Tester un modèle dans l’API playground

Utilisez l’espace d’essai Studio›Studio ↗ pour envoyer des prompts aux modèles Mistral, ajuster les paramètres de génération et comparer les résultats, le tout sans écrire de code.

• Test interactif : saisissez un prompt et obtenez une réponse en quelques secondes
• Comparaison de modèles : passez d’un modèle à l’autre pour voir comment varient les réponses
• Ajustement des paramètres : modifiez la température, le nombre maximal de tokens et les autres réglages en temps réel

À la fin, vous saurez comment évaluer des modèles et leurs paramètres avant de les intégrer à votre application.

Temps estimé : ~5 minutes

• Un compte Studio actif. Le mode gratuit est activé par défaut avec des limites d’usage et de débit.

1. Allez sur Studio›Studio ↗.
2. Cliquez sur Playground dans la barre latérale gauche.

Le playground s’ouvre avec une interface de chat permettant d’interagir avec n’importe quel modèle disponible.

1. Ouvrez le menu déroulant Modèle en haut du playground.
2. Sélectionnez un modèle (par exemple, mistral-small-latest pour des réponses rapides ou mistral-large-latest pour une qualité supérieure).
3. Saisissez un prompt dans le champ d’entrée :

Expliquez la différence entre l’apprentissage supervisé et non supervisé en trois phrases.

4. Cliquez sur envoyer (ou appuyez sur Entrée).

La réponse s’affiche dans le panneau de chat. Analysez la réponse selon la qualité, la précision et le style.

La barre latérale droite expose les paramètres de génération. Modifiez-les pour voir leur impact sur la sortie.

1. Température : contrôle l’aléa. Des valeurs basses (0,1) produisent des sorties plus déterministes. Des valeurs hautes (0,9) favorisent la créativité.
2. Max tokens : limite la longueur de la réponse. À ajuster pour maîtriser le coût et la verbosité.
3. Top P : une alternative à la température pour gérer la diversité.

Essayez cette expérience :

1. Réglez Température à 0.1 et renvoyez le même prompt.
2. Passez la Température à 0.9 et renvoyez-le.
3. Comparez les deux réponses : celle avec une faible température est plus concise et cohérente, celle avec une température élevée montre plus de diversité.

Basculez sur un autre modèle dans le menu déroulant et envoyez à nouveau le même prompt pour comparer la gestion de la tâche par différents modèles.

Vous avez utilisé le playground pour :

1. Envoyer un prompt à un modèle Mistral.
2. Ajuster la température et observer l’effet sur la sortie.
3. Comparer les réponses obtenues avec différents modèles.

Vous comprenez désormais comment le choix du modèle et des paramètres influe sur la qualité de génération, ce qui vous aide à prendre des décisions éclairées lors du développement de votre application.