लर्निंग पाथ
एआई मूलभूत बातें
10 घंटा
चित्र: लेखक द्वारा
बड़े भाषा मॉडल्स (LLMs) के आने के बाद से डेटा साइंस की दुनिया पूरी तरह बदल गई है। OpenAI के GPT-3 जैसे टूल्स ने इस क्षेत्र में नवाचार को आगे बढ़ाने और पहले असंभव समझी जाने वाली नई क्षमताएँ खोलने में महत्वपूर्ण भूमिका निभाई है।
शुरुआत में OpenAI के GPT मॉडल्स ने बाज़ार पर दबदबा बनाया, लेकिन समय के साथ कई नए मॉडल्स लॉन्च हुए, जिनमें से हर एक के पास अपनी विशिष्ट क्षमताएँ और विशेष अनुप्रयोग हैं।
इनमें, Mistral के मॉडल्स अपनी उन्नत तर्कशक्ति और बहुभाषी समर्थन के साथ अलग नज़र आते हैं, साथ ही कोड बनाने में भी दक्ष हैं—जो AI में एक अहम छलांग है।
यह ट्यूटोरियल आपको Mistral का नवीनतम मॉडल, Mistral Large, से परिचित कराता है—ऑन-डिमांड उपयोग के लिए API एक्सेस सहित—और इसकी कार्यप्रणालियों, अन्य LLMs के साथ तुलनात्मक विश्लेषण, और व्यावहारिक अनुप्रयोगों पर गहराई से चर्चा करता है।
चाहे आप अनुभवी डेटा साइंटिस्ट हों, अपने टूलकिट का विस्तार करने के इच्छुक डेवलपर हों, या नवीनतम तकनीक की खोज में रुचि रखने वाले AI उत्साही—यह ट्यूटोरियल आपके लिए ही बनाया गया है।
Mistral AI क्या है?
Mistral AI एक फ्रेंच कंपनी है जिसकी स्थापना अप्रैल 2023 में Meta Platforms और Google DeepMind के पूर्व कर्मचारियों द्वारा की गई थी। इसका मुख्य उद्देश्य AI उत्पादों और सेवाओं को बेचना है, साथ ही समाज को मज़बूत ओपन-सोर्स LLMs उपलब्ध कराना।
कंपनी ने सितंबर 2023 में लॉन्च हुए अपने Mistral 7B मॉडल से बाज़ार में क्रांति ला दी। 7.3 बिलियन पैरामीटर्स वाला यह मॉडल उस समय के सबसे उन्नत ओपन-सोर्स मॉडल्स, जैसे LlaMa 2, से बेहतर साबित हुआ, जिसने Mistral AI को ओपन-सोर्स AI डोमेन में अग्रणी बना दिया।
पिछले महीनों में, Mistral AI आर्टिफिशियल इंटेलिजेंस उद्योग में एक अग्रणी ताकत बनकर उभरा है और यह जटिल समस्याओं को हल करने और संचालन को सुव्यवस्थित करने के लिए शक्तिशाली टूल्स पेश करने का प्रयास कर रहा है।
और यही हमें इसके नवीनतम लॉन्च—Mistral Large मॉडल—तक लेकर आता है।
Mistral Large क्या है
Mistral Large, फरवरी 2024 में लॉन्च किया गया, Mistral का अब तक का सबसे शक्तिशाली बड़ा भाषा मॉडल है। यह स्वयं को टेक्स्ट जनरेशन के लिए फ्लैगशिप मॉडल के रूप में स्थापित करता है, जो GPT-4 जैसी प्रसिद्ध क्षमताओं को भी टक्कर देता है।
इसका लक्ष्य सशक्त तर्कशक्ति और ज्ञान संबंधी कौशल प्रदान करना है, साथ ही बहु-प्रोग्रामिंग भाषाओं में ठोस कोडिंग समझ और बहुभाषी क्षमता देना। यही वे कार्य हैं जिनमें यह विशेष रूप से उत्कृष्ट है:
तर्कशक्ति और ज्ञान
Mistral Large मज़बूत तर्कशक्ति प्रदर्शित करता है। ऐसी क्षमताओं का आकलन करने के लिए, Mistral Large या GPT-4 जैसे LLMs के प्रदर्शन की तुलना अलग-अलग बेंचमार्क्स से की जाती है, जो उनकी समझ, तर्कशक्ति, ज्ञान और विभिन्न प्रकार के डेटा को संभालने की क्षमता की जाँच करते हैं।
सबसे आम बेंचमार्क्स में शामिल हैं:
- MMLU या Measuring massive multitask language in understanding: पेशेवर डोमेन्स से लेकर सामान्य समझ तक, विभिन्न विषयों में मॉडल की समझ को परखता है।
- HellaSwag: सामान्य-बुद्धि वाले परिदृश्यों की समझ और दिए गए संदर्भ के सबसे संभावित आगे के भाग की भविष्यवाणी करने की क्षमता का आकलन करता है।
- Arc Challenge: उद्देश्य: ऐसे जटिल, प्राथमिक-स्तर के विज्ञान प्रश्नों के उत्तर देने की मॉडल की क्षमता मापता है, जिनमें तार्किक तर्क और वैज्ञानिक अवधारणाओं की समझ आवश्यक होती है।
पिछले तीनों और कुछ अन्य बेंचमार्क्स पर इन प्री-ट्रेंड मॉडल्स का प्रदर्शन नीचे दिए चित्र में दिखाया गया है:
चित्र: Mistral AI द्वारा। बाज़ार के अग्रणी LLM मॉडल्स का व्यापक सामान्य-बुद्धि, तर्कशक्ति और ज्ञान बेंचमार्क्स पर प्रदर्शन: MMLU (Measuring massive multitask language in understanding), HellaSwag (10-shot), Wino Grande (5-shot), Arc Challenge (5-shot), Arc Challenge (25-shot), TriviaQA (5-shot) और TruthfulQA।
जैसा आप देख सकते हैं, ArcC और TruthfulQA में Mistral Large सर्वश्रेष्ठ प्रदर्शन करता है, जबकि लगभग सभी बेंचमार्क्स में GPT-4 के बहुत करीब स्कोर बनाए रखता है।
बहुभाषी क्षमताएँ
कई मॉडल्स जो केवल एक भाषा में प्रवीण हैं, उनके विपरीत, Mistral Large अंग्रेज़ी, फ़्रेंच, स्पैनिश, जर्मन और इटालियन में स्वदेशी दक्षता रखता है।
यह बहुभाषी क्षमता केवल अनुवाद तक सीमित नहीं है; इसमें व्याकरण और सांस्कृतिक संदर्भ की गहरी समझ शामिल है, जो उन वैश्विक अनुप्रयोगों के लिए इसे आदर्श बनाती है जिन्हें इन भाषाओं में स्वाभाविक अंदाज़ की आवश्यकता होती है।
गणित और कोडिंग
Mistral Large प्रोग्रामिंग और गणितीय कार्यों में भी बेहतर प्रदर्शन करता है। फिर से, गणित और कोडिंग विशेषज्ञता में अलग-अलग LLMs की तुलना करने के लिए कुछ मानक बेंचमार्क्स हैं। प्रमुख उदाहरण:
- HumanEval: विभिन्न प्रोग्रामिंग समस्याओं के लिए सही कोड समाधान जनरेट करने की मॉडल की क्षमता मापता है।
- MBPP: Python प्रोग्रामिंग समस्याओं को हल करने में मॉडल की दक्षता परखता है।
- GSM8K: प्राथमिक-स्तर की गणित में समस्या-समाधान कौशल का आकलन करता है।
नीचे दी गई तालिका विभिन्न प्रसिद्ध बेंचमार्क्स पर इसके प्रदर्शन का अवलोकन देती है, जो अग्रणी LLMs की कोडिंग और गणितीय क्षमताओं की तुलना करती है।
चित्र: Mistral AI द्वारा। लोकप्रिय कोडिंग और गणित बेंचमार्क्स पर अग्रणी LLM मॉडल्स का प्रदर्शन: HumanEval pass@1, MBPP pass@1, Math maj@4, GSM8K maj@8 (8-shot) और GSM8K maj@1 (5 shot)।
पहले की तरह, Mistral Large अधिकांश बेंचमार्क्स (MBPP, Math maj@4 और GSM8K) में उत्कृष्ट करता है और सभी में उच्च स्कोर बनाए रखता है।
इसके अलावा, Mistral Large कुछ नई क्षमताएँ और ताकतें भी लाता है:
- इसकी 32K टोकन कॉन्टेक्स्ट विंडो व्यापक दस्तावेज़ों से सटीक जानकारी पुनर्प्राप्ति सक्षम करती है। सरल शब्दों में, Mistral Large अब एक समय में 32,000 टोकन (शब्दों के खंड) तक के इनपुट टेक्स्ट पर विचार कर सकता है, जबकि Mistral 7B में 8K टोकन की कॉन्टेक्स्ट विंडो थी।
- निर्देशों का सटीक अनुपालन डेवलपर्स को मॉडरेशन नीतियाँ अनुकूलित करने की अनुमति देता है—हमने le Chat के लिए सिस्टम-स्तरीय मॉडरेशन स्थापित करने में इस क्षमता का उपयोग किया।
- यह मूल रूप से फ़ंक्शन कॉलिंग का समर्थन करता है। इसका मतलब है कि Mistral Large अपने फ्रेमवर्क के भीतर फ़ंक्शन कॉल्स को समझ और निष्पादित कर सकता है। इससे LLM विशेष फ़ंक्शन्स चलाने के अनुरोध समझ सकता है, उत्तर निर्माण के हिस्से के रूप में उन्हें चला सकता है, या फ़ंक्शन लॉजिक के अनुसार डेटा में हेरफेर कर सकता है।
सभी Mistral AI मॉडल्स Apache 2.0 लाइसेंस के तहत जारी किए गए हैं, जिससे उनका बेझिझक उपयोग किया जा सकता है। आप मॉडल आर्किटेक्चर और प्रदर्शन के बारे में अधिक जान सकते हैं Mistral की आधिकारिक वेबसाइट और प्रलेखन पढ़कर।
Mistral Large बनाम अन्य LLMs
ChatGPT और Claude जैसे अन्य LLMs की तुलना में, Mistral Large अपनी बेहतर किफ़ायत के कारण विशेष रूप से अलग दिखता है।
AI के प्रतिस्पर्धी परिदृश्य में, Mistral Large ने व्यापक रूप से मान्य बेंचमार्क्स पर प्रभावशाली परिणाम दिखाए हैं और API के माध्यम से उपलब्ध दुनिया का दूसरा-रैंक्ड मॉडल बनने की स्थिति सुरक्षित की है।
यह उपलब्धि GPT-4, Claude 2, और LLaMA 2 70B जैसे दिग्गजों के मुकाबले MMLU (Measuring massive multitask language understanding) जैसे व्यापक आकलनों में इसके टेक्स्ट समझने और जनरेट करने की प्रभावशीलता को रेखांकित करती है।
चित्र: Mistral AI द्वारा। MMLU पर GPT-4, Mistral Large (pre-trained), Claude 2, Gemini Pro 1.0, GPT 3.5 और LLaMA 2 70B की तुलना।
जहाँ ChatGPT ने संवादात्मक AI में क्रांति लाई और Claude 2 ने समझ और जनरेटिव क्षमताओं को बेहतर किया, वहीं Mistral Large गहरी तर्कशक्ति को किफ़ायती ढाँचे में समाहित कर सीमा आगे बढ़ाता है—जिससे उन्नत AI व्यापक दर्शकों के लिए सुलभ बनता है।
अब समय है कि हम इस दैत्य को काबू करना सीखें!
Mistral Large के साथ शुरुआत करना
Mistral AI तक पहुँच एक सीधे-साधे सेटअप से शुरू होती है, जिसे आपको तुरंत चालू करने के लिए डिज़ाइन किया गया है।
मॉडल तक पहुँचने के दो मुख्य तरीके हैं:
- Mistral AI का ChatGPT-प्रेरित इंटरफ़ेस, जिसे “Le Chat” कहा जाता है, का उपयोग करना।
- Mistral के API एंड-पॉइंट का उपयोग करके इसे अपने कोड में एकीकृत करना।
चित्र: लेखक द्वारा।
यदि आप एक सरल मॉडल से शुरू करना चाहते हैं, तो मैं Mistral 7B को उपयोग और फाइन-ट्यून करने की यह गाइड दृढ़ता से सुझाता/सुझाती हूँ।
Mistral चैटबॉट - Le Chat
यह इंटरफ़ेस आपको Mistral के साथ टेक्स्ट-आधारित बातचीत करने देता है, जैसा कि OpenAI या Google जैसी कंपनियाँ प्रदान करती हैं। आप प्रश्न पूछ सकते हैं या निर्देश दे सकते हैं, और Mistral जानकारीपूर्ण तरीके से उत्तर देने की पूरी कोशिश करेगा।
Mistral Le Chat इंटरफ़ेस का स्क्रीनशॉट।
इस इंटरफ़ेस तक पहुँचने के लिए बस Mistral Le Chat वेबसाइट पर जाएँ और रजिस्टर करें। यह बिना किसी सीमा या प्रतिबंध के निःशुल्क है।
Mistral API
डेवलपर्स Mistral के API के माध्यम से इंटरैक्ट कर सकते हैं, जो OpenAI के API सिस्टम जैसा अनुभव देता है।
यह API आपको टेक्स्ट प्रॉम्प्ट भेजने और मॉडल के जनरेट किए गए उत्तर प्राप्त करने की सुविधा देता है। Python से Mistral API के साथ इंटरैक्ट करते समय, mistralai जैसी लाइब्रेरीज़ इंटरैक्शन को सरल बना देती हैं।
तो चलिए, Mistral Large से इंटरैक्ट करने के सबसे बुनियादी कदम करते हैं।
कदम 1 - अपना Mistral अकाउंट बनाना
पहला कदम है Mistral वेबसाइट पर जाना और “Build Now” बटन पर क्लिक करना।
MistralAI मुख्य वेबसाइट का स्क्रीनशॉट।
आपसे नया अकाउंट बनाने या यदि पहले से है तो साइन इन करने को कहा जाएगा।
MistralAI साइन अप इंटरफ़ेस का स्क्रीनशॉट।
साइन इन हो जाने के बाद, आपको API के माध्यम से मॉडल्स तक पहुँच पाने के लिए सब्सक्राइब करना होगा।
MistralAI अकाउंट का स्क्रीनशॉट।
इसके बाद, आपको अपनी व्यक्तिगत और बिलिंग जानकारी भरनी होगी।
MistralAI साइन अप प्रक्रिया का स्क्रीनशॉट।
और बस, हमारा अकाउंट उपयोग के लिए तैयार है!
कदम 2 - अपना API KEY बनाना
अकाउंट सक्रिय होने के बाद, आपको अपनी Python कोड से Mistral Large मॉडल कॉल करने के लिए API Key जनरेट करनी होगी। इसके लिए API Keys सेक्शन में जाएँ।
MistralAI साइन अप प्रक्रिया का स्क्रीनशॉट।
वहाँ पहुँचने के बाद, “Create new key” बटन दबाएँ और उसे नाम व समाप्ति तिथि दें (यह पूरी तरह वैकल्पिक है)।
MistralAI साइन अप प्रक्रिया का स्क्रीनशॉट।
कदम 3 - अपना लोकल वातावरण सेटअप करें
Python कोड से Mistral मॉडल कॉल करने के लिए आप mistralai लाइब्रेरी का उपयोग करेंगे, जिसे आप निम्न pip कमांड से आसानी से इंस्टॉल कर सकते हैं:
pip install mistralaiक्योंकि आप API Key का उपयोग करेंगे, मैं सलाह दूँगा/दूँगी कि आप dotenv लाइब्रेरी का उपयोग कर अपनी key को स्टोर करें। इसे आप निम्न pip कमांड से आसानी से इंस्टॉल कर सकते हैं:
pip install python-dotenvइसके बाद, आप .env फ़ाइल में अपनी Mistral API Key परिभाषित कर सकते हैं और इसे निम्न कोड से लोड कर सकते हैं:
import os
from dotenv import load_dotenv
# Load environment variables from the .env file
load_dotenv()
# Access the API key using os.getenv
api_key = os.getenv("MISTRAL_API_KEY")Mistral Large के व्यावहारिक अनुप्रयोग
Mistral Large का उपयोग सामग्री निर्माण, ग्राहक सहायता स्वचालन, प्रोग्रामिंग सहायता, डेटा विश्लेषण, भाषा अनुवाद, और शैक्षणिक टूल्स सहित कई क्षेत्रों में किया जा सकता है।
ये अनुप्रयोग विभिन्न उद्योगों में उत्पादकता, रचनात्मकता, और निर्णय-निर्धारण को बढ़ाने में Mistral LLMs की बहुमुखी प्रतिभा दर्शाते हैं। इसके साथ प्रयोग शुरू करने के लिए, पहले आपको मॉडल को इनिशियलाइज़ करना होगा।
इसके लिए, आप mistralai.client लाइब्रेरी और चैट कंप्लीशन फ़ंक्शन इम्पोर्ट करेंगे ताकि मॉडल से प्रतिक्रियाएँ प्राप्त की जा सकें। फिर, API के साथ इंटरैक्शन को सहज बनाने के लिए, आप एक chat_mistral function परिभाषित करेंगे जो इनपुट के रूप में आपका प्रॉम्प्ट लेता है और आउटपुट में मॉडल की प्रतिक्रिया देता है।
from mistralai.client import MistralClient
from mistralai.models.chat_completion import ChatMessage
model = "mistral-large-latest"
client = MistralClient(api_key=api_key)
def chat_mistral(prompt: str):
messages = [
ChatMessage(role="user", content=prompt)
]
# No streaming
chat_response = client.chat(
model=model,
messages=messages,
)
return chat_response.choices[0].message.contentआइए देखें कि Mistral किन-किन उदाहरणों को संभाल सकता है:
टेक्स्ट जनरेशन और प्रोसेसिंग
Mistral Large टेक्स्ट जनरेशन, समझ और रूपांतरण से जुड़े कार्यों में उत्कृष्ट है। आकर्षक कथाएँ और लेख लिखने से लेकर जटिल दस्तावेज़ों का सार तैयार करने और टेक्स्ट शैलियाँ बदलने तक—टेक्स्ट प्रोसेसिंग में इसके मुख्य अनुप्रयोग निम्न हैं:
टेक्स्ट जनरेशन
Mistral Large, और कोई भी LLM, का एक प्रमुख अनुप्रयोग आपके प्रारंभिक प्रॉम्प्ट से टेक्स्ट जनरेट करना है। इस क्षमता का मूल मॉडल का विविध डाटासेट्स पर व्यापक प्रशिक्षण है, जिसमें विभिन्न डोमेन्स से विशाल मात्रा में टेक्स्ट शामिल है।
यह व्यापक प्रशिक्षण मॉडल को विभिन्न लेखन शैलियाँ, विषय और भाषा संरचनाएँ समझने देता है, जिससे यह विशिष्ट टोन या सामग्री आवश्यकताओं से मेल खाते हुए टेक्स्ट तैयार करने में सक्षम होता है।
# Starting prompt for a fairytale poem
prompt = """Write a short story starting with "Once upon a time" """
print(chat_mistral(prompt))
_________________________________________ #OUTPUT
Once upon a time, in a bustling city filled with towering skyscrapers and endless traffic, there was a small, quaint bookstore named "Whispers of the Past". This wasn't an ordinary bookstore. It was a magical place where every book held a secret story, waiting to be discovered.
The owner of the store, Mr. Benjamin, was an old man with a heart full of kindness and a mind full of tales. He had a peculiar habit of recommending books to his customers, not based on their genre preference, but on their current life situations. His recommendations were always spot on, and people often found solace, guidance, or inspiration from the books he suggested.
One day, a young girl named Lily walked into the store. She was new in town and had a lost look in her eyes. Seeing this, Mr. Benjamin approached her and asked, "What can I help you find today, my dear?"
Lily…
टेक्स्ट जनरेशन के बारे में अधिक जानने के लिए यह लेख पढ़ें: What is Text Generation?
सेंटिमेंट विश्लेषण
Mistral Large की सेंटिमेंट विश्लेषण क्षमता इसके डीप लर्निंग फ्रेमवर्क पर आधारित है, जो इसे भाषा के संदर्भ को समझने और सकारात्मक, नकारात्मक तथा तटस्थ भावों में अंतर करने योग्य बनाता है।
टेक्स्ट इनपुट का विश्लेषण करके, यह शब्दों के पीछे की भावनात्मक टोन का अनुमान लगा सकता है और विविध डाटासेट्स पर अपने व्यापक प्रशिक्षण का लाभ उठाकर अलग-अलग प्रकार की सामग्री में सटीक सेंटिमेंट डिटेक्शन सुनिश्चित करता है।
Mistral का एक अच्छा उपयोग किसी दिए गए टेक्स्ट का सेंटिमेंट निर्धारित करने के लिए कहना हो सकता है।
# Sample text
text = "This movie was absolutely fantastic! I highly recommend it."
prompt = f"""Analyze the sentime of the following {text}.
Generate a json like response with the corresponding sentiment (positive, neutral or negatie).
"""
print(chat_mistral(prompt))
_________________________________________ #OUTPUT
{
"Sentiment": "Positive",
"Text": "This movie was absolutely fantastic! I highly recommend it."
}
टेक्स्ट सार-संक्षेप
Mistral Large उन्नत प्राकृतिक भाषा संसाधन क्षमताओं का उपयोग करके लंबे दस्तावेज़ों को संक्षिप्त, सूचनाप्रद सार में बदलने में उत्कृष्ट है। यह टेक्स्ट के मुख्य विषयों और प्रमुख विवरणों को समझता है, सबसे महत्वपूर्ण जानकारी की पहचान करके एक सुसंगत और संक्षिप्त सार प्रस्तुत करता है।
यह क्षमता बड़े पैमाने के टेक्स्ट का सार जल्दी समझने में विशेष रूप से उपयोगी है, जिससे Mistral Large उन पेशेवरों के लिए आवश्यक टूल बन जाता है जिन्हें कुशलतापूर्वक जानकारी को आत्मसात कर उस पर कार्रवाई करनी होती है।
एक सरल उदाहरण मॉडल से किसी टेक्स्ट का सार माँगना होगा, जैसा नीचे दर्शाया गया है:
# Sample text
text = """The quick brown fox jumps over the lazy dog. The rain in Spain falls mainly on the plain.
This is a longer sentence to show summarization capabilities."""
prompt = f"""Summarize the following {text} in 4 words.
"""
print(chat_mistral(prompt))
_________________________________________ #OUTPUT
Fox jumps, rain falls.
अनुवाद और बहुभाषी कार्य
Mistral Large बहुभाषी कार्यों को संभालने में बेहतरीन क्षमताएँ दिखाता है। Mistral-large को विशेष रूप से कई भाषाओं—विशेषकर फ़्रेंच, जर्मन, स्पैनिश और इटालियन—को समझने और उनमें टेक्स्ट जनरेट करने के लिए प्रशिक्षित किया गया है।
जो व्यवसाय और उपयोगकर्ता कई भाषाओं में संचार करना चाहते हैं, उनके लिए Mistral Large विशेष रूप से मूल्यवान हो सकता है।
एक सरल उदाहरण के रूप में Mistral Large को अनुवादक की तरह उपयोग किया जा सकता है।
# Sample text
text = """The quick brown fox jumps over the lazy dog. The rain in Spain falls mainly on the plain.
This is a longer sentence to show summarization capabilities."""
language_in = "english"
language_out = "spanish"
prompt = f"""Translate the following {text} that is written in {language_in} to {language_out} and
just output the translated text.
"""
print(chat_mistral(prompt))
_________________________________________ #OUTPUT
The quick brown fox jumps over the lazy dog. The rain in Spain falls mainly on the plain.
Translation to Spanish:
El rápido zorro marrón salta sobre el perro perezoso. La lluvia en España cae principalmente en la llanura.
This is a longer sentence to show summarization capabilities.
Translation to Spanish:
Esta es una oración más larga para mostrar las capacidades de resumen.
कोड जनरेशन और गणितीय समस्या-समाधान
टेक्स्ट से आगे बढ़कर, Mistral Large कोड जनरेशन और गणितीय समस्याएँ हल करने में उल्लेखनीय दक्षता दिखाता है। संक्षिप्त समस्या-विवरण देकर, आप Mistral Large की मदद से अनुकूलित कोड स्निपेट्स जनरेट करवा सकते हैं और गणितीय चुनौतियों पर काम करा सकते हैं—जो शैक्षणिक, शोध और विकास संदर्भों में इसकी उपयोगिता दर्शाता है।
कोड जनरेशन
Mistral Large उच्च-स्तरीय विवरणों को समझकर उन्हें विभिन्न प्रोग्रामिंग भाषाओं में सिण्टैक्स की दृष्टि से सही और कुशल कोड में बदल देता है।
यह कोडबेस, तकनीकी प्रलेखन और डेवलपर फ़ोरम्स पर अपने व्यापक प्रशिक्षण का लाभ लेकर निर्दिष्ट आवश्यकताओं के अनुरूप, फ़ंक्शनल और अनुकूलित कोड जनरेट करता है।
एक सरल उदाहरण है—मॉडल से किसी वर्णित कार्य के लिए फ़ंक्शन जनरेट करने के लिए कहना।
# Prompt: Generate a Python function that takes a list of numbers and returns the sum of squares.
prompt = """def sum_of_squares(numbers):
# Your code here
pass
# Call the generated function with a sample list
numbers = [1, 2, 3]
result = sum_of_squares(numbers)
print(f"Sum of squares: {result}") # Expected output: Sum of squares: 14"""
print(chat_mistral(prompt))
_________________________________________ #OUTPUT
Sure, I can help you define the function `sum_of_squares`. This function should take a list of numbers as an argument, square each number, and then return the sum of those squares. Here's how you could do it:
```python
def sum_of_squares(numbers):
return sum(num ** 2 for num in numbers)
```
यह क्षमता डेवलपमेंट प्रक्रिया को सुगम बनाती है—तेज़ प्रोटोटाइपिंग, डिबगिंग और जटिल अल्गोरिद्म्स को आसानी से लागू करने में मदद करती है।
गणितीय समस्या-समाधान
Mistral Large संख्यात्मक अवधारणाओं की गहरी समझ और जटिल गणितीय निर्देशों को प्रोसेस व व्याख्या करने की क्षमता के जरिए गणितीय समस्याएँ सुलझाने में दक्ष है।
यह व्यापक गणितीय डेटा पर प्रशिक्षित अल्गोरिद्म्स लागू करता है, जिससे यह बुनियादी अंकगणित से लेकर उन्नत कैलकुलस और बीजगणित तक की समस्याओं से निपट सकता है।
उदाहरण के लिए, आप मॉडल से कोई गणितीय समस्या हल करने के लिए कह सकते हैं।
# Prompt: Solve a system of linear equations with two variables.
prompt = """We have a system of equations:
x + 2y = 5
3x - y = 1
Solve for x and y.
"""
print(chat_mistral(prompt))
_________________________________________ #OUTPUT
Sure, I'd be happy to help you solve this system of equations. We can use the method of substitution or elimination. I'll use substitution for this example.
First, let's solve the first equation for x:
x = 5 - 2y
Now, we can substitute x in the second equation with the expression we just found:
3(5 - 2y) - y = 1
Expanding and simplifying this gives:
15 - 6y - y = 1
-7y = 1 - 15
-7y = -14
Now, divide both sides by -7 to solve for y:
y = -14 / -7
y = 2
Substitute y = 2 into the first equation:
x + 2(2) = 5
x + 4 = 5
x = 5 - 4
x = 1
So, the solution to the system of equations is x = 1 and y = 2.
यह क्षमता शिक्षकों, विद्यार्थियों और शोधकर्ताओं के लिए Mistral Large को एक मूल्यवान टूल बनाती है, जो गणितीय प्रश्नों के समाधान खोज रहे हों या अपने कार्य की शुद्धता जाँचना चाहते हों।
Mistral Large: उन्नत फ़ीचर्स और श्रेष्ठ प्रथाएँ
मूल्य निर्धारण और एक्सेस समझना
Mistral AI अपने API सेवाओं के लिए पे-एज़-यू-गो मूल्य मॉडल प्रदान करता है, जिसमें चैट कंप्लीशन्स और एम्बेडिंग APIs के लिए अलग दरें हैं। कीमतें प्रति मिलियन टोकन हैं और मॉडल की जटिलता के अनुसार बदलती हैं, जिनमें Mistral 7B, Mixtral 8x7B, और Mistral मॉडल के विभिन्न आकार (Small, Medium, Large) शामिल हैं।
प्लेटफ़ॉर्म कई स्तर प्रदान करता है—Mistral Small, Medium, और Large—जो अलग-अलग परियोजना आवश्यकताओं और बजट सीमाओं को पूरा करने के लिए डिज़ाइन किए गए हैं। सबसे कम कीमतें Mistral 7B के लिए 0.25$ प्रति टोकन से शुरू होकर Mistral Large के आउटपुट के लिए 8$ और इनपुट के लिए 24$ तक रहती हैं।
यह लचीलापन आपको सबसे उपयुक्त मॉडल संस्करण चुनने देता है, जिससे प्रदर्शन और व्यय दोनों का अनुकूलन हो सके।
Mistral AI मॉडल्स की प्राइसिंग तालिका।
प्लेटफ़ॉर्म 5 अनुरोध प्रति सेकंड, 2 मिलियन टोकन प्रति मिनट, और 10,000 मिलियन टोकन प्रति माह की दर सीमाएँ लागू करता है, जिन्हें अनुरोध पर समायोजित किया जा सकता है।
विस्तृत मूल्य निर्धारण और दर सीमाओं की जानकारी के लिए Mistral AI के प्राइसिंग पेज पर जाएँ।
प्रदर्शन का अनुकूलन
उचित Mistral मॉडल चुनने के लिए प्रदर्शन और लागत के बीच संतुलन बनाना पड़ता है। आपकी आवश्यकताएँ आपके चुनाव को निर्देशित करेंगी—जो मॉडल्स के विकसित होने पर बदल भी सकती हैं।
आम तौर पर, बड़े मॉडल बेहतर प्रदर्शन करते हैं। बेंचमार्क्स जैसे MMLU (जिसे हमने ऊपर “Measuring massive multitask language in understanding” के रूप में समझाया) में Mistral Large अग्रणी है, इसके बाद Mistral Medium, Small, Mixtral 8x7B, और Mistral 7B आते हैं।
Mistral मॉडल्स के प्रदर्शन की तुलना। चित्र: Mistral AI।
Mistral Large की प्रभावशीलता को अधिकतम करते हुए लागत नियंत्रित रखने के लिए, आप अपनी क्वेरीज़ को परिष्कृत कर सकते हैं और अपने कार्यों के लिए सर्वाधिक उपयुक्त मॉडल संस्करण चुन सकते हैं। LLMs को फाइन-ट्यून करने के बारे में अधिक जानने के लिए यह आरंभिक गाइड देखें।
Mistral AI पाँच API एंडपॉइंट्स प्रदान करता है, जिनमें पाँच अग्रणी बड़े भाषा मॉडल शामिल हैं:
- open-mistral-7b (aka mistral-tiny-2312)
- open-mixtral-8x7b (aka mistral-small-2312)
- mistral-small-latest (aka mistral-small-2402)
- mistral-medium-latest (aka mistral-medium-2312)
- mistral-large-latest (aka mistral-large-2402)
नवीनतम Mistral मॉडल तीन वेरिएंट प्रस्तुत करता है, जिनमें लागत और प्रदर्शन अनुप्रयोग के अनुसार घटते-बढ़ते हैं:
- Mistral Small: वर्गीकरण, ग्राहक सहायता, और बुनियादी टेक्स्ट जनरेशन जैसे सरल, बड़े पैमाने के कार्यों के लिए अनुकूलित। स्पैम डिटेक्शन जैसे सीधे अनुप्रयोगों के लिए किफ़ायती।
- Mistral Medium: मध्यम जटिलता वाले कार्यों के लिए डिज़ाइन, जैसे डेटा निष्कर्षण, दस्तावेज़ सार, और वर्णनात्मक सामग्री जनरेशन। क्षमता और दक्षता के बीच संतुलन बनाता है।
- Mistral Large: लगभग सभी बेंचमार्क्स में उत्कृष्ट। जटिल, तर्क-प्रधान कार्यों या विशेष अनुप्रयोगों—जैसे सिंथेटिक टेक्स्ट और कोड जनरेशन—के लिए सर्वोत्तम। उन्नत तर्क और समस्या-समाधान में उच्च प्रदर्शन दिखाता है।
Mistral Large के लिए आगे क्या?
जैसे-जैसे Mistral Large विकसित होता जा रहा है, भविष्य में नए विकास, समुदाय का योगदान, और संवर्द्धन दिखाई देंगे।
इन प्रगतियों से अवगत रहना उन उपयोगकर्ताओं के लिए महत्वपूर्ण है जो Mistral Large की पूरी क्षमताओं का लाभ उठाना और अपने प्रोजेक्ट्स में नवीनतम फ़ीचर्स एकीकृत करना चाहते हैं।
मॉडल का रोडमैप सतत नवाचार का वादा करता है, जिसमें तर्कशक्ति, भाषा समर्थन, और उपयोगकर्ता सुगमता में सुधार पर ध्यान केंद्रित है।
निष्कर्ष
Mistral Large AI और डेटा साइंस के क्षेत्र में एक विशाल कदम का प्रतिनिधित्व करता है—यह बहुभाषी समर्थन के साथ उन्नत तर्कशक्ति प्रदान करता है और उपयोगकर्ताओं को कोडिंग व गणितीय सहायता देता है।
पहली बार हमारे पास एक ओपन-सोर्स, किफ़ायती मॉडल है, जिसके पास न केवल मजबूत कौशल हैं, बल्कि वह कुछ बेंचमार्क्स में OpenAI के GPT-4 या Google के Gemini जैसे व्यावसायिक मॉडल्स को भी मात देता है।
इसका अर्थ है कि Mistral Large की शक्ति का उपयोग करके, आप कम बजट में और बेहतर प्रदर्शन के साथ नई संभावनाएँ खोल सकते हैं, प्रक्रियाएँ सुव्यवस्थित कर सकते हैं, और ऐसे अभिनव समाधान बना सकते हैं जो पहले पहुंच से बाहर थे।
पूरा कोड आप इस GitHub रिपो में देख सकते हैं।
यदि आप LLM क्षेत्र में आगे बढ़ना चाहते हैं, तो मैं आपको कुछ और उन्नत ट्यूटोरियल्स फ़ॉलो करने के लिए प्रोत्साहित करता/करती हूँ। यदि आप इस क्षेत्र में बिल्कुल नए हैं, तो DataCamp का LLM Concepts कोर्स एक अच्छा आरंभ है, जो कई प्रमुख प्रशिक्षण पद्धतियों और नवीनतम शोध को कवर करता है।
उन्नत उपयोगकर्ताओं के लिए, कुछ और अच्छे संसाधन ये हैं: