Ez a lecke részletezi az egyes vision modellek sajátosságait, és bemutatja a módszert, amellyel kiválaszthatod a használati esetedhez illőt.

Vision modellek összehasonlítása

Az alábbi táblázat újra bemutatja az 1. leckében tárgyalt 2026. áprilisi helyzetet, kiegészítve a választáshoz szükséges kulcsfontosságú mutatókkal.

Modell Paraméterek Sebesség Ár (bemenet/1M token) Használati esetek
Mistral Large 3 ~123B Közepes ~2 USD Részletes elemzés, összetett következtetés
Mistral Medium 3.1 ~70B Gyors ~0,40 USD Sokoldalú, legjobb ár-érték arány
Mistral Small 3.2 ~24B Nagyon gyors ~0,10 USD Nagy volumen, egyszerű OCR, előválogatás
Ministral 3 14B 14B Nagyon gyors ~0,10 USD Peremhálózat (Edge), kritikus késleltetés, helyi üzemeltetés
Ministral 3 8B 8B Ultragyors ~0,10 USD Beágyazott rendszerek, gyors osztályozás

Az árak tájékoztató jellegűek és változhatnak – a naprakész adatokért tekintsd meg a Mistral árazási oldalát.

Mistral Large 3 – A minőségi etalon

A Mistral Large 3 a vision modellek zászlóshajója. Körülbelül 123 milliárd paramétere három területen justified: Először is, a részletes elemzés: egy átfedő jelmagyarázatokkal rendelkező diagram, egy annotált műszaki rajz vagy egy sűrű felhasználói felület olyan képek, ahol az információ fele az apró betűs részben és az elemek közötti összefüggésekben rejlik. Másodszor, a többlépéses következtetés, amikor a kérdés túlmutat az egyszerű leíráson: „Nézd meg ezt a diagramot, azonosítsd a trendet, és magyarázd el a valószínű okokat“ – ez három műveletet láncol össze, ahol a harmadik az első kettő pontosságától függ. Végül a strukturált kinyerés, ahol a cél a képtartalom jól formázott JSON-ná alakítása, mezők kitalálása vagy kihagyása nélkül.

from mistralai.client import Mistral

client = Mistral(api_key="YOUR_API_KEY")

# Large 3 komplex elemzéshez
response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "Analyze this financial chart. Identify the main trends and inflection points."
                },
                {
                    "type": "image_url",
                    "image_url": "https://example.com/financial-chart.png"
                }
            ]
        }
    ]
)

Tartsd fent kritikus elemzésekhez, érzékeny adatokhoz és olyan professzionális alkalmazásokhoz, ahol a pontosság fontosabb a költségnél. Egy számlaösszeg félreértelmezése többe kerül, mint a két modell közötti árkülönbség.

Mistral Small 3.2 – A gazdaságos választás

Körülbelül 24 milliárd paraméterével a Small 3.2 olyan ár-érték arányt kínál, amely a folyamatok igáslovává teszi. Nehézség nélkül kezeli a nagy volumenű feldolgozást – napi több száz vagy ezer képet – és az egyszerű OCR-t tiszta nyomtatott szövegeken: címkék, táblák, dokumentumfejlécek. Egy másik kedvelt felhasználási területe az előválogatás (triage): a képek gyors osztályozása, hogy csak azok kerüljenek a nehéz modellhez, amelyek valóban megérdemlik.

# Small 3.2 nagy volumenű feldolgozáshoz
response = client.chat.complete(
    model="mistral-small-latest",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Read the text visible on this product label."},
                {"type": "image_url", "image_url": "https://example.com/label.jpg"}
            ]
        }
    ]
)

Ez a helyes választás automatizált folyamatokhoz, MVP-khez és minden olyan esethez, ahol a sebesség és a költség fontosabb, mint a tökéletesség az utolsó százalékpontban.

Ministral 3 – A peremhálózati (Edge) modell

A Ministral modellek 14B és 8B verziói helyi (on-premise) vagy peremhálózati (edge) telepítésre készültek. Értékük kevésbé a nyers minőségben, inkább abban rejlik, amit lehetővé tesznek: válaszidő néhány száz milliszekundumban, futtatás fogyasztói kategóriájú GPU-kon, mint az RTX 4090 vagy az A10G, és mindenekelőtt annak garantálása, hogy egyetlen adat sem hagyja el az infrastruktúrádat. Egy sajtógépről lekerülő alkatrészeket ellenőrző gyártósor sem várhat egy hálózati körútra, sem nem exportálhatja a képeit.

# Helyileg hosztolt Ministral 14B (vLLM vagy Ollama keresztül)
from mistralai.client import Mistral

client = Mistral(
    api_key="local",
    server_url="http://localhost:8000/v1"
)

response = client.chat.complete(
    model="ministral-14b-2512",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Does this image contain a manufacturing defect?"},
                {"type": "image_url", "image_url": "data:image/jpeg;base64,/9j/4AAQ..."}
            ]
        }
    ]
)

Figyeld meg a saját szerveredre mutató server_url-t: a kód többi része szigorúan ugyanaz. Tipikus használati esetek közé tartozik az ipari ellenőrzés, az egészségügy, a leválasztott környezetek és a bizalmas adatok kezelése.

Döntési fa

Egy új projekt esetén a legmeghatározóbb kérdés a helyszín: ha az adatoknak helyben kell maradniuk, a vita a Ministral 3-mal véget ér; válassz a 14B-t minőségért, vagy a 8B-t beágyazott eszközökhöz. Ha a felhő elfogadható, döntsd el a terhelés jellege alapján. A kritikus elemzési minőség a Mistral Large 3-at igényli; a nagy képmennyiség a Mistral Small 3.2 felé mutat; ha pedig egyik kényszer sem dominál, a Mistral Medium 3.1 kínálja az általános kompromisszumot.

Modellváltás a kódban

Ennek az egyesített API-nak az egész lényege, hogy a választás visszafordítható marad. Az egyik modellről a másikra való váltás csak egy sor módosítását igényli, az üzenetek felépítésének érintése nélkül:

# Váltás Small-ról Large-ra csak a modell megváltoztatásával
model = "mistral-small-latest"   # fejlesztés, tesztelés
# model = "mistral-large-latest" # éles környezet, maximális minőség

response = client.chat.complete(model=model, messages=messages)

Ez a tulajdonság teszi lehetővé az intelligens útvonalválasztást, amelyet a tanfolyam során végig látni fogsz: a Small végzi az előválogatást a teljes forgalmon, míg a Large csak a komplex eseteket dolgozza fel. Egy olyan kötegen, ahol a képek csak egytizede igényel részletes elemzést, a megtakarítás jelentős a változatlan végső minőség mellett.

Főbb megállapítások

  • A Mistral Large 3 kínálja a legjobb minőséget, de a legmagasabb költséggel
  • A Mistral Small 3.2 ideális nagy volumenű és egyszerű használati esetekhez
  • A Ministral modellek lehetővé teszik a helyi telepítést felhőfüggőség nélkül
  • Az API minden modell esetén azonos – csak a model paraméter változik
  • Az intelligens útvonalválasztás (Small az előválogatáshoz, Large az elemzéshez) optimalizálja az ár-érték arányt