Mistral: Ministral 3 8B 2512 (batch)

Mistral: Ministral 3 8B 2512 (batch) es un modelo de generación de texto de Mistral, parte de la familia Ministral 3. Mistral lo describe como un modelo equilibrado dentro de esa familia: un modelo de lenguaje pequeño, potente y eficiente con capacidades de visión. El id del modelo en api14 es mistralai/ministral-8b-2512:batch, y el sufijo batch indica que esta variante se sirve a través de un endpoint por lotes en lugar de uno síncrono, lo que encaja con cargas de trabajo en las que se envía trabajo y se recogen resultados en lugar de esperar en cada llamada.

El modelo acepta entrada de texto e imágenes y produce salida de texto, por lo que puede manejar tanto tareas de lenguaje natural como prompts que incluyen imágenes. Su ventana de contexto es de 262144 tokens, y la salida máxima es de 209715 tokens. Esa combinación de un contexto grande y un presupuesto de salida grande significa que puedes introducir documentos largos o prompts largos de imagen más texto y aún dejar espacio para una respuesta generada sustancial. Los parámetros de solicitud admitidos incluyen temperature, top_p, frequency_penalty, presence_penalty, max_tokens, stop, seed, response_format, structured_outputs, tool_choice y tools.

Esas capacidades apuntan a algunos usos prácticos. El trabajo de texto con contexto largo, como resumir o extraer de documentos extensos, encaja en la ventana de 262144 tokens. Como se aceptan imágenes como entrada, tareas como describir una imagen, responder preguntas sobre una captura de pantalla o extraer texto y estructura de una página escaneada están dentro del alcance. El uso de herramientas y las salidas estructuradas lo hacen utilizable para pipelines que necesitan que el modelo devuelva JSON o invoque funciones, y el parámetro seed ayuda cuando quieres resultados repetibles entre ejecuciones.

Para llamarlo a través de api14, usa la interfaz de chat completions compatible con OpenAI con el id de modelo mistralai/ministral-8b-2512:batch. Puedes pasar los campos habituales de la solicitud de chat junto con los parámetros enumerados arriba: temperature, top_p, frequency_penalty, presence_penalty, max_tokens, stop, seed, response_format, structured_outputs, tool_choice y tools. Como esta es la variante por lotes, planifica el envío y la recuperación asíncronos en lugar de respuestas inmediatas, y consulta la tabla de precios en vivo en la página para conocer las tarifas actuales.

Un límite que vale la pena señalar es la modalidad de salida: el modelo lee imágenes pero solo devuelve texto, por lo que no es adecuado si necesitas imágenes generadas. Si tu tarea es puramente texto y no necesita visión ni la ventana de contexto muy grande, un modelo más pequeño o no por lotes puede responder más rápido y con menos sobrecarga operativa.