Uso principal declarado o inferido con cautela desde la documentación oficial.
M
MISTRAL / mistralai/LIDstral-Arabic
LIDstral Arabic
Clasificador de idiomas y dialectos publicado por Mistral en Hugging Face el 9 de octubre de 2026. Recibe texto escrito en alfabeto árabe y distingue árabe estándar, dialectos y otras lenguas que comparten ese sistema de escritura. No es un asistente generativo ni un modelo de transcripción. Combina fastText one-vs-all, un clasificador MLP y calibración isotónica por clase; devuelve una etiqueta y probabilidades calibradas sobre 51 clases.
01 / RESUMEN
Lo esencial
Capacidad máxima de entrada cuando la fuente la publica.
Límite máximo de generación documentado.
Canales de disponibilidad verificados.
Familia funcional principal y especialidades verificadas.
Condiciones declaradas para API, pesos o despliegue propio.
02 / FICHA TÉCNICA
Límites e integración
| ID de API | mistralai/LIDstral-Arabic |
|---|---|
| Tipo de modelo | Clasificación de texto |
| Modelo de acceso | Pesos abiertos |
| Licencia | Apache 2.0 |
| Despliegue | Clasificador local en CPU |
| Lanzamiento | 09 OCT 2026 |
| Corte de conocimiento | No publicado |
| Entrada | Texto |
| Salida | Etiqueta y probabilidades |
| Ventana de contexto | Texto no vacío después del preprocesamiento |
| Salida máxima | Etiqueta y probabilidades sobre 51 clases |
| Razonamiento | No aplica |
| Herramientas publicadas | |
| Salidas estructuradas | JSON del clasificador local |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | No publicado |
| Plataformas verificadas | Hugging Face · fastText · PyTorch |
Clasificación de corpus, enrutamiento por idioma, selección de recursos lingüísticos y análisis de dialectos. La inclusión de lenguas no árabes reduce la confusión entre idioma y alfabeto. El script oficial funciona en CPU y ofrece entrada individual, API Python y procesamiento JSONL. El pipeline necesita conservar juntos lid_ova_full.bin, mlp_stacker_ln.pt e isotonic_calibration.pkl.
Siempre selecciona una de las 51 clases: idiomas no contemplados o textos mezclados pueden recibir una etiqueta incorrecta. El preprocesamiento elimina artefactos web y de ASR, diacríticos, elongación decorativa y puntuación repetida; conserva variantes de alef. Las entradas vacías o eliminadas por completo generan un error. La confianza calibrada no sustituye una validación sobre tu dominio ni una política para casos inciertos.
03 / CAPACIDADES
Qué puede hacer
Orientación
Clasificación de corpus, enrutamiento por idioma, selección de recursos lingüísticos y análisis de dialectos. La inclusión de lenguas no árabes reduce la confusión entre idioma y alfabeto. El script oficial funciona en CPU y ofrece entrada individual, API Python y procesamiento JSONL. El pipeline necesita conservar juntos lid_ova_full.bin, mlp_stacker_ln.pt e isotonic_calibration.pkl.
Contexto
Texto no vacío después del preprocesamiento · Etiqueta y probabilidades sobre 51 clases
Herramientas e integración
No publicado
Acceso
Hugging Face · fastText y PyTorch
Modalidades de entrada
Texto
04 / PRECIOS
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | Sin tarifa API oficial publicada | Tarifa estándar de API |
| Entrada en caché | No publicado | Lectura de prefijos reutilizados |
| Escritura o almacenamiento de caché | No publicado | La condición varía según proveedor |
| Salida estándar | Coste de infraestructura propia | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento asíncrono |
La ficha declara Apache 2.0 y el repositorio es público y no restringido en la comprobación actual. El ejemplo todavía menciona descarga privada; no interpretamos ese texto como una API comercial disponible. No hemos verificado endpoint alojado ni tarifas por tokens. El despliegue propio tiene costes de CPU, memoria, almacenamiento y operación; fija la revisión del código antes de cargar archivos de modelos.
i Los precios cambian y pueden depender del nivel, la región o la longitud del contexto. Revisa la fuente antes de tomar una decisión.
05 / EVALUACIONES
Cómo leer los resultados
“
Mistral publica una evaluación sobre 84.870 ejemplos árabes de varios conjuntos. Para darija marroquí informa F1 de 88,67 %. Conservamos el dialecto y la métrica: no equivale a exactitud global, ni se extiende a todas las clases. Inferama no ha reproducido ese resultado. La evaluación propia debe revisar matriz de confusión, calibración, textos mixtos y comportamiento fuera de distribución.
| Benchmark | Resultado | Métrica | Fuente |
|---|---|---|---|
| LIDstral Arabic (Moroccan Darija) | 88,67 % | F1 | Ver fuente ↗ |
Inferama solo destaca un «mejor resultado» cuando la métrica, el conjunto de prueba, la configuración y la fecha permiten una comparación equivalente. Las cifras del proveedor se presentan como afirmaciones de su propia fuente.
06 / VERSIONES
Cronología
LIDstral Arabic
Publicación pública del repositorio. La fecha de creación del 8 de octubre no se utiliza como fecha de lanzamiento.
07 / FUENTES