Cloud
Inferenza per costruire la tua avanguardia in 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."
}'
Sovranità dei dati per ogni richiesta.
Scegli la regione di elaborazione.
Elabora le richieste nell'UE o, per i modelli supportati, negli Stati Uniti per la residenza dei dati e una latenza ridotta. Ogni regione è un'implementazione completamente indipendente, con una propria capacità e un proprio perimetro dei dati.
Sai chi gestisce i dati.
Mistral serve ogni modello in prima persona, quindi i modelli aperti di terze parti vengono eseguiti in sicurezza, con gli stessi controlli regionali e impegni di servizio previsti per i nostri modelli.
Limita ciò che viene conservato.
Attiva la conservazione zero dei dati oppure opta per un'implementazione privata per i requisiti normativi più stringenti.
Utilizziamo i modelli Mistral Small in Firefox per portare a milioni di utenti un'AI veloce, accurata e multilingue nel browser.
Alexander Osipenko, Staff Machine Learning Engineer, Firefox.
"Mistral ci consente di eseguire modelli aperti nel rispetto di rigorosi controlli regionali e di impegni di servizio, semplificando la gestione della residenza dei dati e dei requisiti di conformità e rafforzando al tempo stesso il nostro impegno verso l'open source."
Matan Grinberg, CEO e co-fondatore, Factory.
Scegli tra i nostri
modelli e API più potenti.
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 aziendali
Controlli regionali per l'elaborazione dei dati, SLA a livello di sistema, limiti di frequenza più elevati e assistenza premium.
Esplora le risorse per gli sviluppatori.
Domande frequenti.
Sì, è possibile chiamare i nostri endpoint di inferenza regionali nell'UE o, per i modelli supportati, negli Stati Uniti (api.eu.mistral.ai, api.us.mistral.ai) per elaborare le richieste relative ai modelli supportati nella regione di preferenza, per la residenza dei dati o una latenza ridotta, con un sovrapprezzo del 10%. Senza un endpoint regionale, le richieste utilizzano l'endpoint globale. Per il traffico di produzione, è possibile richiedere il Priority Tier, che dà priorità alle richieste rispetto al traffico standard, con la garanzia di un SLA di uptime.
Serviamo noi stessi i modelli di terze parti, che vengono quindi eseguiti in sicurezza su infrastruttura GPU gestita da Mistral, senza modifiche e con gli stessi controlli regionali e impegni di servizio previsti per i nostri modelli. Le richieste vengono elaborate da Mistral. I modelli di terze parti seguono una pianificazione di deprecazione più breve; consulta la politica sul ciclo di vita dei modelli.
I dati inviati tramite la nostra API non vengono utilizzati per l'addestramento dei modelli e la conservazione zero dei dati è disponibile su richiesta.
Sì, in Studio è possibile eseguire prompt di test sui modelli generali nell'ambiente per agenti, oppure provare documenti e speech negli ambienti dedicati OCR e audio.
Per le attività generali, la produttività e la codifica, Mistral Medium e GLM by Z.ai (ospitato da Mistral) sono i modelli più potenti. Per l'estrazione strutturata dai documenti—Mistral OCR, e Voxtral per trascrizione, clonazione vocale e agenti vocali. Per le attività operative che prevedono costi contenuti, Mistral Small e Ministral sono i modelli più leggeri. Confrontali nella panoramica dei modelli.
La maggior parte dei modelli è tariffata al milione di token, con input (i prompt) e output (le risposte) conteggiati separatamente. Ad esempio, Mistral Large costa 0,5 $ /M token in ingresso e 1,5 $ /M token in uscita. L'elaborazione in batch, per le attività operative ad alto volume, riduce il prezzo del 50% e i token di input memorizzati in cache riducono il costo di input fino al 90% per i prompt ripetuti. Alcune API seguono una tariffazione diversa: OCR è tariffato per 1.000 pagine, i modelli speech al minuto e le API degli strumenti per chiamata.
Sì, i nostri modelli open-weight possono essere eseguiti ovunque: è possibile scaricarli da Hugging Face e ospitarli sul proprio hardware. Le licenze variano in base al modello, in genere Apache 2.0 o una versione modificata della licenza MIT, e possono cambiare. I clienti aziendali possono implementare i nostri modelli on-premises o nel proprio cloud, inclusi gli hyperscaler come AWS, Azure e Google Cloud.
