Mistral AI モデル

コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

Vertex AI の Mistral AI モデルは、API としてフルマネージド モデルとサーバーレス モデルを提供します。Vertex AI で Mistral AI モデルを使用するには、Vertex AI API エンドポイントにリクエストを直接送信します。Mistral AI モデルはマネージド API を使用します。インフラストラクチャをプロビジョニングしたり、管理する必要はありません。

レスポンスをストリーミングして、エンドユーザーのレイテンシを軽減できます。ストリーミング レスポンスでは、サーバー送信イベント（SSE）を使用してレスポンスを段階的にストリーミングします。

Mistral AI モデルは従量課金制です。従量課金制の料金については、Vertex AI の料金ページで Mistral AI モデルの料金をご覧ください。

利用可能な Mistral AI モデル

Vertex AI で使用できる Mistral AI のモデルは次のとおりです。Mistral AI モデルにアクセスするには、Model Garden のモデルカードに移動します。

Mistral Small 3.1（25.03）

Mistral Small 3.1（25.03）は、マルチモーダル機能と最大 128,000 のコンテキストを備えています。このモデルは、視覚的な入力と長いドキュメントを処理して理解できるため、以前の Mistral AI Small モデルと比較してアプリケーションの範囲がさらに広がります。Mistral Small 3.1（25.03）は、プログラミング、数学的推論、ドキュメントの理解、会話などのさまざまなタスク向けに設計された汎用モデルです。Mistral Small 3.1（25.03）は、低レイテンシ アプリケーション向けに設計されており、同等の品質のモデルと比較してクラス最高の効率を実現します。

Mistral Small 3.1（25.03）では、トレーニング後の完全なプロセスを経て、モデルを人間の好みやニーズに合わせて調整しています。これにより、チャットや正確な指示の実行が必要なアプリケーションで、すぐに使用できるようになりました。

Mistral Large（24.11）

Mistral Large（24.11）は、推論機能と関数呼び出し機能が強化された Mistral AI の Large モデルの最新バージョンです。

• エージェント中心: 組み込み関数呼び出しと JSON 出力による最高水準のエージェント機能。
• 多言語対応設計: 英語、フランス語、ドイツ語、スペイン語、イタリア語、中国語、日本語、韓国語、ポルトガル語、オランダ語、ポーランド語など、多数の言語に対応しています。
• コーディングに精通: Python、Java、C、C++、JavaScript、Bash など、80 を超えるコーディング言語でトレーニングされています。Swift や Fortran などの言語でもトレーニングされています
• 高度な推論: 最先端の数学的能力と推論能力を備えています。

Mistral Nemo

Mistral Nemo は、Mistral AI の費用対効果に優れた独自モデルです。低レイテンシのワークロードや、分類、カスタマー サポート、テキスト生成など、一括で実行できる単純なタスクに最適です。詳細については、Mistral AI のドキュメントをご覧ください。

Mistral Nemo は、次のようなユースケース向けに最適化されています。

• テキストの生成と分類。
• カスタマー サポートのシナリオ用のエージェントの作成。
• コードの生成、補完、レビュー、コメント。すべての主流のコーディング言語をサポートしています。

Codestral（25.01）

Codestral（25.01）は、コード生成タスク向けに設計されています。Codestral を使用することで、デベロッパーは共有された指示と補完の API エンドポイントを通じたコードの記述と操作が可能になります。Codestral（25.01）は、コードの習得と多言語での対話能力を備えているため、ソフトウェア デベロッパー向けに高度な AI アプリケーションを設計する際に利用できます。

• Codestral（25.01）は、Python、Java、C、C++、JavaScript、Bash など、80 を超えるプログラミング言語に精通しています。Swift や Fortran などのより特定の言語でも優れたパフォーマンスを発揮します。
• Codestral（25.01）は、デベロッパーの生産性を向上させ、エラーの削減に役立ちます。Codestral（25.01）は、コーディング関数の補完、テストの作成、そして Fill-in-the-Middle メカニズムを活用した部分的なコードの補完を実現します。
• Codestral（25.01）は、240 億のパラメータと 128,000 のコンテキスト ウィンドウのみで、パフォーマンスとレイテンシの領域における新しい標準を提供します。

Codestral（25.01）は、次のユースケース向けに最適化されています。

• コードを生成して、コード補完、候補の提示、翻訳を提供します。
• ユーザー定義の開始ポイントと終了ポイントの間にコードを追加します。特定のコードを生成する必要があるタスクに最適です。
• コードを要約し、説明します。
• コードをリファクタリングし、バグを修正してテストケースを生成することで、コードの品質を確認します。

Mistral AI モデルを使用する

Mistral AI のモデルを使用するリクエストを送信する場合は、次のモデル名を使用します。

• Mistral Small 3.1（25.03）の場合は、mistral-small-2503 を使用します。
• Mistral Large（24.11）の場合は、mistral-large-2411 を使用します。
• Mistral Nemo の場合は mistral-nemo@2407 を使用します。
• Codestral（25.01）の場合は codestral-2501 を使用します。

Mistral AI SDK の使用方法については、Mistral AI Vertex AI のドキュメントをご覧ください。

始める前に

Vertex AI で Mistral AI モデルを使用するには、次の操作を行う必要があります。Vertex AI を使用するには、Vertex AI API（aiplatform.googleapis.com）を有効にする必要があります。既存のプロジェクトで Vertex AI API が有効になっている場合は、新しいプロジェクトを作成する代わりに、そのプロジェクトを使用できます。

パートナー モデルを有効にして使用するために必要な権限があることを確認します。詳細については、必要な権限を付与するをご覧ください。

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Vertex AI API.

   Enable the API

5. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

6. Make sure that billing is enabled for your Google Cloud project.

7. Enable the Vertex AI API.

   Enable the API

8. Mistral AI Model Garden のいずれかのモデルカードに移動し、[有効にする] をクリックします。

Mistral AI モデルにストリーミング呼び出しを行う

次のサンプルでは、Mistral AI モデルへのストリーミング呼び出しを行います。

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/mistralai/models/MODEL:streamRawPredict

{
"model": MODEL,
  "messages": [
   {
    "role": "ROLE",
    "content": "CONTENT"
   }],
  "max_tokens": MAX_TOKENS,
  "stream": true
}

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/mistralai/models/MODEL:streamRawPredict"

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/mistralai/models/MODEL:streamRawPredict" | Select-Object -Expand Content

data: {
    "id": "0e9c8e69e5924f729b39bc60bac9e0be",
    "object": "chat.completion.chunk",
    "created": 1720807292,
    "model": "MODEL",
    "choices": [
        {
            "index": 0,
            "delta": {
              "content": "OUTPUT"
            },
            "finish_reason": null,
            "logprobs": null
        }
    ]
}

data: {
    "id": "0e9c8e69e5924f729b39bc60bac9e0be",
    "object": "chat.completion.chunk",
    "created": 1720807292,
    "model": "MODEL",
    "choices": [
        {
            "index": 0,
            "delta": {
              "content": "OUTPUT"
            },
            "finish_reason": null,
            "logprobs": null
        }
    ]
}
...

Mistral AI モデルに単一呼び出しを行う

次のサンプルでは、Mistral AI モデルへの単一呼び出しを行います。

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/mistralai/models/MODEL:rawPredict

{
"model": MODEL,
  "messages": [
   {
    "role": "ROLE",
    "content": "CONTENT"
   }],
  "max_tokens": MAX_TOKENS,
  "stream": false
}

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/mistralai/models/MODEL:rawPredict"

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/mistralai/models/MODEL:rawPredict" | Select-Object -Expand Content

{
    "id": "e71d13ffb77344a08e34e0a22ea84458",
    "object": "chat.completion",
    "created": 1720806624,
    "model": "MODEL",
    "choices": [
        {
            "index": 0,
            "message": {
                "role": "assistant",
                "content": "OUTPUT",
                "tool_calls": null
            },
            "finish_reason": "stop",
            "logprobs": null
        }
    ],
    "usage": {
        "prompt_tokens": 17,
        "total_tokens": 295,
        "completion_tokens": 278
    }
}

Mistral AI モデルで利用可能なリージョンと割り当て

Mistral AI モデルの場合、モデルが使用可能なリージョンごとに割り当てが適用されます。割り当ては、1 分あたりのクエリ数（QPM）と 1 分あたりのトークン数（TPM）で指定されます。TPM には、入力トークンと出力トークンの両方が含まれます。

次の表に、各 Mistral AI モデルのサポートされているリージョン、デフォルトの割り当て、最大コンテキスト長を示します。

Mistral Small 3.1（25.03）

Mistral Large（24.11）

Mistral Nemo

Codestral（25.01）

Vertex AI の生成 AI の割り当てを引き上げる場合は、Google Cloud コンソールから割り当ての増加をリクエストできます。割り当ての詳細については、割り当てを操作するをご覧ください。