Overzicht van Mistral AI Studio
Op deze pagina
Bijgewerkt op 2 november 2026 — Modellen. Mistral Large 3 (
mistral-large-2512) en Mistral Medium 3.5 zijn op 31 oktober 2026 verouderd geraakt en worden op 30 april 2027 buiten gebruik gesteld. Hun aangewezen opvolger, Mistral Large 4 (mistral-large-4), is sinds 6 oktober beschikbaar in openbare preview. De voorbeelden in deze cursus gebruiken de aliasmistral-large-latest, die volgens de officiële specificatie momenteel verwijst naar Mistral Large 3 (geverifieerd op 3 november 2026). Evenzo verwijstmistral-medium-latestnaar Mistral Medium 3.5. Deze aliassen blijven geldig tot 30 april 2027. Test voor nieuwe projectenmistral-large-4, de aangewezen opvolger.
Drie implementatiestrategieën
Het implementeren van een Mistral-model in productie vereist meer dan alleen het verkrijgen van een API-sleutel. De onderliggende infrastructuur verschilt drastisch, afhankelijk van de vraag of u in een weekend een interne assistent prototypeert of documentverwerking industrialiseert onder strikte soevereiniteitseisen. Om deze reden biedt Mistral AI drie verschillende benaderingen. Uw keuze hangt af van uw eisen op het gebied van beveiliging, prestaties en infrastructuurbeheer. Deze eerste les biedt een overzicht op hoog niveau voordat we ingaan op de details van elke optie.
Mistral AI Studio: het startpunt
AI Studio is het centrale platform van Mistral. Hier krijgt u toegang tot modellen, beheert u API-sleutels, configureert u organisaties en monitort u het gebruik. Het is ook de plek waar u facturering inschakelt en uw implementatiemodus selecteert. In de praktijk maakt een team dat Mistral ontdekt hier een account aan, schakelt facturering in, genereert een sleutel en doet direct de eerste API-aanroep, zonder ook maar één machine te hoeven provisioneren.
De mogelijkheden die via het Studio worden aangeboden, dekken de meeste gebruiksscenario’s voor toepassingen. Chat Completions verzorgt conversationele tekstgeneratie, de bouwsteen voor elke assistent of samenvattingsengine. Embeddings produceren vectorrepresentaties voor semantisch zoeken: hierdoor kan een interne documentatie-engine een notitie over de “vergoedingsprocedure” bovenhalen wanneer een medewerker typt “hoe krijg ik een vergoeding”. Function Calling stelt het model in staat externe functies aan te roepen, bijvoorbeeld om uw daadwerkelijke voorraaddatabase te raadplegen in plaats van beschikbaarheid te hallucineren. JSON Mode garandeert gestructureerde JSON-antwoorden, wat essentieel wordt wanneer de uitvoer dient als input voor een ander programma in plaats van voor een menselijke lezer. Tot slot ronden twee controlefuncties het aanbod af: Guardrailing, dat inhoudsmoderatie en filtering verzorgt, en Fine-tuning, waarmee modellen op uw gegevens worden aangepast wanneer de vocabulaire of toon van uw branche niet alleen via prompting kan worden bereikt.
De drie implementatieopties
Voordat we elke optie in detail bekijken, vat deze tabel samen wat hen echt onderscheidt: wie beheert de infrastructuur, waar de gegevens zich bevinden, welk netwerk ze doorkruisen en hoe lang het duurt om van start te gaan.
| Criterium | Serverless | Dedicated Serverless | Self-Hosted |
|---|---|---|---|
| Infrastructuur | Beheerd door Mistral | Beheerd door Mistral | Beheerd door de klant |
| Gegevens | Gedeelde multi-tenant | Virtueel geïsoleerd | Gehost door de klant |
| Netwerk | Publiek internet | Privé-subnet | Gehost door de klant |
| Rekenkracht | Gedeeld | Gedeeld (dedicated GPU beschikbaar) | Gehost door de klant |
| Use Cases | Prototyping, MKB | Productie, enterprise | Soevereiniteit, on-premise |
| Tijd tot start | Minuten | Uren | Dagen/weken |
Serverless: snelle start
De optie Serverless is de eenvoudigste. U maakt een account aan op AI Studio, schakelt facturering in en ontvangt binnen enkele minuten een API-sleutel. Mistral beheert de infrastructuur volledig, waarbij de rekenkracht wordt gedeeld tussen gebruikers. De bijbehorende code past in vijf regels, en dat is precies het punt: niets leidt u af van het product dat u probeert te bouwen.
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
response = client.chat.complete(
model="mistral-large-latest",
messages=[{"role": "user", "content": "Hello, how do I deploy a model?"}]
)
print(response.choices[0].message.content)
Deze aanpak is perfect voor prototyping, toepassingen met een laag volume, of teams die de modellen willen evalueren voordat ze zich verbinden aan dedicated infrastructuur. Maak er echter vanaf het begin een gewoonte van om de sleutel nooit als platte tekst in het bestand achter te laten. In de volgende les ziet u hoe u deze uit de code haalt.
Dedicated Serverless: enterprise-isolatie
De optie Dedicated Serverless biedt virtuele gegevensisolatie en een privé-subnet. Mistral beheert de infrastructuur nog steeds, maar uw verzoeken reizen niet langer via het publieke internet en u kunt dedicated GPU’s aanvragen om consistente prestaties te garanderen. Stel u een onderlinge verzekeringsmaatschappij voor die correspondentie van leden analyseert: deze wil geen GPU-cluster beheren, maar haar gezondheidsgegevens mogen niet via een publieke weg reizen. Deze optie is precies op dit soort situaties toegesneden, waar de gevoeligheid van de gegevens reëel is, maar het bedrijf geen infrastructuurbeheerder wil worden.
Self-Hosted: totale controle
De optie Self-Hosted legt de volledige infrastructuur in uw handen. Mistral levert de modelgewichten — open weights, meestal onder de Apache 2.0-licentie — en u beheert de implementatie met inferentie-engines zoals vLLM of TensorRT-LLM.
# Example: serving Mistral with vLLM
vllm serve mistralai/Mistral-Nemo-Instruct-2407 \
--tokenizer_mode mistral \
--config_format mistral \
--load_format mistral
Dit is de meest veeleisende aanpak, omdat u verantwoordelijk bent voor GPU’s, updates en beschikbaarheid. Het geeft u echter totale controle over gegevens, netwerk en prestaties. We komen hier in detail op terug in het gedeelte Self-Hosting, in lessen 10 tot en met 13.
Alternatieven voor het Studio: clouds van derden
AI Studio is niet het enige toegangspunt. Als uw bedrijf facturering, toegang en compliance al heeft geconsolideerd bij een cloudprovider, is het vaak sneller om Mistral daar af te nemen dan een extra contract af te sluiten. Zes providers distribueren de modellen: Azure AI van Microsoft, dat ze aanbiedt als Model as a Service; Google Cloud Vertex AI, het unified ML-platform van Google; Amazon Bedrock, de managed service van AWS; Snowflake Cortex, dat AI direct in Snowflake integreert; IBM watsonx.ai, het enterprise AI-platform van IBM; en Outscale, een Europese cloudprovider.
We werken deze cloudopties uit in lessen 4 tot en met 9. Voordat u verdergaat, projecteert u uw eigen project op de bovenstaande tabel: het antwoord op de vraag “wie moet de GPU’s beheren?” elimineert meestal twee van de drie kolommen.
Belangrijkste punten
- AI Studio is de centrale hub voor het beheren van uw Mistral-modellen, API-sleutels en organisaties
- Drie implementatieniveaus: Serverless (snel), Dedicated (geïsoleerd), Self-Hosted (totale controle)
- Uw keuze hangt af van uw beperkingen: budget, gegevensbeveiliging, latentie en volume
- Clouds van derden bieden een alternatief voor wie al is geïntegreerd in een bestaand ecosysteem