> 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/ko/blocks/blocks/run-a-model/mistral-ai.md).

# Mistral AI

OpenRouter를 통해 Mistral AI 비전 모델을 실행합니다.

Mistral AI 비전-언어 모델을 다음을 통해 실행 [OpenRouter](https://openrouter.ai/).

지원되는 모델: Mistral Large 4.

임의의 텍스트 프롬프트나 미리 정의된 프롬프트를 지정할 수 있습니다. 이 블록은 다음을 지원합니다:

* **자유 프롬프트** (`제약 없음`) - 어떤 프롬프트든 사용해 원시 응답을 생성합니다
* **텍스트 인식(OCR)** (`ocr`) - 모델이 이미지의 텍스트를 인식합니다
* **시각적 질의응답** (`visual-question-answering`) - 모델이 프롬프트에 제출한 질문에 답합니다
* **짧은 캡션 생성** (`caption`) - 모델이 이미지의 짧은 설명을 제공합니다
* **캡션 생성** (`detailed-caption`) - 모델이 이미지에 대한 긴 설명을 제공합니다
* **단일 레이블 분류** (`classification`) - 모델이 이미지 내용을 제공된 클래스 중 하나로 분류합니다
* **다중 레이블 분류** (`multi-label-classification`) - 모델이 이미지 내용을 제공된 클래스 중 하나 이상으로 분류합니다
* **프롬프트 없는 객체 탐지** (`object-detection`) - 모델이 이미지의 주요 객체에 대한 바운딩 박스를 탐지하여 반환합니다
* **구조화된 출력 생성** (`structured-answering`) - 모델이 지정된 필드가 포함된 JSON 응답을 반환합니다

객체 감지는 다음의 JSON 목록을 요구합니다 `box_2d` / `label` 다음을 포함한 항목 `[x_min, y_min, x_max, y_max]` 0-999로 정규화된 정수 좌표이며, 이는 Mistral이 자사 모델에 대해 문서화한 관례이고, 동일한 0-999 그리드에서 디코딩됩니다.

블록은 블록 안에서 모델 응답을 디코딩하며, 다음을 추가합니다 `predictions`, `error_status` 및 `inference_id` 원시 `출력` 문자열:

* `predictions` 다음의 객체 탐지를 보유합니다: `object-detection` 작업의 분류 예측 결과 `classification` / `multi-label-classification` 작업 - 출력의 유형은 선택된 작업 유형을 따릅니다.
* `predictions` 는 `None` 는 다른 모든 작업(제약 없는 프롬프트, OCR, 캡션 생성, 구조화된 응답, 시각적 질의응답)에서는 None입니다.
* `error_status` 는 `True` 답변을 디코딩할 수 없을 때입니다.
* `inference_id` 이미지마다 생성됩니다.

모든 요청은 단일 사용자 메시지에서 지시문 텍스트보다 먼저 이미지를 전송합니다. Mistral은 확장 추론을 켜기 또는 끄기로만 노출하며, 이 블록은 기본적으로(벤치마크된 구성) 이를 비활성화하고 `reasoning_effort` 다음으로 설정 `높음` 으로 켭니다. `max_tokens` 기본적으로 설정되지 않습니다: 사용자의 OpenRouter 키는 모델 고유의 출력 한도를 적용받고, 관리형 키는 Roboflow 프록시의 최대값인 16384를 적용받습니다. 추론을 켠 상태에서 이를 제한하는 경우에는 8k-26k 토큰의 사고 추적을 남겨 두세요.

기본적으로 이 블록은 Roboflow가 관리하는 OpenRouter 키를 사용하고 Roboflow 크레딧으로 청구합니다. 직접 호출하려면 자신의 `sk-or-...` 키를 붙여 넣으세요.

### 유형 식별자

다음 식별자를 단계의 `"type"` 필드에 사용하세요: `roboflow_core/mistral_vlm@v1` 를 워크플로우의 단계로 추가하려면.

### 속성

| **이름**                    | **유형**           | **설명**                                                                                                                                                                                                    | 참조 |
| ------------------------- | ---------------- | --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -- |
| `name`                    | `str`            | 이 단계에 대한 고유 식별자를 입력하세요..                                                                                                                                                                                  | ❌  |
| `api_key`                 | `str`            | OpenRouter API 키. 기본값은 Roboflow의 관리형 키입니다. 자신의 `sk-or-...` OpenRouter를 Roboflow 청구 없이 직접 호출하려면 자신의 키를 제공합니다..                                                                                             | ✅  |
| `privacy_level`           | `str`            | 공급자 개인정보 필터. 더 엄격한 수준은 공급자 풀을 줄이며 관리 키에서 호출당 비용을 증가시킬 수 있습니다..                                                                                                                                            | ❌  |
| `max_tokens`              | `int`            | 모델이 응답에서 생성할 수 있는 최대 토큰 수입니다. 지정하지 않으면, 사용자의 OpenRouter 키에는 모델 고유의 한도가 적용되고, 관리형 키에는 16384(Roboflow 프록시 최대값)가 적용됩니다. 다음으로 설정할 때 `reasoning_effort` `높음`, 추론 추적(8k-26k 토큰)보다 훨씬 크게 설정하지 않으면 답변이 비어 돌아옵니다.. | ❌  |
| `temperature`             | `float`          | 샘플링 온도입니다. 기본적으로는 비워 두어 제공자 기본값이 적용됩니다. 범위 0.0-2.0..                                                                                                                                                      | ✅  |
| `max_concurrent_requests` | `int`            | 입력 이미지 배치에 대해 병렬로 요청할 수 있는 수입니다. 지정하지 않으면 - 블록은 Workflows Execution Engine에서 전역적으로 구성된 값으로 기본 설정됩니다. 속도 제한에 걸리면 제한하세요..                                                                                   | ❌  |
| `model_version`           | `str`            | 실행할 Mistral AI 모델..                                                                                                                                                                                       | ✅  |
| `task_type`               | `str`            | 모델이 수행할 작업 유형입니다. 값에 따라 필요한 매개변수와 출력 응답이 결정됩니다..                                                                                                                                                          | ❌  |
| `prompt`                  | `str`            | 모델에 보낼 텍스트 프롬프트..                                                                                                                                                                                         | ✅  |
| `output_structure`        | `Dict[str, str]` | 예상 JSON 응답의 구조가 담긴 사전..                                                                                                                                                                                   | ❌  |
| `classes`                 | `List[str]`      | 사용할 클래스 목록..                                                                                                                                                                                              | ✅  |
| `reasoning_effort`        | `str`            | 확장 추론. Mistral은 이를 켜기 또는 끄기로만 제공합니다: `없음` (기본값)은 이를 비활성화하며, vlm-exam 벤치에서 검증된 구성과 일치합니다; `높음` 이를 켭니다..                                                                                                    | ❌  |

이 **참조** 열은 속성을 워크플로우 런타임에서 사용 가능한 동적 값으로 매개변수화할 수 있음을 나타냅니다. `워크플로우` 런타임입니다. 자세한 내용은 *바인딩* 을 참조하세요.

### 런타임 호환성

`requires_internet` - 에어갭 / 오프라인 배포 : 이 블록은 완전히 오프라인이거나 에어갭된 배포에서 접근할 수 없는 서비스에 의존합니다.

### 입력 및 출력 바인딩

사용 가능한 연결은 바인딩 종류에 따라 달라집니다. OpenAI가 `Mistral AI` 버전에서 `v1` 지원하는지 확인하세요.

<details>

<summary>입력 및 출력 바인딩</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/string.md)*]*): OpenRouter API 키. 기본값은 Roboflow의 관리형 키입니다. 자신의 `sk-or-...` OpenRouter를 Roboflow 청구 없이 직접 호출하려면 자신의 키를 제공합니다..
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/float.md)): 샘플링 온도입니다. 기본적으로는 비워 두어 제공자 기본값이 적용됩니다. 범위 0.0-2.0..
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/image.md)): 추론할 이미지입니다..
  * `model_version` ([*`string`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/string.md)): 실행할 Mistral AI 모델..
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/string.md)): 모델에 보낼 텍스트 프롬프트..
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/list-of-values.md)): 사용할 클래스 목록..
* 출력
  * `출력` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/language-model-output.md)*]*): 문자열 값인 경우 `string` 또는 LLM / VLM 출력인 경우 `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/list-of-values.md)): 모든 유형의 값 목록입니다.
  * `생각하기` ([`string`](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/string.md)): 문자열 값입니다.
  * `input_tokens` ([`integer`](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/integer.md)): 정수 값입니다.
  * `output_tokens` ([`integer`](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/integer.md)): 정수 값입니다.
  * `predictions` (*Union\[*[*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/object-detection-prediction.md)*,* [*`classification_prediction`*](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/classification-prediction.md)*]*): 다음의 경우 sv.Detections(...) 객체 형식의 감지된 바운딩 박스 예측 `object_detection_prediction` 또는 다음의 경우 분류기 예측 `classification_prediction`.
  * `error_status` ([`boolean`](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/boolean.md)): 불리언 플래그입니다.
  * `inference_id` ([`inference_id`](https://docs.roboflow.com/workflows/ko/developer-guide/developer-guide/kinds/inference-id.md)): 추론 식별자입니다.

</details>

<details>

<summary>예시 JSON 정의</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": "내 프롬프트",
	    "output_structure": {
	        "my_key": "설명"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ],
	    "reasoning_effort": "<block_does_not_provide_example>"
	}
```

</details>
