Попробовали на работе предметно-ориентированное проектирование (Domain Driven Design). Это такой способ построения архитектуры, когда ты (чаще всего с помощью системы типов и ООП) описываешь физическую суть вещей, которые представлены в твоей программе.
Например, если в программе есть объект "Книга", то её нужно снабдить свойствами, которые бывают у книг в реальности: число страниц, автор, язык, тип обложки и т.д. При этом данные свойства должны быть такими, чтобы присвоить им нереалистичные значения было нельзя. Допустим, число страниц не может быть отрицательным (и скорее всего в реальном мире не может быть нулём). При попытке установить отрицательное число страниц программа должна выбросить исключение. А совсем в идеальном случае -- не дать этого сделать программисту на уровне статического анализа кода.
Описав все свойства книги, вы снабжаете её операциями, которые над ней можно сделать. Например, из книги можно вырвать страницу, и при этом число страниц уменьшается. Нет такого случая, когда можно вырвать страницу без изменения числа страниц. Вы строго программируете эту зависимость, делаете у книги метод "Вырвать страницу", а он уже уменьшает число. Кстати, свойство "Число страниц" при этом нельзя переназначить в уже созданной книге. Можно только создать книгу, передав в её конструктор (так называется в программировании функция создания объектов) заданное число страниц. Но поменять число страниц можно только специальными методами "Вырвать страницу" и "Вклеить страницу".
С помощью этого подхода вы гарантируете, что ваши объекты всегда находятся в валидном состоянии -- то есть таком, которое возможно в реальной жизни с объектом, представленным программой.
Плюсы подхода очевидны: меньше число ошибок. Код описывает сам себя, и программист, если не лезет внутрь объекта "Книга", вообще не сможет сделать с книгой ничего недопустимого.
Минусы, думаю, тоже понятны: изначально проектировать сложнее, нужно учесть много нюансов, писать тесты. Время разработки изрядно растёт. Изменение требований даётся дороже: например, если каким-то образом в ваш книжный магазин поступят книги со страницами из кевлара, которые невозможно вырвать :)
Но первый проект с этим подходом мы сдали хорошо, без багов. Лучше, чем многие предыдущие.
#dev
✔️Mistral AI представила Mistral 3 - новое семейство открытых ИИ-моделей, рассчитанных на работу где угодно: от ноутбуков и смартфонов до облаков и edge-устройств.
Линейка включает флагманскую Mistral Large 3 и компактные Ministral-модели - все под лицензией Apache 2.0 с коммерческим использованием.
Модели оптимизированы для широкого спектра задач: от работы на устройствах с ограниченными ресурсами до корпоративных нагрузок.
- Mistral Small 3 вышла на уровень свыше 81 % на MMLU: для компактной модели это очень высокий показатель при низких задержках.
- Mistral Medium 3.1 заняла верхние позиции в LM Arena: первое место в категории English (no style control), второе, в общем зачёте, плюс топ-3 в задачах кодирования и длинных запросов.
- Medium 3.1 показывает около 90 % качества «тяжёлых» моделей, но при существенно меньших ресурсных затратах - одно из лучших соотношений цена/производительность на рынке.
https://mistral.ai/news/mistral-3
@ai_machinelearning_big_data
#mistral#ml
✴️Mistral OCR 3: новый рубеж в «умном» распознавании документов
Mistral представила OCR 3 — систему, которая заявляет лидерство по точности и эффективности, обгоняя как корпоративные решения для документооборота, так и AI-native OCR. Модель предназначена для производительных пайплайнов извлечения данных, где важны качество, скорость и стоимость.
API и песочница доступны в Mistral AI Studio: можно сразу прогнать свои файлы в Document AI playground и оценить качество парсинга, стабильность на реальных PDF/сканах и затраты перед интеграцией в прод. В блоге — метрики, цены и кейсы.
Где почитать и попробовать:Mistral OCR 3 — блог • Mistral AI Studio (Document AI playground)
🤑ForgetMe | Boosty
Приобрести подписку на любые сервисы
⏩@forgetshop_bot
#новости#нейросети#mistral
✴️Французы опять что-то мутят
Mistral выпускает свою вайбкодинг CLI - Vibe, вместе с Devstral 2, моделька в двух вариантах. По бенчмаркам выглядит так себе, но учитывая размер, вроде даже не плохо, кто хочет - пробуйте
🟡Установка:uv tool install mistral-vibe
🟡Лицензия:Apache 2.0
🟡Модель под капотом:Devstral 2 (два размера — 123B и 24B, оба в опенсорсе)
🟡Производительность: старшая Devstral 2 по метрикам на уровне DeepSeek-V3.2 и Kimi K2 Thinking
🟡Подробнее и старт:Анонс Mistral Vibe
🤑ForgetMe | Boosty
Приобрести подписку на любые сервисы
⏩@forgetshop_bot
#нейросети#новости#mistral
✴️Mistral 3: новое поколение открытых мультимодальных моделей
Один из немногих адекватных европейских ИИ-стартапов выдал новую линейку. Мистралы уже давно не конкурируют с топ моделями, поэтому не думаю что большая модель будет интересной кому-либо, но вот мелкие модели у них получаются достаточно хорошими
Mistral представила семейство Mistral 3: три компактные Ministral 3B/8B/14B (плотные) и Mistral Large 3 (MoE) с 675B общих / ~41B активных параметров. Все релизы идут под Apache 2.0, поддерживают мультиязычие и vision, а Large 3 обучали на ≈3 000 GPU H200.
Что важно для практики: у «министралей» есть base / instruct / reasoning-варианты (все с пониманием изображений), делают ставку на эффективный деплой (квантизация, малые VRAM), а Large 3 — «фронтирный» MoE для задач с большим контекстом и мультимодальностью. Партнёрства с NVIDIA, vLLM, Red Hat закрывают путь от дата-центров до роботов. TechCrunch о релизе,Red Hat о vLLM-интеграции.
Коротко по линейке
🟡Ministral 3B/8B/14B:base / instruct / reasoning, vision, мульти-язык; заточены под edge-запуски и быстрые продукты.
🟡Mistral Large 3 (MoE):675B total / ~41B active, мультимодальность, большой контекст; «фронтир» под сложные пайплайны.
🟡Лицензия:Apache 2.0 для всех чекпоинтов (open-weight).
Ссылки для старта:Mistral 3 (анонс) • Hugging Face: Mistral Large 3 Instruct • Ministral 3 Reasoning 8B
🤑ForgetMe | Boosty
Приобрести подписку на любые сервисы
⏩@forgetshop_bot
#новости#mistral#нейросети
✴️Mistral AI Studio: крупное обновление для агентов и моделей
Mistral обновила AI Studio — среду, где можно создавать ИИ-агентов, обучать/тонко настраивать модели и управлять их запуском. В релизе — более быстрый интерфейс, оптимизированные воркфлоу и улучшенная организация командной работы. Попробовать можно здесь: Mistral AI Studio.
Что поменялось
🟡Усилены инструменты обучения и деплоя — легче собирать и выкатывать модели.
🟡Единое место для агентов и их координации — меньше «склеек» между шагами.
🟡Новые вкладки «Наблюдение» и «Оценка» — мониторинг и метрики; ещё функции подъедут позже.
🟡Быстрее и понятнее эксперименты — UI стал интуитивнее для быстрых итераций.
🤑ForgetMe | Boosty
Приобрести подписку на любые сервисы
⏩@forgetshop_bot
#нейросети#новости#mistral
⚡️Le Chat получил мощное обновление — теперь умнее и интереснее
🟡Deep Research — быстрые и структурированные отчёты по сложным темам. Погружение в детали без лишнего шума.
🟡Голосовой режим — благодаря модели Voxtral теперь можно разговаривать с Le Chat голосом прямо на ходу.
🟡Мультиязычный ризонинг — бот умеет рассуждать и давать сложные ответы на любом языке, используя модель Magistral.
🟡Проекты — появилась поддержка контекстных папок, чтобы хранить и организовывать диалоги.
🟡Промт-редактор изображений — можно не только генерировать, но и редактировать картинки по текстовому описанию.
🤖 Пробовать тут — chat.mistral.ai
📄 Все детали в блоге
🤑ForgetMe | Boosty | ForgetBench | ForgetGPT | ForgetAPI
#новости#нейросети#mistral
⚡️Mistral готовят режим Deep Research и поддержку памяти
Во внутренней системе уже засветилась новая модель — mistral-deepresearch-2507, а значит релиз может быть совсем близко. Также Mistral работает над:
🟡Проектами — чтобы сохранять и развивать диалоги по темам
🟡Памятью — чтобы ИИ запоминал важные детали и контекст
🤑ForgetMe | Boosty | ForgetBench | ForgetGPT | ForgetAPI
#новости#нейросети#mistral
🎙 Mistral выкатили новую линейку open source моделей распознавания речи — дешевле и точнее Whisper
Новое имя — Voxtral, и в релиз вошли сразу три модели:
🟡Voxtral Mini
🟡Voxtral Mini Transcribe
🟡Voxtral Small
Главное:
🟡 Mistral заявляют, что Voxtral уверенно обходит Whisper large-v3 от OpenAI — как по точности (ниже WER), так и по скорости
🟡 Модели работают быстрее и требуют меньше ресурсов, доступны для локального запуска
🟡 Новый прайсинг: дешевле, чем существующие решения, при сохранении качества
Попробовать:
🔼 Через API: console.mistral.ai
🤖 В чате: chat.mistral.ai
📂 Скачать модели: huggingface.co/mistralai
📄 Блог с подробностями: mistral.ai/news/voxtral
🤑ForgetMe | Boosty | ForgetBench | ForgetGPT | ForgetAPI
#mistral#нейросети#новости
🇫🇷Три модели Mistral теперь в GPTunneL
Добавили нейросети от французской компании Mistral AI — одной из самых технологичных команд на рынке. Их модели точны, быстры и отлично работают с длинными контекстами и кодом.
❤️Mistral Medium 3 — производительная и доступная модель с контекстом до 128 000 токенов. Отлично справляется с кодом, языковыми и мультимодальными задачами.
❤️Mistral Small 3.1 — компактная, но мощная модель с контекстом 128 000 токенов и скоростью до 150 токенов/сек. Хорошо справляется с текстом, кодом и мультимодальностью.
❤️Mistral Small (бесплатная) — облегчённая open-source версия, доступная без ограничений. Подходит под простые задачи.
⏩️ Все три модели уже доступны в GPTunneL — тестируйте в работе!
🔗Mistral Medium 3
🔗Mistral Small 3.1
🔗Mistral Small (бесплатная)
#update@gptunnel#mistral@gptunnel
⚡️ ChatGPT’ning kuchli raqibi — Le Chat yangilandi!
Mistral sun’iy intellekti asosida ishlovchi Le Chat endi yanada kuchliroq bo‘ldi va quyidagi imkoniyatlarga ega:
🎨Rasm yaratish – eng yuqori darajadagi Flux Ultra modeli qo‘shildi
🖌Le Canevas – xuddi ChatGPT’dagi Canvas kabi vizual ish maydoni
🔎Qidiruv – o’zbek ham tilida ishlaydi
📄PDF o‘qish – hujjatlarni tezkor tahlil qilish va qisqacha mazmun chiqarish
💻Kod yozish va testlash – dasturlarni yaratish va murakkab masalalarni yechish
⚡Tezkor yozish – sekundiga 1000 ta so‘z ishlab chiqadi
💰Eng muhimi – bularning barchasi BEPUL!
DeepSeek lag bo‘layotgan paytda Le Chat sinab ko‘rishga arziydi! 🚀
#AI#Mistral#LeChat
Mistral AI 首席执行官提议欧洲对人工智能企业征收在线公开内容使用税
Mistral AI 联合创始人兼首席执行官 Arthur Mensch 提议欧洲对人工智能企业征收在线公开内容使用税。Mensch 指出,欧洲企业在 AI 训练数据使用方面受到更严格的版权约束,而域外企业则可规避现有保护措施,导致欧洲 AI 企业竞争力下降,内容方收益受损。Mistral AI 建议对所有在欧洲提供服务的 AI 企业征收基于收入的税费,所得资金用于投资新内容创作和支持欧洲文化产业。该税收制度将与现有的 AI 许可授权模式并行。IT之家
🏷#Mistral#AI#人工智能#税费
📢频道👥群组📝投稿