Muitto
Voltar ao catálogo
Texto
mistral
Equilibrado

Mistral 7B Instruct v0.3

Mistral 7B Instruct v0.3 — geração de texto rápida e de código aberto com seguimento de instruções.

Sobre este modelo

Mistral 7B Instruct v0.3 é um modelo de texto ajustado por instruções da família Mistral, criado para usuários que desejam um assistente responsivo para escrever, fazer brainstorming, resumir e raciocinar de forma estruturada. Ele tem bom desempenho em prompts de uso geral, como redigir e-mails, explicar conceitos, reescrever conteúdo e produzir esboços ou textos criativos curtos.

Devido ao seu tamanho menor, ele se destaca em cenários onde velocidade e baixo uso de recursos são importantes, sendo uma escolha prática para iterações rápidas, tarefas em lote e fluxos de conversação leves. Ele também lida bem com saídas no estilo de funções e formatos estruturados como JSON, listas e tabelas, quando o prompt é claro.

O que o diferencia é o equilíbrio entre abertura, eficiência e qualidade de instrução. É um modelo sólido para o dia a dia que se encaixa naturalmente em uma plataforma criativa como um mecanismo de texto padrão rápido e confiável para trabalhos de geração rotineiros.

Melhores casos de uso
  • Redigir e reescrever artigos curtos ou e-mails
  • Resumir documentos longos em pontos-chave
  • Gerar ideias e esboços para projetos
  • Produzir saídas estruturadas como listas e JSON
  • Responder perguntas de conhecimento geral e tutoriais
Pontos fortes
Seguimento de instruções

Ele interpreta prompts diretos de forma confiável e produz o formato ou estilo solicitado.

Rápido e leve

Responde rapidamente e usa menos recursos que modelos maiores, ótimo para iteração rápida.

Generalista versátil

Lida com escrita, resumo, ajuda em codificação e raciocínio em diversos tópicos do dia a dia.

Dicas
  • Seja explícito sobre formato, tamanho e tom no seu prompt para obter resultados mais consistentes.
  • Forneça um breve exemplo da saída desejada se a primeira tentativa não estiver no estilo certo.
  • Divida tarefas complexas em etapas menores ou subtarefas numeradas para melhorar a precisão.
  • Use uma temperatura mais baixa para respostas factuais e uma mais alta para escrita criativa.
Limitações
  • Pode produzir respostas menos matizadas do que modelos muito maiores em tópicos complexos ou especializados.
  • O conhecimento é fixo no momento do treinamento e pode estar desatualizado para eventos recentes.
  • Ocasionalmente pode alucinar fatos ou gerar informações incorretas com confiança.
Exemplos de geração
Exemplo em breve
Planejador de itinerário de várias etapas

Planeje um fim de semana de 3 dias em Lisboa para um casal que adora comida, caminhadas e música ao vivo. Inclua atividades de manhã, tarde e noite para cada dia, além de sugestões de restaurantes.

Exemplo em breve
Extração de dados estruturados

Extraia cada nome de produto, preço e cor disponível do texto abaixo e retorne o resultado como um array JSON com os campos name, price e colors.

Exemplo em breve
Explicação educacional

Explique como modelos transformer funcionam para uma criança inteligente de 12 anos, usando uma analogia simples e evitando jargões técnicos.

Prompts de exemplo
Rascunho rápido de e-mail
Escreva um e-mail amigável de acompanhamento para um cliente que não respondeu há duas semanas, pedindo uma atualização sobre a proposta.
Resumo de reunião
Resuma a seguinte transcrição de reunião em 5 tópicos com itens de ação e responsáveis.
Reescrever em novo tom
Reescreva esta descrição de produto em um tom divertido e casual, voltado para compradores da Geração Z.
Parâmetros
seed

Um número que torna a saída reproduzível. A mesma semente com o mesmo prompt geralmente dá o mesmo resultado.

top_p

Limita a escolha das próximas palavras às opções mais prováveis. Valores mais baixos tornam a saída mais focada e no tópico.

max_tokens

Define o comprimento máximo da resposta gerada em tokens, que correspondem aproximadamente a palavras e pontuação.

temperature

Controla o quão criativa ou aleatória é a saída. Valores mais baixos são mais focados e previsíveis, valores mais altos são mais variados e surpreendentes.

presence_penalty

Reduz a chance de o modelo repetir as mesmas ideias, incentivando-o a introduzir novos conceitos.

frequency_penalty

Desencoraja o modelo de repetir as mesmas palavras com muita frequência em uma resposta.

Preços

Preço sob consulta

Os preços exibidos são o que você paga na Muitto. Sem surpresas.

Perguntas frequentes

Para que o Mistral 7B Instruct v0.3 é mais adequado?

É mais adequado para tarefas de texto do dia a dia, como redigir, resumir, fazer brainstorming e responder perguntas gerais.

Ele sabe sobre eventos muito recentes?

Não, seu conhecimento é limitado aos dados com os quais foi treinado e não incluirá as notícias ou atualizações mais recentes.

Ele consegue seguir formatos de saída estruturados?

Sim, ele pode produzir JSON, listas, tabelas e outros formatos estruturados quando você especifica claramente o esquema desejado no seu prompt.