> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/workflows/ja/burokku/blocks/run-a-model/mistral-ai.md).

# Mistral AI

OpenRouter経由でMistral AIの視覚モデルを実行します。

Mistral AIの視覚言語モデルを経由して実行する [OpenRouter](https://openrouter.ai/).

対応モデル: Mistral Large 4。

任意のテキストプロンプトまたは定義済みのものを指定できます。このブロックは次をサポートします:

* **オープンプロンプト** (`制約なし`) - 任意のプロンプトを使って生の応答を生成します
* **テキスト認識（OCR）** (`ocr`) - モデルが画像内のテキストを認識します
* **視覚的質問応答** (`visual-question-answering`) - モデルがプロンプトで送信した質問に答えます
* **キャプション生成（短）** (`caption`) - モデルが画像の短い説明を提供します
* **キャプション生成** (`detailed-caption`) - モデルが画像の詳しい説明を提供します
* **単一ラベル分類** (`classification`) - モデルが画像内容を提示されたクラスのいずれかに分類します
* **複数ラベル分類** (`multi-label-classification`) - モデルが画像内容を提示されたクラスの1つ以上に分類します
* **プロンプトなし物体検出** (`object-detection`) - モデルが画像内の主要な物体のバウンディングボックスを検出して返します
* **構造化出力生成** (`structured-answering`) - モデルが指定されたフィールドを持つJSONレスポンスを返します

物体検出では、JSONリストを求めます `box_2d` / `label` を含むエントリ `[x_min, y_min, x_max, y_max]` 0-999に正規化された整数座標。これはMistralが自社モデル向けに文書化している慣例であり、同じ0-999グリッド上でデコードします。

このブロックは、ブロック内のモデルの回答をデコードし、 `predictions`, `error_status` と `inference_id` を、生の `output` 文字列の横に追加します:

* `predictions` には、 `object-detection` タスクのRLEマスク付き検出、そして `classification` / `multi-label-classification` タスクの分類予測が入ります。出力の種類は選択されたタスクタイプに従います。
* `predictions` は `None` それ以外のすべてのタスク（制約なしプロンプト、OCR、キャプション生成、構造化応答、視覚的質問応答）では
* `error_status` は `True` は、回答をデコードできなかった場合です。
* `inference_id` は画像ごとに生成されます。

各リクエストでは、画像を指示テキストの前に、1つのユーザーメッセージとして送信します。Mistralは拡張推論をオンまたはオフのみで公開します。このブロックは既定でそれを無効にし（ベンチマーク済みの構成）、 `reasoning_effort` に設定されると `高` それをオンにします。 `max_tokens` は既定では未設定です。独自のOpenRouterキーではモデル本来の出力上限が適用され、管理キーではRoboflowプロキシの最大値16384が適用されます。推論を有効にした状態でこれを上限設定する場合は、8k〜26kトークンの思考トレース分の余裕を残してください。

既定では、このブロックは Roboflow が管理する OpenRouter キーを使用し、Roboflow クレジットから課金されます。ご自身の `sk-or-...` キーを貼り付けると、OpenRouter を直接呼び出せます。

### タイプ識別子

ステップで次の識別子を使用してください `"type"` フィールド: `roboflow_core/mistral_vlm@v1` を、ワークフローにステップとして追加します。

### プロパティ

| **名前**                    | **型**            | **説明**                                                                                                                                                                           | 参照 |
| ------------------------- | ---------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -- |
| `name`                    | `str`            | このステップの一意の識別子を入力してください。                                                                                                                                                          | ❌  |
| `api_key`                 | `str`            | OpenRouter API キー。既定では Roboflow の管理キーを使用します。ご自身の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。                                                                         | ✅  |
| `privacy_level`           | `str`            | プロバイダーのプライバシーフィルター。より厳しいレベルではプロバイダープールが狭まり、管理キーでの呼び出しごとのコストが増える場合があります。                                                                                                          | ❌  |
| `max_tokens`              | `int`            | モデルが応答で生成できるトークンの最大数。指定しない場合、独自のOpenRouterキーではモデル本来の上限が適用され、管理キーでは16384（Roboflowプロキシの最大値）が適用されます。に設定する場合は `reasoning_effort` `高`、推論トレース（8k〜26kトークン）より十分に大きくしておかないと、回答が空で返ってきます。。 | ❌  |
| `temperature`             | `float`          | サンプリング温度。既定では未設定のままにして、プロバイダーの既定値を適用します。範囲は 0.0-2.0 です。                                                                                                                          | ✅  |
| `max_concurrent_requests` | `int`            | 画像バッチに対する同時リクエスト数。指定しない場合、ブロックはWorkflows Execution Engineでグローバルに設定された値をデフォルトで使用します。レート制限に達する場合は制限してください。                                                                         | ❌  |
| `model_version`           | `str`            | 実行するMistral AIモデル。。                                                                                                                                                              | ✅  |
| `task_type`               | `str`            | モデルが実行するタスクタイプです。値によって必要なパラメータと出力レスポンスが決まります。                                                                                                                                    | ❌  |
| `prompt`                  | `str`            | モデルに送信するテキストプロンプト。                                                                                                                                                               | ✅  |
| `output_structure`        | `Dict[str, str]` | 期待される JSON 応答の構造を持つ辞書。                                                                                                                                                           | ❌  |
| `classes`                 | `List[str]`      | 使用するクラスの一覧。                                                                                                                                                                      | ✅  |
| `reasoning_effort`        | `str`            | 拡張推論。Mistralはこれをオンまたはオフのみで公開します: `なし` （デフォルト）では無効になり、vlm-examベンチで検証された構成と一致します; `高` それをオンにします。。                                                                                  | ❌  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `Mistral AI` バージョン `v1` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): OpenRouter API キー。既定では Roboflow の管理キーを使用します。ご自身の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)): サンプリング温度。既定では未設定のままにして、プロバイダーの既定値を適用します。範囲は 0.0-2.0 です。
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 実行するMistral AIモデル。。
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): モデルに送信するテキストプロンプト。
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)): 使用するクラスの一覧。
* output
  * `output` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*) : 文字列値、もし `string` 、またはLLM/VLMの出力、もし `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 任意の型の値のリスト。
  * `思考` ([`string`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): 文字列値。
  * `input_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。
  * `output_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。
  * `predictions` (*Union\[*[*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`classification_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/classification-prediction.md)*]*) : 検出されたバウンディングボックスをsv.Detections(...)オブジェクト形式で持つ予測、もし `object_detection_prediction` 、または分類器からの予測、もし `classification_prediction`.
  * `error_status` ([`boolean`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/boolean.md)): ブールフラグ。
  * `inference_id` ([`inference_id`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/inference-id.md)) : 推論識別子。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/mistral_vlm@v1",
	    "api_key": "rf_key:account",
	    "privacy_level": "<block_does_not_provide_example>",
	    "max_tokens": "<block_does_not_provide_example>",
	    "temperature": "<block_does_not_provide_example>",
	    "max_concurrent_requests": "<block_does_not_provide_example>",
	    "images": "$inputs.image",
	    "model_version": "Mistral Large 4",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "私のプロンプト",
	    "output_structure": {
	        "my_key": "説明"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ],
	    "reasoning_effort": "<block_does_not_provide_example>"
	}
```

</details>
