Ministral 3 3B Instruct 2512 je nejmenší edice rodiny Ministral 3 od Mistral AI vyladěná pro plnění pokynů. Výrobce ji určuje pro kompaktní aplikace založené na pokynech, včetně popisků obrázků, klasifikace textu, extrakce dat, překladu a krátkého obsahu. Vydaný checkpoint používá přesnost FP8 a spojuje zpracování textu se složkou pro vizuální vstup.
Složky a schopnosti modelu
Karta uvádí jazykový model s 3,4 miliardy parametrů a vizuální enkodér s 0,4 miliardy parametrů. Dokumentuje kontextové okno 256 tisíc tokenů, přičemž poznámky k použití uvádějí výchozí nastavenou délku 262 144. Počty parametrů složek patří edici 3B, nikoli členům rodiny 8B nebo 14B. Model přijímá text a obrázky a generuje text, včetně záznamů ve formátu JSON nebo návrhů volání funkcí.
Výrobce popisuje vícejazyčnou podporu desítek jazyků, včetně angličtiny, francouzštiny, španělštiny, němčiny, italštiny, portugalštiny, nizozemštiny, čínštiny, japonštiny, korejštiny a arabštiny. Zdůrazňuje také dodržování systémového promptu. Určete požadovaný jazyk výstupu a štítky či termíny, které musí zůstat nezměněné. Přeložené vysvětlení nebo extrahovaný záznam tak odpovídá zamýšlenému použití aplikace.
Cílená klasifikace a extrakce
Pro klasifikační úlohu dodejte povolené štítky, pravidlo, které je rozlišuje, a zprávu ke klasifikaci. Požádejte o jeden vybraný štítek a krátké vysvětlení opřené o dodanou zprávu. Jsou-li štítky nejednoznačné, definujte informace, které by je rozlišily, místo spoléhání pouze na jejich názvy. Výsledkem je kompaktní výstup, který lze konzistentně použít v širším pracovním postupu.
Pro extrakci vyjmenujte pole a jejich typy a určete, jak vyjádřit chybějící informace. Požadavek může žádat identifikátor položky, výslovně popsanou podmínku a akci, kterou uživatel požaduje. Pokud záleží na přesném znění, vyžadujte původní formulaci; pokud aplikace dodává pravidlo normalizace, vyžadujte normalizovanou hodnotu. Výstup JSON výsledek uspořádá; návrh polí zůstává součástí úlohy, nejde o vestavěné univerzální schéma.
Karta jmenuje také tvorbu popisků obrázků a generování krátkého obsahu. U popisku definujte, kterou stránku obrázku popsat a pro jaké publikum. U krátkého vysvětlení dodejte fakta, která se mají zachovat, a požadovanou délku. Odpověď ve stylu zákaznické podpory může z původního dotazu a dodaných pokynů vytvořit stručný další krok spolu s podmínkou, za níž platí.
Příprava vizuálních a vícejazyčných vstupů
K obrázku připojte jasnou textovou otázku. U pole dokumentu zachovejte jeho označení, hodnotu a okolní kontext nutný k výkladu. U popisu objektu určete, který viditelný znak je důležitý. Výrobce doporučuje poměr stran blízký 1:1 a vyhnout se velmi úzkým nebo širokým vstupům; podle potřeby obrázek ořízněte, aniž odstraníte podklady, z nichž otázka vychází.
Pro překlad dodejte původní text, cílový jazyk a případný seznam terminologie. Přeloženou pasáž požadujte odděleně od volitelného vysvětlení. Vícejazyčná klasifikační úloha může ponechat štítky aplikace nezměněné a vysvětlit vybraný štítek v jazyce čtenáře. Jde o definované výstupy, nikoli o požadavek volně rozebrat zprávu nebo obrázek.
Nástroje a doporučená nastavení
Nativní volání funkcí umožňuje aplikaci propojit konverzaci s popsanou operací. Model připraví argumenty funkce, aplikace funkci provede a její výsledek se stane podkladem pro další odpověď. Vyhledání může dodat chybějící hodnotu nebo výpočetní nástroj může pracovat s hodnotami rozpoznanými z obrázku. Samotný textový model funkci neprovede jen tím, že vytvoří její název a argumenty.
Výrobce doporučuje systémový pokyn, který definuje prostředí a způsob použití, včetně pokynů k nástrojům. Popisy nástrojů udržujte jasné a jejich sadu omezte na minimum relevantních operací. Pro úzce zaměřeného asistenta může být výslovná extrakční nebo vyhledávací úloha snáze interpretovatelná než prompt obsahující mnoho nesouvisejících funkcí bez pravidla výběru.
Karta uvádí doporučení pro nízkou teplotu: pod 0.1 pro každodenní a produkční použití a počáteční teplotu 0.1 pro většinu případů použití v samostatné poznámce k vzorkování. Vyšší hodnoty lze zkoumat při tvorbě kreativního obsahu. Tato doporučení mají různě vymezenou platnost; nezaručují, že jediné nastavení vzorkování zajistí správnost každé extrahované hodnoty nebo klasifikace.
Vymezení edice a kontextu
Ministral 3 nabízí pro každou velikost modelu samostatná vydání Base, Instruct a Reasoning. Tato položka označuje checkpoint Instruct 2512, nikoli automaticky zapnutý režim uvažování nebo předtrénovaný základ. Výrobce mezi možnými použitími uvádí specializaci a dotrénování, ale aktuální úloha založená na pokynech stále potřebuje jasně definovaný vstup, pravidla a výstup.
Relevantní zdrojové materiály a konverzaci udržujte v nastaveném kontextu a požadujte kompaktní výsledek potřebný pro další krok aplikace. Poznámky k použití umožňují snížit nastavenou délku kontextu u úloh, které celé okno nepotřebují. Ukázka generování 512 tokenů ani vysoký limit generování v příkladu nejsou nezávisle zdokumentovanými maximálními výstupními kapacitami. Generování obrázků, zvukový výstup a externí akce vyžadují další složky nad rámec tohoto modelu s textovým výsledkem.
", "aboutText": "Ministral 3 3B Instruct 2512 je nejmenší edice rodiny Ministral 3 od Mistral AI vyladěná pro plnění pokynů. Výrobce ji určuje pro kompaktní aplikace založené na pokynech, včetně popisků obrázků, klasifikace textu, extrakce dat, překladu a krátkého obsahu. Vydaný checkpoint používá přesnost FP8 a spojuje zpracování textu se složkou pro vizuální vstup.\n\nSložky a schopnosti modelu\n\nKarta uvádí jazykový model s 3,4 miliardy parametrů a vizuální enkodér s 0,4 miliardy parametrů. Dokumentuje kontextové okno 256 tisíc tokenů, přičemž poznámky k použití uvádějí výchozí nastavenou délku 262 144. Počty parametrů složek patří edici 3B, nikoli členům rodiny 8B nebo 14B. Model přijímá text a obrázky a generuje text, včetně záznamů ve formátu JSON nebo návrhů volání funkcí.\n\nVýrobce popisuje vícejazyčnou podporu desítek jazyků, včetně angličtiny, francouzštiny, španělštiny, němčiny, italštiny, portugalštiny, nizozemštiny, čínštiny, japonštiny, korejštiny a arabštiny. Zdůrazňuje také dodržování systémového promptu. Určete požadovaný jazyk výstupu a štítky či termíny, které musí zůstat nezměněné. Přeložené vysvětlení nebo extrahovaný záznam tak odpovídá zamýšlenému použití aplikace.\n\nCílená klasifikace a extrakce\n\nPro klasifikační úlohu dodejte povolené štítky, pravidlo, které je rozlišuje, a zprávu ke klasifikaci. Požádejte o jeden vybraný štítek a krátké vysvětlení opřené o dodanou zprávu. Jsou-li štítky nejednoznačné, definujte informace, které by je rozlišily, místo spoléhání pouze na jejich názvy. Výsledkem je kompaktní výstup, který lze konzistentně použít v širším pracovním postupu.\n\nPro extrakci vyjmenujte pole a jejich typy a určete, jak vyjádřit chybějící informace. Požadavek může žádat identifikátor položky, výslovně popsanou podmínku a akci, kterou uživatel požaduje. Pokud záleží na přesném znění, vyžadujte původní formulaci; pokud aplikace dodává pravidlo normalizace, vyžadujte normalizovanou hodnotu. Výstup JSON výsledek uspořádá; návrh polí zůstává součástí úlohy, nejde o vestavěné univerzální schéma.\n\nKarta jmenuje také tvorbu popisků obrázků a generování krátkého obsahu. U popisku definujte, kterou stránku obrázku popsat a pro jaké publikum. U krátkého vysvětlení dodejte fakta, která se mají zachovat, a požadovanou délku. Odpověď ve stylu zákaznické podpory může z původního dotazu a dodaných pokynů vytvořit stručný další krok spolu s podmínkou, za níž platí.\n\nPříprava vizuálních a vícejazyčných vstupů\n\nK obrázku připojte jasnou textovou otázku. U pole dokumentu zachovejte jeho označení, hodnotu a okolní kontext nutný k výkladu. U popisu objektu určete, který viditelný znak je důležitý. Výrobce doporučuje poměr stran blízký 1:1 a vyhnout se velmi úzkým nebo širokým vstupům; podle potřeby obrázek ořízněte, aniž odstraníte podklady, z nichž otázka vychází.\n\nPro překlad dodejte původní text, cílový jazyk a případný seznam terminologie. Přeloženou pasáž požadujte odděleně od volitelného vysvětlení. Vícejazyčná klasifikační úloha může ponechat štítky aplikace nezměněné a vysvětlit vybraný štítek v jazyce čtenáře. Jde o definované výstupy, nikoli o požadavek volně rozebrat zprávu nebo obrázek.\n\nNástroje a doporučená nastavení\n\nNativní volání funkcí umožňuje aplikaci propojit konverzaci s popsanou operací. Model připraví argumenty funkce, aplikace funkci provede a její výsledek se stane podkladem pro další odpověď. Vyhledání může dodat chybějící hodnotu nebo výpočetní nástroj může pracovat s hodnotami rozpoznanými z obrázku. Samotný textový model funkci neprovede jen tím, že vytvoří její název a argumenty.\n\nVýrobce doporučuje systémový pokyn, který definuje prostředí a způsob použití, včetně pokynů k nástrojům. Popisy nástrojů udržujte jasné a jejich sadu omezte na minimum relevantních operací. Pro úzce zaměřeného asistenta může být výslovná extrakční nebo vyhledávací úloha snáze interpretovatelná než prompt obsahující mnoho nesouvisejících funkcí bez pravidla výběru.\n\nKarta uvádí doporučení pro nízkou teplotu: pod 0.1 pro každodenní a produkční použití a počáteční teplotu 0.1 pro většinu případů použití v samostatné poznámce k vzorkování. Vyšší hodnoty lze zkoumat při tvorbě kreativního obsahu. Tato doporučení mají různě vymezenou platnost; nezaručují, že jediné nastavení vzorkování zajistí správnost každé extrahované hodnoty nebo klasifikace.\n\nVymezení edice a kontextu\n\nMinistral 3 nabízí pro každou velikost modelu samostatná vydání Base, Instruct a Reasoning. Tato položka označuje checkpoint Instruct 2512, nikoli automaticky zapnutý režim uvažování nebo předtrénovaný základ. Výrobce mezi možnými použitími uvádí specializaci a dotrénování, ale aktuální úloha založená na pokynech stále potřebuje jasně definovaný vstup, pravidla a výstup.\n\nRelevantní zdrojové materiály a konverzaci udržujte v nastaveném kontextu a požadujte kompaktní výsledek potřebný pro další krok aplikace. Poznámky k použití umožňují snížit nastavenou délku kontextu u úloh, které celé okno nepotřebují. Ukázka generování 512 tokenů ani vysoký limit generování v příkladu nejsou nezávisle zdokumentovanými maximálními výstupními kapacitami. Generování obrázků, zvukový výstup a externí akce vyžadují další složky nad rámec tohoto modelu s textovým výsledkem.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Extract a return-request record\n\nExtract the item code, stated condition and requested action from this message: 'Hello, the handle of kettle KT8 is loose. It arrived today. Please arrange an exchange, not a refund.' Return those three fields and quote the wording supporting the requested action. Use 'not supplied' for any field absent from the message.A compact three-field extraction record plus the supporting request quote.Check that exchange is retained as the request and is not rewritten as a completed action.mistralai/ministral-3b-2512Ministral 3 3B Instruct 2512 je kompaktní vícejazyčný model pro textový a obrazový vstup určený ke klasifikaci, extrakci, popiskům obrázků a krátkému obsahu. Jeho jazyková složka s 3,4 miliardy parametrů a vizuální enkodér s 0,4 miliardy parametrů podporují systémové pokyny, JSON, volání funkcí a kontext 256 tisíc tokenů uváděný výrobcem.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Ministral 3 3B Instruct 2512 je nejmenší edice rodiny Ministral 3 od Mistral AI vyladěná pro plnění pokynů. Výrobce ji určuje pro kompaktní aplikace založené na pokynech, včetně popisků obrázků, klasifikace textu, extrakce dat, překladu a krátkého obsahu. Vydaný checkpoint používá přesnost FP8 a spojuje zpracování textu se složkou pro vizuální vstup.
Složky a schopnosti modelu
Karta uvádí jazykový model s 3,4 miliardy parametrů a vizuální enkodér s 0,4 miliardy parametrů. Dokumentuje kontextové okno 256 tisíc tokenů, přičemž poznámky k použití uvádějí výchozí nastavenou délku 262 144. Počty parametrů složek patří edici 3B, nikoli členům rodiny 8B nebo 14B. Model přijímá text a obrázky a generuje text, včetně záznamů ve formátu JSON nebo návrhů volání funkcí.
Výrobce popisuje vícejazyčnou podporu desítek jazyků, včetně angličtiny, francouzštiny, španělštiny, němčiny, italštiny, portugalštiny, nizozemštiny, čínštiny, japonštiny, korejštiny a arabštiny. Zdůrazňuje také dodržování systémového promptu. Určete požadovaný jazyk výstupu a štítky či termíny, které musí zůstat nezměněné. Přeložené vysvětlení nebo extrahovaný záznam tak odpovídá zamýšlenému použití aplikace.
Cílená klasifikace a extrakce
Pro klasifikační úlohu dodejte povolené štítky, pravidlo, které je rozlišuje, a zprávu ke klasifikaci. Požádejte o jeden vybraný štítek a krátké vysvětlení opřené o dodanou zprávu. Jsou-li štítky nejednoznačné, definujte informace, které by je rozlišily, místo spoléhání pouze na jejich názvy. Výsledkem je kompaktní výstup, který lze konzistentně použít v širším pracovním postupu.
Pro extrakci vyjmenujte pole a jejich typy a určete, jak vyjádřit chybějící informace. Požadavek může žádat identifikátor položky, výslovně popsanou podmínku a akci, kterou uživatel požaduje. Pokud záleží na přesném znění, vyžadujte původní formulaci; pokud aplikace dodává pravidlo normalizace, vyžadujte normalizovanou hodnotu. Výstup JSON výsledek uspořádá; návrh polí zůstává součástí úlohy, nejde o vestavěné univerzální schéma.
Karta jmenuje také tvorbu popisků obrázků a generování krátkého obsahu. U popisku definujte, kterou stránku obrázku popsat a pro jaké publikum. U krátkého vysvětlení dodejte fakta, která se mají zachovat, a požadovanou délku. Odpověď ve stylu zákaznické podpory může z původního dotazu a dodaných pokynů vytvořit stručný další krok spolu s podmínkou, za níž platí.
Příprava vizuálních a vícejazyčných vstupů
K obrázku připojte jasnou textovou otázku. U pole dokumentu zachovejte jeho označení, hodnotu a okolní kontext nutný k výkladu. U popisu objektu určete, který viditelný znak je důležitý. Výrobce doporučuje poměr stran blízký 1:1 a vyhnout se velmi úzkým nebo širokým vstupům; podle potřeby obrázek ořízněte, aniž odstraníte podklady, z nichž otázka vychází.
Pro překlad dodejte původní text, cílový jazyk a případný seznam terminologie. Přeloženou pasáž požadujte odděleně od volitelného vysvětlení. Vícejazyčná klasifikační úloha může ponechat štítky aplikace nezměněné a vysvětlit vybraný štítek v jazyce čtenáře. Jde o definované výstupy, nikoli o požadavek volně rozebrat zprávu nebo obrázek.
Nástroje a doporučená nastavení
Nativní volání funkcí umožňuje aplikaci propojit konverzaci s popsanou operací. Model připraví argumenty funkce, aplikace funkci provede a její výsledek se stane podkladem pro další odpověď. Vyhledání může dodat chybějící hodnotu nebo výpočetní nástroj může pracovat s hodnotami rozpoznanými z obrázku. Samotný textový model funkci neprovede jen tím, že vytvoří její název a argumenty.
Výrobce doporučuje systémový pokyn, který definuje prostředí a způsob použití, včetně pokynů k nástrojům. Popisy nástrojů udržujte jasné a jejich sadu omezte na minimum relevantních operací. Pro úzce zaměřeného asistenta může být výslovná extrakční nebo vyhledávací úloha snáze interpretovatelná než prompt obsahující mnoho nesouvisejících funkcí bez pravidla výběru.
Karta uvádí doporučení pro nízkou teplotu: pod 0.1 pro každodenní a produkční použití a počáteční teplotu 0.1 pro většinu případů použití v samostatné poznámce k vzorkování. Vyšší hodnoty lze zkoumat při tvorbě kreativního obsahu. Tato doporučení mají různě vymezenou platnost; nezaručují, že jediné nastavení vzorkování zajistí správnost každé extrahované hodnoty nebo klasifikace.
Vymezení edice a kontextu
Ministral 3 nabízí pro každou velikost modelu samostatná vydání Base, Instruct a Reasoning. Tato položka označuje checkpoint Instruct 2512, nikoli automaticky zapnutý režim uvažování nebo předtrénovaný základ. Výrobce mezi možnými použitími uvádí specializaci a dotrénování, ale aktuální úloha založená na pokynech stále potřebuje jasně definovaný vstup, pravidla a výstup.
Relevantní zdrojové materiály a konverzaci udržujte v nastaveném kontextu a požadujte kompaktní výsledek potřebný pro další krok aplikace. Poznámky k použití umožňují snížit nastavenou délku kontextu u úloh, které celé okno nepotřebují. Ukázka generování 512 tokenů ani vysoký limit generování v příkladu nejsou nezávisle zdokumentovanými maximálními výstupními kapacitami. Generování obrázků, zvukový výstup a externí akce vyžadují další složky nad rámec tohoto modelu s textovým výsledkem.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity mistralai/ministral-3b-2512 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00066 / 1K tokenů Výstup · Výstupní tokeny $0.00066 / 1K tokenů Vstup · Čtení z mezipaměti $0.00002 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00066 / 1K tokenů Výstup · Výstupní tokeny $0.00066 / 1K tokenů Vstup · Čtení z mezipaměti $0.00002 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/ministral-3b-2512", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/ministral-3b-2512',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/ministral-3b-2512',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra mistralai/ministral-3b-2512
Použijte cesty metod uvedené výše.
mistralai/ministral-3b-2512Ministral 3 3B Instruct 2512 je kompaktní vícejazyčný model pro textový a obrazový vstup určený ke klasifikaci, extrakci, popiskům obrázků a krátkému obsahu. Jeho jazyková složka s 3,4 miliardy parametrů a vizuální enkodér s 0,4 miliardy parametrů podporují systémové pokyny, JSON, volání funkcí a kontext 256 tisíc tokenů uváděný výrobcem.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Ministral 3 3B Instruct 2512 je nejmenší edice rodiny Ministral 3 od Mistral AI vyladěná pro plnění pokynů. Výrobce ji určuje pro kompaktní aplikace založené na pokynech, včetně popisků obrázků, klasifikace textu, extrakce dat, překladu a krátkého obsahu. Vydaný checkpoint používá přesnost FP8 a spojuje zpracování textu se složkou pro vizuální vstup.
Složky a schopnosti modelu
Karta uvádí jazykový model s 3,4 miliardy parametrů a vizuální enkodér s 0,4 miliardy parametrů. Dokumentuje kontextové okno 256 tisíc tokenů, přičemž poznámky k použití uvádějí výchozí nastavenou délku 262 144. Počty parametrů složek patří edici 3B, nikoli členům rodiny 8B nebo 14B. Model přijímá text a obrázky a generuje text, včetně záznamů ve formátu JSON nebo návrhů volání funkcí.
Výrobce popisuje vícejazyčnou podporu desítek jazyků, včetně angličtiny, francouzštiny, španělštiny, němčiny, italštiny, portugalštiny, nizozemštiny, čínštiny, japonštiny, korejštiny a arabštiny. Zdůrazňuje také dodržování systémového promptu. Určete požadovaný jazyk výstupu a štítky či termíny, které musí zůstat nezměněné. Přeložené vysvětlení nebo extrahovaný záznam tak odpovídá zamýšlenému použití aplikace.
Cílená klasifikace a extrakce
Pro klasifikační úlohu dodejte povolené štítky, pravidlo, které je rozlišuje, a zprávu ke klasifikaci. Požádejte o jeden vybraný štítek a krátké vysvětlení opřené o dodanou zprávu. Jsou-li štítky nejednoznačné, definujte informace, které by je rozlišily, místo spoléhání pouze na jejich názvy. Výsledkem je kompaktní výstup, který lze konzistentně použít v širším pracovním postupu.
Pro extrakci vyjmenujte pole a jejich typy a určete, jak vyjádřit chybějící informace. Požadavek může žádat identifikátor položky, výslovně popsanou podmínku a akci, kterou uživatel požaduje. Pokud záleží na přesném znění, vyžadujte původní formulaci; pokud aplikace dodává pravidlo normalizace, vyžadujte normalizovanou hodnotu. Výstup JSON výsledek uspořádá; návrh polí zůstává součástí úlohy, nejde o vestavěné univerzální schéma.
Karta jmenuje také tvorbu popisků obrázků a generování krátkého obsahu. U popisku definujte, kterou stránku obrázku popsat a pro jaké publikum. U krátkého vysvětlení dodejte fakta, která se mají zachovat, a požadovanou délku. Odpověď ve stylu zákaznické podpory může z původního dotazu a dodaných pokynů vytvořit stručný další krok spolu s podmínkou, za níž platí.
Příprava vizuálních a vícejazyčných vstupů
K obrázku připojte jasnou textovou otázku. U pole dokumentu zachovejte jeho označení, hodnotu a okolní kontext nutný k výkladu. U popisu objektu určete, který viditelný znak je důležitý. Výrobce doporučuje poměr stran blízký 1:1 a vyhnout se velmi úzkým nebo širokým vstupům; podle potřeby obrázek ořízněte, aniž odstraníte podklady, z nichž otázka vychází.
Pro překlad dodejte původní text, cílový jazyk a případný seznam terminologie. Přeloženou pasáž požadujte odděleně od volitelného vysvětlení. Vícejazyčná klasifikační úloha může ponechat štítky aplikace nezměněné a vysvětlit vybraný štítek v jazyce čtenáře. Jde o definované výstupy, nikoli o požadavek volně rozebrat zprávu nebo obrázek.
Nástroje a doporučená nastavení
Nativní volání funkcí umožňuje aplikaci propojit konverzaci s popsanou operací. Model připraví argumenty funkce, aplikace funkci provede a její výsledek se stane podkladem pro další odpověď. Vyhledání může dodat chybějící hodnotu nebo výpočetní nástroj může pracovat s hodnotami rozpoznanými z obrázku. Samotný textový model funkci neprovede jen tím, že vytvoří její název a argumenty.
Výrobce doporučuje systémový pokyn, který definuje prostředí a způsob použití, včetně pokynů k nástrojům. Popisy nástrojů udržujte jasné a jejich sadu omezte na minimum relevantních operací. Pro úzce zaměřeného asistenta může být výslovná extrakční nebo vyhledávací úloha snáze interpretovatelná než prompt obsahující mnoho nesouvisejících funkcí bez pravidla výběru.
Karta uvádí doporučení pro nízkou teplotu: pod 0.1 pro každodenní a produkční použití a počáteční teplotu 0.1 pro většinu případů použití v samostatné poznámce k vzorkování. Vyšší hodnoty lze zkoumat při tvorbě kreativního obsahu. Tato doporučení mají různě vymezenou platnost; nezaručují, že jediné nastavení vzorkování zajistí správnost každé extrahované hodnoty nebo klasifikace.
Vymezení edice a kontextu
Ministral 3 nabízí pro každou velikost modelu samostatná vydání Base, Instruct a Reasoning. Tato položka označuje checkpoint Instruct 2512, nikoli automaticky zapnutý režim uvažování nebo předtrénovaný základ. Výrobce mezi možnými použitími uvádí specializaci a dotrénování, ale aktuální úloha založená na pokynech stále potřebuje jasně definovaný vstup, pravidla a výstup.
Relevantní zdrojové materiály a konverzaci udržujte v nastaveném kontextu a požadujte kompaktní výsledek potřebný pro další krok aplikace. Poznámky k použití umožňují snížit nastavenou délku kontextu u úloh, které celé okno nepotřebují. Ukázka generování 512 tokenů ani vysoký limit generování v příkladu nejsou nezávisle zdokumentovanými maximálními výstupními kapacitami. Generování obrázků, zvukový výstup a externí akce vyžadují další složky nad rámec tohoto modelu s textovým výsledkem.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity mistralai/ministral-3b-2512 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00066 / 1K tokenů Výstup · Výstupní tokeny $0.00066 / 1K tokenů Vstup · Čtení z mezipaměti $0.00002 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00066 / 1K tokenů Výstup · Výstupní tokeny $0.00066 / 1K tokenů Vstup · Čtení z mezipaměti $0.00002 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "mistralai/ministral-3b-2512",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/ministral-3b-2512', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/ministral-3b-2512', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra mistralai/ministral-3b-2512
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Extract a return-request record\n\nExtract the item code, stated condition and requested action from this message: 'Hello, the handle of kettle KT8 is loose. It arrived today. Please arrange an exchange, not a refund.' Return those three fields and quote the wording supporting the requested action. Use 'not supplied' for any field absent from the message.A compact three-field extraction record plus the supporting request quote.Check that exchange is retained as the request and is not rewritten as a completed action.