Cloud
L'inférence pour construire votre IA de pointe en Europe.
Large
from mistralai import Mistral
model = "mistral-large-latest"
client = Mistral(api_key="")
chat_response = client.chat.complete(
model=model,
messages=[
{
"role": "user",
"content": "Explain a merkle tree in two sentences.",
},
],
)
print(chat_response.choices[0].message.content)import { Mistral } from '@mistralai/mistralai'
const client = new Mistral({ apiKey: '' })
const chatResponse = await client.chat.complete({
model: 'mistral-large-latest',
messages: [{ role: 'user', content: 'Explain a merkle tree in two sentences.' }],
})
console.log(chatResponse.choices[0].message.content)curl -X POST "https://api.mistral.ai/v1/chat/completions" \
-H "Authorization: Bearer " \
-H "Content-Type: application/json" \
-d '{
"model": "mistral-large-latest",
"messages": [
{
"role": "user",
"content": "Explain a merkle tree in two sentences."
}
]
}'from mistralai import Mistral
client = Mistral(api_key="")
agent = client.beta.agents.create(
model="mistral-medium-latest",
name="Websearch Agent",
description="Answers with up-to-date information from the web.",
tools=[{"type": "web_search"}],
)
print(agent.id)import { Mistral } from '@mistralai/mistralai'
const client = new Mistral({ apiKey: '' })
const agent = await client.beta.agents.create({
model: 'mistral-medium-latest',
name: 'Websearch Agent',
description: 'Answers with up-to-date information from the web.',
tools: [{ type: 'web_search' }],
})
console.log(agent.id)curl -X POST "https://api.mistral.ai/v1/agents" \
-H "Authorization: Bearer " \
-H "Content-Type: application/json" \
-d '{
"model": "mistral-medium-latest",
"name": "Websearch Agent",
"description": "Answers with up-to-date information from the web.",
"tools": [{"type": "web_search"}]
}'from mistralai import Mistral
with Mistral(
api_key='',
) as mistral:
ocr_response = mistral.ocr.process(
model='mistral-ocr-latest',
document={
'type': 'document_url',
'document_url': 'https://arxiv.org/pdf/2201.04234',
},
)
print(ocr_response.pages[0].markdown)import { Mistral } from '@mistralai/mistralai'
const client = new Mistral({ apiKey: '' })
const ocrResponse = await client.ocr.process({
model: 'mistral-ocr-latest',
document: {
type: 'document_url',
documentUrl: 'https://arxiv.org/pdf/2201.04234',
},
})
console.log(ocrResponse.pages[0].markdown)curl https://api.mistral.ai/v1/ocr \
-H "Content-Type: application/json" \
-H "Authorization: Bearer " \
-d '{
"model": "mistral-ocr-latest",
"document": {
"type": "document_url",
"document_url": "https://arxiv.org/pdf/2201.04234"
}
}'from mistralai import Mistral
with Mistral(
api_key='',
) as mistral:
response = mistral.audio.transcriptions.complete(
model='voxtral-mini-latest',
)
print(response.text)import { Mistral } from '@mistralai/mistralai'
const client = new Mistral({ apiKey: '' })
const result = await client.audio.transcriptions.complete({
model: 'voxtral-mini-latest',
})
console.log(result)curl https://api.mistral.ai/v1/audio/transcriptions \
-X POST \
-H "Authorization: Bearer " \
-H "Content-Type: application/json" \
-d '{
"model": "voxtral-mini-latest"
}'from mistralai import Mistral
with Mistral(
api_key='',
) as mistral:
response = mistral.audio.speech.complete(
model='voxtral-mini-latest',
input='Today is going to be a great day.',
)
print(response)import { Mistral } from '@mistralai/mistralai'
const client = new Mistral({ apiKey: '' })
const result = await client.audio.speech.complete({
model: 'voxtral-mini-latest',
input: 'Today is going to be a great day.',
})
console.log(result)curl https://api.mistral.ai/v1/audio/speech \
-X POST \
-H "Authorization: Bearer " \
-H "Content-Type: application/json" \
-d '{
"model": "voxtral-mini-latest",
"input": "Today is going to be a great day."
}'
La souveraineté des données pour chaque requête.
Choisissez le lieu d’exécution.
Traitez les requêtes dans l’UE ou, pour les modèles compatibles, aux États-Unis pour répondre à vos exigences de résidence des données et réduire la latence. Chaque région dispose d’un déploiement entièrement indépendant, avec sa propre capacité et un périmètre de données distinct.
Identifiez qui traite les données.
Mistral héberge et exécute chaque modèle. Les modèles ouverts tiers fonctionnent donc en toute sécurité, avec les mêmes contrôles régionaux et engagements de service que les nôtres.
Limitez les données conservées.
Activez la rétention nulle des données ou optez pour un déploiement privé pour répondre aux exigences réglementaires les plus strictes.
Nous utilisons les modèles Mistral Small dans Firefox pour offrir une IA rapide, précise et multilingue dans le navigateur à des millions d'utilisateurs.
Alexander Osipenko, Staff Machine Learning Engineer, Firefox.
« Mistral nous permet d'exécuter des modèles ouverts dans le cadre de contrôles régionaux stricts et d'engagements de service, ce qui simplifie le maintien de la résidence des données et le respect des exigences de conformité, tout en renforçant notre engagement envers l'open source. »
Matan Grinberg, PDG et co-fondateur, Factory.
Choisissez parmi nos modèles
et API les plus performants.
Mistral models
Mistral Large 4
New
Open-weight hybrid instruct-and-reasoning MoE with multimodal input; unifies instruction, reasoning, and agentic capabilities in a single model, state-of-the-art among open weights on cybersecurity, finance, and manufacturing, natively fluent in 160+ languages.
Input (/M tokens)
$1.36
Output (/M tokens)
$4.18
OCR 4.1
New
The world’s best document extraction and understanding model.
OCR
$4
/ 1000 pages
Document AI
$5
/ 1000 pages
Voxtral Mini Transcribe 2
State-of-the-art batch audio transcription.
Audio Input/min
$0.003
Available on
/v1/audio/transcriptions
Enterprise APIs
API Entreprise
Contrôles régionaux du traitement des données, SLA à l’échelle du système, limites de requêtes plus élevées et assistance premium.
Explorez les ressources pour les développeurs.
Foire aux questions.
Oui, vous pouvez appeler nos endpoints d’inférence régionaux dans l’UE ou, pour les modèles compatibles, aux États-Unis (api.eu.mistral.ai, api.us.mistral.ai). Ils permettent de traiter les requêtes des modèles compatibles dans la région de votre choix pour répondre à vos exigences de résidence des données ou réduire la latence, avec un supplément de 10 %. Sans endpoint régional, les requêtes passent par l’endpoint global. Pour le trafic de production, vous pouvez demander le niveau prioritaire : vos requêtes sont alors traitées avant le trafic standard, avec un SLA de disponibilité.
Nous hébergeons et exécutons nous-mêmes les modèles tiers. Ils fonctionnent donc en toute sécurité sur une infrastructure GPU gérée par Mistral, sans modification et avec les mêmes contrôles régionaux et engagements de service que nos propres modèles. Mistral traite vos requêtes. Les modèles tiers suivent un calendrier de retrait plus court ; consultez la politique de gestion du cycle de vie des modèles.
Les données envoyées via notre API ne servent pas à entraîner les modèles. La rétention nulle des données est disponible sur demande.
Oui, dans Studio, vous pouvez tester des prompts avec les modèles généralistes dans le playground des agents, ou tester des documents et la parole dans les playgrounds dédiés à l’OCR et à l’audio.
Pour les tâches générales, la productivité et le codage, Mistral Medium et GLM de Z.ai (hébergé par Mistral) sont les modèles les plus performants. Pour l’extraction structurée de données à partir de documents, utilisez Mistral OCR. Pour la transcription, le clonage de la voix et les agents vocaux, utilisez Voxtral. Pour les tâches sensibles aux coûts, Mistral Small et Ministral sont les modèles les plus légers. Comparez-les dans la présentation des modèles.
La plupart des modèles sont facturés par million de tokens, en comptant séparément les tokens d’entrée (vos prompts) et de sortie (les réponses). Par exemple, Mistral Large coûte 0,5 $ par million de tokens d’entrée et 1,5 $ par million de tokens de sortie. Le traitement par batch réduit le prix de 50 % pour les volumes importants. Les tokens d’entrée mis en cache réduisent le coût d’entrée jusqu’à 90 % pour les prompts répétés. Certaines API suivent une autre tarification : l’OCR est facturé par tranche de 1 000 pages, les modèles de traitement de la parole à la minute et les API d’outils à l’appel.
Oui, nos modèles à poids ouverts peuvent s’exécuter partout. Téléchargez-les depuis Hugging Face et hébergez-les sur votre propre matériel. Les licences varient selon le modèle, généralement entre Apache 2.0 et une licence MIT modifiée, et peuvent évoluer. Les clients Entreprise peuvent déployer nos modèles sur site ou dans leur propre cloud, notamment auprès de fournisseurs à grande échelle comme AWS, Azure et Google Cloud.
