Mistral Large 4 API Nasıl Kullanılır?

Mistral Large 4, açık ağırlıklarından üç hafta önce, 6 Ekim 2026'da Mistral API'de yayına girdi. 1 trilyon parametreli "Le Chonk"u şimdi denemek isterseniz, API tek yoldur ve şu anda en ucuz yoldur: Mistral, halka açık önizleme sırasında fiyatını milyon girdi tokeni başına 0,68 dolar ve milyon çıktı tokeni başına 2,09 dolar olarak listeliyor, bu liste fiyatı olan 1,36 dolar / 4,18 doların yarısı.

Bu kılavuz sizi yaklaşık beş dakikada sıfırdan çalışan ilk çağrıya götürüyor, ardından insanların takıldığı kısımları ele alıyor: akıl yürütme parçaları, görüntü girişi, fonksiyon çağırma, JSON çıktısı ve maliyet. Her istek Apidog'da kaydedilip tekrar oynatılabilir, böylece Large 4'ü bugün çalıştırdığınız herhangi bir modelle karşılaştırabilirsiniz.

Modelin kendisine mi yabancısınız? Önce kıyaslamalar ve siber başlığın arkasındaki gizemi öğrenmek için Mistral Geri Döndü: Le Chonk, Siber Güvenlikte GPT-6 Astra ve Claude'u Yeniyor başlıklı yazıyı okuyun.

İhtiyacınız Olanlar

Adım 1: Bir API Anahtarı Alın

1. Mistral Studio'ya (eski adıyla La Plateforme) giriş yapın.
2. API Anahtarları'nı açın ve yeni bir anahtar oluşturun. Anahtarın nerede kullanılacağını belirten bir ad verin, örneğin local-dev veya ci-staging.
3. Bir kez kopyalayın. Studio bir daha göstermeyecektir.
4. Kabuğunuzda dışa aktarın:

export MISTRAL_API_KEY="anahtarınız-buraya"

Anahtarı kaynak kontrolünden uzak tutun. Birden fazla araca bağlıyorsanız, API anahtar yönetimi en iyi uygulamaları kılavuzumuz yenileme ve kapsam belirleme konularını kapsar.

Adım 2: İlk Çağrınızı Yapın

En hızlı kontrol düz curl'dür:

curl https://api.mistral.ai/v1/chat/completions \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-large-4",
    "messages": [
      {"role": "user", "content": "Bir sayfalama API'sinde test etmek için bana üç uç durum ver."}
    ]
  }'

Başarılı bir yanıt, cevabı içeren choices[0].message.content ve prompt_tokens, completion_tokens ve total_tokens içeren bir usage bloğu döndürür. Bir 401 hatası alırsanız, anahtar yanlış veya dışa aktarılmamış demektir. Modelde bir 404 hatası genellikle model kimliğinde bir yazım hatası anlamına gelir.

Python'da Aynı Çağrı

import os
from mistralai import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

response = client.chat.complete(
    model="mistral-large-4",
    messages=[
        {"role": "user", "content": "Bir sayfalama API'sinde test etmek için bana üç uç durum ver."}
    ],
)

print(response.choices[0].message.content)

Ve TypeScript'te

import { Mistral } from "@mistralai/mistralai";

const client = new Mistral({ apiKey: process.env.MISTRAL_API_KEY });

const response = await client.chat.complete({
  model: "mistral-large-4",
  messages: [
    { role: "user", content: "Bir sayfalama API'sinde test etmek için bana üç uç durum ver." },
  ],
});

console.log(response.choices[0].message.content);

Adım 3: Apidog'a Kaydedin

Modelleri karşılaştırmaya başladığınız anda curl komutlarını yazmak sıkıcı hale gelir. Apidog'da:

1. Yeni bir HTTP isteği oluşturun: POST https://api.mistral.ai/v1/chat/completions.
2. Bir ortam değişkeni MISTRAL_API_KEY ekleyin ve başlığı Authorization: Bearer {{MISTRAL_API_KEY}} olarak ayarlayın.
3. Adım 2'deki JSON gövdesini yapıştırın ve Gönder'e tıklayın.
4. İsteği çoğaltın, model'i bugün kullandığınız modele (örneğin mistral-medium-3-5) değiştirin ve ikisini de çalıştırın.

Artık aynı istemle kaydedilmiş iki isteğiniz var. Apidog, her biri için yanıt gövdesini, durumunu, zamanlamasını ve boyutunu gösterir, böylece bir betik yazmadan cevap kalitesini, gecikmeyi ve usage token sayılarını karşılaştırabilirsiniz. Yanıt sonrası choices[0].message.content'in boş olmadığını doğrulayan bir iddia ekleyin ve Mistral önizlemeyi her güncellediğinde yeniden çalıştırabileceğiniz bir duman testiniz olur.

Adım 4: Akıl Yürütmeyi Açın ve Kapatın

Large 4 hibrit bir modeldir: aynı model hızlı yanıtları ve adım adım akıl yürütmeyi ele alır. Bunu tek bir parametreyle kontrol edersiniz: reasoning_effort:

curl https://api.mistral.ai/v1/chat/completions \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-large-4",
    "messages": [
      {"role": "user", "content": "API'miz yük altında boş bir gövdeyle 200 döndürüyor. Olası nedenleri olasılık sırasına göre listeleyin."}
    ],
    "reasoning_effort": "high"
  }'

Bu, ayrıştırıcıları bozan kısımdır. reasoning_effort: "high" ile message.content artık bir dize değildir. Bir parça listesi haline gelir:

• akıl yürütme izini tutan bir thinking parçası ve
• nihai cevabı tutan bir text parçası.

Bu nedenle response.choices[0].message.content cevabınızı değil, bir liste yazdıracaktır. Metin parçasını açıkça çekin:

response = client.chat.complete(
    model="mistral-large-4",
    messages=[{"role": "user", "content": "200 yanıtı neden boş bir gövdeye sahip olur?"}],
    reasoning_effort="high",
)

content = response.choices[0].message.content
if isinstance(content, str):
    answer = content
else:
    answer = "".join(c.text for c in content if c.type == "text")

print(answer)

Düşünme tokenleri çıktı tokenleri olarak faturalandırılır, bu nedenle "high" her istek için daha pahalıya mal olur. Varsayılan olarak "none" kullanın ve yalnızca ihtiyaç duyan çağrılarda "high"'a geçin.

Adım 5: Bir Resim Gönderin

Large 4, 1.6B parametreli bir görüş kodlayıcısı ile doğal olarak çok modludur. Resimleri metninizin yanına içerik parçaları olarak geçirin:

curl https://api.mistral.ai/v1/chat/completions \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-large-4",
    "messages": [
      {
        "role": "user",
        "content": [
          {"type": "text", "text": "Bu, API hata panomuzun bir ekran görüntüsü. Hangi uç nokta en çok başarısız oluyor ve hata kodu nedir?"},
          {"type": "image_url", "image_url": "https://example.com/dashboard.png"}
        ]
      }
    ]
  }'

Yerel dosyalar için bunun yerine base64 veri URL'si gönderin: "image_url": "data:image/png;base64,<encoded>". Mistral, Large 4'ün Yoğun 200 görsel-temellendirme kıyaslamasında %42 puan aldığını, GPT-6 Astra'nın %41'inin hemen önünde olduğunu bildiriyor, bu nedenle kontrol panellerinin, grafiklerin ve UI durumlarının ekran görüntüleri makul bir uyum sağlar.

Adım 6: Fonksiyon Çağırma

Fonksiyon çağırma, Large 4'ün ajan kıyaslamalarının (AutomationBench'te %59,9) faydalı hale geldiği yerdir. Araçları tanımlarsınız, model ne zaman çağıracağına karar verir ve kodunuz çağrıyı çalıştırır.

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_order_status",
            "description": "Bir siparişin durumunu ID'sine göre arayın.",
            "parameters": {
                "type": "object",
                "properties": {
                    "order_id": {"type": "string", "description": "Sipariş ID'si, örn. ORD-1042"}
                },
                "required": ["order_id"],
            },
        },
    }
]

messages = [{"role": "user", "content": "ORD-1042 numaralı sipariş nerede?"}]

response = client.chat.complete(
    model="mistral-large-4",
    messages=messages,
    tools=tools,
    tool_choice="auto",
)

tool_call = response.choices[0].message.tool_calls[0]
print(tool_call.function.name, tool_call.function.arguments)

Fonksiyonu kendiniz çalıştırın, ardından sonucu eşleşen tool_call_id ile geri gönderin:

import json

result = {"order_id": "ORD-1042", "status": "shipped", "eta": "2026-10-09"}

messages.append(response.choices[0].message)
messages.append({
    "role": "tool",
    "name": "get_order_status",
    "content": json.dumps(result),
    "tool_call_id": tool_call.id,
})

final = client.chat.complete(model="mistral-large-4", messages=messages, tools=tools)
print(final.choices[0].message.content)

Araç şeması düz JSON Şemasıdır. API'nizin zaten bir OpenAPI belirtimi varsa, her işlem için istek şemasını doğrudan parameters içine aktarabilirsiniz. Şemayı önce Apidog'da tasarlamak, araç tanımlarını ve gerçek API'yi senkronize tutar.

Adım 7: JSON Geri Alın

Makine tarafından okunabilir çıktıya ihtiyacınız olduğunda, response_format'ı ayarlayın:

curl https://api.mistral.ai/v1/chat/completions \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-large-4",
    "messages": [
      {"role": "user", "content": "GET /v1/users/42 döndürülen 404'ten method, path ve status kodunu çıkarın. JSON olarak yanıtlayın."}
    ],
    "response_format": {"type": "json_object"}
  }'

Hem istemde hem de response_format içinde JSON'dan bahsedin. Katı şekiller için Mistral, tam bir şema ile {"type": "json_schema", "json_schema": {...}}'ı da destekler. Apidog'da, yanıta bir JSON Şeması onayı ekleyin, böylece kayan bir şekil, aşağı akış bir hizmeti bozmak yerine yüksek sesle başarısız olur.

Maliyeti Nedir

Örnek bir çalışma: günde 10.000 çağrı yapan, her biri 3.000 girdi tokeni (çoğunlukla önbelleğe alınmış sistem istemi ve araçlar) ve 500 çıktı tokeni olan bir ajan.

• Girdi: 30 milyon token. Her 3.000 tokenin 2.500'ü önbelleğe alınmışsa, bu 25 milyon token 0,07 dolardan ve 5 milyon yeni token 0,68 dolardan, yaklaşık günlük 5,15 dolar eder.
• Çıktı: 5 milyon token 2,09 dolardan, yaklaşık günlük 10,45 dolar eder.
• Toplam: önizleme fiyatlandırmasıyla kabaca günlük 15,60 dolar veya liste fiyatıyla yaklaşık 31 dolar.

Aynı iş yükü GPT-6 Astra'da (önbellekleme indirimleri öncesi milyon başına 10 $ / 50 $) günde birkaç yüz dolara mal olurdu. Mistral, önizleme fiyatlandırmasının ne zaman sona ereceğini belirtmedi, bu nedenle bütçeyi liste fiyatına göre ayarlayın.

Yaygın Hatalar

SSS

Mistral Large 4 OpenAI ile uyumlu mu? İstek şekli çok benzer: model, messages, tools, tool_choice ve response_format hepsi beklediğiniz gibi çalışır. Güvenli olmak için Mistral SDK'larını veya düz HTTP'yi kullanın. Akıl yürütme çıktısı Mistral'ın kendi parça formatını kullanır.

Ne zaman yerel olarak çalıştırabilirim? Mistral, ağırlıkların Ekim 2026 sonunda gönderileceğini belirtiyor. Toplam 1.05T parametre ile çoklu GPU sunucu donanımına ihtiyaç duyar. Bu arada Mistral 3'ü yerel olarak çalıştırma kılavuzumuz, daha küçük modeller için araçları kapsar.

Önizleme üretim için yeterince kararlı mı? Henüz değil. Model halka açık önizleme olarak etiketlenmiştir ve ağırlıklar yayınlanmadan önce değişebilir. Testlerinizi sabitleyin, Mistral modeli güncellediğinde tekrar çalıştırın ve bir yedek model yapılandırılmış tutun.

Large 4'ü mevcut Mistral kodumla kullanabilir miyim? Evet. Aynı temel URL, aynı kimlik doğrulama, aynı SDK. model dizesini mistral-large-4 olarak değiştirin. Medium 3.5'ten geliyorsanız, devam eden kısımlar için Mistral Medium 3.5 API kılavuzumuza bakın.

Özet

Beş dakika size çalışan bir çağrı sağlar. Sonraki bir saat, gerçek istemlerinizi Large 4 ve mevcut modelinizle yan yana çalıştırmakla daha iyi geçirilir. Her iki isteği de Apidog'a kaydedin, durum ve yanıt şekli üzerinde onaylar ekleyin ve önizleme fiyatı hala yarı yarıya indirimliyken Le Chonk'un yığınızda yer edinip edinmediğini bir gün içinde öğreneceksiniz.