Voxtral Small 1.0 24B 2507 ergänzt ein Mistral-Small-Sprachmodell als Grundlage um Audioeingabe und Sprachverständnis. Es nimmt Audio und Text entgegen und gibt Text zurück, darunter ein Transkript, eine Antwort zur Aufnahme, eine Übersetzung oder eine strukturierte Zusammenfassung. Dies ist die benannte Sprachverständnisausgabe mit 24 Milliarden Parametern, getrennt von Voxtral Mini, transkriptionsoptimierten Servicevarianten und späteren Voxtral-Veröffentlichungen für Spracherzeugung oder Echtzeitverarbeitung.
Transkription und Audioverständnis
Das Modell besitzt einen eigenen Modus für reine Transkription. Der Hersteller erklärt, dass es standardmässig automatisch die Sprache des Quellaudios vorhersagt und entsprechend transkribiert. Nutzen Sie diesen Modus, wenn das gewünschte Artefakt der gesprochene Wortlaut selbst ist und keine Interpretation oder Zusammenfassung. Geben Sie an, ob das Ergebnis die Originalsprache bewahren soll oder ob darauf eine separat angeforderte Übersetzung folgen soll.
Audioverständnis erlaubt eine direkte Frage zu einer Aufnahme, ohne zuvor ein separates Spracherkennungsmodell mit einem Textmodell zu verketten. Eine Anfrage kann fragen, welches Thema besprochen wurde, welche Entscheidung genannt wurde oder welche Information der Aufnahme eine konkrete Frage beantwortet. Das Ergebnis kann eine knappe Antwort oder geordnete Zusammenfassung statt einer vollständigen Transkription jedes gesprochenen Wortes sein.
Stellen Sie für eine Besprechungszusammenfassung die Aufnahme bereit und definieren Sie die zurückzugebenden Felder: Themen, ausdrücklich genannte Entscheidungen und Folgehandlungen. Fordern Sie Namen oder Daten nur an, wenn sie in der Aufnahme tatsächlich genannt werden, und halten Sie ungeklärte Details von den Entscheidungen getrennt. Verlangen Sie für ein Interview die Antwort auf eine bestimmte Frage und den umgebenden Kontext, der sie verständlich macht. Diese Ausgabegestaltungen verbinden die Audioaufgabe mit einem anschliessend nutzbaren Dokument.
Kontext, Dauer und Sprachen
Der Hersteller dokumentiert einen Kontext von 32k Tokens und Audio bis zu 30 Minuten für Transkription oder 40 Minuten für Verständnis. Die beiden Dauerangaben haben unterschiedliche Aufgabenbereiche. Wählen Sie den gewünschten Vorgang vor der Aufnahmeauswahl und berücksichtigen Sie Textanweisung und Gespräch bei der Kontextplanung. Eine lange Aufnahme und eine lange schriftliche Antwort beanspruchen beide Ressourcen; die Dauerangabe ist kein separates Versprechen unbegrenzter Antwortlänge.
Die Veröffentlichung nennt Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Deutsch, Niederländisch und Italienisch als wichtige unterstützte Sprachen und bietet automatische Spracherkennung. Legen Sie für Sprachübersetzung die Zielsprache und Begriffe fest, die ihre Originalform behalten sollen. Unterscheiden Sie bei einer Frage zu Audio in einer Sprache die Sprache der Aufnahme von der Sprache, in der die Antwort geschrieben werden soll.
Mehrere Aufnahmen und Folgefragen
Die Modellkarte unterstützt mehrere Audioeingaben in einer Nachricht und Audio über mehrere Nutzerrunden hinweg. Geben Sie jeder Aufnahme eine Kennung und nennen Sie ihre Rolle beim Vergleich. Eine praktische Anfrage könnte zwei Versionen einer gesprochenen Erklärung vergleichen, nach veränderten Bedingungen fragen und eine Tabelle mit separater Spalte für jede Aufnahme zurückgeben. Kennungen helfen, die Erkenntnisse des Modells mit der richtigen Quelle zu verbinden.
Eine Folgefrage kann die vorherige Frage und Antwort bewahren und zugleich nach einem engeren Detail fragen oder eine weitere Aufnahme bereitstellen. Fragen Sie beispielsweise zuerst nach den Entscheidungen aus einer Diskussion und dann danach, welche Entscheidung eine bestimmte Anforderung betrifft. Dieselbe Veröffentlichung demonstriert auch reine Text- und reine Audioanfragen. Die Textgrundlage kann die schriftliche Frage oder das Ergebnis bearbeiten, während die Audiofähigkeit Belege aus gesprochener Sprache liefert.
Sprachgesteuerte Funktionen
Der Hersteller beschreibt Funktionsaufrufe aus gesprochener Absicht und kennzeichnet das Funktionsaufrufbeispiel der veröffentlichten Modellkarte als experimentelle Unterstützung. In diesem Ablauf definiert die Anwendung eine Funktion und ihre Argumente, das Modell bereitet anhand der Anfrage einen Aufruf vor, und die Anwendung führt ihn aus und liefert das Ergebnis. Eine sprachbasierte Abfrage kann damit eine schriftliche Antwort anhand von Informationen eines verbundenen Werkzeugs zurückgeben. Funktionsaufrufe bedeuten nicht, dass das Modell automatisch über den externen Service verfügt oder eine Handlung allein durch ihre Benennung ausführt.
Halten Sie Funktionszweck und erforderliche Informationen ausdrücklich fest. Verlangt die Aufnahme einen Vorgang, lässt aber einen Pflichtwert weg, benötigt die Anwendung diesen Wert weiterhin zur Funktionsausführung. Trennen Sie gesprochene Anfrage, vorgeschlagene Argumente und zurückgegebenes Ergebnis, damit sich die nächste Antwort auf den tatsächlichen Ausgang des Vorgangs beziehen kann.
Empfohlene Einstellungen und nützliche Grenzen
Für Audioverständnis und Chatvervollständigung empfiehlt die Modellkarte Temperatur 0.2 und Top-p 0.95. Für Transkription empfiehlt sie Temperatur 0.0. Sie hält ausdrücklich fest, dass Systemprompts in diesem veröffentlichten Nutzungsablauf nicht unterstützt werden; platzieren Sie Aufgabe und Antwortanforderungen daher in der Nutzereingabe, statt eine Systemprompt-Konvention eines anderen Mistral-Modells zu übertragen.
Wählen Sie eine Aufnahme mit dem für die Frage relevanten Material, halten Sie hörbare Sprache klar und geben Sie an, ob das Ergebnis ein Transkript, eine Übersetzung, Antwort oder Zusammenfassung sein soll. Die dokumentierte Ausgabe ist Text. Eine gesprochene Antwort benötigt eine Text-to-Speech-Komponente; Sprecheridentifikation, detaillierte Sprechersegmentierung oder Wortzeitstempel dürfen aus der allgemeinen Aussage zum Audioverständnis dieser konkreten Veröffentlichung nicht abgeleitet werden.
Die Generierungsbeispiele mit 500 Tokens in der Modellkarte sind Beispieleinstellungen und keine separat angegebene maximale Ausgabekapazität. Bewahren Sie die Ausgabe 2507, die aufgabenspezifischen Dauerhinweise und die Eingabesprache bei der Vorbereitung eines wiederholbaren Ablaufs. Das nützliche abschliessende Artefakt ist der gewünschte Text, verbunden mit der Aufnahme und formatiert für den nächsten Dokument- oder Anwendungsschritt.
", "aboutText": "Voxtral Small 1.0 24B 2507 ergänzt ein Mistral-Small-Sprachmodell als Grundlage um Audioeingabe und Sprachverständnis. Es nimmt Audio und Text entgegen und gibt Text zurück, darunter ein Transkript, eine Antwort zur Aufnahme, eine Übersetzung oder eine strukturierte Zusammenfassung. Dies ist die benannte Sprachverständnisausgabe mit 24 Milliarden Parametern, getrennt von Voxtral Mini, transkriptionsoptimierten Servicevarianten und späteren Voxtral-Veröffentlichungen für Spracherzeugung oder Echtzeitverarbeitung.\n\nTranskription und Audioverständnis\n\nDas Modell besitzt einen eigenen Modus für reine Transkription. Der Hersteller erklärt, dass es standardmässig automatisch die Sprache des Quellaudios vorhersagt und entsprechend transkribiert. Nutzen Sie diesen Modus, wenn das gewünschte Artefakt der gesprochene Wortlaut selbst ist und keine Interpretation oder Zusammenfassung. Geben Sie an, ob das Ergebnis die Originalsprache bewahren soll oder ob darauf eine separat angeforderte Übersetzung folgen soll.\n\nAudioverständnis erlaubt eine direkte Frage zu einer Aufnahme, ohne zuvor ein separates Spracherkennungsmodell mit einem Textmodell zu verketten. Eine Anfrage kann fragen, welches Thema besprochen wurde, welche Entscheidung genannt wurde oder welche Information der Aufnahme eine konkrete Frage beantwortet. Das Ergebnis kann eine knappe Antwort oder geordnete Zusammenfassung statt einer vollständigen Transkription jedes gesprochenen Wortes sein.\n\nStellen Sie für eine Besprechungszusammenfassung die Aufnahme bereit und definieren Sie die zurückzugebenden Felder: Themen, ausdrücklich genannte Entscheidungen und Folgehandlungen. Fordern Sie Namen oder Daten nur an, wenn sie in der Aufnahme tatsächlich genannt werden, und halten Sie ungeklärte Details von den Entscheidungen getrennt. Verlangen Sie für ein Interview die Antwort auf eine bestimmte Frage und den umgebenden Kontext, der sie verständlich macht. Diese Ausgabegestaltungen verbinden die Audioaufgabe mit einem anschliessend nutzbaren Dokument.\n\nKontext, Dauer und Sprachen\n\nDer Hersteller dokumentiert einen Kontext von 32k Tokens und Audio bis zu 30 Minuten für Transkription oder 40 Minuten für Verständnis. Die beiden Dauerangaben haben unterschiedliche Aufgabenbereiche. Wählen Sie den gewünschten Vorgang vor der Aufnahmeauswahl und berücksichtigen Sie Textanweisung und Gespräch bei der Kontextplanung. Eine lange Aufnahme und eine lange schriftliche Antwort beanspruchen beide Ressourcen; die Dauerangabe ist kein separates Versprechen unbegrenzter Antwortlänge.\n\nDie Veröffentlichung nennt Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Deutsch, Niederländisch und Italienisch als wichtige unterstützte Sprachen und bietet automatische Spracherkennung. Legen Sie für Sprachübersetzung die Zielsprache und Begriffe fest, die ihre Originalform behalten sollen. Unterscheiden Sie bei einer Frage zu Audio in einer Sprache die Sprache der Aufnahme von der Sprache, in der die Antwort geschrieben werden soll.\n\nMehrere Aufnahmen und Folgefragen\n\nDie Modellkarte unterstützt mehrere Audioeingaben in einer Nachricht und Audio über mehrere Nutzerrunden hinweg. Geben Sie jeder Aufnahme eine Kennung und nennen Sie ihre Rolle beim Vergleich. Eine praktische Anfrage könnte zwei Versionen einer gesprochenen Erklärung vergleichen, nach veränderten Bedingungen fragen und eine Tabelle mit separater Spalte für jede Aufnahme zurückgeben. Kennungen helfen, die Erkenntnisse des Modells mit der richtigen Quelle zu verbinden.\n\nEine Folgefrage kann die vorherige Frage und Antwort bewahren und zugleich nach einem engeren Detail fragen oder eine weitere Aufnahme bereitstellen. Fragen Sie beispielsweise zuerst nach den Entscheidungen aus einer Diskussion und dann danach, welche Entscheidung eine bestimmte Anforderung betrifft. Dieselbe Veröffentlichung demonstriert auch reine Text- und reine Audioanfragen. Die Textgrundlage kann die schriftliche Frage oder das Ergebnis bearbeiten, während die Audiofähigkeit Belege aus gesprochener Sprache liefert.\n\nSprachgesteuerte Funktionen\n\nDer Hersteller beschreibt Funktionsaufrufe aus gesprochener Absicht und kennzeichnet das Funktionsaufrufbeispiel der veröffentlichten Modellkarte als experimentelle Unterstützung. In diesem Ablauf definiert die Anwendung eine Funktion und ihre Argumente, das Modell bereitet anhand der Anfrage einen Aufruf vor, und die Anwendung führt ihn aus und liefert das Ergebnis. Eine sprachbasierte Abfrage kann damit eine schriftliche Antwort anhand von Informationen eines verbundenen Werkzeugs zurückgeben. Funktionsaufrufe bedeuten nicht, dass das Modell automatisch über den externen Service verfügt oder eine Handlung allein durch ihre Benennung ausführt.\n\nHalten Sie Funktionszweck und erforderliche Informationen ausdrücklich fest. Verlangt die Aufnahme einen Vorgang, lässt aber einen Pflichtwert weg, benötigt die Anwendung diesen Wert weiterhin zur Funktionsausführung. Trennen Sie gesprochene Anfrage, vorgeschlagene Argumente und zurückgegebenes Ergebnis, damit sich die nächste Antwort auf den tatsächlichen Ausgang des Vorgangs beziehen kann.\n\nEmpfohlene Einstellungen und nützliche Grenzen\n\nFür Audioverständnis und Chatvervollständigung empfiehlt die Modellkarte Temperatur 0.2 und Top-p 0.95. Für Transkription empfiehlt sie Temperatur 0.0. Sie hält ausdrücklich fest, dass Systemprompts in diesem veröffentlichten Nutzungsablauf nicht unterstützt werden; platzieren Sie Aufgabe und Antwortanforderungen daher in der Nutzereingabe, statt eine Systemprompt-Konvention eines anderen Mistral-Modells zu übertragen.\n\nWählen Sie eine Aufnahme mit dem für die Frage relevanten Material, halten Sie hörbare Sprache klar und geben Sie an, ob das Ergebnis ein Transkript, eine Übersetzung, Antwort oder Zusammenfassung sein soll. Die dokumentierte Ausgabe ist Text. Eine gesprochene Antwort benötigt eine Text-to-Speech-Komponente; Sprecheridentifikation, detaillierte Sprechersegmentierung oder Wortzeitstempel dürfen aus der allgemeinen Aussage zum Audioverständnis dieser konkreten Veröffentlichung nicht abgeleitet werden.\n\nDie Generierungsbeispiele mit 500 Tokens in der Modellkarte sind Beispieleinstellungen und keine separat angegebene maximale Ausgabekapazität. Bewahren Sie die Ausgabe 2507, die aufgabenspezifischen Dauerhinweise und die Eingabesprache bei der Vorbereitung eines wiederholbaren Ablaufs. Das nützliche abschliessende Artefakt ist der gewünschte Text, verbunden mit der Aufnahme und formatiert für den nächsten Dokument- oder Anwendungsschritt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 ist ein Text- und Audiomodell für Transkription, Sprachübersetzung, Fragen und Zusammenfassungen. Der Hersteller dokumentiert einen Kontext von 32k, bis zu 30 Minuten für Transkription oder 40 Minuten für Verständnis, mehrere Audioeingaben und Textergebnisse.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Voxtral Small 1.0 24B 2507 ergänzt ein Mistral-Small-Sprachmodell als Grundlage um Audioeingabe und Sprachverständnis. Es nimmt Audio und Text entgegen und gibt Text zurück, darunter ein Transkript, eine Antwort zur Aufnahme, eine Übersetzung oder eine strukturierte Zusammenfassung. Dies ist die benannte Sprachverständnisausgabe mit 24 Milliarden Parametern, getrennt von Voxtral Mini, transkriptionsoptimierten Servicevarianten und späteren Voxtral-Veröffentlichungen für Spracherzeugung oder Echtzeitverarbeitung.
Transkription und Audioverständnis
Das Modell besitzt einen eigenen Modus für reine Transkription. Der Hersteller erklärt, dass es standardmässig automatisch die Sprache des Quellaudios vorhersagt und entsprechend transkribiert. Nutzen Sie diesen Modus, wenn das gewünschte Artefakt der gesprochene Wortlaut selbst ist und keine Interpretation oder Zusammenfassung. Geben Sie an, ob das Ergebnis die Originalsprache bewahren soll oder ob darauf eine separat angeforderte Übersetzung folgen soll.
Audioverständnis erlaubt eine direkte Frage zu einer Aufnahme, ohne zuvor ein separates Spracherkennungsmodell mit einem Textmodell zu verketten. Eine Anfrage kann fragen, welches Thema besprochen wurde, welche Entscheidung genannt wurde oder welche Information der Aufnahme eine konkrete Frage beantwortet. Das Ergebnis kann eine knappe Antwort oder geordnete Zusammenfassung statt einer vollständigen Transkription jedes gesprochenen Wortes sein.
Stellen Sie für eine Besprechungszusammenfassung die Aufnahme bereit und definieren Sie die zurückzugebenden Felder: Themen, ausdrücklich genannte Entscheidungen und Folgehandlungen. Fordern Sie Namen oder Daten nur an, wenn sie in der Aufnahme tatsächlich genannt werden, und halten Sie ungeklärte Details von den Entscheidungen getrennt. Verlangen Sie für ein Interview die Antwort auf eine bestimmte Frage und den umgebenden Kontext, der sie verständlich macht. Diese Ausgabegestaltungen verbinden die Audioaufgabe mit einem anschliessend nutzbaren Dokument.
Kontext, Dauer und Sprachen
Der Hersteller dokumentiert einen Kontext von 32k Tokens und Audio bis zu 30 Minuten für Transkription oder 40 Minuten für Verständnis. Die beiden Dauerangaben haben unterschiedliche Aufgabenbereiche. Wählen Sie den gewünschten Vorgang vor der Aufnahmeauswahl und berücksichtigen Sie Textanweisung und Gespräch bei der Kontextplanung. Eine lange Aufnahme und eine lange schriftliche Antwort beanspruchen beide Ressourcen; die Dauerangabe ist kein separates Versprechen unbegrenzter Antwortlänge.
Die Veröffentlichung nennt Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Deutsch, Niederländisch und Italienisch als wichtige unterstützte Sprachen und bietet automatische Spracherkennung. Legen Sie für Sprachübersetzung die Zielsprache und Begriffe fest, die ihre Originalform behalten sollen. Unterscheiden Sie bei einer Frage zu Audio in einer Sprache die Sprache der Aufnahme von der Sprache, in der die Antwort geschrieben werden soll.
Mehrere Aufnahmen und Folgefragen
Die Modellkarte unterstützt mehrere Audioeingaben in einer Nachricht und Audio über mehrere Nutzerrunden hinweg. Geben Sie jeder Aufnahme eine Kennung und nennen Sie ihre Rolle beim Vergleich. Eine praktische Anfrage könnte zwei Versionen einer gesprochenen Erklärung vergleichen, nach veränderten Bedingungen fragen und eine Tabelle mit separater Spalte für jede Aufnahme zurückgeben. Kennungen helfen, die Erkenntnisse des Modells mit der richtigen Quelle zu verbinden.
Eine Folgefrage kann die vorherige Frage und Antwort bewahren und zugleich nach einem engeren Detail fragen oder eine weitere Aufnahme bereitstellen. Fragen Sie beispielsweise zuerst nach den Entscheidungen aus einer Diskussion und dann danach, welche Entscheidung eine bestimmte Anforderung betrifft. Dieselbe Veröffentlichung demonstriert auch reine Text- und reine Audioanfragen. Die Textgrundlage kann die schriftliche Frage oder das Ergebnis bearbeiten, während die Audiofähigkeit Belege aus gesprochener Sprache liefert.
Sprachgesteuerte Funktionen
Der Hersteller beschreibt Funktionsaufrufe aus gesprochener Absicht und kennzeichnet das Funktionsaufrufbeispiel der veröffentlichten Modellkarte als experimentelle Unterstützung. In diesem Ablauf definiert die Anwendung eine Funktion und ihre Argumente, das Modell bereitet anhand der Anfrage einen Aufruf vor, und die Anwendung führt ihn aus und liefert das Ergebnis. Eine sprachbasierte Abfrage kann damit eine schriftliche Antwort anhand von Informationen eines verbundenen Werkzeugs zurückgeben. Funktionsaufrufe bedeuten nicht, dass das Modell automatisch über den externen Service verfügt oder eine Handlung allein durch ihre Benennung ausführt.
Halten Sie Funktionszweck und erforderliche Informationen ausdrücklich fest. Verlangt die Aufnahme einen Vorgang, lässt aber einen Pflichtwert weg, benötigt die Anwendung diesen Wert weiterhin zur Funktionsausführung. Trennen Sie gesprochene Anfrage, vorgeschlagene Argumente und zurückgegebenes Ergebnis, damit sich die nächste Antwort auf den tatsächlichen Ausgang des Vorgangs beziehen kann.
Empfohlene Einstellungen und nützliche Grenzen
Für Audioverständnis und Chatvervollständigung empfiehlt die Modellkarte Temperatur 0.2 und Top-p 0.95. Für Transkription empfiehlt sie Temperatur 0.0. Sie hält ausdrücklich fest, dass Systemprompts in diesem veröffentlichten Nutzungsablauf nicht unterstützt werden; platzieren Sie Aufgabe und Antwortanforderungen daher in der Nutzereingabe, statt eine Systemprompt-Konvention eines anderen Mistral-Modells zu übertragen.
Wählen Sie eine Aufnahme mit dem für die Frage relevanten Material, halten Sie hörbare Sprache klar und geben Sie an, ob das Ergebnis ein Transkript, eine Übersetzung, Antwort oder Zusammenfassung sein soll. Die dokumentierte Ausgabe ist Text. Eine gesprochene Antwort benötigt eine Text-to-Speech-Komponente; Sprecheridentifikation, detaillierte Sprechersegmentierung oder Wortzeitstempel dürfen aus der allgemeinen Aussage zum Audioverständnis dieser konkreten Veröffentlichung nicht abgeleitet werden.
Die Generierungsbeispiele mit 500 Tokens in der Modellkarte sind Beispieleinstellungen und keine separat angegebene maximale Ausgabekapazität. Bewahren Sie die Ausgabe 2507, die aufgabenspezifischen Dauerhinweise und die Eingabesprache bei der Vorbereitung eines wiederholbaren Ablaufs. Das nützliche abschliessende Artefakt ist der gewünschte Text, verbunden mit der Aufnahme und formatiert für den nächsten Dokument- oder Anwendungsschritt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits mistralai/voxtral-small-24b-2507 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
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 $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0006 / 1K Tokens Eingabe · Cache lesen $0.00002 / 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 $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0006 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/voxtral-small-24b-2507", "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/voxtral-small-24b-2507',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/voxtral-small-24b-2507',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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Verwenden Sie die oben angezeigten Methodenpfade.
mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 ist ein Text- und Audiomodell für Transkription, Sprachübersetzung, Fragen und Zusammenfassungen. Der Hersteller dokumentiert einen Kontext von 32k, bis zu 30 Minuten für Transkription oder 40 Minuten für Verständnis, mehrere Audioeingaben und Textergebnisse.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Voxtral Small 1.0 24B 2507 ergänzt ein Mistral-Small-Sprachmodell als Grundlage um Audioeingabe und Sprachverständnis. Es nimmt Audio und Text entgegen und gibt Text zurück, darunter ein Transkript, eine Antwort zur Aufnahme, eine Übersetzung oder eine strukturierte Zusammenfassung. Dies ist die benannte Sprachverständnisausgabe mit 24 Milliarden Parametern, getrennt von Voxtral Mini, transkriptionsoptimierten Servicevarianten und späteren Voxtral-Veröffentlichungen für Spracherzeugung oder Echtzeitverarbeitung.
Transkription und Audioverständnis
Das Modell besitzt einen eigenen Modus für reine Transkription. Der Hersteller erklärt, dass es standardmässig automatisch die Sprache des Quellaudios vorhersagt und entsprechend transkribiert. Nutzen Sie diesen Modus, wenn das gewünschte Artefakt der gesprochene Wortlaut selbst ist und keine Interpretation oder Zusammenfassung. Geben Sie an, ob das Ergebnis die Originalsprache bewahren soll oder ob darauf eine separat angeforderte Übersetzung folgen soll.
Audioverständnis erlaubt eine direkte Frage zu einer Aufnahme, ohne zuvor ein separates Spracherkennungsmodell mit einem Textmodell zu verketten. Eine Anfrage kann fragen, welches Thema besprochen wurde, welche Entscheidung genannt wurde oder welche Information der Aufnahme eine konkrete Frage beantwortet. Das Ergebnis kann eine knappe Antwort oder geordnete Zusammenfassung statt einer vollständigen Transkription jedes gesprochenen Wortes sein.
Stellen Sie für eine Besprechungszusammenfassung die Aufnahme bereit und definieren Sie die zurückzugebenden Felder: Themen, ausdrücklich genannte Entscheidungen und Folgehandlungen. Fordern Sie Namen oder Daten nur an, wenn sie in der Aufnahme tatsächlich genannt werden, und halten Sie ungeklärte Details von den Entscheidungen getrennt. Verlangen Sie für ein Interview die Antwort auf eine bestimmte Frage und den umgebenden Kontext, der sie verständlich macht. Diese Ausgabegestaltungen verbinden die Audioaufgabe mit einem anschliessend nutzbaren Dokument.
Kontext, Dauer und Sprachen
Der Hersteller dokumentiert einen Kontext von 32k Tokens und Audio bis zu 30 Minuten für Transkription oder 40 Minuten für Verständnis. Die beiden Dauerangaben haben unterschiedliche Aufgabenbereiche. Wählen Sie den gewünschten Vorgang vor der Aufnahmeauswahl und berücksichtigen Sie Textanweisung und Gespräch bei der Kontextplanung. Eine lange Aufnahme und eine lange schriftliche Antwort beanspruchen beide Ressourcen; die Dauerangabe ist kein separates Versprechen unbegrenzter Antwortlänge.
Die Veröffentlichung nennt Englisch, Spanisch, Französisch, Portugiesisch, Hindi, Deutsch, Niederländisch und Italienisch als wichtige unterstützte Sprachen und bietet automatische Spracherkennung. Legen Sie für Sprachübersetzung die Zielsprache und Begriffe fest, die ihre Originalform behalten sollen. Unterscheiden Sie bei einer Frage zu Audio in einer Sprache die Sprache der Aufnahme von der Sprache, in der die Antwort geschrieben werden soll.
Mehrere Aufnahmen und Folgefragen
Die Modellkarte unterstützt mehrere Audioeingaben in einer Nachricht und Audio über mehrere Nutzerrunden hinweg. Geben Sie jeder Aufnahme eine Kennung und nennen Sie ihre Rolle beim Vergleich. Eine praktische Anfrage könnte zwei Versionen einer gesprochenen Erklärung vergleichen, nach veränderten Bedingungen fragen und eine Tabelle mit separater Spalte für jede Aufnahme zurückgeben. Kennungen helfen, die Erkenntnisse des Modells mit der richtigen Quelle zu verbinden.
Eine Folgefrage kann die vorherige Frage und Antwort bewahren und zugleich nach einem engeren Detail fragen oder eine weitere Aufnahme bereitstellen. Fragen Sie beispielsweise zuerst nach den Entscheidungen aus einer Diskussion und dann danach, welche Entscheidung eine bestimmte Anforderung betrifft. Dieselbe Veröffentlichung demonstriert auch reine Text- und reine Audioanfragen. Die Textgrundlage kann die schriftliche Frage oder das Ergebnis bearbeiten, während die Audiofähigkeit Belege aus gesprochener Sprache liefert.
Sprachgesteuerte Funktionen
Der Hersteller beschreibt Funktionsaufrufe aus gesprochener Absicht und kennzeichnet das Funktionsaufrufbeispiel der veröffentlichten Modellkarte als experimentelle Unterstützung. In diesem Ablauf definiert die Anwendung eine Funktion und ihre Argumente, das Modell bereitet anhand der Anfrage einen Aufruf vor, und die Anwendung führt ihn aus und liefert das Ergebnis. Eine sprachbasierte Abfrage kann damit eine schriftliche Antwort anhand von Informationen eines verbundenen Werkzeugs zurückgeben. Funktionsaufrufe bedeuten nicht, dass das Modell automatisch über den externen Service verfügt oder eine Handlung allein durch ihre Benennung ausführt.
Halten Sie Funktionszweck und erforderliche Informationen ausdrücklich fest. Verlangt die Aufnahme einen Vorgang, lässt aber einen Pflichtwert weg, benötigt die Anwendung diesen Wert weiterhin zur Funktionsausführung. Trennen Sie gesprochene Anfrage, vorgeschlagene Argumente und zurückgegebenes Ergebnis, damit sich die nächste Antwort auf den tatsächlichen Ausgang des Vorgangs beziehen kann.
Empfohlene Einstellungen und nützliche Grenzen
Für Audioverständnis und Chatvervollständigung empfiehlt die Modellkarte Temperatur 0.2 und Top-p 0.95. Für Transkription empfiehlt sie Temperatur 0.0. Sie hält ausdrücklich fest, dass Systemprompts in diesem veröffentlichten Nutzungsablauf nicht unterstützt werden; platzieren Sie Aufgabe und Antwortanforderungen daher in der Nutzereingabe, statt eine Systemprompt-Konvention eines anderen Mistral-Modells zu übertragen.
Wählen Sie eine Aufnahme mit dem für die Frage relevanten Material, halten Sie hörbare Sprache klar und geben Sie an, ob das Ergebnis ein Transkript, eine Übersetzung, Antwort oder Zusammenfassung sein soll. Die dokumentierte Ausgabe ist Text. Eine gesprochene Antwort benötigt eine Text-to-Speech-Komponente; Sprecheridentifikation, detaillierte Sprechersegmentierung oder Wortzeitstempel dürfen aus der allgemeinen Aussage zum Audioverständnis dieser konkreten Veröffentlichung nicht abgeleitet werden.
Die Generierungsbeispiele mit 500 Tokens in der Modellkarte sind Beispieleinstellungen und keine separat angegebene maximale Ausgabekapazität. Bewahren Sie die Ausgabe 2507, die aufgabenspezifischen Dauerhinweise und die Eingabesprache bei der Vorbereitung eines wiederholbaren Ablaufs. Das nützliche abschliessende Artefakt ist der gewünschte Text, verbunden mit der Aufnahme und formatiert für den nächsten Dokument- oder Anwendungsschritt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits mistralai/voxtral-small-24b-2507 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
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 $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0006 / 1K Tokens Eingabe · Cache lesen $0.00002 / 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 $0.0002 / 1K Tokens Ausgabe · Ausgabetoken $0.0006 / 1K Tokens Eingabe · Cache lesen $0.00002 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "mistralai/voxtral-small-24b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/voxtral-small-24b-2507', '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/voxtral-small-24b-2507', '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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra mistralai/voxtral-small-24b-2507
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.