Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Uw Mistral Vision-model kiezen

Les 3 van 12 Bijgewerkt op 2 november 2026 Ontwikkelaar
Op deze pagina
  1. Welk model voor welke use case?
  2. Vergelijking van vision-modellen
  3. Mistral Large 3 – De kwaliteitsbenchmark
  4. Mistral Small 3.2 – De economische keuze
  5. Ministral 3 – Het edge-model
  6. Beslissingsboom
  7. Modellen wijzigen in uw code
  8. Belangrijkste punten

Welk model voor welke use case?

Mistral biedt verschillende modellen aan die afbeeldingen kunnen verwerken, elk met eigen kenmerken op het gebied van kwaliteit, snelheid en kosten. De juiste keuze is geen louter implementatiedetail: tussen de zwaarste en lichtste modellen bedraagt het prijsverschil meer dan een factor tien. Bij een stroom van tienduizend afbeeldingen per maand heeft deze beslissing meer impact op uw budget dan welk ander onderdeel van uw architectuur dan ook.

Deze les licht de specificaties van elk vision-model toe en geeft u de methode om het model te selecteren dat bij uw use case past.

Vergelijking van vision-modellen

De onderstaande tabel herziet het landschap van april 2026 zoals gepresenteerd in Les 1, met toevoeging van de belangrijkste metrieken die van belang zijn bij uw keuze.

Model Parameters Snelheid Prijs (input/1M tokens) Use cases
Mistral Large 3 ~123B Gemiddeld ~$2 Gedetailleerde analyse, complexe redenering
Mistral Medium 3.1 ~70B Snel ~$0.40 Veelzijdig, beste prijs-kwaliteitverhouding
Mistral Small 3.2 ~24B Zeer snel ~$0.10 Hoge volumes, eenvoudige OCR, triage
Ministral 3 14B 14B Zeer snel ~$0.10 Edge, kritieke latentie, on-premise
Ministral 3 8B 8B Ultrasnel ~$0.10 Embedded, snelle classificatie

Prijzen zijn indicatief en kunnen variëren; raadpleeg de Mistral-prijslijst voor actuele gegevens.

Mistral Large 3 – De kwaliteitsbenchmark

Mistral Large 3 is het vlaggenschipmodel voor vision. De circa 123 miljard parameters vinden hun rechtvaardiging op drie gebieden. Ten eerste gedetailleerde analyse: een grafiek met overlappende legenda’s, een geannoteerd technisch diagram of een dense gebruikersinterface zijn afbeeldingen waarbij de helft van de informatie schuilt in kleine lettertjes en de relaties tussen elementen. Ten tweede meerstapsredenering, wanneer de vraag verder gaat dan een simpele beschrijving: “Bekijk deze grafiek, identificeer de trend en leg de waarschijnlijke oorzaken uit” ketent drie bewerkingen aan elkaar waarbij de derde afhangt van de nauwkeurigheid van de eerste twee. Tot slot gestructureerde extractie, waarbij het doel is om beeldinhoud om te zetten in goed geformatteerde JSON zonder velden te verzinnen of weg te laten.

from mistralai.client import Mistral

client = Mistral(api_key="YOUR_API_KEY")

# Large 3 voor complexe analyse
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"
                }
            ]
        }
    ]
)

Reserveer dit model voor kritieke analyses, gevoelige gegevens en professionele toepassingen waar precisie zwaarder weegt dan kosten. Het verkeerd interpreteren van een factuurbedrag kost meer dan het prijsverschil tussen twee modellen.

Mistral Small 3.2 – De economische keuze

Met ongeveer 24 miljard parameters biedt Small 3.2 een kwaliteit-prijsverhouding die het tot het werkpaard van pipelines maakt. Het verwerkt hoge volumes zonder moeite – honderden of duizenden afbeeldingen per dag – en voert eenvoudige OCR uit op heldere gedrukte tekst: labels, borden, documentkoppen. Een andere voorkeursuse case is triage: snel afbeeldingen classificeren om alleen diegenen die het echt verdienen naar het zware model te sturen.

# Small 3.2 voor verwerking van hoge volumes
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"}
            ]
        }
    ]
)

Dit is de juiste keuze voor geautomatiseerde pipelines, MVP’s en elke situatie waarin snelheid en kosten belangrijker zijn dan perfectie in de laatste percentielen.

Ministral 3 – Het edge-model

De Ministral-modellen, in de 14B- en 8B-versies, zijn ontworpen voor on-premise- of edge-implementatie. Hun waarde ligt minder in ruwe kwaliteit dan in wat ze mogelijk maken: responsen binnen enkele honderden milliseconden, uitvoering op consumenten-GPU’s zoals de RTX 4090 of A10G, en bovenal de garantie dat geen enkele gegevens uw infrastructuur verlaat. Een productielijn die onderdelen inspecteert die van een pers komen, kan noch wachten op een netwerkround-trip, noch zijn afbeeldingen exporteren.

# Ministral 14B lokaal gehost (via vLLM of Ollama)
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..."}
            ]
        }
    ]
)

Let op de server_url die naar uw eigen server verwijst: de rest van de code is strikt identiek. Typische use cases zijn industriële inspectie, gezondheidszorg, offline omgevingen en vertrouwelijke gegevens.

Beslissingsboom

Bij een nieuw project is de meest onderscheidende vraag de locatie: als gegevens on-premise moeten blijven, eindigt het debat bij Ministral 3, waarbij u 14B kiest voor kwaliteit of 8B voor een embedded apparaat. Als de cloud acceptabel is, beslist u vervolgens op basis van de aard van de belasting. Kritieke analysekwaliteit vraagt om Mistral Large 3; een hoog volume aan afbeeldingen wijst op Mistral Small 3.2; en wanneer geen van beide beperkingen domineert, biedt Mistral Medium 3.1 het algemene compromis.

Modellen wijzigen in uw code

Het hele punt van deze unified API is dat de keuze omkeerbaar blijft. Overschakelen van het ene naar het andere model vereist slechts het wijzigen van één regel, zonder de berichtconstructie aan te raken:

# Schakel van Small naar Large door alleen het model te wijzigen
model = "mistral-small-latest"   # ontwikkeling, testen
# model = "mistral-large-latest" # productie, maximale kwaliteit

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

Deze eigenschap maakt intelligente routing mogelijk die u gedurende de hele cursus zult tegenkomen: Small voert triage uit op de volledige stroom, terwijl Large alleen complexe gevallen verwerkt. Bij een batch waarbij slechts één op de tien afbeeldingen gedetailleerde analyse vereist, zijn de besparingen aanzienlijk bij een ongewijzigde eindkwaliteit.

Belangrijkste punten

  • Mistral Large 3 biedt de beste kwaliteit, maar tegen de hoogste kosten
  • Mistral Small 3.2 is ideaal voor volumes en eenvoudige use cases
  • Ministral-modellen maken lokale implementatie mogelijk zonder cloudafhankelijkheid
  • De API is voor alle modellen identiek – alleen de parameter model verandert
  • Intelligente routing (Small voor triage, Large voor analyse) optimaliseert de kwaliteit-prijsverhouding