Mistral Medium 3.1 je multimodální edice Mistral AI pro porozumění textu a vizuálním materiálům. Výrobce popisuje tuto revizi jako zlepšení tónu a výkonu v řadě Medium 3. Přijímá text a obrázky a vytváří text: vysvětlení, odpověď k dokumentu, strukturovaný záznam nebo navržené volání funkce. Pevný identifikátor výrobce pro tuto edici je mistral-medium-2508.
Kontext a konkrétní edice
Stránka modelu dokumentuje kontextové okno 128 tisíc tokenů. Využijte je k zachování souvisejících zdrojových pasáží, obrazových podkladů, konverzace a úlohy uživatele pohromadě. Než dodáte rozsáhlou kolekci, určete role dokumentů a otázku k zodpovězení. Dlouhý kontext může podpořit cílené srovnání, zatímco konečný artefakt zůstane krátkou tabulkou nebo upravenou sekcí.
Medium 3.1 si zachovává vlastní specifikaci. Kontext 256 tisíc tokenů, hustou architekturu se 128 miliardami parametrů a nastavitelné hybridní režimy uvažování popsané pro Medium 3.5 nelze přiřazovat této položce. Stránka 3.1 neposkytuje počet parametrů ani samostatný údaj maximální délky odpovědi, které by bylo možné bezpečně nahradit údaji pozdějšího modelu.
Strukturovaný výstup a funkce
Výrobce mezi funkcemi této edice uvádí strukturované výstupy, volání funkcí a předpovězené výstupy. Pro strukturovanou extrakční úlohu definujte požadovaná pole, očekávané typy a zacházení s informacemi chybějícími ve zdroji. Záznam může obsahovat identifikátor dokumentu, extrahované tvrzení, jeho zdrojové umístění a otázku, která zůstává. Požadujte samotný záznam, pokud jej bude parsovat program, nebo ponechte textové vysvětlení oddělené, pokud někdo musí zkontrolovat výklad.
Společná dokumentace strukturovaného výstupu Mistral rozlišuje režim JSON a vlastní schéma. Režim JSON vyžaduje výslovný pokyn k požadovanému formátu JSON, zatímco vlastní cesta definuje konkrétnější strukturu. Jde o formátování textového výsledku, nikoli o novou obsahovou modalitu nebo externí akci.
Při volání funkcí aplikace definuje dostupnou operaci a její argumenty, model vybere vhodné volání a připraví hodnoty argumentů a aplikace operaci provede. Výsledek operace se poté stane podkladem pro další odpověď. Dokumentový asistent může pomocí vyhledání získat chybějící referenční data, ale pouze pokud okolní aplikace toto vyhledání poskytuje a vrací jeho skutečný výsledek. Navržené volání a vrácená data udržujte vzájemně propojené.
Předpovězené úpravy a prefixy odpovědí
Předpovězené výstupy jsou užitečné, když je většina požadovaného výsledku již známa, například dokument nebo soubor kódu potřebující omezenou úpravu. Dodejte existující obsah a popište změnu přesně, včetně toho, co musí zůstat nezměněné. Požadavek může aktualizovat terminologii jedné sekce nebo nahradit jeden implementační detail při zachování zbytku dokumentu. Předpověď obsahuje očekávaný výstupní obsah, nikoli dokončenou změnu aplikovanou na soubor.
Stránka modelu uvádí také pokračování od prefixu odpovědi. V konverzační dokumentaci výrobce prefix dodává známý začátek odpovědi asistenta, po němž generování pokračuje. Známý začátek a předpovězený obsah řeší různé problémy přípravy. Dávkové zpracování a rozhraní agenta či konverzace jsou podobně funkcemi postupu, nikoli samostatnými edicemi Medium 3.1 pro obraz, zvuk nebo uvažování.
Otázky k dokumentům a vizuálním materiálům
Uvedený postup document-QnA spojuje text, strukturu a formátování připravené pomocí OCR s analýzou jazykovým modelem. Ptejte se na konkrétní podmínku, pasáž nebo vztah požadovaný úlohou. Srovnání může určit zdrojové dokumenty a požadovat společná tvrzení, konflikty a nevyřešené detaily při zachování zdrojového umístění vedle každého zjištění.
Vizuální příručka výrobce výslovně zahrnuje Medium 3.1. Přímá vizuální otázka může dodat čitelný graf, obrázek dokumentu nebo snímek obrazovky a ptát se, které viditelné podklady podporují závěr. Zachovejte osy, jednotky, označení a kontext kolem oříznutého pole. Je-li dodáno několik obrázků, určete jejich pořadí a roli místo ponechání modelu, aby odvodil, který je originál, revize nebo reference.
Například spojte písemný požadavek procesu se snímkem obrazovky a požadujte tabulku viditelných shod, rozdílů a otázek vyžadujících více informací. Jiná úloha může dodat dvě verze dokumentu a žádat upravenou pasáž, která zachová jejich společné podmínky a vyřeší pojmenovaný nesoulad. Jde o navržená použití zdokumentovaných vizuálních, dokumentových a editačních schopností s předem definovaným požadovaným výsledkem.
Příprava konečného artefaktu
Dejte asistentovi jasnou roli, zdrojové materiály k použití a podobu odpovědi. Trvalá pravidla odpovědi odlišujte od zkoumaného dokumentu a uveďte cílový jazyk a terminologii. Užitečná odpověď může oddělit extrahovaná fakta, jejich zdroj a výklad, takže se kontroluje snáze než jediné sloučené shrnutí.
Zdokumentovaným výsledkem zůstává text. Externí nástroje, změny souborů a další zpracování dokumentů patří aplikaci připojené ke konverzaci. Zachovejte pojmenovanou edici Medium 3.1 a její kontext 128 tisíc tokenů a požadujte vysvětlení, strukturovaný záznam nebo cílenou revizi, které další krok skutečně potřebuje.
", "aboutText": "Mistral Medium 3.1 je multimodální edice Mistral AI pro porozumění textu a vizuálním materiálům. Výrobce popisuje tuto revizi jako zlepšení tónu a výkonu v řadě Medium 3. Přijímá text a obrázky a vytváří text: vysvětlení, odpověď k dokumentu, strukturovaný záznam nebo navržené volání funkce. Pevný identifikátor výrobce pro tuto edici je mistral-medium-2508.\n\nKontext a konkrétní edice\n\nStránka modelu dokumentuje kontextové okno 128 tisíc tokenů. Využijte je k zachování souvisejících zdrojových pasáží, obrazových podkladů, konverzace a úlohy uživatele pohromadě. Než dodáte rozsáhlou kolekci, určete role dokumentů a otázku k zodpovězení. Dlouhý kontext může podpořit cílené srovnání, zatímco konečný artefakt zůstane krátkou tabulkou nebo upravenou sekcí.\n\nMedium 3.1 si zachovává vlastní specifikaci. Kontext 256 tisíc tokenů, hustou architekturu se 128 miliardami parametrů a nastavitelné hybridní režimy uvažování popsané pro Medium 3.5 nelze přiřazovat této položce. Stránka 3.1 neposkytuje počet parametrů ani samostatný údaj maximální délky odpovědi, které by bylo možné bezpečně nahradit údaji pozdějšího modelu.\n\nStrukturovaný výstup a funkce\n\nVýrobce mezi funkcemi této edice uvádí strukturované výstupy, volání funkcí a předpovězené výstupy. Pro strukturovanou extrakční úlohu definujte požadovaná pole, očekávané typy a zacházení s informacemi chybějícími ve zdroji. Záznam může obsahovat identifikátor dokumentu, extrahované tvrzení, jeho zdrojové umístění a otázku, která zůstává. Požadujte samotný záznam, pokud jej bude parsovat program, nebo ponechte textové vysvětlení oddělené, pokud někdo musí zkontrolovat výklad.\n\nSpolečná dokumentace strukturovaného výstupu Mistral rozlišuje režim JSON a vlastní schéma. Režim JSON vyžaduje výslovný pokyn k požadovanému formátu JSON, zatímco vlastní cesta definuje konkrétnější strukturu. Jde o formátování textového výsledku, nikoli o novou obsahovou modalitu nebo externí akci.\n\nPři volání funkcí aplikace definuje dostupnou operaci a její argumenty, model vybere vhodné volání a připraví hodnoty argumentů a aplikace operaci provede. Výsledek operace se poté stane podkladem pro další odpověď. Dokumentový asistent může pomocí vyhledání získat chybějící referenční data, ale pouze pokud okolní aplikace toto vyhledání poskytuje a vrací jeho skutečný výsledek. Navržené volání a vrácená data udržujte vzájemně propojené.\n\nPředpovězené úpravy a prefixy odpovědí\n\nPředpovězené výstupy jsou užitečné, když je většina požadovaného výsledku již známa, například dokument nebo soubor kódu potřebující omezenou úpravu. Dodejte existující obsah a popište změnu přesně, včetně toho, co musí zůstat nezměněné. Požadavek může aktualizovat terminologii jedné sekce nebo nahradit jeden implementační detail při zachování zbytku dokumentu. Předpověď obsahuje očekávaný výstupní obsah, nikoli dokončenou změnu aplikovanou na soubor.\n\nStránka modelu uvádí také pokračování od prefixu odpovědi. V konverzační dokumentaci výrobce prefix dodává známý začátek odpovědi asistenta, po němž generování pokračuje. Známý začátek a předpovězený obsah řeší různé problémy přípravy. Dávkové zpracování a rozhraní agenta či konverzace jsou podobně funkcemi postupu, nikoli samostatnými edicemi Medium 3.1 pro obraz, zvuk nebo uvažování.\n\nOtázky k dokumentům a vizuálním materiálům\n\nUvedený postup document-QnA spojuje text, strukturu a formátování připravené pomocí OCR s analýzou jazykovým modelem. Ptejte se na konkrétní podmínku, pasáž nebo vztah požadovaný úlohou. Srovnání může určit zdrojové dokumenty a požadovat společná tvrzení, konflikty a nevyřešené detaily při zachování zdrojového umístění vedle každého zjištění.\n\nVizuální příručka výrobce výslovně zahrnuje Medium 3.1. Přímá vizuální otázka může dodat čitelný graf, obrázek dokumentu nebo snímek obrazovky a ptát se, které viditelné podklady podporují závěr. Zachovejte osy, jednotky, označení a kontext kolem oříznutého pole. Je-li dodáno několik obrázků, určete jejich pořadí a roli místo ponechání modelu, aby odvodil, který je originál, revize nebo reference.\n\nNapříklad spojte písemný požadavek procesu se snímkem obrazovky a požadujte tabulku viditelných shod, rozdílů a otázek vyžadujících více informací. Jiná úloha může dodat dvě verze dokumentu a žádat upravenou pasáž, která zachová jejich společné podmínky a vyřeší pojmenovaný nesoulad. Jde o navržená použití zdokumentovaných vizuálních, dokumentových a editačních schopností s předem definovaným požadovaným výsledkem.\n\nPříprava konečného artefaktu\n\nDejte asistentovi jasnou roli, zdrojové materiály k použití a podobu odpovědi. Trvalá pravidla odpovědi odlišujte od zkoumaného dokumentu a uveďte cílový jazyk a terminologii. Užitečná odpověď může oddělit extrahovaná fakta, jejich zdroj a výklad, takže se kontroluje snáze než jediné sloučené shrnutí.\n\nZdokumentovaným výsledkem zůstává text. Externí nástroje, změny souborů a další zpracování dokumentů patří aplikaci připojené ke konverzaci. Zachovejte pojmenovanou edici Medium 3.1 a její kontext 128 tisíc tokenů a požadujte vysvětlení, strukturovaný záznam nebo cílenou revizi, které další krok skutečně potřebuje.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.mistralai/mistral-medium-3.1Mistral Medium 3.1 je model pro textový a obrazový vstup určený ke konverzačním odpovědím, otázkám k dokumentům a strukturované extrakci. Jeho kontext 128 tisíc tokenů uváděný výrobcem a uvedené funkce volání funkcí, předpovězeného výstupu a prefixů podporují vysvětlení založená na zdrojích a cílené postupy úprav.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Mistral Medium 3.1 je multimodální edice Mistral AI pro porozumění textu a vizuálním materiálům. Výrobce popisuje tuto revizi jako zlepšení tónu a výkonu v řadě Medium 3. Přijímá text a obrázky a vytváří text: vysvětlení, odpověď k dokumentu, strukturovaný záznam nebo navržené volání funkce. Pevný identifikátor výrobce pro tuto edici je mistral-medium-2508.
Kontext a konkrétní edice
Stránka modelu dokumentuje kontextové okno 128 tisíc tokenů. Využijte je k zachování souvisejících zdrojových pasáží, obrazových podkladů, konverzace a úlohy uživatele pohromadě. Než dodáte rozsáhlou kolekci, určete role dokumentů a otázku k zodpovězení. Dlouhý kontext může podpořit cílené srovnání, zatímco konečný artefakt zůstane krátkou tabulkou nebo upravenou sekcí.
Medium 3.1 si zachovává vlastní specifikaci. Kontext 256 tisíc tokenů, hustou architekturu se 128 miliardami parametrů a nastavitelné hybridní režimy uvažování popsané pro Medium 3.5 nelze přiřazovat této položce. Stránka 3.1 neposkytuje počet parametrů ani samostatný údaj maximální délky odpovědi, které by bylo možné bezpečně nahradit údaji pozdějšího modelu.
Strukturovaný výstup a funkce
Výrobce mezi funkcemi této edice uvádí strukturované výstupy, volání funkcí a předpovězené výstupy. Pro strukturovanou extrakční úlohu definujte požadovaná pole, očekávané typy a zacházení s informacemi chybějícími ve zdroji. Záznam může obsahovat identifikátor dokumentu, extrahované tvrzení, jeho zdrojové umístění a otázku, která zůstává. Požadujte samotný záznam, pokud jej bude parsovat program, nebo ponechte textové vysvětlení oddělené, pokud někdo musí zkontrolovat výklad.
Společná dokumentace strukturovaného výstupu Mistral rozlišuje režim JSON a vlastní schéma. Režim JSON vyžaduje výslovný pokyn k požadovanému formátu JSON, zatímco vlastní cesta definuje konkrétnější strukturu. Jde o formátování textového výsledku, nikoli o novou obsahovou modalitu nebo externí akci.
Při volání funkcí aplikace definuje dostupnou operaci a její argumenty, model vybere vhodné volání a připraví hodnoty argumentů a aplikace operaci provede. Výsledek operace se poté stane podkladem pro další odpověď. Dokumentový asistent může pomocí vyhledání získat chybějící referenční data, ale pouze pokud okolní aplikace toto vyhledání poskytuje a vrací jeho skutečný výsledek. Navržené volání a vrácená data udržujte vzájemně propojené.
Předpovězené úpravy a prefixy odpovědí
Předpovězené výstupy jsou užitečné, když je většina požadovaného výsledku již známa, například dokument nebo soubor kódu potřebující omezenou úpravu. Dodejte existující obsah a popište změnu přesně, včetně toho, co musí zůstat nezměněné. Požadavek může aktualizovat terminologii jedné sekce nebo nahradit jeden implementační detail při zachování zbytku dokumentu. Předpověď obsahuje očekávaný výstupní obsah, nikoli dokončenou změnu aplikovanou na soubor.
Stránka modelu uvádí také pokračování od prefixu odpovědi. V konverzační dokumentaci výrobce prefix dodává známý začátek odpovědi asistenta, po němž generování pokračuje. Známý začátek a předpovězený obsah řeší různé problémy přípravy. Dávkové zpracování a rozhraní agenta či konverzace jsou podobně funkcemi postupu, nikoli samostatnými edicemi Medium 3.1 pro obraz, zvuk nebo uvažování.
Otázky k dokumentům a vizuálním materiálům
Uvedený postup document-QnA spojuje text, strukturu a formátování připravené pomocí OCR s analýzou jazykovým modelem. Ptejte se na konkrétní podmínku, pasáž nebo vztah požadovaný úlohou. Srovnání může určit zdrojové dokumenty a požadovat společná tvrzení, konflikty a nevyřešené detaily při zachování zdrojového umístění vedle každého zjištění.
Vizuální příručka výrobce výslovně zahrnuje Medium 3.1. Přímá vizuální otázka může dodat čitelný graf, obrázek dokumentu nebo snímek obrazovky a ptát se, které viditelné podklady podporují závěr. Zachovejte osy, jednotky, označení a kontext kolem oříznutého pole. Je-li dodáno několik obrázků, určete jejich pořadí a roli místo ponechání modelu, aby odvodil, který je originál, revize nebo reference.
Například spojte písemný požadavek procesu se snímkem obrazovky a požadujte tabulku viditelných shod, rozdílů a otázek vyžadujících více informací. Jiná úloha může dodat dvě verze dokumentu a žádat upravenou pasáž, která zachová jejich společné podmínky a vyřeší pojmenovaný nesoulad. Jde o navržená použití zdokumentovaných vizuálních, dokumentových a editačních schopností s předem definovaným požadovaným výsledkem.
Příprava konečného artefaktu
Dejte asistentovi jasnou roli, zdrojové materiály k použití a podobu odpovědi. Trvalá pravidla odpovědi odlišujte od zkoumaného dokumentu a uveďte cílový jazyk a terminologii. Užitečná odpověď může oddělit extrahovaná fakta, jejich zdroj a výklad, takže se kontroluje snáze než jediné sloučené shrnutí.
Zdokumentovaným výsledkem zůstává text. Externí nástroje, změny souborů a další zpracování dokumentů patří aplikaci připojené ke konverzaci. Zachovejte pojmenovanou edici Medium 3.1 a její kontext 128 tisíc tokenů a požadujte vysvětlení, strukturovaný záznam nebo cílenou revizi, které další krok skutečně potřebuje.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity mistralai/mistral-medium-3.1 | 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 $0.0008 / 1K tokenů Výstup · Výstupní tokeny $0.004 / 1K tokenů Vstup · Čtení z mezipaměti $0.00008 / 1K tokenů Vstup · Zápis do mezipaměti — / 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 $0.0008 / 1K tokenů Výstup · Výstupní tokeny $0.004 / 1K tokenů Vstup · Čtení z mezipaměti $0.00008 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3.1", "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/mistral-medium-3.1',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/mistral-medium-3.1',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/mistral-medium-3.1
Použijte cesty metod uvedené výše.
mistralai/mistral-medium-3.1Mistral Medium 3.1 je model pro textový a obrazový vstup určený ke konverzačním odpovědím, otázkám k dokumentům a strukturované extrakci. Jeho kontext 128 tisíc tokenů uváděný výrobcem a uvedené funkce volání funkcí, předpovězeného výstupu a prefixů podporují vysvětlení založená na zdrojích a cílené postupy úprav.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Mistral Medium 3.1 je multimodální edice Mistral AI pro porozumění textu a vizuálním materiálům. Výrobce popisuje tuto revizi jako zlepšení tónu a výkonu v řadě Medium 3. Přijímá text a obrázky a vytváří text: vysvětlení, odpověď k dokumentu, strukturovaný záznam nebo navržené volání funkce. Pevný identifikátor výrobce pro tuto edici je mistral-medium-2508.
Kontext a konkrétní edice
Stránka modelu dokumentuje kontextové okno 128 tisíc tokenů. Využijte je k zachování souvisejících zdrojových pasáží, obrazových podkladů, konverzace a úlohy uživatele pohromadě. Než dodáte rozsáhlou kolekci, určete role dokumentů a otázku k zodpovězení. Dlouhý kontext může podpořit cílené srovnání, zatímco konečný artefakt zůstane krátkou tabulkou nebo upravenou sekcí.
Medium 3.1 si zachovává vlastní specifikaci. Kontext 256 tisíc tokenů, hustou architekturu se 128 miliardami parametrů a nastavitelné hybridní režimy uvažování popsané pro Medium 3.5 nelze přiřazovat této položce. Stránka 3.1 neposkytuje počet parametrů ani samostatný údaj maximální délky odpovědi, které by bylo možné bezpečně nahradit údaji pozdějšího modelu.
Strukturovaný výstup a funkce
Výrobce mezi funkcemi této edice uvádí strukturované výstupy, volání funkcí a předpovězené výstupy. Pro strukturovanou extrakční úlohu definujte požadovaná pole, očekávané typy a zacházení s informacemi chybějícími ve zdroji. Záznam může obsahovat identifikátor dokumentu, extrahované tvrzení, jeho zdrojové umístění a otázku, která zůstává. Požadujte samotný záznam, pokud jej bude parsovat program, nebo ponechte textové vysvětlení oddělené, pokud někdo musí zkontrolovat výklad.
Společná dokumentace strukturovaného výstupu Mistral rozlišuje režim JSON a vlastní schéma. Režim JSON vyžaduje výslovný pokyn k požadovanému formátu JSON, zatímco vlastní cesta definuje konkrétnější strukturu. Jde o formátování textového výsledku, nikoli o novou obsahovou modalitu nebo externí akci.
Při volání funkcí aplikace definuje dostupnou operaci a její argumenty, model vybere vhodné volání a připraví hodnoty argumentů a aplikace operaci provede. Výsledek operace se poté stane podkladem pro další odpověď. Dokumentový asistent může pomocí vyhledání získat chybějící referenční data, ale pouze pokud okolní aplikace toto vyhledání poskytuje a vrací jeho skutečný výsledek. Navržené volání a vrácená data udržujte vzájemně propojené.
Předpovězené úpravy a prefixy odpovědí
Předpovězené výstupy jsou užitečné, když je většina požadovaného výsledku již známa, například dokument nebo soubor kódu potřebující omezenou úpravu. Dodejte existující obsah a popište změnu přesně, včetně toho, co musí zůstat nezměněné. Požadavek může aktualizovat terminologii jedné sekce nebo nahradit jeden implementační detail při zachování zbytku dokumentu. Předpověď obsahuje očekávaný výstupní obsah, nikoli dokončenou změnu aplikovanou na soubor.
Stránka modelu uvádí také pokračování od prefixu odpovědi. V konverzační dokumentaci výrobce prefix dodává známý začátek odpovědi asistenta, po němž generování pokračuje. Známý začátek a předpovězený obsah řeší různé problémy přípravy. Dávkové zpracování a rozhraní agenta či konverzace jsou podobně funkcemi postupu, nikoli samostatnými edicemi Medium 3.1 pro obraz, zvuk nebo uvažování.
Otázky k dokumentům a vizuálním materiálům
Uvedený postup document-QnA spojuje text, strukturu a formátování připravené pomocí OCR s analýzou jazykovým modelem. Ptejte se na konkrétní podmínku, pasáž nebo vztah požadovaný úlohou. Srovnání může určit zdrojové dokumenty a požadovat společná tvrzení, konflikty a nevyřešené detaily při zachování zdrojového umístění vedle každého zjištění.
Vizuální příručka výrobce výslovně zahrnuje Medium 3.1. Přímá vizuální otázka může dodat čitelný graf, obrázek dokumentu nebo snímek obrazovky a ptát se, které viditelné podklady podporují závěr. Zachovejte osy, jednotky, označení a kontext kolem oříznutého pole. Je-li dodáno několik obrázků, určete jejich pořadí a roli místo ponechání modelu, aby odvodil, který je originál, revize nebo reference.
Například spojte písemný požadavek procesu se snímkem obrazovky a požadujte tabulku viditelných shod, rozdílů a otázek vyžadujících více informací. Jiná úloha může dodat dvě verze dokumentu a žádat upravenou pasáž, která zachová jejich společné podmínky a vyřeší pojmenovaný nesoulad. Jde o navržená použití zdokumentovaných vizuálních, dokumentových a editačních schopností s předem definovaným požadovaným výsledkem.
Příprava konečného artefaktu
Dejte asistentovi jasnou roli, zdrojové materiály k použití a podobu odpovědi. Trvalá pravidla odpovědi odlišujte od zkoumaného dokumentu a uveďte cílový jazyk a terminologii. Užitečná odpověď může oddělit extrahovaná fakta, jejich zdroj a výklad, takže se kontroluje snáze než jediné sloučené shrnutí.
Zdokumentovaným výsledkem zůstává text. Externí nástroje, změny souborů a další zpracování dokumentů patří aplikaci připojené ke konverzaci. Zachovejte pojmenovanou edici Medium 3.1 a její kontext 128 tisíc tokenů a požadujte vysvětlení, strukturovaný záznam nebo cílenou revizi, které další krok skutečně potřebuje.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity mistralai/mistral-medium-3.1 | 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 $0.0008 / 1K tokenů Výstup · Výstupní tokeny $0.004 / 1K tokenů Vstup · Čtení z mezipaměti $0.00008 / 1K tokenů Vstup · Zápis do mezipaměti — / 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 $0.0008 / 1K tokenů Výstup · Výstupní tokeny $0.004 / 1K tokenů Vstup · Čtení z mezipaměti $0.00008 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "mistralai/mistral-medium-3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/mistral-medium-3.1', '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/mistral-medium-3.1', '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/mistral-medium-3.1
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.