Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Azure AI: Model as a Service

Les 4 van 14 Bijgewerkt op 2 november 2026 Gevorderd
Op deze pagina
  1. Mistral op Azure AI
  2. Twee implementatiemethoden
  3. Beschikbare modellen op Azure
  4. Een model implementeren op Azure
  5. Eerste API-aanroep
  6. Verschillen met de directe Mistral API
  7. Wanneer kiest u voor Azure?
  8. Belangrijkste punten

Mistral op Azure AI

Microsoft Azure is de primaire cloudpartner van Mistral AI. De integratie met Azure AI biedt modellen aan als Model as a Service (MaaS). Dit betekent dat u ze via een API gebruikt zonder ook maar één GPU te beheren. Voor veel ondernemingen is de doorslaggevende factor niet technisch, maar organisatorisch: het cloudbudget bestaat al, de toegang wordt geregeld via Azure AD en het toevoegen van Mistral aan de catalogus betekent simpelweg het activeren van een extra service in plaats van het onderhandelen over een nieuw contract. Deze les behandelt de twee beschikbare implementatiemethoden en de toegankelijke modellen.

Twee implementatiemethoden

De pay-as-you-go-methode is het meest gebruikelijk. U implementeert een serverloos eindpunt en wordt alleen gefactureerd voor gebruik, per verbruikt token, zonder dat een GPU-quota nodig is. De opstart is direct omdat er niets hoeft te worden ingericht, er zijn geen vaste kosten, de schaal volgt automatisch de vraag en de hele setup integreert native met het Azure-ecosysteem. Dit is de standaardoptie zolang uw verkeer onregelmatig is.

De methode met real-time endpoints biedt een oplossing voor het tegenovergestelde scenario. Hier kiest u de GPU-infrastructuur waarop het model draait en wordt u gefactureerd voor infrastructuurren, ongeacht het aantal verzoeken. De prestaties worden voorspelbaar en de latentie gegarandeerd, wat de vaste kosten rechtvaardigt zodra de doorvoer continu en aanhoudend is. Een platform dat elke nacht enkele honderdduizenden documenten verwerkt, heeft hier baat bij; een interne assistent die dertig keer per dag wordt geraadpleegd, niet.

Beschikbare modellen op Azure

Azure biedt een breed scala aan Mistral-modellen, zowel voor algemeen gebruik als gespecialiseerde modellen.

ModelProfiel
Mistral Large 3Vlaggenschipmodel, geavanceerde redenering
Mistral Large 24.07 / 24.11Eerdere versies, nog steeds beschikbaar
Mistral Medium 25.05Goede balans tussen prestaties en kosten
Mistral Small 25.03Lichtgewicht en snel
Mistral Document AIDocumentverwerking
Mistral OCROptische tekenherkenning
Ministral 3BUltra-lichtgewicht voor specifieke cases
Mistral NemoVeelzijdig open-weight model
CodestralGespecialiseerd in code en technische generatie

Een model implementeren op Azure

Drie voorwaarden zijn bepalend voor het vervolg: een actief Azure-abonnement, toegang tot Azure AI Studio via portal.azure.com en een resourcegroep die is geconfigureerd om de resource te hosten. Zodra deze elementen aanwezig zijn, verloopt de implementatie volledig via de portal:

  1. Ga naar Azure AI Studio in de Azure-portal
  2. Navigeer naar Model catalog > Mistral AI
  3. Selecteer het gewenste model
  4. Kies Pay-as-you-go of Real-time endpoint
  5. Configureer de naam van het eindpunt en de regio
  6. Implementeer en haal de URL + API-sleutel op

Aan het einde van deze laatste stap houdt u twee gegevens over die alles aansturen: de URL van het eindpunt en de bijbehorende geheime sleutel.

# Your Azure endpoint URL
export AZUREAI_ENDPOINT="https://your-endpoint.inference.ai.azure.com/v1/chat/completions"

# Secret API key
export AZUREAI_API_KEY="your-secret-key"

Deze export-opdrachten werken voor lokale tests. In een productieomgeving horen deze twee waarden thuis in een secrets manager—in dit geval Azure Key Vault. In les 6 ziet u hoe u ze daarvandaan haalt zonder ze ergens anders te hoeven schrijven.

Eerste API-aanroep

Zo verifieert u of uw eindpunt daadwerkelijk reageert.

import os
from mistralai.azure.client import MistralAzure

client = MistralAzure(
    server_url=os.environ["AZUREAI_ENDPOINT"],
    api_key=os.environ["AZUREAI_API_KEY"]
)

response = client.chat.complete(
    model="azureai",
    messages=[
        {"role": "user", "content": "Explain Bayes' theorem in 3 sentences."}
    ]
)
print(response.choices[0].message.content)

Eén detail verdient uw aandacht omdat bijna elke ontwikkelaar die vanuit de directe API komt, hierover struikelt: de parameter model is altijd "azureai". Het daadwerkelijke model dat wordt bevraagd, wordt bepaald door het eindpunt dat u hebt geïmplementeerd, niet door deze string. Als u van model wilt wisselen, implementeert u een ander eindpunt; het schrijven van model="mistral-large-latest" hier levert niets nuttigs op.

Verschillen met de directe Mistral API

AspectDirecte Mistral APIAzure MaaS
Python-clientMistral()MistralAzure()
Model-parameterModelnaam"azureai"
AuthenticatieMistral API-sleutelAzure API-sleutel
FactureringMistralAzure
NetwerkInternetKan privé zijn (VNet)

Wanneer kiest u voor Azure?

Azure wordt de natuurlijke keuze wanneer uw bedrijf al in het Microsoft-ecosysteem opereert en gebruikmaakt van Azure AD, Key Vault of Monitor: de integratie kost dan bijna niets. De behoefte aan privénetwerkconnectiviteit, via VNet of Private Link, duwt in dezelfde richting, net als compliance-beleid dat vereist dat data bij een gecertificeerde cloudprovider blijft. Voeg hier een prozaïsch maar vaak doorslaggevend argument voor investeringscomités aan toe: het consolideren van cloudfacturering op één regel.

Belangrijkste punten

  • Azure biedt Mistral aan als MaaS (pay-as-you-go) of real-time endpoints (toegewijde GPU)
  • De Python-client MistralAzure vervangt de standaardclient Mistral
  • De parameter model is altijd "azureai"—het model hangt af van het eindpunt
  • Native integratie met het Azure-ecosysteem (Key Vault, VNet, Monitor) is een groot voordeel