Salt la conținutul principal
Română— Alege o limbă
Meniu

Niveluri și prețuri

Lecția 3 din 14 Actualizată 2 noiembrie 2026 Avansat
Pe această pagină
  1. Înțelegeți limitele și prețurile
  2. Cele două tipuri de limite
  3. Niveluri de abonament
  4. Verificați limitele curente
  5. Optimizați-vă costurile
  6. Când să treceți la un nivel superior
  7. Puncte cheie

Înțelegeți limitele și prețurile

AI Studio impune limite de rată pentru a menține stabilitatea serviciului. Aceste limite variază în funcție de nivelul de abonament și determină volumul de cereri și de tokeni pe care îl puteți consuma. Alegerea unui nivel nu este doar o bifă administrativă: este o decizie care impactează direct costurile dumneavoastră și comportamentul aplicației în orele de vârf.

Cele două tipuri de limite

Mistral aplică două controale simultane asupra fiecărui spațiu de lucru. Depășirea oricăruia dintre ele duce la eșecul apelurilor dumneavoastră. Primul, Cereri pe secundă (RPS), limitează numărul de cereri API trimise pe secundă; dacă îl depășiți, API-ul returnează o eroare 429 Too Many Requests. Al doilea se referă la tokeni pe minut și pe lună: măsoară volumul consumat atât pentru intrare, cât și pentru ieșire, se aplică la nivelul spațiului de lucru și este partajat între toți utilizatorii care au acces. O echipă de șase dezvoltatori care lucrează cu aceeași cheie epuizează această cotă de șase ori mai repede decât un dezvoltator individual, un fapt care este sistematic ignorat în timpul primului vârf de trafic.

Soluția necesită doar câteva linii de cod: când apare o eroare 429, așteptați înainte de a reîncerca și măriți timpul de așteptare la fiecare tentativă, în loc să bombardați API-ul.

import time
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

def call_with_retry(messages, max_retries=3):
    """Basic rate limit handling with exponential backoff."""
    for attempt in range(max_retries):
        try:
            return client.chat.complete(
                model="mistral-large-latest",
                messages=messages
            )
        except Exception as e:
            if "429" in str(e) and attempt < max_retries - 1:
                wait = 2 ** attempt
                print(f"Rate limit reached, waiting {wait}s...")
                time.sleep(wait)
            else:
                raise

Niveluri de abonament

Nivelul API Gratuit, numit și Experiment, este conceput pentru explorare. RPS-ul său rămâne scăzut, în jurul câtorva cereri pe secundă, iar volumul lunar de tokeni este limitat; toate modelele rămân accesibile, dar cu cote reduse, fără SLA și fără suport dedicat. Funcționează perfect pentru descoperirea modelelor Mistral, prototiparea unei aplicații sau rularea testelor funcționale – și vă va învăța rapid cum se simte o eroare 429 dacă încercați să rulați o demonstrație pentru clienți pe acest nivel.

Nivelul plătit Scale este construit pentru producție. RPS-ul este mai mare pentru a absorbi traficul real, volumul lunar de tokeni este extins, iar facturarea trece la un model bazat pe utilizare dincolo de abonament, cu suport tehnic standard. Acesta este nivelul așteptat pentru o aplicație de producție cu trafic moderat spre ridicat, pentru o echipă profesională de dezvoltare și, în general, ori de câte ori aveți nevoie de performanță predictibilă.

În final, nivelul Enterprise se negociază personalizat cu echipa de vânzări Mistral. Deblochează limite personalizate, un SLA garantat pentru disponibilitate și latență, suport dedicat cu un punct de contact tehnic, acces la opțiunile Dedicated Serverless și Self-Hosted, precum și termeni contractuali adaptați – inclusiv un Acord de Prelucrare a Datelor (DPA) și conformitate GDPR. Acesta este obligatoriu atunci când propriii dumneavoastră clienți solicită contractual angajamente de serviciu din partea dumneavoastră.

Verificați limitele curente

Valorile exacte care se aplică spațiului dumneavoastră de lucru nu se ghicesc: ele sunt listate în panoul de administrare.

https://admin.mistral.ai/plateforme/limits

Acolo veți găsi limitele RPS per model, consumul de tokeni pe minut și pe lună, istoricul acelui consum și alertele declanșate pe măsură ce vă apropiați de praguri. Faceți din deschiderea acestei pagini un obicei înainte de orice scalare anunțată, nu după primul incident.

Optimizați-vă costurile

Pârghia cea mai eficientă este alegerea modelului, deoarece nu toate modelele costă la fel per token. Rezervați Mistral Large 3 pentru sarcini complexe – raționament, generare de text lung, analiză a documentelor contractuale – și atribuiți procesările simple, precum clasificarea sau extragerea câmpurilor, către Mistral Small. Când latența contează mai mult decât nuanța răspunsului, Ministral 3 merită testat.

# Simple task → lightweight model
response_simple = client.chat.complete(
    model="mistral-small-latest",
    messages=[{"role": "user", "content": "Classify this text: positive or negative?"}]
)

# Complex task → powerful model
response_complex = client.chat.complete(
    model="mistral-large-latest",
    messages=[{"role": "user", "content": "Analyze this contract and identify problematic clauses."}]
)

Consumul în sine poate fi apoi redus prin pași mici. Un prompt de sistem concis economisește tokeni la fiecare apel, nu doar o singură dată; max_tokens limitează lungimea răspunsului și evită digresiunile costisitoare; streaming-ul nu reduce factura, dar îmbunătățește semnificativ experiența pentru răspunsurile lungi; în final, stocarea în cache a răspunsurilor la întrebările recurente din partea aplicației elimină complet apelul.

Desigur, trebuie să măsurați acest lucru. Înregistrați tokenii pentru fiecare apel: fără această instrumentare, veți descoperi depășirea costurilor atunci când sosiți factura.

import logging

logger = logging.getLogger("mistral_usage")

def tracked_call(model, messages):
    response = client.chat.complete(model=model, messages=messages)
    usage = response.usage
    logger.info(
        f"Model: {model} | "
        f"Input tokens: {usage.prompt_tokens} | "
        f"Output tokens: {usage.completion_tokens} | "
        f"Total: {usage.total_tokens}"
    )
    return response

Când să treceți la un nivel superior

Patru semnale ar trebui să declanșeze o conversație cu Mistral: erori 429 recurente, consumul lunar atingând 80% din cotă, nevoia unui SLA pentru a-l prezenta propriilor clienți sau procesarea datelor sensibile care necesită izolare. Primul dintre aceste patru este suficient; celelalte trei rareori apar singure.

Puncte cheie

  • Limitele se aplică la nivelul spațiului de lucru (RPS + tokeni/minut/lună)
  • Nivelul gratuit este suficient pentru prototipare; nivelul Scale este pentru producție
  • Verificați limitele exacte la admin.mistral.ai/plateforme/limits
  • Optimizați costurile alegând modelul adecvat pentru fiecare sarcină
  • Implementați o strategie de reîncercare exponențială pentru a gestiona limitarea ratei în producție