Devstral 2 2512 ist das offene Modell von Mistral AI mit Spezialisierung auf agentengestützte Programmierung. Es ist ein dichter Transformer mit 123 Milliarden Parametern und einem Kontextfenster von 262.144 Tokens. Das veröffentlichte Modellprofil beim Hosting-Anbieter verarbeitet Text und Dateien und gibt Text zurück; es unterstützt Funktionswerkzeuge und Steuerelemente für strukturierte Ausgaben.
Benenne das zu liefernde Verhalten und die relevanten Quelldateien. Ein Fehlerbericht kann die fehlschlagende Eingabe, die Befehlsausgabe und das erwartete Ergebnis festhalten; eine Funktionsaufgabe kann die beteiligten Schnittstellen und ihre gemeinsamen Einschränkungen nennen. Halte Dateipfade und Beziehungen im Quellcode sichtbar, damit eine vorgeschlagene Änderung auf den vorgesehenen Projektbereich angewendet werden kann.
Stelle für die Codeerkundung eine konkrete Frage zu einem Modul, einem Fehlerpfad oder dem Zusammenspiel von Komponenten. Liefere die nötigen Belege zur Beantwortung und bewahre die Quellstellen hinter den Befunden. Eine gezielte Repository-Frage erzeugt ein besser prüfbares Artefakt als die allgemeine Aufforderung, den gesamten Code zu verbessern.
Das Modell kann Operationen mit Funktionswerkzeugen in einer Anwendung vorschlagen, die diese bereitstellt. Die Anwendung führt die Handlung aus und gibt die Beobachtung zurück. Bewahre tatsächliche Befehls- und Testergebnisse, wenn der nächste Schritt davon abhängt, und unterscheide diese Beobachtungen von vorgeschlagenen Befehlen oder erwarteten Ergebnissen.
Definiere für eine strukturierte Prüf- oder Planungsaufzeichnung die erforderlichen Felder und ihre Bedeutung. Validiere die zurückgegebene Struktur und die inhaltlichen Werte, bevor du daraus eine weitere Operation machst. Ein Patch, eine Diagnose oder die nächste Prüfung sollte mit dem Verhalten verbunden bleiben, das damit adressiert wird.
Bewahre zusammengehörigen Quellcode, abgeschlossene Entscheidungen und aktuelle Beobachtungen und reserviere zugleich Platz für die Antwort. Entferne Hintergrundinformationen, die die Aufgabe nicht mehr beeinflussen, und halte die Abnahmekriterien sichtbar. Ein nützliches Devstral-Ergebnis hinterlässt ein konkretes Entwicklungsartefakt und die tatsächlichen Belege, mit denen sich seine Wirkung im Repository prüfen lässt.
", "aboutText": "Devstral 2 2512 ist das offene Modell von Mistral AI mit Spezialisierung auf agentengestützte Programmierung. Es ist ein dichter Transformer mit 123 Milliarden Parametern und einem Kontextfenster von 262.144 Tokens. Das veröffentlichte Modellprofil beim Hosting-Anbieter verarbeitet Text und Dateien und gibt Text zurück; es unterstützt Funktionswerkzeuge und Steuerelemente für strukturierte Ausgaben.\n\n### Das Repository-Problem und seine Grenzen bereitstellen\n\nBenenne das zu liefernde Verhalten und die relevanten Quelldateien. Ein Fehlerbericht kann die fehlschlagende Eingabe, die Befehlsausgabe und das erwartete Ergebnis festhalten; eine Funktionsaufgabe kann die beteiligten Schnittstellen und ihre gemeinsamen Einschränkungen nennen. Halte Dateipfade und Beziehungen im Quellcode sichtbar, damit eine vorgeschlagene Änderung auf den vorgesehenen Projektbereich angewendet werden kann.\n\nStelle für die Codeerkundung eine konkrete Frage zu einem Modul, einem Fehlerpfad oder dem Zusammenspiel von Komponenten. Liefere die nötigen Belege zur Beantwortung und bewahre die Quellstellen hinter den Befunden. Eine gezielte Repository-Frage erzeugt ein besser prüfbares Artefakt als die allgemeine Aufforderung, den gesamten Code zu verbessern.\n\n### Agentenoperationen und strukturierte Artefakte\n\nDas Modell kann Operationen mit Funktionswerkzeugen in einer Anwendung vorschlagen, die diese bereitstellt. Die Anwendung führt die Handlung aus und gibt die Beobachtung zurück. Bewahre tatsächliche Befehls- und Testergebnisse, wenn der nächste Schritt davon abhängt, und unterscheide diese Beobachtungen von vorgeschlagenen Befehlen oder erwarteten Ergebnissen.\n\nDefiniere für eine strukturierte Prüf- oder Planungsaufzeichnung die erforderlichen Felder und ihre Bedeutung. Validiere die zurückgegebene Struktur und die inhaltlichen Werte, bevor du daraus eine weitere Operation machst. Ein Patch, eine Diagnose oder die nächste Prüfung sollte mit dem Verhalten verbunden bleiben, das damit adressiert wird.\n\n### Den Kontext für den wichtigen Code nutzen\n\nBewahre zusammengehörigen Quellcode, abgeschlossene Entscheidungen und aktuelle Beobachtungen und reserviere zugleich Platz für die Antwort. Entferne Hintergrundinformationen, die die Aufgabe nicht mehr beeinflussen, und halte die Abnahmekriterien sichtbar. Ein nützliches Devstral-Ergebnis hinterlässt ein konkretes Entwicklungsartefakt und die tatsächlichen Belege, mit denen sich seine Wirkung im Repository prüfen lässt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Trace a cache invalidation path\n\nInspect these source relationships: read.py returns cache[id] when present, otherwise reads the repository; update.py writes the repository but never touches cache. A user reads, updates and reads the same record, receiving the old value. Explain the path and propose a scoped update.py patch plus a regression scenario. Preserve repository and read interfaces.A source-linked failure explanation, a cache invalidation patch and a read-update-read regression scenario.The test primes the cache before updating and checks the second read returns the new value.mistralai/devstral-2512Devstral 2 2512 ist das dichte Modell von Mistral AI mit 123 Milliarden Parametern für agentengestützte Programmierung. Es verarbeitet Text und Dateien für Textantworten und verbindet einen Kontext von 262.144 Tokens mit Funktionswerkzeugen und Steuerelementen für strukturierte Ausgaben für die Entwicklung in Repositories.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Devstral 2 2512 ist das offene Modell von Mistral AI mit Spezialisierung auf agentengestützte Programmierung. Es ist ein dichter Transformer mit 123 Milliarden Parametern und einem Kontextfenster von 262.144 Tokens. Das veröffentlichte Modellprofil beim Hosting-Anbieter verarbeitet Text und Dateien und gibt Text zurück; es unterstützt Funktionswerkzeuge und Steuerelemente für strukturierte Ausgaben.
Benenne das zu liefernde Verhalten und die relevanten Quelldateien. Ein Fehlerbericht kann die fehlschlagende Eingabe, die Befehlsausgabe und das erwartete Ergebnis festhalten; eine Funktionsaufgabe kann die beteiligten Schnittstellen und ihre gemeinsamen Einschränkungen nennen. Halte Dateipfade und Beziehungen im Quellcode sichtbar, damit eine vorgeschlagene Änderung auf den vorgesehenen Projektbereich angewendet werden kann.
Stelle für die Codeerkundung eine konkrete Frage zu einem Modul, einem Fehlerpfad oder dem Zusammenspiel von Komponenten. Liefere die nötigen Belege zur Beantwortung und bewahre die Quellstellen hinter den Befunden. Eine gezielte Repository-Frage erzeugt ein besser prüfbares Artefakt als die allgemeine Aufforderung, den gesamten Code zu verbessern.
Das Modell kann Operationen mit Funktionswerkzeugen in einer Anwendung vorschlagen, die diese bereitstellt. Die Anwendung führt die Handlung aus und gibt die Beobachtung zurück. Bewahre tatsächliche Befehls- und Testergebnisse, wenn der nächste Schritt davon abhängt, und unterscheide diese Beobachtungen von vorgeschlagenen Befehlen oder erwarteten Ergebnissen.
Definiere für eine strukturierte Prüf- oder Planungsaufzeichnung die erforderlichen Felder und ihre Bedeutung. Validiere die zurückgegebene Struktur und die inhaltlichen Werte, bevor du daraus eine weitere Operation machst. Ein Patch, eine Diagnose oder die nächste Prüfung sollte mit dem Verhalten verbunden bleiben, das damit adressiert wird.
Bewahre zusammengehörigen Quellcode, abgeschlossene Entscheidungen und aktuelle Beobachtungen und reserviere zugleich Platz für die Antwort. Entferne Hintergrundinformationen, die die Aufgabe nicht mehr beeinflussen, und halte die Abnahmekriterien sichtbar. Ein nützliches Devstral-Ergebnis hinterlässt ein konkretes Entwicklungsartefakt und die tatsächlichen Belege, mit denen sich seine Wirkung im Repository prüfen lässt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits mistralai/devstral-2512 | 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 $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.004 / 1K Token Eingabe · Cache-Lesen $0.00008 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.004 / 1K Token Eingabe · Cache-Lesen $0.00008 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/devstral-2512", "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/devstral-2512',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/devstral-2512',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/devstral-2512
Verwenden Sie die oben angezeigten Methodenpfade.
mistralai/devstral-2512Devstral 2 2512 ist das dichte Modell von Mistral AI mit 123 Milliarden Parametern für agentengestützte Programmierung. Es verarbeitet Text und Dateien für Textantworten und verbindet einen Kontext von 262.144 Tokens mit Funktionswerkzeugen und Steuerelementen für strukturierte Ausgaben für die Entwicklung in Repositories.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Devstral 2 2512 ist das offene Modell von Mistral AI mit Spezialisierung auf agentengestützte Programmierung. Es ist ein dichter Transformer mit 123 Milliarden Parametern und einem Kontextfenster von 262.144 Tokens. Das veröffentlichte Modellprofil beim Hosting-Anbieter verarbeitet Text und Dateien und gibt Text zurück; es unterstützt Funktionswerkzeuge und Steuerelemente für strukturierte Ausgaben.
Benenne das zu liefernde Verhalten und die relevanten Quelldateien. Ein Fehlerbericht kann die fehlschlagende Eingabe, die Befehlsausgabe und das erwartete Ergebnis festhalten; eine Funktionsaufgabe kann die beteiligten Schnittstellen und ihre gemeinsamen Einschränkungen nennen. Halte Dateipfade und Beziehungen im Quellcode sichtbar, damit eine vorgeschlagene Änderung auf den vorgesehenen Projektbereich angewendet werden kann.
Stelle für die Codeerkundung eine konkrete Frage zu einem Modul, einem Fehlerpfad oder dem Zusammenspiel von Komponenten. Liefere die nötigen Belege zur Beantwortung und bewahre die Quellstellen hinter den Befunden. Eine gezielte Repository-Frage erzeugt ein besser prüfbares Artefakt als die allgemeine Aufforderung, den gesamten Code zu verbessern.
Das Modell kann Operationen mit Funktionswerkzeugen in einer Anwendung vorschlagen, die diese bereitstellt. Die Anwendung führt die Handlung aus und gibt die Beobachtung zurück. Bewahre tatsächliche Befehls- und Testergebnisse, wenn der nächste Schritt davon abhängt, und unterscheide diese Beobachtungen von vorgeschlagenen Befehlen oder erwarteten Ergebnissen.
Definiere für eine strukturierte Prüf- oder Planungsaufzeichnung die erforderlichen Felder und ihre Bedeutung. Validiere die zurückgegebene Struktur und die inhaltlichen Werte, bevor du daraus eine weitere Operation machst. Ein Patch, eine Diagnose oder die nächste Prüfung sollte mit dem Verhalten verbunden bleiben, das damit adressiert wird.
Bewahre zusammengehörigen Quellcode, abgeschlossene Entscheidungen und aktuelle Beobachtungen und reserviere zugleich Platz für die Antwort. Entferne Hintergrundinformationen, die die Aufgabe nicht mehr beeinflussen, und halte die Abnahmekriterien sichtbar. Ein nützliches Devstral-Ergebnis hinterlässt ein konkretes Entwicklungsartefakt und die tatsächlichen Belege, mit denen sich seine Wirkung im Repository prüfen lässt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits mistralai/devstral-2512 | 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 $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.004 / 1K Token Eingabe · Cache-Lesen $0.00008 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0022 / 1K Token Ausgabe · Ausgabetoken $0.004 / 1K Token Eingabe · Cache-Lesen $0.00008 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "mistralai/devstral-2512",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/devstral-2512', '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/devstral-2512', '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/devstral-2512
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Trace a cache invalidation path\n\nInspect these source relationships: read.py returns cache[id] when present, otherwise reads the repository; update.py writes the repository but never touches cache. A user reads, updates and reads the same record, receiving the old value. Explain the path and propose a scoped update.py patch plus a regression scenario. Preserve repository and read interfaces.A source-linked failure explanation, a cache invalidation patch and a read-update-read regression scenario.The test primes the cache before updating and checks the second read returns the new value.