Uso primário declarado ou inferido com cautela a partir da documentação oficial.
M
MISTRAL / mistralai/LIDstral-Arabic
LIDstral Arabic
Classificador de idiomas e dialetos publicado pela Mistral no Hugging Face em 9 de outubro de 2026. Recebe texto em alfabeto árabe e distingue árabe padrão, dialetos e outras línguas que partilham a escrita. Não é um assistente generativo nem um modelo de transcrição. Combina fastText one-vs-all, um classificador MLP e calibração isotónica por classe; devolve uma etiqueta e probabilidades calibradas sobre 51 classes.
01 / RESUMO
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
02 / FICHA TÉCNICA
Limites e integração
| ID de API | mistralai/LIDstral-Arabic |
|---|---|
| Tipo de modelo | Classificação de texto |
| Modelo de acesso | Pesos abertos |
| Licença | Apache 2.0 |
| Implantação | Classificador local em CPU |
| Lançamento | 09 OUT 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Texto |
| Saída | Etiqueta e probabilidades |
| Janela de contexto | Texto não vazio após pré-processamento |
| saída máxima | Etiqueta e probabilidades sobre 51 classes |
| Raciocínio | Não aplicável |
| Ferramentas publicadas | |
| Passeios Estruturados | JSON do classificador local |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Hugging Face · fastText · PyTorch |
Classificação de corpora, encaminhamento por idioma, seleção de recursos linguísticos e análise de dialetos. A inclusão de línguas não árabes reduz a confusão entre idioma e alfabeto. O script oficial funciona em CPU e oferece entrada individual, API Python e processamento JSONL. O pipeline exige manter juntos lid_ova_full.bin, mlp_stacker_ln.pt e isotonic_calibration.pkl.
Seleciona sempre uma das 51 classes: idiomas não contemplados ou textos mistos podem receber uma etiqueta errada. O pré-processamento remove artefactos web e ASR, diacríticos, alongamento decorativo e pontuação repetida; preserva variantes de alef. Entradas vazias ou totalmente removidas geram erro. A confiança calibrada não substitui validação no teu domínio nem uma política para casos incertos.
03 / CAPACIDADES
O que pode fazer
Orientação
Classificação de corpora, encaminhamento por idioma, seleção de recursos linguísticos e análise de dialetos. A inclusão de línguas não árabes reduz a confusão entre idioma e alfabeto. O script oficial funciona em CPU e oferece entrada individual, API Python e processamento JSONL. O pipeline exige manter juntos lid_ova_full.bin, mlp_stacker_ln.pt e isotonic_calibration.pkl.
Contexto
Texto não vazio após pré-processamento · Etiqueta e probabilidades sobre 51 classes
Ferramentas e integração
Não publicado
Acesso
Hugging Face · fastText e PyTorch
Modalidades de entrada
Texto
04 / PREÇOS
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | Sem tarifa API oficial publicada | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Custo da infraestrutura própria | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
A ficha declara Apache 2.0 e o repositório é público e não restringido nesta verificação. O exemplo ainda menciona transferência privada; não interpretamos esse texto como uma API comercial disponível. Não verificámos endpoint alojado nem tarifas por tokens. A execução própria implica custos de CPU, memória, armazenamento e operação; fixa a revisão do código antes de carregar ficheiros de modelos.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
05 / AVALIAÇÕES
Como ler os resultados
“
A Mistral publica uma avaliação sobre 84.870 exemplos árabes de vários conjuntos. Para darija marroquino indica F1 de 88,67 %. Preservamos o dialeto e a métrica: não equivale a exatidão global nem se estende a todas as classes. A Inferama não reproduziu o resultado. A avaliação própria deve analisar matriz de confusão, calibração, textos mistos e comportamento fora da distribuição.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| LIDstral Arabic (Moroccan Darija) | 88,67 % | F1 | Ver fonte ↗ |
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
06 / VERSÕES
Cronologia
LIDstral Arabic
Publicação pública do repositório. A criação em 8 de outubro não é usada como data de lançamento.
07 / FONTES