Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Mistral na Azure AI

Lekcia 11 z 14 Aktualizované 3. novembra 2026 Vývojár
Na tejto strane
  1. Prečo používať Mistral cez Azure?
  2. Výber medzi serverless a vyhradeným GPU
  3. Modely dostupné na Azure
  4. Získanie poverení
  5. Volanie modelu v Pythone
  6. To isté volanie v TypeScripte
  7. Využitie zvyšku platformy
  8. Kľúčové poznatky

Aktualizované 3. novembra 2026: Príklad v TypeScripte predtým odovzdával process.env.AZUREAI_API_KEY a process.env.AZUREAI_ENDPOINT priamo do MistralAzure. Keďže obe možnosti sú povinné, TypeScript 7 v striktnom režime odmietol kompiláciu (overené s @mistralai/mistralai-azure 2.1.0). Premenné prostredia sa teraz validujú pred vytvorením klienta. Zdroj: @mistralai/mistralai-azure SDK.

Prečo používať Mistral cez Azure?

Táto otázka zriedka vzniká z technických dôvodov: priame API Mistral funguje perfektne. Vzniká z kontraktných a organizačných dôvodov. Spoločnosť už zapustená do ekosystému Microsoftu čerpá z vyjednaného záväzku Azure, má zavedené procesy obstarávania a nemá chuť otvárať novú zmluvu s dodávateľom pre niekoľko tisíc eur worth tokenov.

Používanie Azure AI konsoliduje fakturáciu do vašej existujúcej zmluvy s Azure, zabezpečuje súlad s GDPR prostredníctvom európskych regiónov, poskytuje natívnu integráciu s ďalšími službami Azure – Azure Functions, Cosmos DB, Azure ML – a ponúka podnikovú podporu Microsoftu s príslušnými zmluvami o úrovni služieb (SLA). Stručne povedané: ten istý model, ale v rámci hraníc správy, ktoré vaše IT oddelenie už schválilo.

Výber medzi serverless a vyhradeným GPU

Azure ponúka dva prístupy a výber závisí od pravidelnosti vašej záťaže. Režim platby podľa spotreby, známy aj ako MaaS (Model as a Service), vystavuje serverless API: žiadne GPU na nasadzovanie, platíte len za spotrebované tokeny a Azure sa samo postará o škálovanie. Toto je odporúčaný režim pre väčšinu prípadov použitia, najmä keď je vaša premávka nepravidelná alebo nepredvídateľná.

Real-time endpoints riešia opačnú potrebu. Vyberiete si typ a počet GPU, infraštruktúra je vyhradená len pre vás a fakturácia prebieha za počítačovú hodinu – či už model pracuje, alebo nečinne stojí. Interné API, ktoré nepretržite využívajú tisíce používateľov, do tohto modelu zapadá; prototyp, ku ktorému sa pristupuje trikrát denne, tu premrhá veľa peňazí. Pamätajte na pravidlo: tento režim sa odporúča pre predvídateľné záťaže s vysokou priepustnosťou.

Modely dostupné na Azure

Dokumentácia Mistral uvádza nasledujúce modely na Azure (zoznam získaný 2. novembra 2026). Katalóg sa pravidelne vyvíja: aktuálny zoznam nájdete na oficiálnej stránke.

ModelPozícia
Mistral Medium 3.5Dobrý pomer výkon/cena
Mistral Large 3 (25.12)Vlajková loď pre komplexné úlohy
Mistral Small (25.06)Rýchly a ekonomický
Codestral (25.01)Špecializovaný na generovanie kódu
Ministral 3B (24.10)Kompaktný model pre ľahké úlohy
Document AI (OCR 4)Extrakcia textu a štruktúry v dokumentoch

Získanie poverení

Získanie poverení prebieha cez rozhranie Azure a trvá niekoľko minút:

  1. Prejdite na Microsoft Foundry
  2. Vytvorte projekt alebo vyberte existujúci
  3. Nasaďte model Mistral z katalógu modelov
  4. Získajte svoj endpoint a API kľúč zo stránky nasadenia

Tieto dve hodnoty umiestnite do premenných prostredia, presne ako priamy kľúč Mistral. Rozdiel spočíva v endpointe: každé nasadenie Azure má svoj vlastný; neexistuje žiadna spoločná URL.

export AZUREAI_ENDPOINT="https://your-endpoint.inference.ai.azure.com"
export AZUREAI_API_KEY="your-azure-secret-key"

Volanie modelu v Pythone

SDK Mistral poskytuje vyhradeného klienta pre Azure, MistralAzure, ktorý je súčasťou balíka mistralai: odovzdáte mu URL nasadenia a kľúč a zvyšok kódu je totožný s tým, čo píšete pre priame API. Od verzie SDK 2.0 (marec 2026) sa importuje z mistralai.azure.client.

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",  # Identifikátor očakávaný endpointmi Azure
    messages=[
        {"role": "user", "content": "Aké sú výhody zvrchovaného cloudu v Európe?"}
    ]
)

print(response.choices[0].message.content)

Najmatúcim bodom je parameter model. Očakávate, že napíšete mistral-large-latest; namiesto toho musíte zadať azureai. Dôvod je jednoduchý: model je už určený nasadením, ktoré ste vytvorili na strane Azure; endpoint ukazuje naň a len naň. Zmena modelu teda znamená zmenu endpointu, nie zmenu reťazca v kóde.

Streamovanie sa však o chlp nelíši od priameho API – rovnaká metóda, rovnaká úroveň .data na dosiahnutie obsahu časti. To je celý zmysel jednotného SDK: kód, ktorý ste napísali v predchádzajúcich lekciách, funguje tak, ako je.

stream = client.chat.stream(
    model="azureai",
    messages=[
        {"role": "user", "content": "Opíšte architektúru dátového jazera na Azure."}
    ]
)

for chunk in stream:
    content = chunk.data.choices[0].delta.content
    if content:
        print(content, end="", flush=True)

To isté volanie v TypeScripte

Na strane TypeScriptu je klient Azure publikovaný v samostatnom balíku @mistralai/mistralai-azure, ktorý sa inštaluje príkazom npm add @mistralai/mistralai-azure. Jeho možnosti nasledujú konvencie pomenovania v JavaScripte: apiKey a endpoint, obe sú povinné. Preto validácia premenných prostredia, bez ktorej striktný režim odmietne kompiláciu, keďže premenná prostredia môže chýbať:

import { MistralAzure } from '@mistralai/mistralai-azure';

const apiKey = process.env.AZUREAI_API_KEY;
const endpoint = process.env.AZUREAI_ENDPOINT;
if (!apiKey || !endpoint) {
  throw new Error('Set AZUREAI_API_KEY and AZUREAI_ENDPOINT.');
}

const client = new MistralAzure({ apiKey, endpoint });

const response = await client.chat.complete({
  model: 'azureai',
  messages: [
    { role: 'user', content: 'How to secure an Azure Key Vault?' },
  ],
});

console.log(response.choices[0]?.message?.content);

Zdroje: Mistral na Azure (dokumentácia Mistral) · TypeScript SDK @mistralai/mistralai-azure

Využitie zvyšku platformy

Akonáhle volanie funguje, využite služby, za ktoré už platíte. Uložte svoje kľúče do Azure Key Vault namiesto premenných prostredia: rotácia sa stane administratívnou operáciou, nie opätovným nasadením. Povoľte diagnostické logy na vašom endpointe na monitorovanie latencie a chýb, čo je jediný spôsob, ako odlíšiť pomalosť modelu od pomalosti kódu. Vyberte si európsky región, West Europe alebo France Central, aby ste zostali v súlade s GDPR – to je často samotný dôvod výberu Azure. Nakoniec nakonfigurujte alerty Azure Monitor na spotrebu tokenov: zle uzavretá slučka v nočnej úlohe sa na faktúre objaví oveľa neskôr než v alerte.

Kľúčové poznatky

  • Azure AI ponúka Mistral v režimoch serverless (MaaS) alebo vyhradené GPU
  • Model je identifikovaný ako "azureai" v API volaniach
  • Klient MistralAzure prijíma endpoint cez server_url (Python, mistralai.azure.client) alebo endpoint (TypeScript, @mistralai/mistralai-azure)
  • Integrácia s ekosystémom Azure (Key Vault, Monitor, Functions) je pre podniky veľkou výhodou
  • Vyberte si európsky región, aby ste zostali v súlade s GDPR