Mistral Medium 3.1 ist eine multimodale Ausgabe von Mistral AI für textliches und visuelles Verständnis. Der Hersteller beschreibt diese Revision als Verbesserung von Ton und Leistung innerhalb der Medium-3-Linie. Sie nimmt Text und Bilder entgegen und erzeugt Text: eine Erklärung, Dokumentantwort, einen strukturierten Datensatz oder vorgeschlagenen Funktionsaufruf. Die feste Herstellerkennung dieser Ausgabe lautet mistral-medium-2508.
Kontext und konkrete Ausgabe
Die Modellseite dokumentiert ein Kontextfenster von 128k. Nutzen Sie es, um zusammengehörige Quellpassagen, Bildbelege, das Gespräch und die Nutzeraufgabe zusammenzuhalten. Benennen Sie Dokumentrollen und die zu beantwortende Frage, bevor Sie eine grosse Sammlung bereitstellen. Ein langer Kontext kann einen gezielten Vergleich unterstützen, während das abschliessende Artefakt eine kurze Tabelle oder ein überarbeiteter Abschnitt bleibt.
Medium 3.1 behält seine eigene Spezifikation. Der Kontext von 256k, die dichte Architektur mit 128 Milliarden Parametern und die einstellbaren hybriden Denkmodi von Medium 3.5 dürfen diesem Eintrag nicht zugeschrieben werden. Die Seite zu 3.1 nennt weder eine Parameterzahl noch eine separate maximale Antwortlänge, die gefahrlos aus dem späteren Modell übernommen werden könnte.
Strukturierte Ausgaben und Funktionen
Der Hersteller nennt strukturierte Ausgaben, Funktionsaufrufe und vorhergesagte Ausgaben als Funktionen dieser Ausgabe. Definieren Sie für eine strukturierte Extraktionsaufgabe die erforderlichen Felder, erwarteten Typen und den Umgang mit in der Quelle fehlenden Informationen. Ein Datensatz kann Dokumentkennung, extrahierte Aussage, Quellstelle und verbleibende Frage enthalten. Fordern Sie nur den Datensatz an, wenn ein Programm ihn parst, oder halten Sie eine Prosaerklärung getrennt, wenn jemand die Interpretation prüfen muss.
Mistrals gemeinsame Dokumentation für strukturierte Ausgaben unterscheidet den JSON-Modus von einem benutzerdefinierten Schema. Der JSON-Modus verlangt eine ausdrückliche Anweisung zum gewünschten JSON-Format, während der benutzerdefinierte Weg eine spezifischere Struktur definiert. Dies ist die Formatierung des Textergebnisses und keine neue Inhaltsmodalität oder externe Handlung.
Für Funktionen definiert die Anwendung den verfügbaren Vorgang und die Argumente, das Modell wählt einen passenden Aufruf und bereitet Werte vor, und die Anwendung führt ihn aus. Sein Ergebnis liefert anschliessend Informationen für die nächste Antwort. Ein Dokumentassistent kann eine Abfrage nutzen, um fehlende Referenzdaten zu erhalten, jedoch nur, wenn die umgebende Anwendung diese Abfrage bereitstellt und ihr tatsächliches Ergebnis zurückgibt. Halten Sie vorgeschlagenen Aufruf und zurückgegebene Daten miteinander verknüpft.
Vorhergesagte Änderungen und Antwortpräfixe
Vorhergesagte Ausgaben sind nützlich, wenn der Grossteil des gewünschten Ergebnisses bereits bekannt ist, etwa bei einem Dokument oder einer Codedatei mit begrenztem Änderungsbedarf. Stellen Sie den vorhandenen Inhalt bereit und beschreiben Sie die Änderung präzise, einschliesslich dessen, was unverändert bleiben muss. Eine Anfrage könnte die Terminologie eines Abschnitts aktualisieren oder ein Implementierungsdetail ersetzen und den Rest des Dokuments erhalten. Die Vorhersage enthält erwarteten Ausgabeinhalt und keine bereits in einer Datei angewendete Änderung.
Die Modellseite nennt auch Antwortpräfixfortsetzung. In der Chatdokumentation des Herstellers liefert ein Präfix einen bekannten Anfang für die Assistentenantwort; danach wird die Generierung fortgesetzt. Ein bekannter Anfang und ein vorhergesagter Hauptinhalt lösen unterschiedliche Vorbereitungsprobleme. Auch Stapelverarbeitung und Agenten- oder Gesprächsschnittstellen sind Ablauffunktionen und keine separaten Bild-, Audio- oder Denkausgaben von Medium 3.1.
Dokument- und Bildfragen
Der aufgeführte Document-QnA-Ablauf verbindet per OCR aufbereiteten Text, Struktur und Formatierung mit Sprachmodellanalyse. Fragen Sie nach der konkreten Bedingung, Passage oder Beziehung, die die Aufgabe benötigt. Ein Vergleich kann die Quelldokumente benennen und gemeinsame Aussagen, Konflikte und ungeklärte Details verlangen, wobei die Quellstelle neben jeder Erkenntnis erhalten bleibt.
Die Anleitung für Bildverständnis des Herstellers schliesst Medium 3.1 ausdrücklich ein. Eine direkte Bildfrage kann ein lesbares Diagramm, Dokumentbild oder einen Screenshot bereitstellen und fragen, welche sichtbaren Belege eine Schlussfolgerung stützen. Bewahren Sie Achsen, Einheiten, Beschriftungen und den Kontext um ein ausgeschnittenes Feld. Benennen Sie bei mehreren Bildern deren Reihenfolge und Rolle, statt das Modell erschliessen zu lassen, welches das Original, die Revision oder die Referenz ist.
Verbinden Sie beispielsweise eine schriftliche Prozessanforderung mit einem Screenshot und fordern Sie eine Tabelle sichtbarer Übereinstimmungen, Unterschiede und Fragen mit weiterem Informationsbedarf an. Eine andere Aufgabe kann zwei Dokumentversionen bereitstellen und eine überarbeitete Passage verlangen, die gemeinsame Bedingungen erhält und eine benannte Unstimmigkeit auflöst. Dies sind vorgeschlagene Anwendungen der dokumentierten Bild-, Dokument- und Bearbeitungsfähigkeiten, bei denen das erforderliche Ergebnis vorab festgelegt ist.
Das abschliessende Artefakt vorbereiten
Geben Sie dem Assistenten eine klare Rolle, das zu verwendende Quellmaterial und die Antwortform. Halten Sie dauerhafte Antwortregeln vom untersuchten Dokument getrennt und nennen Sie Zielsprache und Terminologie. Eine nützliche Antwort kann extrahierten Fakt, Quelle und Interpretation trennen und ist dadurch leichter prüfbar als eine einzige zusammengeführte Zusammenfassung.
Das dokumentierte Ergebnis bleibt Text. Externe Werkzeuge, Dateiänderungen und weitere Dokumentverarbeitung gehören zur mit dem Gespräch verbundenen Anwendung. Bewahren Sie die benannte Ausgabe Medium 3.1 und ihren Kontext von 128k und verlangen Sie die Erklärung, den strukturierten Datensatz oder die gezielte Überarbeitung, die der nächste Schritt tatsächlich braucht.
", "aboutText": "Mistral Medium 3.1 ist eine multimodale Ausgabe von Mistral AI für textliches und visuelles Verständnis. Der Hersteller beschreibt diese Revision als Verbesserung von Ton und Leistung innerhalb der Medium-3-Linie. Sie nimmt Text und Bilder entgegen und erzeugt Text: eine Erklärung, Dokumentantwort, einen strukturierten Datensatz oder vorgeschlagenen Funktionsaufruf. Die feste Herstellerkennung dieser Ausgabe lautet mistral-medium-2508.\n\nKontext und konkrete Ausgabe\n\nDie Modellseite dokumentiert ein Kontextfenster von 128k. Nutzen Sie es, um zusammengehörige Quellpassagen, Bildbelege, das Gespräch und die Nutzeraufgabe zusammenzuhalten. Benennen Sie Dokumentrollen und die zu beantwortende Frage, bevor Sie eine grosse Sammlung bereitstellen. Ein langer Kontext kann einen gezielten Vergleich unterstützen, während das abschliessende Artefakt eine kurze Tabelle oder ein überarbeiteter Abschnitt bleibt.\n\nMedium 3.1 behält seine eigene Spezifikation. Der Kontext von 256k, die dichte Architektur mit 128 Milliarden Parametern und die einstellbaren hybriden Denkmodi von Medium 3.5 dürfen diesem Eintrag nicht zugeschrieben werden. Die Seite zu 3.1 nennt weder eine Parameterzahl noch eine separate maximale Antwortlänge, die gefahrlos aus dem späteren Modell übernommen werden könnte.\n\nStrukturierte Ausgaben und Funktionen\n\nDer Hersteller nennt strukturierte Ausgaben, Funktionsaufrufe und vorhergesagte Ausgaben als Funktionen dieser Ausgabe. Definieren Sie für eine strukturierte Extraktionsaufgabe die erforderlichen Felder, erwarteten Typen und den Umgang mit in der Quelle fehlenden Informationen. Ein Datensatz kann Dokumentkennung, extrahierte Aussage, Quellstelle und verbleibende Frage enthalten. Fordern Sie nur den Datensatz an, wenn ein Programm ihn parst, oder halten Sie eine Prosaerklärung getrennt, wenn jemand die Interpretation prüfen muss.\n\nMistrals gemeinsame Dokumentation für strukturierte Ausgaben unterscheidet den JSON-Modus von einem benutzerdefinierten Schema. Der JSON-Modus verlangt eine ausdrückliche Anweisung zum gewünschten JSON-Format, während der benutzerdefinierte Weg eine spezifischere Struktur definiert. Dies ist die Formatierung des Textergebnisses und keine neue Inhaltsmodalität oder externe Handlung.\n\nFür Funktionen definiert die Anwendung den verfügbaren Vorgang und die Argumente, das Modell wählt einen passenden Aufruf und bereitet Werte vor, und die Anwendung führt ihn aus. Sein Ergebnis liefert anschliessend Informationen für die nächste Antwort. Ein Dokumentassistent kann eine Abfrage nutzen, um fehlende Referenzdaten zu erhalten, jedoch nur, wenn die umgebende Anwendung diese Abfrage bereitstellt und ihr tatsächliches Ergebnis zurückgibt. Halten Sie vorgeschlagenen Aufruf und zurückgegebene Daten miteinander verknüpft.\n\nVorhergesagte Änderungen und Antwortpräfixe\n\nVorhergesagte Ausgaben sind nützlich, wenn der Grossteil des gewünschten Ergebnisses bereits bekannt ist, etwa bei einem Dokument oder einer Codedatei mit begrenztem Änderungsbedarf. Stellen Sie den vorhandenen Inhalt bereit und beschreiben Sie die Änderung präzise, einschliesslich dessen, was unverändert bleiben muss. Eine Anfrage könnte die Terminologie eines Abschnitts aktualisieren oder ein Implementierungsdetail ersetzen und den Rest des Dokuments erhalten. Die Vorhersage enthält erwarteten Ausgabeinhalt und keine bereits in einer Datei angewendete Änderung.\n\nDie Modellseite nennt auch Antwortpräfixfortsetzung. In der Chatdokumentation des Herstellers liefert ein Präfix einen bekannten Anfang für die Assistentenantwort; danach wird die Generierung fortgesetzt. Ein bekannter Anfang und ein vorhergesagter Hauptinhalt lösen unterschiedliche Vorbereitungsprobleme. Auch Stapelverarbeitung und Agenten- oder Gesprächsschnittstellen sind Ablauffunktionen und keine separaten Bild-, Audio- oder Denkausgaben von Medium 3.1.\n\nDokument- und Bildfragen\n\nDer aufgeführte Document-QnA-Ablauf verbindet per OCR aufbereiteten Text, Struktur und Formatierung mit Sprachmodellanalyse. Fragen Sie nach der konkreten Bedingung, Passage oder Beziehung, die die Aufgabe benötigt. Ein Vergleich kann die Quelldokumente benennen und gemeinsame Aussagen, Konflikte und ungeklärte Details verlangen, wobei die Quellstelle neben jeder Erkenntnis erhalten bleibt.\n\nDie Anleitung für Bildverständnis des Herstellers schliesst Medium 3.1 ausdrücklich ein. Eine direkte Bildfrage kann ein lesbares Diagramm, Dokumentbild oder einen Screenshot bereitstellen und fragen, welche sichtbaren Belege eine Schlussfolgerung stützen. Bewahren Sie Achsen, Einheiten, Beschriftungen und den Kontext um ein ausgeschnittenes Feld. Benennen Sie bei mehreren Bildern deren Reihenfolge und Rolle, statt das Modell erschliessen zu lassen, welches das Original, die Revision oder die Referenz ist.\n\nVerbinden Sie beispielsweise eine schriftliche Prozessanforderung mit einem Screenshot und fordern Sie eine Tabelle sichtbarer Übereinstimmungen, Unterschiede und Fragen mit weiterem Informationsbedarf an. Eine andere Aufgabe kann zwei Dokumentversionen bereitstellen und eine überarbeitete Passage verlangen, die gemeinsame Bedingungen erhält und eine benannte Unstimmigkeit auflöst. Dies sind vorgeschlagene Anwendungen der dokumentierten Bild-, Dokument- und Bearbeitungsfähigkeiten, bei denen das erforderliche Ergebnis vorab festgelegt ist.\n\nDas abschliessende Artefakt vorbereiten\n\nGeben Sie dem Assistenten eine klare Rolle, das zu verwendende Quellmaterial und die Antwortform. Halten Sie dauerhafte Antwortregeln vom untersuchten Dokument getrennt und nennen Sie Zielsprache und Terminologie. Eine nützliche Antwort kann extrahierten Fakt, Quelle und Interpretation trennen und ist dadurch leichter prüfbar als eine einzige zusammengeführte Zusammenfassung.\n\nDas dokumentierte Ergebnis bleibt Text. Externe Werkzeuge, Dateiänderungen und weitere Dokumentverarbeitung gehören zur mit dem Gespräch verbundenen Anwendung. Bewahren Sie die benannte Ausgabe Medium 3.1 und ihren Kontext von 128k und verlangen Sie die Erklärung, den strukturierten Datensatz oder die gezielte Überarbeitung, die der nächste Schritt tatsächlich braucht.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "abe9510d9cf9a726b7905c941404c9de1e503716cc1a359805dd7d6b56cd281d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "mistralai/mistral-medium-3.1:batchMistral Medium 3.1 ist ein Text- und Bildmodell für Gesprächsantworten, Dokumentfragen und strukturierte Extraktion. Sein Herstellerkontext von 128k sowie die aufgeführten Funktionen für Funktionsaufrufe, vorhergesagte Ausgaben und Präfixe unterstützen quellenbasierte Erklärungen und gezielte Bearbeitungsabläufe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Mistral Medium 3.1 ist eine multimodale Ausgabe von Mistral AI für textliches und visuelles Verständnis. Der Hersteller beschreibt diese Revision als Verbesserung von Ton und Leistung innerhalb der Medium-3-Linie. Sie nimmt Text und Bilder entgegen und erzeugt Text: eine Erklärung, Dokumentantwort, einen strukturierten Datensatz oder vorgeschlagenen Funktionsaufruf. Die feste Herstellerkennung dieser Ausgabe lautet mistral-medium-2508.
Kontext und konkrete Ausgabe
Die Modellseite dokumentiert ein Kontextfenster von 128k. Nutzen Sie es, um zusammengehörige Quellpassagen, Bildbelege, das Gespräch und die Nutzeraufgabe zusammenzuhalten. Benennen Sie Dokumentrollen und die zu beantwortende Frage, bevor Sie eine grosse Sammlung bereitstellen. Ein langer Kontext kann einen gezielten Vergleich unterstützen, während das abschliessende Artefakt eine kurze Tabelle oder ein überarbeiteter Abschnitt bleibt.
Medium 3.1 behält seine eigene Spezifikation. Der Kontext von 256k, die dichte Architektur mit 128 Milliarden Parametern und die einstellbaren hybriden Denkmodi von Medium 3.5 dürfen diesem Eintrag nicht zugeschrieben werden. Die Seite zu 3.1 nennt weder eine Parameterzahl noch eine separate maximale Antwortlänge, die gefahrlos aus dem späteren Modell übernommen werden könnte.
Strukturierte Ausgaben und Funktionen
Der Hersteller nennt strukturierte Ausgaben, Funktionsaufrufe und vorhergesagte Ausgaben als Funktionen dieser Ausgabe. Definieren Sie für eine strukturierte Extraktionsaufgabe die erforderlichen Felder, erwarteten Typen und den Umgang mit in der Quelle fehlenden Informationen. Ein Datensatz kann Dokumentkennung, extrahierte Aussage, Quellstelle und verbleibende Frage enthalten. Fordern Sie nur den Datensatz an, wenn ein Programm ihn parst, oder halten Sie eine Prosaerklärung getrennt, wenn jemand die Interpretation prüfen muss.
Mistrals gemeinsame Dokumentation für strukturierte Ausgaben unterscheidet den JSON-Modus von einem benutzerdefinierten Schema. Der JSON-Modus verlangt eine ausdrückliche Anweisung zum gewünschten JSON-Format, während der benutzerdefinierte Weg eine spezifischere Struktur definiert. Dies ist die Formatierung des Textergebnisses und keine neue Inhaltsmodalität oder externe Handlung.
Für Funktionen definiert die Anwendung den verfügbaren Vorgang und die Argumente, das Modell wählt einen passenden Aufruf und bereitet Werte vor, und die Anwendung führt ihn aus. Sein Ergebnis liefert anschliessend Informationen für die nächste Antwort. Ein Dokumentassistent kann eine Abfrage nutzen, um fehlende Referenzdaten zu erhalten, jedoch nur, wenn die umgebende Anwendung diese Abfrage bereitstellt und ihr tatsächliches Ergebnis zurückgibt. Halten Sie vorgeschlagenen Aufruf und zurückgegebene Daten miteinander verknüpft.
Vorhergesagte Änderungen und Antwortpräfixe
Vorhergesagte Ausgaben sind nützlich, wenn der Grossteil des gewünschten Ergebnisses bereits bekannt ist, etwa bei einem Dokument oder einer Codedatei mit begrenztem Änderungsbedarf. Stellen Sie den vorhandenen Inhalt bereit und beschreiben Sie die Änderung präzise, einschliesslich dessen, was unverändert bleiben muss. Eine Anfrage könnte die Terminologie eines Abschnitts aktualisieren oder ein Implementierungsdetail ersetzen und den Rest des Dokuments erhalten. Die Vorhersage enthält erwarteten Ausgabeinhalt und keine bereits in einer Datei angewendete Änderung.
Die Modellseite nennt auch Antwortpräfixfortsetzung. In der Chatdokumentation des Herstellers liefert ein Präfix einen bekannten Anfang für die Assistentenantwort; danach wird die Generierung fortgesetzt. Ein bekannter Anfang und ein vorhergesagter Hauptinhalt lösen unterschiedliche Vorbereitungsprobleme. Auch Stapelverarbeitung und Agenten- oder Gesprächsschnittstellen sind Ablauffunktionen und keine separaten Bild-, Audio- oder Denkausgaben von Medium 3.1.
Dokument- und Bildfragen
Der aufgeführte Document-QnA-Ablauf verbindet per OCR aufbereiteten Text, Struktur und Formatierung mit Sprachmodellanalyse. Fragen Sie nach der konkreten Bedingung, Passage oder Beziehung, die die Aufgabe benötigt. Ein Vergleich kann die Quelldokumente benennen und gemeinsame Aussagen, Konflikte und ungeklärte Details verlangen, wobei die Quellstelle neben jeder Erkenntnis erhalten bleibt.
Die Anleitung für Bildverständnis des Herstellers schliesst Medium 3.1 ausdrücklich ein. Eine direkte Bildfrage kann ein lesbares Diagramm, Dokumentbild oder einen Screenshot bereitstellen und fragen, welche sichtbaren Belege eine Schlussfolgerung stützen. Bewahren Sie Achsen, Einheiten, Beschriftungen und den Kontext um ein ausgeschnittenes Feld. Benennen Sie bei mehreren Bildern deren Reihenfolge und Rolle, statt das Modell erschliessen zu lassen, welches das Original, die Revision oder die Referenz ist.
Verbinden Sie beispielsweise eine schriftliche Prozessanforderung mit einem Screenshot und fordern Sie eine Tabelle sichtbarer Übereinstimmungen, Unterschiede und Fragen mit weiterem Informationsbedarf an. Eine andere Aufgabe kann zwei Dokumentversionen bereitstellen und eine überarbeitete Passage verlangen, die gemeinsame Bedingungen erhält und eine benannte Unstimmigkeit auflöst. Dies sind vorgeschlagene Anwendungen der dokumentierten Bild-, Dokument- und Bearbeitungsfähigkeiten, bei denen das erforderliche Ergebnis vorab festgelegt ist.
Das abschliessende Artefakt vorbereiten
Geben Sie dem Assistenten eine klare Rolle, das zu verwendende Quellmaterial und die Antwortform. Halten Sie dauerhafte Antwortregeln vom untersuchten Dokument getrennt und nennen Sie Zielsprache und Terminologie. Eine nützliche Antwort kann extrahierten Fakt, Quelle und Interpretation trennen und ist dadurch leichter prüfbar als eine einzige zusammengeführte Zusammenfassung.
Das dokumentierte Ergebnis bleibt Text. Externe Werkzeuge, Dateiänderungen und weitere Dokumentverarbeitung gehören zur mit dem Gespräch verbundenen Anwendung. Bewahren Sie die benannte Ausgabe Medium 3.1 und ihren Kontext von 128k und verlangen Sie die Erklärung, den strukturierten Datensatz oder die gezielte Überarbeitung, die der nächste Schritt tatsächlich braucht.
POST /v1/batchestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldendpoint | Typstring | AnforderungErforderlich | Werte und Limits /v1/chat/completions | Standard— |
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits mistralai/mistral-medium-3.1:batch | Standard— |
Feldrequests | Typbatch_item[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldrequests[].custom_id | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldrequests[].body.messages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldcompletion_window | Typstring | AnforderungOptional | Werte und Limits 24h | Standard— |
Feldprovider | Typobject|null | AnforderungOptional | Werte und Limits | Standard— |
Feldrequests[].body.model | Typstring | AnforderungOptional | Werte und Limits mistralai/mistral-medium-3.1:batch, mistralai/mistral-medium-3.1 | Standard— |
Feldprovider.only | Typstring[] | AnforderungOptional | Werte und Limits mistral | Standard— |
Feldprovider.allow_fallbacks | Typboolean|null | AnforderungOptional | Werte und Limits false, null | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragendpoint, model, requests |
Parametermaterial_types | Vertragtext |
Parameterrepresentation | Vertrageingebettete requests[]; jedes Element enthält custom_id und body |
Parameterrequest_endpoint_profile | Vertrag/v1/chat/completions |
Parameterfile_material | VertragDer Aufrufer kann tatsächliches UTF-8-JSONL lokal in requests[] einlesen. Es werden weder ein Upload-Zweck noch input_file_id oder eine Dateireferenz verwendet. Fehlendes oder leeres Kundenmaterial stoppt die Vorbereitung vor POST. |
Parameterserialization_order | Vertragendpoint, model, provider (falls angegeben), completion_window (falls angegeben), requests als letztes Feld |
Parameteroptional_controls | Vertragprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | VertragAnfragekörper für Text Chat Completions in der dokumentierten Inline-Batch-Struktur. |
Lebenszyklus: asynchronous
GET /v1/batches/{operation_id} · die tatsächliche response.id der ursprünglichen Erstellungsantwort; derselbe Nutzer/Schlüssel/dieselbe Gruppe
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.002 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0004 / 1K Tokens Ausgabe · Ausgabetoken $0.002 / 1K Tokens Eingabe · Cache lesen $0.00004 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"mistralai/mistral-medium-3.1:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['mistralai/mistral-medium-3.1:batch', 'mistralai/mistral-medium-3.1']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"mistralai/mistral-medium-3.1:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\neingebettetes JSON unter results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Das vollständige ursprüngliche Status-JSON, jedes Ergebnis/jede custom_id und den vollständigen Antwort- oder Fehlerkörper aufbewahren. Abgeschlossene results[] ohne Filterung als JSONL speichern.
Die ursprüngliche Vorgangs-ID beibehalten. Bei 503 result_pending_check gilt X-Should-Retry:false; einen ursprünglichen Batch mit unbekanntem Ausgang niemals erneut einreichen.
| Feld | Typ |
|---|---|
Feldresults[].custom_id | Typstring |
Feldresults[].response.body.choices[].message.content | Typstring|null |
Feldresults[].error | Typobject|null |
Feldusage | Typobject|null |
Feldid | Typstring |
Feldmodel | Typstring |
Feldendpoint | Typstring |
Feldstatus | Typstring |
Feldrequest_counts | Typobject |
Feldresults[].id | Typstring |
Feldresults[].response.status_code | Typinteger |
Feldresults[].response.request_id | Typstring |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungUngültige Struktur der dokumentierten Inline-Einbettung, doppelte Schlüssel, ungültige Identitätsangaben zu einem Element oder ein Konflikt mit den konfigurierten Modellfähigkeiten. | Nächster SchrittDie angegebenen Felder vor jeder neuen Einreichung korrigieren. |
Antwort401 · authentication_error | BedingungUngültiger API-Schlüssel. | Nächster SchrittDen autorisierten Ailoot-Schlüssel verwenden. |
Antwort403 · permission_error | BedingungGruppe für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Berechtigung des Schlüssels bzw. der Gruppe prüfen. |
Antwort422 · invalid_request_error | BedingungStapelverarbeitung wird über das Guthaben abgerechnet; die Erstellung über ein Abonnement wird abgelehnt. | Nächster SchrittDie autorisierte Gruppe mit Guthabenabrechnung verwenden. |
Antwort422 · price_unavailable | BedingungFür die Batch-Eingabe kann kein Preisangebot erstellt werden. | Nächster SchrittAntwort aufbewahren; die dokumentierte Eingabe der API-Familie verwenden. |
Antwort402 · billing_error | BedingungReservierung für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Zulassung klären, bevor eine neue Anfrage gestellt wird. |
Antwort503 · price_unavailable | BedingungMethodenpreis bzw. native Tarife für Stapelverarbeitung nicht verfügbar. | Nächster SchrittAntwort aufbewahren; keine anderen Preise einsetzen. |
Antwort503 · api_error | BedingungDie genaue Anbieterroute ist nicht verfügbar. | Nächster SchrittAntwort zur Reparatur der Route aufbewahren. |
Antwort503 · result_pending_check | BedingungDas ursprüngliche Ergebnis muss geprüft werden; X-Should-Retry:false. | Nächster SchrittDie ursprüngliche operation_id/id beibehalten und ihren Status lesen; den ursprünglichen POST niemals wiederholen. |
Antwort404 · not_found | BedingungDer Batch-Vorgang, dessen Status abgefragt wird, ist nicht vorhanden oder gehört einer anderen Identität. | Nächster SchrittDie genaue ursprüngliche id und denselben Nutzer/Schlüssel/dieselbe Gruppe verwenden. |
Ailoot Ultra mistralai/mistral-medium-3.1:batch
Verwenden Sie die oben angezeigten Methodenpfade.