Basisparameters
Op deze pagina
Uw API-aanroepen configureren
Naast de verplichte velden model en messages accepteert de Chat Completions API een handvol parameters die het generatiegedrag sturen. Deze instellingen maken het verschil tussen een data-extractor die voor dezelfde factuur steeds identieke resultaten levert en een slogan-generator die zich nooit herhaalt. De aanroepcode blijft van use case tot use case ongewijzigd; alleen de instellingen veranderen. Precies daarom moet u begrijpen wat elke parameter doet.
Hieronder vindt u de parameters die u dagelijks gebruikt, inclusief hun type en standaardwaarde.
| Parameter | Type | Standaard | Beschrijving |
|---|---|---|---|
model | string | — | Model-identificatie (verplicht) |
messages | array | — | Array met berichten (verplicht) |
max_tokens | integer | variabel | Maximum aantal output-tokens |
temperature | float | 0.7 | Stuurt creativiteit (0.0 tot 1.5) |
top_p | float | 1.0 | Nucleus-sampling (0.0 tot 1.0) |
stream | boolean | false | Schakelt SSE-streaming in |
safe_prompt | boolean | false | Schakelt veiligheidsmaatregelen in |
De parameter model
Uw keuze voor een model bepaalt direct de mogelijkheden, snelheid en kosten van elke aanroep: drie afwegingen die u nergens anders kunt compenseren. Vanaf april 2026 zijn dit de primaire modellen:
# Flagship model — complex redeneren, meertalig
model = "mistral-large-latest"
# Compact model — snel, zuinig, ideaal voor productie
model = "mistral-small-latest"
# Miniatuurmodel — ultrasnel, edge computing
model = "ministral-3b-latest"
# Code-model — gespecialiseerd in programmeren
model = "codestral-latest"
Het achtervoegsel -latest is handig tijdens de ontwikkeling: het wijst altijd naar de nieuwste versie zonder dat u code hoeft aan te passen. In productie wordt dit gemak echter een risico, omdat een update aan de kant van Mistral het gedrag van uw applicatie subtiel kan verschuiven. Geef de voorkeur aan versiegebonden identificatoren zoals mistral-large-2512 om de reproduceerbaarheid van uw tests te garanderen.
De parameter max_tokens
Deze parameter stelt de bovengrens in voor het aantal tokens dat het model in zijn antwoord mag genereren. Het dwingt het model niet om precies dat aantal te produceren; het definieert slechts een plafond, niets meer.
response = client.chat.complete(
model="mistral-large-latest",
messages=[{"role": "user", "content": "Summarize this text in one sentence."}],
max_tokens=100 # Het antwoord zal niet langer zijn dan 100 tokens
)
Als het model deze limiet bereikt, wordt het antwoord abrupt afgebroken en geeft finish_reason de waarde "length" terug in plaats van "stop". Dit is de meest voorkomende oorzaak van antwoorden die halverwege een zin stoppen, en niemand merkt het op totdat men dit veld monitort. De juiste reflex is om het plafond af te stemmen op de taak: classificatie past in 10 tot 50 tokens omdat u slechts een label verwacht, een samenvatting heeft 200 tot 500 tokens nodig, vrij schrijven neemt 1.000 tot 4.000 tokens in beslag, en codegeneratie bereikt gemakkelijk 2.000 of 8.000 tokens omdat een volledig bestand lang is.
De parameter temperature
Temperature regelt de mate van randomisatie bij de selectie van tokens. Hoe lager de waarde, hoe deterministischer en voorspelbaarder het model wordt; hoe hoger de waarde, hoe meer het onwaarschijnlijke vervolgen probeert. Voor feitelijke vragen wilt u de eerste aanpak; voor naamgevingsoefeningen de tweede.
# Lage temperature — extractie, classificatie, feitelijk
response = client.chat.complete(
model="mistral-large-latest",
messages=[{"role": "user", "content": "What is the capital of France?"}],
temperature=0.1
)
# Hoge temperature — creativiteit, brainstormen
response = client.chat.complete(
model="mistral-large-latest",
messages=[{"role": "user", "content": "Invent a name for an AI startup."}],
temperature=1.2
)
Het bereik loopt van 0.0 tot 1.5. Verlaat u niet op temperature=0 voor perfecte determinisme: lichte variaties blijven bestaan door afronding op hardware-niveau bij drijvende-kommabewerkingen.
De parameter top_p
Nucleus-sampling, of Top P, werkt op dezelfde hendel maar via een andere weg: het beperkt kandidaat-tokens door een cumulatieve waarschijnlijkheidsdrempel. Bij top_p=0.5 blijven alleen de meest waarschijnlijke tokens waarvan de gesommeerde kansen 50% bereiken in de race; de rest wordt direct verworpen.
response = client.chat.complete(
model="mistral-large-latest",
messages=[{"role": "user", "content": "Complete: The cat is on the..."}],
temperature=0.7,
top_p=0.9 # Houdt rekening met tokens die 90% van de kans beslaan
)
Mistral raadt aan om steeds slechts één parameter tegelijk aan te passen, ofwel temperature ofwel top_p, nooit beide samen. De reden is praktisch: als een output vreemd wordt na het verplaatsen van beide schuifregelaars, vertelt niets u welke van beide de oorzaak was, en verliest u zowel debugbaarheid als reproduceerbaarheid.
Volledig voorbeeld met alle parameters
Gecombineerd in één aanroep creëren deze instellingen een slogan-generator die bewust beknopt en licht gewaagd is, terwijl het tokenverbruik wordt bijgehouden:
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.getenv("MISTRAL_API_KEY"))
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": "You are a concise and punchy marketing writer."
},
{
"role": "user",
"content": "Write a slogan for a meditation app."
}
],
max_tokens=50,
temperature=0.9,
top_p=1.0
)
print(response.choices[0].message.content)
print(f"Tokens used: {response.usage.total_tokens}")
Voer dit script drie keer achter elkaar uit, vervang vervolgens temperature=0.9 door 0.1 en voer het nogmaals drie keer uit. Het verschil tussen de twee reeksen leert u meer over deze parameter dan welke definitie dan ook.
Belangrijkste punten
modelenmessageszijn de enige verplichte parametersmax_tokensis een plafond, geen streefwaarde—controleerfinish_reasonom afkapping te detecteren- Gebruik een lage
temperaturevoor feitelijke taken, een hoge voor creativiteit top_pverfijnt de tokenverdeling—pas deze niet gelijktijdig mettemperatureaan- Gebruik in productie versiegebonden model-identificatoren voor reproduceerbaarheid