Mistral Small 4 spojuje obecné plnění pokynů, uvažování a programování v jediném multimodálním modelu. Výrobce jej popisuje jako sjednocení rodin Instruct, Magistral pro uvažování a Devstral pro programování. Přijímá text a obrázky a vrací text, přičemž pro aplikace s podporou nástrojů jsou dostupná volání funkcí a výstup JSON.
Architektura a hlavní funkce
Vydání má celkem 119 miliard parametrů a aktivuje 6,5 miliardy na token. Jeho architektura mixture-of-experts obsahuje 128 expertů se 4 aktivními a výrobce dokumentuje kontextové okno 256 tisíc tokenů. Počet aktivních parametrů a expertů popisuje uspořádání modelu; liší se od množství textového nebo obrazového obsahu v jedné úloze.
Model poskytuje funkce plnění pokynů a uvažování ve stejném checkpointu. Výrobce uvádí také vizuální schopnosti, dodržování systémového promptu a vícejazyčnou podporu desítek jazyků, včetně angličtiny, francouzštiny, španělštiny, němčiny, italštiny, portugalštiny, nizozemštiny, čínštiny, japonštiny, korejštiny a arabštiny. Textový pokyn se tedy může ptát na obrázek nebo spojit písemný požadavek s viditelnými podklady a odpověď se vrátí jako text.
Vizuální úloha může dodat stránku dokumentu a požadovat hodnoty relevantní pro pojmenovanou podmínku. Označení a jednotky ponechte čitelné a uveďte, zda má výsledek zachovat původní znění, shrnout je nebo porovnat s jiným zdrojem. Úloha s rozhraním může spojit snímek obrazovky s cílem uživatele a požadovat příslušný viditelný ovládací prvek a podklady podporující navržený další krok.
Volba režimu plnění pokynů nebo uvažování
Vydaná karta dokumentuje intenzitu uvažování none pro okamžitou odpověď ve stylu plnění pokynů a high pro uvažování, přičemž high doporučuje pro složité prompty. Volba se provádí pro každý požadavek v rámci stejného modelu Small 4. Běžná klasifikace nebo krátký přepis mohou mít jiný kontrakt odpovědi než matematický, vizuální či programátorský problém vyžadující rozvinuté vysvětlení.
Výrobce doporučuje teplotu 0.7 pro vysokou intenzitu uvažování. Pro none specifikuje teploty mezi 0.0 a 0.7 podle úlohy. Tato nastavení popisují zdokumentované režimy a nemění intenzitu uvažování v záruku správného výsledku. Než zvolíte množství uvažování potřebné pro úlohu, definujte předpoklady, podobu výstupu a relevantní zdrojové materiály.
Pro řešený problém dodejte úplné zadání a požadujte důležité zdůvodněné kroky následované konečným výrazem. Pro úlohu s kódem dodejte požadavek, dotčenou funkci a konkrétní vstup; navrženou implementaci požadujte odděleně od vysvětlení a příkladů. Ukázky použití výrobce zahrnují plnění pokynů, výpočetní nástroj použitý na obrázek a vizuální uvažování a ilustrují, jak mohou do těchto různých úloh vstupovat textové a vizuální podklady.
Programování, dokumenty a nástroje
Model je určen pro průzkum kódové základny a softwarové inženýrské agenty, obecné asistenty, porozumění dokumentům a výzkum. Požadavek pro programátorského agenta může pojmenovat modul ke změně, rozhraní k zachování a výsledné chování. Dodejte relevantní zdroje a doklady o selhání. Model může navrhnout další operaci nebo změnu kódu, zatímco aplikace poskytuje přístup k repozitáři, provádění a zpětnou vazbu.
Pro extrakci dokumentů určete požadovaná pole a způsob vyjádření chybějících informací. Užitečný záznam může oddělit identifikátor dokumentu, zdrojové tvrzení, vyložený požadavek a nevyřešenou otázku. Karta služby výrobce uvádí vlastní strukturovaný výstup a odpovídání na otázky k dokumentům; druhá funkce používá zpracování dokumentu a OCR k přípravě textu a struktury před analýzou jazykovým modelem. Přímá otázka k obrázku a dokumentový postup s pomocí OCR si mají zachovat vlastní přípravu vstupu.
Volání funkcí vyžaduje jasně popsané nástroje. Model vybere funkci a vytvoří argumenty; aplikace operaci provede a vrátí její výsledek pro následnou odpověď. Stejná logika platí, ať je úlohou vyhledání, výpočet nebo programátorská operace. Formátování JSON uspořádává odpověď, zatímco volání nástroje žádá externí akci; oba výsledky nelze považovat za zaměnitelné.
Karta služby uvádí také předpovězené výstupy, prefixy odpovědí, dávkové zpracování a konverzace agentů. Předpovězené výstupy jsou užitečné, když se má dokument nebo soubor kódu znovu vygenerovat pouze s omezenou změnou a zbytek obsahu je známý. Určete úpravu a materiál k zachování. Pokračování od prefixu používá známý začátek odpovědi, zatímco dávkové zpracování se týká odesílání práce, nikoli dalšího režimu uvažování.
Vymezení kontextu a edice
Písemnou úlohu, vizuální materiály, konverzaci a požadovanou odpověď plánujte podle zdokumentovaného kontextu 256 tisíc tokenů. Vydaný příklad použití nastavuje kontext 262 144 tokenů, zatímco jeho příklad generování 1 024 tokenů není samostatnou maximální výstupní kapacitou. Přečtené zdroje neposkytují nezávislý pevný limit délky odpovědi, který by nahradil zvolenou délku úlohy.
Small 4 má vlastní architekturu mixture-of-experts se 119 miliardami parametrů a hybridní režimy. Nemá přebírat hustou architekturu se 128 miliardami parametrů Medium 3.5 ani samostatné edice Instruct a Reasoning Ministral 3. Výrobce vydává také odlišné kvantizované artefakty a artefakty pro spekulativní dekódování; jde o samostatné artefakty nasazení, nikoli různé obsahové modality. Zachovejte pojmenované vydání Small 4 a režim požadovaný pro skutečné vysvětlení, strukturovaný záznam nebo výsledek kódu.
", "aboutText": "Mistral Small 4 spojuje obecné plnění pokynů, uvažování a programování v jediném multimodálním modelu. Výrobce jej popisuje jako sjednocení rodin Instruct, Magistral pro uvažování a Devstral pro programování. Přijímá text a obrázky a vrací text, přičemž pro aplikace s podporou nástrojů jsou dostupná volání funkcí a výstup JSON.\n\nArchitektura a hlavní funkce\n\nVydání má celkem 119 miliard parametrů a aktivuje 6,5 miliardy na token. Jeho architektura mixture-of-experts obsahuje 128 expertů se 4 aktivními a výrobce dokumentuje kontextové okno 256 tisíc tokenů. Počet aktivních parametrů a expertů popisuje uspořádání modelu; liší se od množství textového nebo obrazového obsahu v jedné úloze.\n\nModel poskytuje funkce plnění pokynů a uvažování ve stejném checkpointu. Výrobce uvádí také vizuální schopnosti, dodržování systémového promptu a vícejazyčnou podporu desítek jazyků, včetně angličtiny, francouzštiny, španělštiny, němčiny, italštiny, portugalštiny, nizozemštiny, čínštiny, japonštiny, korejštiny a arabštiny. Textový pokyn se tedy může ptát na obrázek nebo spojit písemný požadavek s viditelnými podklady a odpověď se vrátí jako text.\n\nVizuální úloha může dodat stránku dokumentu a požadovat hodnoty relevantní pro pojmenovanou podmínku. Označení a jednotky ponechte čitelné a uveďte, zda má výsledek zachovat původní znění, shrnout je nebo porovnat s jiným zdrojem. Úloha s rozhraním může spojit snímek obrazovky s cílem uživatele a požadovat příslušný viditelný ovládací prvek a podklady podporující navržený další krok.\n\nVolba režimu plnění pokynů nebo uvažování\n\nVydaná karta dokumentuje intenzitu uvažování none pro okamžitou odpověď ve stylu plnění pokynů a high pro uvažování, přičemž high doporučuje pro složité prompty. Volba se provádí pro každý požadavek v rámci stejného modelu Small 4. Běžná klasifikace nebo krátký přepis mohou mít jiný kontrakt odpovědi než matematický, vizuální či programátorský problém vyžadující rozvinuté vysvětlení.\n\nVýrobce doporučuje teplotu 0.7 pro vysokou intenzitu uvažování. Pro none specifikuje teploty mezi 0.0 a 0.7 podle úlohy. Tato nastavení popisují zdokumentované režimy a nemění intenzitu uvažování v záruku správného výsledku. Než zvolíte množství uvažování potřebné pro úlohu, definujte předpoklady, podobu výstupu a relevantní zdrojové materiály.\n\nPro řešený problém dodejte úplné zadání a požadujte důležité zdůvodněné kroky následované konečným výrazem. Pro úlohu s kódem dodejte požadavek, dotčenou funkci a konkrétní vstup; navrženou implementaci požadujte odděleně od vysvětlení a příkladů. Ukázky použití výrobce zahrnují plnění pokynů, výpočetní nástroj použitý na obrázek a vizuální uvažování a ilustrují, jak mohou do těchto různých úloh vstupovat textové a vizuální podklady.\n\nProgramování, dokumenty a nástroje\n\nModel je určen pro průzkum kódové základny a softwarové inženýrské agenty, obecné asistenty, porozumění dokumentům a výzkum. Požadavek pro programátorského agenta může pojmenovat modul ke změně, rozhraní k zachování a výsledné chování. Dodejte relevantní zdroje a doklady o selhání. Model může navrhnout další operaci nebo změnu kódu, zatímco aplikace poskytuje přístup k repozitáři, provádění a zpětnou vazbu.\n\nPro extrakci dokumentů určete požadovaná pole a způsob vyjádření chybějících informací. Užitečný záznam může oddělit identifikátor dokumentu, zdrojové tvrzení, vyložený požadavek a nevyřešenou otázku. Karta služby výrobce uvádí vlastní strukturovaný výstup a odpovídání na otázky k dokumentům; druhá funkce používá zpracování dokumentu a OCR k přípravě textu a struktury před analýzou jazykovým modelem. Přímá otázka k obrázku a dokumentový postup s pomocí OCR si mají zachovat vlastní přípravu vstupu.\n\nVolání funkcí vyžaduje jasně popsané nástroje. Model vybere funkci a vytvoří argumenty; aplikace operaci provede a vrátí její výsledek pro následnou odpověď. Stejná logika platí, ať je úlohou vyhledání, výpočet nebo programátorská operace. Formátování JSON uspořádává odpověď, zatímco volání nástroje žádá externí akci; oba výsledky nelze považovat za zaměnitelné.\n\nKarta služby uvádí také předpovězené výstupy, prefixy odpovědí, dávkové zpracování a konverzace agentů. Předpovězené výstupy jsou užitečné, když se má dokument nebo soubor kódu znovu vygenerovat pouze s omezenou změnou a zbytek obsahu je známý. Určete úpravu a materiál k zachování. Pokračování od prefixu používá známý začátek odpovědi, zatímco dávkové zpracování se týká odesílání práce, nikoli dalšího režimu uvažování.\n\nVymezení kontextu a edice\n\nPísemnou úlohu, vizuální materiály, konverzaci a požadovanou odpověď plánujte podle zdokumentovaného kontextu 256 tisíc tokenů. Vydaný příklad použití nastavuje kontext 262 144 tokenů, zatímco jeho příklad generování 1 024 tokenů není samostatnou maximální výstupní kapacitou. Přečtené zdroje neposkytují nezávislý pevný limit délky odpovědi, který by nahradil zvolenou délku úlohy.\n\nSmall 4 má vlastní architekturu mixture-of-experts se 119 miliardami parametrů a hybridní režimy. Nemá přebírat hustou architekturu se 128 miliardami parametrů Medium 3.5 ani samostatné edice Instruct a Reasoning Ministral 3. Výrobce vydává také odlišné kvantizované artefakty a artefakty pro spekulativní dekódování; jde o samostatné artefakty nasazení, nikoli různé obsahové modality. Zachovejte pojmenované vydání Small 4 a režim požadovaný pro skutečné vysvětlení, strukturovaný záznam nebo výsledek kódu.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Repair a last-line parser\n\nThis Python parser loses a final line without a trailing newline: def lines(text):\n return text.split("\\n")[:-1]\nReturn a corrected function that preserves nonempty final lines, avoids an artificial last empty line when text ends in a newline and returns [] for empty text. Include tests for all three cases.A corrected Python function, a short explanation and tests for newline, no-newline and empty input.Check that the last real line is retained and that only a trailing separator’s artificial empty entry is removed.mistralai/mistral-small-2603Mistral Small 4 je hybridní model pro textový a obrazový vstup se schopnostmi plnění pokynů, uvažování a programování. Jeho vydání mixture-of-experts se 119 miliardami parametrů aktivuje 6,5 miliardy parametrů na token a podporuje kontext 256 tisíc tokenů uváděný výrobcem, volitelnou intenzitu uvažování, JSON a volání funkcí.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Mistral Small 4 spojuje obecné plnění pokynů, uvažování a programování v jediném multimodálním modelu. Výrobce jej popisuje jako sjednocení rodin Instruct, Magistral pro uvažování a Devstral pro programování. Přijímá text a obrázky a vrací text, přičemž pro aplikace s podporou nástrojů jsou dostupná volání funkcí a výstup JSON.
Architektura a hlavní funkce
Vydání má celkem 119 miliard parametrů a aktivuje 6,5 miliardy na token. Jeho architektura mixture-of-experts obsahuje 128 expertů se 4 aktivními a výrobce dokumentuje kontextové okno 256 tisíc tokenů. Počet aktivních parametrů a expertů popisuje uspořádání modelu; liší se od množství textového nebo obrazového obsahu v jedné úloze.
Model poskytuje funkce plnění pokynů a uvažování ve stejném checkpointu. Výrobce uvádí také vizuální schopnosti, dodržování systémového promptu a vícejazyčnou podporu desítek jazyků, včetně angličtiny, francouzštiny, španělštiny, němčiny, italštiny, portugalštiny, nizozemštiny, čínštiny, japonštiny, korejštiny a arabštiny. Textový pokyn se tedy může ptát na obrázek nebo spojit písemný požadavek s viditelnými podklady a odpověď se vrátí jako text.
Vizuální úloha může dodat stránku dokumentu a požadovat hodnoty relevantní pro pojmenovanou podmínku. Označení a jednotky ponechte čitelné a uveďte, zda má výsledek zachovat původní znění, shrnout je nebo porovnat s jiným zdrojem. Úloha s rozhraním může spojit snímek obrazovky s cílem uživatele a požadovat příslušný viditelný ovládací prvek a podklady podporující navržený další krok.
Volba režimu plnění pokynů nebo uvažování
Vydaná karta dokumentuje intenzitu uvažování none pro okamžitou odpověď ve stylu plnění pokynů a high pro uvažování, přičemž high doporučuje pro složité prompty. Volba se provádí pro každý požadavek v rámci stejného modelu Small 4. Běžná klasifikace nebo krátký přepis mohou mít jiný kontrakt odpovědi než matematický, vizuální či programátorský problém vyžadující rozvinuté vysvětlení.
Výrobce doporučuje teplotu 0.7 pro vysokou intenzitu uvažování. Pro none specifikuje teploty mezi 0.0 a 0.7 podle úlohy. Tato nastavení popisují zdokumentované režimy a nemění intenzitu uvažování v záruku správného výsledku. Než zvolíte množství uvažování potřebné pro úlohu, definujte předpoklady, podobu výstupu a relevantní zdrojové materiály.
Pro řešený problém dodejte úplné zadání a požadujte důležité zdůvodněné kroky následované konečným výrazem. Pro úlohu s kódem dodejte požadavek, dotčenou funkci a konkrétní vstup; navrženou implementaci požadujte odděleně od vysvětlení a příkladů. Ukázky použití výrobce zahrnují plnění pokynů, výpočetní nástroj použitý na obrázek a vizuální uvažování a ilustrují, jak mohou do těchto různých úloh vstupovat textové a vizuální podklady.
Programování, dokumenty a nástroje
Model je určen pro průzkum kódové základny a softwarové inženýrské agenty, obecné asistenty, porozumění dokumentům a výzkum. Požadavek pro programátorského agenta může pojmenovat modul ke změně, rozhraní k zachování a výsledné chování. Dodejte relevantní zdroje a doklady o selhání. Model může navrhnout další operaci nebo změnu kódu, zatímco aplikace poskytuje přístup k repozitáři, provádění a zpětnou vazbu.
Pro extrakci dokumentů určete požadovaná pole a způsob vyjádření chybějících informací. Užitečný záznam může oddělit identifikátor dokumentu, zdrojové tvrzení, vyložený požadavek a nevyřešenou otázku. Karta služby výrobce uvádí vlastní strukturovaný výstup a odpovídání na otázky k dokumentům; druhá funkce používá zpracování dokumentu a OCR k přípravě textu a struktury před analýzou jazykovým modelem. Přímá otázka k obrázku a dokumentový postup s pomocí OCR si mají zachovat vlastní přípravu vstupu.
Volání funkcí vyžaduje jasně popsané nástroje. Model vybere funkci a vytvoří argumenty; aplikace operaci provede a vrátí její výsledek pro následnou odpověď. Stejná logika platí, ať je úlohou vyhledání, výpočet nebo programátorská operace. Formátování JSON uspořádává odpověď, zatímco volání nástroje žádá externí akci; oba výsledky nelze považovat za zaměnitelné.
Karta služby uvádí také předpovězené výstupy, prefixy odpovědí, dávkové zpracování a konverzace agentů. Předpovězené výstupy jsou užitečné, když se má dokument nebo soubor kódu znovu vygenerovat pouze s omezenou změnou a zbytek obsahu je známý. Určete úpravu a materiál k zachování. Pokračování od prefixu používá známý začátek odpovědi, zatímco dávkové zpracování se týká odesílání práce, nikoli dalšího režimu uvažování.
Vymezení kontextu a edice
Písemnou úlohu, vizuální materiály, konverzaci a požadovanou odpověď plánujte podle zdokumentovaného kontextu 256 tisíc tokenů. Vydaný příklad použití nastavuje kontext 262 144 tokenů, zatímco jeho příklad generování 1 024 tokenů není samostatnou maximální výstupní kapacitou. Přečtené zdroje neposkytují nezávislý pevný limit délky odpovědi, který by nahradil zvolenou délku úlohy.
Small 4 má vlastní architekturu mixture-of-experts se 119 miliardami parametrů a hybridní režimy. Nemá přebírat hustou architekturu se 128 miliardami parametrů Medium 3.5 ani samostatné edice Instruct a Reasoning Ministral 3. Výrobce vydává také odlišné kvantizované artefakty a artefakty pro spekulativní dekódování; jde o samostatné artefakty nasazení, nikoli různé obsahové modality. Zachovejte pojmenované vydání Small 4 a režim požadovaný pro skutečné vysvětlení, strukturovaný záznam nebo výsledek kódu.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity mistralai/mistral-small-2603 | 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 $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.0012 / 1K tokenů Vstup · Čtení z mezipaměti $0.00003 / 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 $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.0012 / 1K tokenů Vstup · Čtení z mezipaměti $0.00003 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-small-2603", "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-small-2603',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-small-2603',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-small-2603
Použijte cesty metod uvedené výše.
mistralai/mistral-small-2603Mistral Small 4 je hybridní model pro textový a obrazový vstup se schopnostmi plnění pokynů, uvažování a programování. Jeho vydání mixture-of-experts se 119 miliardami parametrů aktivuje 6,5 miliardy parametrů na token a podporuje kontext 256 tisíc tokenů uváděný výrobcem, volitelnou intenzitu uvažování, JSON a volání funkcí.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Mistral Small 4 spojuje obecné plnění pokynů, uvažování a programování v jediném multimodálním modelu. Výrobce jej popisuje jako sjednocení rodin Instruct, Magistral pro uvažování a Devstral pro programování. Přijímá text a obrázky a vrací text, přičemž pro aplikace s podporou nástrojů jsou dostupná volání funkcí a výstup JSON.
Architektura a hlavní funkce
Vydání má celkem 119 miliard parametrů a aktivuje 6,5 miliardy na token. Jeho architektura mixture-of-experts obsahuje 128 expertů se 4 aktivními a výrobce dokumentuje kontextové okno 256 tisíc tokenů. Počet aktivních parametrů a expertů popisuje uspořádání modelu; liší se od množství textového nebo obrazového obsahu v jedné úloze.
Model poskytuje funkce plnění pokynů a uvažování ve stejném checkpointu. Výrobce uvádí také vizuální schopnosti, dodržování systémového promptu a vícejazyčnou podporu desítek jazyků, včetně angličtiny, francouzštiny, španělštiny, němčiny, italštiny, portugalštiny, nizozemštiny, čínštiny, japonštiny, korejštiny a arabštiny. Textový pokyn se tedy může ptát na obrázek nebo spojit písemný požadavek s viditelnými podklady a odpověď se vrátí jako text.
Vizuální úloha může dodat stránku dokumentu a požadovat hodnoty relevantní pro pojmenovanou podmínku. Označení a jednotky ponechte čitelné a uveďte, zda má výsledek zachovat původní znění, shrnout je nebo porovnat s jiným zdrojem. Úloha s rozhraním může spojit snímek obrazovky s cílem uživatele a požadovat příslušný viditelný ovládací prvek a podklady podporující navržený další krok.
Volba režimu plnění pokynů nebo uvažování
Vydaná karta dokumentuje intenzitu uvažování none pro okamžitou odpověď ve stylu plnění pokynů a high pro uvažování, přičemž high doporučuje pro složité prompty. Volba se provádí pro každý požadavek v rámci stejného modelu Small 4. Běžná klasifikace nebo krátký přepis mohou mít jiný kontrakt odpovědi než matematický, vizuální či programátorský problém vyžadující rozvinuté vysvětlení.
Výrobce doporučuje teplotu 0.7 pro vysokou intenzitu uvažování. Pro none specifikuje teploty mezi 0.0 a 0.7 podle úlohy. Tato nastavení popisují zdokumentované režimy a nemění intenzitu uvažování v záruku správného výsledku. Než zvolíte množství uvažování potřebné pro úlohu, definujte předpoklady, podobu výstupu a relevantní zdrojové materiály.
Pro řešený problém dodejte úplné zadání a požadujte důležité zdůvodněné kroky následované konečným výrazem. Pro úlohu s kódem dodejte požadavek, dotčenou funkci a konkrétní vstup; navrženou implementaci požadujte odděleně od vysvětlení a příkladů. Ukázky použití výrobce zahrnují plnění pokynů, výpočetní nástroj použitý na obrázek a vizuální uvažování a ilustrují, jak mohou do těchto různých úloh vstupovat textové a vizuální podklady.
Programování, dokumenty a nástroje
Model je určen pro průzkum kódové základny a softwarové inženýrské agenty, obecné asistenty, porozumění dokumentům a výzkum. Požadavek pro programátorského agenta může pojmenovat modul ke změně, rozhraní k zachování a výsledné chování. Dodejte relevantní zdroje a doklady o selhání. Model může navrhnout další operaci nebo změnu kódu, zatímco aplikace poskytuje přístup k repozitáři, provádění a zpětnou vazbu.
Pro extrakci dokumentů určete požadovaná pole a způsob vyjádření chybějících informací. Užitečný záznam může oddělit identifikátor dokumentu, zdrojové tvrzení, vyložený požadavek a nevyřešenou otázku. Karta služby výrobce uvádí vlastní strukturovaný výstup a odpovídání na otázky k dokumentům; druhá funkce používá zpracování dokumentu a OCR k přípravě textu a struktury před analýzou jazykovým modelem. Přímá otázka k obrázku a dokumentový postup s pomocí OCR si mají zachovat vlastní přípravu vstupu.
Volání funkcí vyžaduje jasně popsané nástroje. Model vybere funkci a vytvoří argumenty; aplikace operaci provede a vrátí její výsledek pro následnou odpověď. Stejná logika platí, ať je úlohou vyhledání, výpočet nebo programátorská operace. Formátování JSON uspořádává odpověď, zatímco volání nástroje žádá externí akci; oba výsledky nelze považovat za zaměnitelné.
Karta služby uvádí také předpovězené výstupy, prefixy odpovědí, dávkové zpracování a konverzace agentů. Předpovězené výstupy jsou užitečné, když se má dokument nebo soubor kódu znovu vygenerovat pouze s omezenou změnou a zbytek obsahu je známý. Určete úpravu a materiál k zachování. Pokračování od prefixu používá známý začátek odpovědi, zatímco dávkové zpracování se týká odesílání práce, nikoli dalšího režimu uvažování.
Vymezení kontextu a edice
Písemnou úlohu, vizuální materiály, konverzaci a požadovanou odpověď plánujte podle zdokumentovaného kontextu 256 tisíc tokenů. Vydaný příklad použití nastavuje kontext 262 144 tokenů, zatímco jeho příklad generování 1 024 tokenů není samostatnou maximální výstupní kapacitou. Přečtené zdroje neposkytují nezávislý pevný limit délky odpovědi, který by nahradil zvolenou délku úlohy.
Small 4 má vlastní architekturu mixture-of-experts se 119 miliardami parametrů a hybridní režimy. Nemá přebírat hustou architekturu se 128 miliardami parametrů Medium 3.5 ani samostatné edice Instruct a Reasoning Ministral 3. Výrobce vydává také odlišné kvantizované artefakty a artefakty pro spekulativní dekódování; jde o samostatné artefakty nasazení, nikoli různé obsahové modality. Zachovejte pojmenované vydání Small 4 a režim požadovaný pro skutečné vysvětlení, strukturovaný záznam nebo výsledek kódu.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity mistralai/mistral-small-2603 | 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 $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.0012 / 1K tokenů Vstup · Čtení z mezipaměti $0.00003 / 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 $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.0012 / 1K tokenů Vstup · Čtení z mezipaměti $0.00003 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "mistralai/mistral-small-2603",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-small-2603', '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-small-2603', '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-small-2603
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Repair a last-line parser\n\nThis Python parser loses a final line without a trailing newline: def lines(text):\n return text.split("\\n")[:-1]\nReturn a corrected function that preserves nonempty final lines, avoids an artificial last empty line when text ends in a newline and returns [] for empty text. Include tests for all three cases.A corrected Python function, a short explanation and tests for newline, no-newline and empty input.Check that the last real line is retained and that only a trailing separator’s artificial empty entry is removed.