Pixtral Large er Mistral AI’s multimodale model bygget på Mistral Large 2. Den kombinerer en multimodal dekoder med 123 milliarder parametre med en billedencoder med én milliard parametre, hvilket giver en model med 124 milliarder parametre. Formålet er at bevare betydelige sproglige evner og samtidig forstå det visuelle kildemateriale, et svar kræver: en dokumentside, et diagram, et fotografi eller et skærmbillede. Input kan kombinere tekst og billeder; resultatet er tekst.
Mistral beskriver et kontekstvindue på 128K tokens og angiver, at det kan rumme mindst 30 billeder i høj opløsning. Udsagnet beskriver kontekstkapacitet frem for en universel indstilling for antal billeder pr. anmodning. Den praktiske værdi er muligheden for at sætte flere visuelle kilder i relation til ét spørgsmål. En nyttig sammenligningsopgave kan levere mærkede sider fra to rapporter og spørge, hvilke tal, etiketter og konklusioner der adskiller sig. Hold spørgsmålets tekst, hvert billedes rolle og den krævede svarstruktur samlet.
Producenten illustrerer flersproget tekstlæsning, dokumentspørgsmål, diagramfortolkning og almindelig billedforståelse. Til en dokumentassistent skal du bede om synlige feltnavne og værdier, en beskrivelse af sidens layout eller en forklaring, der forbinder ordlyden med en tabel eller figur. Ved et diagram skal du angive de akser, serier eller det interval, du vil have undersøgt. En illustrativ anmodning er: “Sammenlign disse diagrammer. Adskil værdier, du kan aflæse direkte, fra fortolkninger, identificér den viste ændring, og opregn de oplysninger, der kræves for at kontrollere konklusionen.” Resultatet kan være en felttabel, et sæt observationer eller en skriftlig forklaring.
Modelkortet lægger særlig vægt på systemprompten. Mistral anbefaler at medtage en instruktion, der angiver assistentens formål, også hvis den er kort. Det er nyttigt ved en visuel opgave, fordi det samme billede kan understøtte forskellige opgaver: udtrækning af poster, beskrivelse af en scene, forklaring af et diagram eller sammenligning med et skriftligt krav. Angiv opgaven og reglerne for usikre eller ulæselige detaljer. Når du leverer flere billeder, skal du mærke dem og angive deres rækkefølge eller indbyrdes forhold, så svaret kan forbinde observationerne med det korrekte materiale.
Mistrals modelside angiver besvarelse af dokumentspørgsmål, strukturerede output og funktionskald. Producentens grænseflade understøtter også batchbehandling. Vejledningen om struktureret output skelner mellem et JSON-objektformat og et brugerdefineret skema; JSON-tilstanden kræver stadig en udtrykkelig instruktion om at producere JSON. Ved udtrækning skal du definere felterne, behandlingen af manglende værdier og forskellen mellem transskriberet tekst og en konklusion. Et struktureret svar er nyttigt, når en applikation skal behandle resultatet, mens en fri forklaring er nyttig, når et menneske skal forstå ræsonnementet bag det.
Ved funktionskald leverer applikationen værktøjsdefinitioner, og modellen foreslår en funktion med argumenter. I Mistrals arbejdsgang udfører applikationen derefter operationen og sender resultatet tilbage, før modellen skriver det opfølgende svar. En dokumentarbejdsgang kan bruge et værktøj til at slå en identifikator op, som er læst fra et billede, og derefter bede om en forklaring med den returnerede post. Den visuelle model får ikke vilkårlig adgang til eksterne data, blot fordi et billede nævner en post: Den tilladte operation og dens resultat kommer fra applikationen.
Producenten angiver også funktioner til forudsagt output og præfikser. Forudsagt output lader den kaldende part levere forventet tekst, når et dokument eller en kodefil regenereres med en lille ændring; et præfiks definerer svarets begyndelsestekst. Det er særskilte forberedelsesværktøjer frem for ekstra visuelle modaliteter. Det nyttige output er fortsat en tekstlig beskrivelse, udtrækning eller forklaring, ikke et nyrenderet billede. Vælg tydelige kildebilleder, angiv, hvad der skal bevares, og kontrollér kritiske aflæsninger mod originalsiden.
Betegnelsen latest er et familiealias, mens Pixtral-Large-Instruct-2411 er den faste producentudgivelse, som modelkortet dokumenterer. Hold disse navne adskilt, når du forbereder en opgave, der skal kunne gentages. Det offentliggjorte konteksttal beskriver producentens model; de læste sider fastlægger ikke en særskilt universel grænse for outputtokens. Vælg billedsættet, det skriftlige spørgsmål og den ønskede svarlængde samlet, og hold versionsspecifikke anmodningsgrænser adskilt fra de generelle visuelle funktioner, der beskrives her.
", "aboutText": "Pixtral Large er Mistral AI’s multimodale model bygget på Mistral Large 2. Den kombinerer en multimodal dekoder med 123 milliarder parametre med en billedencoder med én milliard parametre, hvilket giver en model med 124 milliarder parametre. Formålet er at bevare betydelige sproglige evner og samtidig forstå det visuelle kildemateriale, et svar kræver: en dokumentside, et diagram, et fotografi eller et skærmbillede. Input kan kombinere tekst og billeder; resultatet er tekst.\n\nMistral beskriver et kontekstvindue på 128K tokens og angiver, at det kan rumme mindst 30 billeder i høj opløsning. Udsagnet beskriver kontekstkapacitet frem for en universel indstilling for antal billeder pr. anmodning. Den praktiske værdi er muligheden for at sætte flere visuelle kilder i relation til ét spørgsmål. En nyttig sammenligningsopgave kan levere mærkede sider fra to rapporter og spørge, hvilke tal, etiketter og konklusioner der adskiller sig. Hold spørgsmålets tekst, hvert billedes rolle og den krævede svarstruktur samlet.\n\nProducenten illustrerer flersproget tekstlæsning, dokumentspørgsmål, diagramfortolkning og almindelig billedforståelse. Til en dokumentassistent skal du bede om synlige feltnavne og værdier, en beskrivelse af sidens layout eller en forklaring, der forbinder ordlyden med en tabel eller figur. Ved et diagram skal du angive de akser, serier eller det interval, du vil have undersøgt. En illustrativ anmodning er: “Sammenlign disse diagrammer. Adskil værdier, du kan aflæse direkte, fra fortolkninger, identificér den viste ændring, og opregn de oplysninger, der kræves for at kontrollere konklusionen.” Resultatet kan være en felttabel, et sæt observationer eller en skriftlig forklaring.\n\nModelkortet lægger særlig vægt på systemprompten. Mistral anbefaler at medtage en instruktion, der angiver assistentens formål, også hvis den er kort. Det er nyttigt ved en visuel opgave, fordi det samme billede kan understøtte forskellige opgaver: udtrækning af poster, beskrivelse af en scene, forklaring af et diagram eller sammenligning med et skriftligt krav. Angiv opgaven og reglerne for usikre eller ulæselige detaljer. Når du leverer flere billeder, skal du mærke dem og angive deres rækkefølge eller indbyrdes forhold, så svaret kan forbinde observationerne med det korrekte materiale.\n\nMistrals modelside angiver besvarelse af dokumentspørgsmål, strukturerede output og funktionskald. Producentens grænseflade understøtter også batchbehandling. Vejledningen om struktureret output skelner mellem et JSON-objektformat og et brugerdefineret skema; JSON-tilstanden kræver stadig en udtrykkelig instruktion om at producere JSON. Ved udtrækning skal du definere felterne, behandlingen af manglende værdier og forskellen mellem transskriberet tekst og en konklusion. Et struktureret svar er nyttigt, når en applikation skal behandle resultatet, mens en fri forklaring er nyttig, når et menneske skal forstå ræsonnementet bag det.\n\nVed funktionskald leverer applikationen værktøjsdefinitioner, og modellen foreslår en funktion med argumenter. I Mistrals arbejdsgang udfører applikationen derefter operationen og sender resultatet tilbage, før modellen skriver det opfølgende svar. En dokumentarbejdsgang kan bruge et værktøj til at slå en identifikator op, som er læst fra et billede, og derefter bede om en forklaring med den returnerede post. Den visuelle model får ikke vilkårlig adgang til eksterne data, blot fordi et billede nævner en post: Den tilladte operation og dens resultat kommer fra applikationen.\n\nProducenten angiver også funktioner til forudsagt output og præfikser. Forudsagt output lader den kaldende part levere forventet tekst, når et dokument eller en kodefil regenereres med en lille ændring; et præfiks definerer svarets begyndelsestekst. Det er særskilte forberedelsesværktøjer frem for ekstra visuelle modaliteter. Det nyttige output er fortsat en tekstlig beskrivelse, udtrækning eller forklaring, ikke et nyrenderet billede. Vælg tydelige kildebilleder, angiv, hvad der skal bevares, og kontrollér kritiske aflæsninger mod originalsiden.\n\nBetegnelsen latest er et familiealias, mens Pixtral-Large-Instruct-2411 er den faste producentudgivelse, som modelkortet dokumenterer. Hold disse navne adskilt, når du forbereder en opgave, der skal kunne gentages. Det offentliggjorte konteksttal beskriver producentens model; de læste sider fastlægger ikke en særskilt universel grænse for outputtokens. Vælg billedsættet, det skriftlige spørgsmål og den ønskede svarlængde samlet, og hold versionsspecifikke anmodningsgrænser adskilt fra de generelle visuelle funktioner, der beskrives her.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.pixtral-large-latestPixtral Large kombinerer Mistrals sproglige evner med billedforståelse til dokumenter, diagrammer og fotografier. Den producerer tekstsvar og understøtter strukturerede resultater og applikationsdefinerede værktøjer i producentens dokumenterede grænseflader.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Pixtral Large er Mistral AI’s multimodale model bygget på Mistral Large 2. Den kombinerer en multimodal dekoder med 123 milliarder parametre med en billedencoder med én milliard parametre, hvilket giver en model med 124 milliarder parametre. Formålet er at bevare betydelige sproglige evner og samtidig forstå det visuelle kildemateriale, et svar kræver: en dokumentside, et diagram, et fotografi eller et skærmbillede. Input kan kombinere tekst og billeder; resultatet er tekst.
Mistral beskriver et kontekstvindue på 128K tokens og angiver, at det kan rumme mindst 30 billeder i høj opløsning. Udsagnet beskriver kontekstkapacitet frem for en universel indstilling for antal billeder pr. anmodning. Den praktiske værdi er muligheden for at sætte flere visuelle kilder i relation til ét spørgsmål. En nyttig sammenligningsopgave kan levere mærkede sider fra to rapporter og spørge, hvilke tal, etiketter og konklusioner der adskiller sig. Hold spørgsmålets tekst, hvert billedes rolle og den krævede svarstruktur samlet.
Producenten illustrerer flersproget tekstlæsning, dokumentspørgsmål, diagramfortolkning og almindelig billedforståelse. Til en dokumentassistent skal du bede om synlige feltnavne og værdier, en beskrivelse af sidens layout eller en forklaring, der forbinder ordlyden med en tabel eller figur. Ved et diagram skal du angive de akser, serier eller det interval, du vil have undersøgt. En illustrativ anmodning er: “Sammenlign disse diagrammer. Adskil værdier, du kan aflæse direkte, fra fortolkninger, identificér den viste ændring, og opregn de oplysninger, der kræves for at kontrollere konklusionen.” Resultatet kan være en felttabel, et sæt observationer eller en skriftlig forklaring.
Modelkortet lægger særlig vægt på systemprompten. Mistral anbefaler at medtage en instruktion, der angiver assistentens formål, også hvis den er kort. Det er nyttigt ved en visuel opgave, fordi det samme billede kan understøtte forskellige opgaver: udtrækning af poster, beskrivelse af en scene, forklaring af et diagram eller sammenligning med et skriftligt krav. Angiv opgaven og reglerne for usikre eller ulæselige detaljer. Når du leverer flere billeder, skal du mærke dem og angive deres rækkefølge eller indbyrdes forhold, så svaret kan forbinde observationerne med det korrekte materiale.
Mistrals modelside angiver besvarelse af dokumentspørgsmål, strukturerede output og funktionskald. Producentens grænseflade understøtter også batchbehandling. Vejledningen om struktureret output skelner mellem et JSON-objektformat og et brugerdefineret skema; JSON-tilstanden kræver stadig en udtrykkelig instruktion om at producere JSON. Ved udtrækning skal du definere felterne, behandlingen af manglende værdier og forskellen mellem transskriberet tekst og en konklusion. Et struktureret svar er nyttigt, når en applikation skal behandle resultatet, mens en fri forklaring er nyttig, når et menneske skal forstå ræsonnementet bag det.
Ved funktionskald leverer applikationen værktøjsdefinitioner, og modellen foreslår en funktion med argumenter. I Mistrals arbejdsgang udfører applikationen derefter operationen og sender resultatet tilbage, før modellen skriver det opfølgende svar. En dokumentarbejdsgang kan bruge et værktøj til at slå en identifikator op, som er læst fra et billede, og derefter bede om en forklaring med den returnerede post. Den visuelle model får ikke vilkårlig adgang til eksterne data, blot fordi et billede nævner en post: Den tilladte operation og dens resultat kommer fra applikationen.
Producenten angiver også funktioner til forudsagt output og præfikser. Forudsagt output lader den kaldende part levere forventet tekst, når et dokument eller en kodefil regenereres med en lille ændring; et præfiks definerer svarets begyndelsestekst. Det er særskilte forberedelsesværktøjer frem for ekstra visuelle modaliteter. Det nyttige output er fortsat en tekstlig beskrivelse, udtrækning eller forklaring, ikke et nyrenderet billede. Vælg tydelige kildebilleder, angiv, hvad der skal bevares, og kontrollér kritiske aflæsninger mod originalsiden.
Betegnelsen latest er et familiealias, mens Pixtral-Large-Instruct-2411 er den faste producentudgivelse, som modelkortet dokumenterer. Hold disse navne adskilt, når du forbereder en opgave, der skal kunne gentages. Det offentliggjorte konteksttal beskriver producentens model; de læste sider fastlægger ikke en særskilt universel grænse for outputtokens. Vælg billedsættet, det skriftlige spørgsmål og den ønskede svarlængde samlet, og hold versionsspecifikke anmodningsgrænser adskilt fra de generelle visuelle funktioner, der beskrives her.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser pixtral-large-latest | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0044 / 1K tokens Output · Outputtokens $0.0132 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "pixtral-large-latest", "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='pixtral-large-latest',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='pixtral-large-latest',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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra pixtral-large-latest
Brug metodestierne vist ovenfor.
pixtral-large-latestPixtral Large kombinerer Mistrals sproglige evner med billedforståelse til dokumenter, diagrammer og fotografier. Den producerer tekstsvar og understøtter strukturerede resultater og applikationsdefinerede værktøjer i producentens dokumenterede grænseflader.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Pixtral Large er Mistral AI’s multimodale model bygget på Mistral Large 2. Den kombinerer en multimodal dekoder med 123 milliarder parametre med en billedencoder med én milliard parametre, hvilket giver en model med 124 milliarder parametre. Formålet er at bevare betydelige sproglige evner og samtidig forstå det visuelle kildemateriale, et svar kræver: en dokumentside, et diagram, et fotografi eller et skærmbillede. Input kan kombinere tekst og billeder; resultatet er tekst.
Mistral beskriver et kontekstvindue på 128K tokens og angiver, at det kan rumme mindst 30 billeder i høj opløsning. Udsagnet beskriver kontekstkapacitet frem for en universel indstilling for antal billeder pr. anmodning. Den praktiske værdi er muligheden for at sætte flere visuelle kilder i relation til ét spørgsmål. En nyttig sammenligningsopgave kan levere mærkede sider fra to rapporter og spørge, hvilke tal, etiketter og konklusioner der adskiller sig. Hold spørgsmålets tekst, hvert billedes rolle og den krævede svarstruktur samlet.
Producenten illustrerer flersproget tekstlæsning, dokumentspørgsmål, diagramfortolkning og almindelig billedforståelse. Til en dokumentassistent skal du bede om synlige feltnavne og værdier, en beskrivelse af sidens layout eller en forklaring, der forbinder ordlyden med en tabel eller figur. Ved et diagram skal du angive de akser, serier eller det interval, du vil have undersøgt. En illustrativ anmodning er: “Sammenlign disse diagrammer. Adskil værdier, du kan aflæse direkte, fra fortolkninger, identificér den viste ændring, og opregn de oplysninger, der kræves for at kontrollere konklusionen.” Resultatet kan være en felttabel, et sæt observationer eller en skriftlig forklaring.
Modelkortet lægger særlig vægt på systemprompten. Mistral anbefaler at medtage en instruktion, der angiver assistentens formål, også hvis den er kort. Det er nyttigt ved en visuel opgave, fordi det samme billede kan understøtte forskellige opgaver: udtrækning af poster, beskrivelse af en scene, forklaring af et diagram eller sammenligning med et skriftligt krav. Angiv opgaven og reglerne for usikre eller ulæselige detaljer. Når du leverer flere billeder, skal du mærke dem og angive deres rækkefølge eller indbyrdes forhold, så svaret kan forbinde observationerne med det korrekte materiale.
Mistrals modelside angiver besvarelse af dokumentspørgsmål, strukturerede output og funktionskald. Producentens grænseflade understøtter også batchbehandling. Vejledningen om struktureret output skelner mellem et JSON-objektformat og et brugerdefineret skema; JSON-tilstanden kræver stadig en udtrykkelig instruktion om at producere JSON. Ved udtrækning skal du definere felterne, behandlingen af manglende værdier og forskellen mellem transskriberet tekst og en konklusion. Et struktureret svar er nyttigt, når en applikation skal behandle resultatet, mens en fri forklaring er nyttig, når et menneske skal forstå ræsonnementet bag det.
Ved funktionskald leverer applikationen værktøjsdefinitioner, og modellen foreslår en funktion med argumenter. I Mistrals arbejdsgang udfører applikationen derefter operationen og sender resultatet tilbage, før modellen skriver det opfølgende svar. En dokumentarbejdsgang kan bruge et værktøj til at slå en identifikator op, som er læst fra et billede, og derefter bede om en forklaring med den returnerede post. Den visuelle model får ikke vilkårlig adgang til eksterne data, blot fordi et billede nævner en post: Den tilladte operation og dens resultat kommer fra applikationen.
Producenten angiver også funktioner til forudsagt output og præfikser. Forudsagt output lader den kaldende part levere forventet tekst, når et dokument eller en kodefil regenereres med en lille ændring; et præfiks definerer svarets begyndelsestekst. Det er særskilte forberedelsesværktøjer frem for ekstra visuelle modaliteter. Det nyttige output er fortsat en tekstlig beskrivelse, udtrækning eller forklaring, ikke et nyrenderet billede. Vælg tydelige kildebilleder, angiv, hvad der skal bevares, og kontrollér kritiske aflæsninger mod originalsiden.
Betegnelsen latest er et familiealias, mens Pixtral-Large-Instruct-2411 er den faste producentudgivelse, som modelkortet dokumenterer. Hold disse navne adskilt, når du forbereder en opgave, der skal kunne gentages. Det offentliggjorte konteksttal beskriver producentens model; de læste sider fastlægger ikke en særskilt universel grænse for outputtokens. Vælg billedsættet, det skriftlige spørgsmål og den ønskede svarlængde samlet, og hold versionsspecifikke anmodningsgrænser adskilt fra de generelle visuelle funktioner, der beskrives her.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser pixtral-large-latest | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0044 / 1K tokens Output · Outputtokens $0.0132 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "pixtral-large-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'pixtral-large-latest', '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': 'pixtral-large-latest', '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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra pixtral-large-latest
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.