Mistral Le Chat 免费网页版：宽松额度含视觉理解，欧洲托管更放心

Le Chat 网页版登录即可对话，不需要任何配置；如果你要在自己的程序里调用同一家模型，则需要使用 Mistral 的 API 控制台。下面以对话补全接口为例说明。

获取密钥与 base_url

在 console.mistral.ai 的 API Keys 页面创建密钥，创建后只显示一次，请立即保存。接口的 base_url 形态为 https://api.mistral.ai/v1，路径与 OpenAI 风格的 /chat/completions 兼容，可以直接复用现有的 OpenAI SDK。

配置环境变量

把密钥写进环境变量，避免硬编码到代码里：

export MISTRAL_API_KEY="你的密钥"

发起一次对话补全

下面的 curl 请求可以直接复制运行，记得先设置好上面的环境变量：

curl https://api.mistral.ai/v1/chat/completions \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-small-latest",
    "messages": [
      {"role": "system", "content": "你是一名简洁的技术助手"},
      {"role": "user", "content": "用一句话解释 GDPR 的核心要求"}
    ],
    "temperature": 0.7,
    "max_tokens": 256,
    "stream": false
  }'

关键参数说明：model 指定模型；messages 是对话数组，支持 system、user、assistant 三种角色，历史消息按顺序传入即可实现多轮；temperature 控制输出随机性，取值越低越稳定；max_tokens 限制回复长度，设得太小会被截断；stream 设为 true 时以流式分块返回，适合网页逐字输出。

用 Python 调用

复用 OpenAI SDK，只改 base_url 和密钥即可：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MISTRAL_API_KEY"],
    base_url="https://api.mistral.ai/v1",
)

resp = client.chat.completions.create(
    model="mistral-small-latest",
    messages=[
        {"role": "user", "content": "帮我写一段产品介绍，八十个字以内"}
    ],
    temperature=0.7,
    max_tokens=256,
)

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

常用模型名与获取途径

常见可用的模型名包括 mistral-large-latest、mistral-small-latest，视觉理解可用 pixtral-large-latest 或 pixtral-12b-2409。模型名会随版本更新变化，完整列表请以控制台的模型页面和官方文档为准，不要在代码里长期写死不确定的旧版本名。

额度耗尽与限流的典型表现与排查顺序

• 返回 401：先检查密钥是否复制完整、环境变量是否在当前终端生效，以及密钥是否已被删除。
• 返回 429：说明触发了速率限制或用量上限，先降低并发与请求频率，再查看控制台的用量页面确认是否已达上限；额度耗尽通常也表现为持续 429 或明确的余额不足提示，重置周期以控制台实际显示为准。
• 返回 422 或 400：多为参数问题，重点核对模型名是否拼写正确、messages 是否为合法数组、max_tokens 是否超出该模型上限。
• 返回 5xx 或长时间无响应：先重试一次，仍失败则缩短输入长度、关闭流式再试，并关注官方状态页面。
• 整体排查顺序建议为：密钥与鉴权、模型名与参数、请求频率与用量、网络与超时，最后才是联系支持。