Mistral Workflows: оркестрация AI на движке от Netflix и Stripe

Большая часть AI-pipeline'ов в корпорациях живёт в Jupyter-ноутбуках, отлично работает в демо и тихо ломается в production. 29 апреля Mistral выпустила Workflows в public preview — оркестрационный слой для AI-процессов, построенный поверх Temporal — той же инфраструктуры, на которой работают Netflix, Stripe и Salesforce. Уже сейчас на нём крутятся production-нагрузки в ASML, La Banque Postale, CMA-CGM, ABANCA, France Travail и Moeve.

Что нового

Workflows закрывает классический разрыв между «модель работает в эксперименте» и «модель работает в проде». Mistral формулирует проблему так: пайплайны, которые в ноутбуке отрабатывают за минуту, в production молча падают без следов; long-running процессы не переживают сетевых таймаутов; multi-step операции с человеческим approval не имеют механизма паузы и продолжения; задеплоенные системы не дают способа проверить, что они до сих пор делают то, что должны.

Чтобы это решить, Workflows объединяет несколько ключевых возможностей под одним капотом — durable execution, observability, human-in-the-loop, и всё это нативно интегрировано с остальным Mistral Studio.

🚀 Главные возможности

• Durable execution — состояние трекается на каждом шаге; если процесс падает, он продолжается с места обрыва
• Observability в Studio — каждая ветвь, retry, изменение состояния записаны и доступны в timeline
• Human-in-the-loop одной строкой — wait_for_input() ставит workflow на паузу без потребления compute, ревьюер отвечает через Le Chat, webhook или любой connected surface
• Native to Studio — те же агенты и коннекторы, что и в остальной экосистеме
• Hybrid deployment — control plane на Mistral, workers и обработка данных в вашем окружении (cloud, on-prem, hybrid)
• OpenTelemetry support — встроенная трассировка для интеграции с существующим observability-стеком

Под капотом — Temporal. Это та же durable execution engine, на которой работает 90% серьёзных long-running workflow в Кремниевой долине: order processing у Stripe, content delivery у Netflix, data pipelines у Salesforce. Mistral расширил его специфическими для AI-нагрузок вещами: streaming, payload handling, multi-tenancy, observability, которой нет в core engine.

Что Workflows делает в реальном бизнесе

Mistral в анонсе показывает три кейса, которые крутятся прямо сейчас.

Cargo release automation. Глобальная морская логистика — это бесконечная бумажка: customs declarations, dangerous goods classifications, safety inspections, проверки регуляторов на нескольких юрисдикциях. Один пропущенный шаг — и груз застревает в порту, плюс compliance breach. Один из клиентов автоматизировал весь процесс: workflow валидирует входящие документы по customs rules, ищет аномалии, помечает что требует human sign-off, ждёт approval (буквально через wait_for_input() без потребления compute), потом релизит груз. Studio фиксирует историю каждого решения — это критично для аудита.

KYC и document compliance. Каждое customer onboarding — часы аналитика на верификацию документов против sanctions lists и PEP databases. С Workflows процесс занимает минуты, и Studio показывает точный structured timeline каждого шага вплоть до конкретных трассировок, что закрывает требования регуляторов по аудитируемости.

Customer support triage. Входящие тикеты анализируются, категоризируются по intent и urgency, маршрутизируются автоматически. Когда категоризация ошибается, команда видит причину и правит её на уровне workflow, а не переобучает модель.

🛠 Для разработчиков

Workflows пишутся как обычный Python. Декораторы и single-line config обрабатывают retry policies, tracing, timeouts, rate limiting, human-in-the-loop. Бизнес-логика — это то, что вы пишете сами; всё остальное предоставляет SDK.

from mistral_workflows import workflow, wait_for_input

@workflow
async def cargo_release(shipment_id: str):
    docs = await extract_documents(shipment_id)
    validation = await validate_customs(docs)

    if validation.requires_review:
        approval = await wait_for_input(
            reviewer="compliance@company.com",
            payload=validation.summary
        )
        if not approval.approved:
            return await archive_shipment(shipment_id, approval.reason)

    return await release_cargo(shipment_id)

Python SDK v3.0 — single-line install. Workflows публикуются прямо в Le Chat, и любой сотрудник организации может запустить их как обычное приложение, без знания кода.

⚙️ Архитектура deployment

Деплоймент сплитится между Mistral и вашим окружением. Mistral хостит control plane: Temporal cluster, Workflows API, Studio UI. Workers разворачиваются на вашем Kubernetes через отдельный Helm chart и подключаются к центральному кластеру по secure credentials. Данные и бизнес-логика остаются в вашем периметре — это критично для регулируемых индустрий вроде банков и pharma.

Компонент	Где работает
Control plane (Temporal cluster, API)	Инфраструктура Mistral
Workers (выполняют код workflow)	Ваш Kubernetes
Studio UI (наблюдение, audit)	Mistral cloud
Данные и payload	Ваш периметр

Такая архитектура решает классическую проблему регулируемых клиентов: вы получаете managed orchestration, не отдавая чувствительные данные за пределы инфраструктуры.

Сравнение с конкурентами

Mistral Workflows выходит на конкурентный рынок. Главные альтернативы — собственный Temporal (или Cadence) с обвязкой под AI, LangGraph от LangChain, AWS Step Functions с Bedrock, Azure AI Foundry workflows. Главное отличие Mistral — нативная интеграция с моделями и коннекторами Studio: не надо отдельно настраивать «AI-инструменты» и «оркестратор», они говорят на одном API.

Минус подхода — vendor lock-in. Workflows работают с Mistral-моделями. Можно подключить внешние LLM, но best DX и performance — для нативной экосистемы. Если вы используете GPT-5 и Claude параллельно, прозрачной мульти-модельной оркестрации ждать не стоит.

Цены

На момент public preview конкретных цифр Mistral не публиковал — preview доступно для всех, кто зарегистрируется в Mistral Studio. Финальная модель ценообразования, по словам компании, будет зависеть от количества execution и compute, потреблённого Mistral-моделями внутри workflow. Worker compute (на вашей стороне) платится отдельно за вашу инфраструктуру.

Кому подойдёт

Подойдёт: энтерпрайзам, которые уже работают с Mistral Studio и хотят переводить AI-процессы из ноутбуков в production без сборки оркестрации с нуля; компаниям из регулируемых индустрий (банки, фарма, логистика), которым важен audit trail и hybrid deployment; командам, у которых уже есть Temporal-экспертиза и они хотят управляемую версию специально под AI.

Не подойдёт: небольшим командам, которым достаточно одного API-вызова без оркестрации; компаниям с мульти-модельной стратегией, где Mistral — не основной провайдер; стартапам, которым важнее скорость прототипирования, чем production-надёжность.

Стоит ли пробовать: если у вас есть AI-процесс длиннее одного шага, который завтра должен попасть в production — стоит. Public preview бесплатный, заход через pip install mistral-workflows и шаблоны в Studio. Реальный production-deployment займёт дни вместо месяцев, которые обычно уходят на сборку собственной orchestration-обвязки.

---

Официальный анонс: mistral.ai/news/workflows