2.5x
“train models 2.5x faster than previously experienced on NVIDIA H200s”
Tel que publié sur coreweave.com, octobre 2026. Capturé par usedby le 7 oct. 2026.
Ce qui s’est passé
Mistral AI trains and serves its large language models on CoreWeave GPU clusters (H100, H200 and GB200), running training and inference on the same clusters with Slurm on Kubernetes. It also relies on CoreWeave's observability tooling, automated health checks and 24/7 support.
Résumé rédigé par usedby à partir de la page source, en anglais. Les chiffres sont ceux de CoreWeave et de Mistral AI, pas les nôtres.
With the support of CoreWeave infrastructure, Mistral AI was able to train models 2.5x faster than previously experienced on NVIDIA H200s—and also vastly exceeded the performance, efficiency, and speed they experienced on NVIDIA H100s.
What we don’t see with CoreWeave are all of the many interruptions or issues that we would see elsewhere.
[Our models] were trained 100% on CoreWeave infrastructure. I think not being on that kind of infrastructure would’ve delayed us by at least a few months.
Ce que dit le témoignage, et ce que nous avons vérifié
Nous avons comparé le témoignage à sa page en ligne le 7 oct. 2026.
- Le chiffre : 2.5xVérifiéImprimé mot pour mot sur la page, près du nom de Mistral AI.
- L’extrait cité plus hautVérifiéCopié mot pour mot depuis la page, près du nom de Mistral AI.
- Les nombres de notre résuméVérifiéChacun est imprimé sur la page.
- La date de publicationVérifiéLue dans les métadonnées de la page, jamais devinée.
- Mistral AI utilise CoreWeaveVérifiéLigne de niveau Confirmé. Dernière vérification, toutes sources confondues : 7 oct. 2026.
- Le résultat lui-mêmeNon vérifiéNous le citons ; nous ne l’avons pas mesuré.




