Devstral Medium 1.0 es el modelo de texto de versión fija de Mistral AI para agentes de ingeniería de software. La versión se identifica como devstral-medium-2507 y se enfoca en usar herramientas para explorar bases de código, editar varios archivos relacionados y continuar una tarea de ingeniería a lo largo de múltiples pasos. Su ventana de contexto es de 128K tokens. La entrada es material textual de la tarea y del proyecto; la salida puede ser código, una explicación o argumentos para una función proporcionada por la aplicación.
La edición Medium pertenece a la misma orientación de agentes de software que Devstral Small, pero conserva su propia identidad de modelo. El fabricante la presenta para tareas que necesitan comprensión de repositorios y trabajo coordinado en un entorno de agentes. La versión fija 1.0 permanece separada de las generaciones posteriores de Devstral y de la familia de propósito general Mistral Medium. Su contexto y su especialización de solo texto corresponden a esta edición.
Las funciones de aplicación admitidas incluyen salida estructurada, llamadas a funciones, preguntas sobre documentos y continuación de prefijo. Los resultados estructurados permiten que el agente presente un plan de cambios con campos como archivos afectados, ediciones requeridas, supuestos y pasos de validación. Un flujo de preguntas sobre documentos proporciona contenido técnico extraído para su análisis, útil cuando los requisitos de implementación están distribuidos entre especificaciones. Un prefijo puede establecer el inicio de una respuesta, y los flujos asíncronos por lotes pueden manejar solicitudes de análisis independientes.
Para una tarea asistida por herramientas, define las funciones disponibles y sus esquemas de argumentos. El modelo selecciona la acción adecuada y prepara los argumentos; la aplicación realiza la acción y devuelve su resultado. El siguiente paso puede ser otra llamada a una función o una respuesta basada en la información acumulada. Las llamadas sucesivas permiten explorar y después editar y revisar; se pueden solicitar llamadas independientes juntas cuando la aplicación permite el uso paralelo. El acceso a archivos, la ejecución de comandos y la aplicación de cambios siguen siendo funciones del entorno del agente.
Para un cambio en el repositorio, proporciona el comportamiento esperado, las interfaces pertinentes y un ejemplo reproducible. Pide al agente que rastree la ruta de código existente, identifique las dependencias y prepare ediciones coherentes entre los archivos afectados. Para un error, incluye el resultado observado y el resultado exigido por la especificación. Para una refactorización, identifica el comportamiento público que debe permanecer estable. Los resultados de búsqueda, contenidos de archivos y comprobaciones devueltos pasan a formar parte del contexto textual que guía la siguiente propuesta.
En un flujo de Ailoot API, define el entregable final antes de empezar: un parche, un plan de implementación, una revisión estructurada o una explicación técnica. Solicita un resultado que distinga los cambios propuestos de su justificación y de las comprobaciones realmente devueltas por el entorno. El modelo aporta la siguiente decisión y la salida textual, mientras que la aplicación proporciona herramientas y valida sus efectos. Esto hace que la edición fija Medium 1.0 sea útil para trabajo de ingeniería que deba vincular el requisito original, la evidencia del repositorio y un conjunto coherente de cambios propuestos.
", "aboutText": "Devstral Medium 1.0 es el modelo de texto de versión fija de Mistral AI para agentes de ingeniería de software. La versión se identifica como devstral-medium-2507 y se enfoca en usar herramientas para explorar bases de código, editar varios archivos relacionados y continuar una tarea de ingeniería a lo largo de múltiples pasos. Su ventana de contexto es de 128K tokens. La entrada es material textual de la tarea y del proyecto; la salida puede ser código, una explicación o argumentos para una función proporcionada por la aplicación.\n\nLa edición Medium pertenece a la misma orientación de agentes de software que Devstral Small, pero conserva su propia identidad de modelo. El fabricante la presenta para tareas que necesitan comprensión de repositorios y trabajo coordinado en un entorno de agentes. La versión fija 1.0 permanece separada de las generaciones posteriores de Devstral y de la familia de propósito general Mistral Medium. Su contexto y su especialización de solo texto corresponden a esta edición.\n\nLas funciones de aplicación admitidas incluyen salida estructurada, llamadas a funciones, preguntas sobre documentos y continuación de prefijo. Los resultados estructurados permiten que el agente presente un plan de cambios con campos como archivos afectados, ediciones requeridas, supuestos y pasos de validación. Un flujo de preguntas sobre documentos proporciona contenido técnico extraído para su análisis, útil cuando los requisitos de implementación están distribuidos entre especificaciones. Un prefijo puede establecer el inicio de una respuesta, y los flujos asíncronos por lotes pueden manejar solicitudes de análisis independientes.\n\nPara una tarea asistida por herramientas, define las funciones disponibles y sus esquemas de argumentos. El modelo selecciona la acción adecuada y prepara los argumentos; la aplicación realiza la acción y devuelve su resultado. El siguiente paso puede ser otra llamada a una función o una respuesta basada en la información acumulada. Las llamadas sucesivas permiten explorar y después editar y revisar; se pueden solicitar llamadas independientes juntas cuando la aplicación permite el uso paralelo. El acceso a archivos, la ejecución de comandos y la aplicación de cambios siguen siendo funciones del entorno del agente.\n\nPara un cambio en el repositorio, proporciona el comportamiento esperado, las interfaces pertinentes y un ejemplo reproducible. Pide al agente que rastree la ruta de código existente, identifique las dependencias y prepare ediciones coherentes entre los archivos afectados. Para un error, incluye el resultado observado y el resultado exigido por la especificación. Para una refactorización, identifica el comportamiento público que debe permanecer estable. Los resultados de búsqueda, contenidos de archivos y comprobaciones devueltos pasan a formar parte del contexto textual que guía la siguiente propuesta.\n\nEn un flujo de Ailoot API, define el entregable final antes de empezar: un parche, un plan de implementación, una revisión estructurada o una explicación técnica. Solicita un resultado que distinga los cambios propuestos de su justificación y de las comprobaciones realmente devueltas por el entorno. El modelo aporta la siguiente decisión y la salida textual, mientras que la aplicación proporciona herramientas y valida sus efectos. Esto hace que la edición fija Medium 1.0 sea útil para trabajo de ingeniería que deba vincular el requisito original, la evidencia del repositorio y un conjunto coherente de cambios propuestos.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Coordinate a renamed export field\n\nPropose a patch plan across three files. serializer.py emits {'userName': user.name}; client.ts reads response.userName; schema.md documents userName. Requirement: new responses use display_name while the client temporarily accepts either field. Show the edits as small before/after snippets and give a compatibility test and a new-field test. Do not claim the files were edited.Three coordinated proposed edits plus tests for old and new responses during the compatibility period.The client accepts both spellings, while the producer and documentation agree on display_name.devstral-medium-2507Devstral Medium 1.0 es la edición fija de Mistral AI, de solo texto, para exploración de repositorios, uso de herramientas y cambios de software coordinados. Su contexto de 128K contiene requisitos de tareas, código y resultados devueltos por herramientas para un agente que trabaja entre archivos relacionados.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Devstral Medium 1.0 es el modelo de texto de versión fija de Mistral AI para agentes de ingeniería de software. La versión se identifica como devstral-medium-2507 y se enfoca en usar herramientas para explorar bases de código, editar varios archivos relacionados y continuar una tarea de ingeniería a lo largo de múltiples pasos. Su ventana de contexto es de 128K tokens. La entrada es material textual de la tarea y del proyecto; la salida puede ser código, una explicación o argumentos para una función proporcionada por la aplicación.
La edición Medium pertenece a la misma orientación de agentes de software que Devstral Small, pero conserva su propia identidad de modelo. El fabricante la presenta para tareas que necesitan comprensión de repositorios y trabajo coordinado en un entorno de agentes. La versión fija 1.0 permanece separada de las generaciones posteriores de Devstral y de la familia de propósito general Mistral Medium. Su contexto y su especialización de solo texto corresponden a esta edición.
Las funciones de aplicación admitidas incluyen salida estructurada, llamadas a funciones, preguntas sobre documentos y continuación de prefijo. Los resultados estructurados permiten que el agente presente un plan de cambios con campos como archivos afectados, ediciones requeridas, supuestos y pasos de validación. Un flujo de preguntas sobre documentos proporciona contenido técnico extraído para su análisis, útil cuando los requisitos de implementación están distribuidos entre especificaciones. Un prefijo puede establecer el inicio de una respuesta, y los flujos asíncronos por lotes pueden manejar solicitudes de análisis independientes.
Para una tarea asistida por herramientas, define las funciones disponibles y sus esquemas de argumentos. El modelo selecciona la acción adecuada y prepara los argumentos; la aplicación realiza la acción y devuelve su resultado. El siguiente paso puede ser otra llamada a una función o una respuesta basada en la información acumulada. Las llamadas sucesivas permiten explorar y después editar y revisar; se pueden solicitar llamadas independientes juntas cuando la aplicación permite el uso paralelo. El acceso a archivos, la ejecución de comandos y la aplicación de cambios siguen siendo funciones del entorno del agente.
Para un cambio en el repositorio, proporciona el comportamiento esperado, las interfaces pertinentes y un ejemplo reproducible. Pide al agente que rastree la ruta de código existente, identifique las dependencias y prepare ediciones coherentes entre los archivos afectados. Para un error, incluye el resultado observado y el resultado exigido por la especificación. Para una refactorización, identifica el comportamiento público que debe permanecer estable. Los resultados de búsqueda, contenidos de archivos y comprobaciones devueltos pasan a formar parte del contexto textual que guía la siguiente propuesta.
En un flujo de Ailoot API, define el entregable final antes de empezar: un parche, un plan de implementación, una revisión estructurada o una explicación técnica. Solicita un resultado que distinga los cambios propuestos de su justificación y de las comprobaciones realmente devueltas por el entorno. El modelo aporta la siguiente decisión y la salida textual, mientras que la aplicación proporciona herramientas y valida sus efectos. Esto hace que la edición fija Medium 1.0 sea útil para trabajo de ingeniería que deba vincular el requisito original, la evidencia del repositorio y un conjunto coherente de cambios propuestos.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites devstral-medium-2507 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.00088 / 1K tokens Salida · Tokens de salida $0.0044 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "devstral-medium-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='devstral-medium-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='devstral-medium-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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra devstral-medium-2507
Usa las rutas de método indicadas arriba.
devstral-medium-2507Devstral Medium 1.0 es la edición fija de Mistral AI, de solo texto, para exploración de repositorios, uso de herramientas y cambios de software coordinados. Su contexto de 128K contiene requisitos de tareas, código y resultados devueltos por herramientas para un agente que trabaja entre archivos relacionados.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Devstral Medium 1.0 es el modelo de texto de versión fija de Mistral AI para agentes de ingeniería de software. La versión se identifica como devstral-medium-2507 y se enfoca en usar herramientas para explorar bases de código, editar varios archivos relacionados y continuar una tarea de ingeniería a lo largo de múltiples pasos. Su ventana de contexto es de 128K tokens. La entrada es material textual de la tarea y del proyecto; la salida puede ser código, una explicación o argumentos para una función proporcionada por la aplicación.
La edición Medium pertenece a la misma orientación de agentes de software que Devstral Small, pero conserva su propia identidad de modelo. El fabricante la presenta para tareas que necesitan comprensión de repositorios y trabajo coordinado en un entorno de agentes. La versión fija 1.0 permanece separada de las generaciones posteriores de Devstral y de la familia de propósito general Mistral Medium. Su contexto y su especialización de solo texto corresponden a esta edición.
Las funciones de aplicación admitidas incluyen salida estructurada, llamadas a funciones, preguntas sobre documentos y continuación de prefijo. Los resultados estructurados permiten que el agente presente un plan de cambios con campos como archivos afectados, ediciones requeridas, supuestos y pasos de validación. Un flujo de preguntas sobre documentos proporciona contenido técnico extraído para su análisis, útil cuando los requisitos de implementación están distribuidos entre especificaciones. Un prefijo puede establecer el inicio de una respuesta, y los flujos asíncronos por lotes pueden manejar solicitudes de análisis independientes.
Para una tarea asistida por herramientas, define las funciones disponibles y sus esquemas de argumentos. El modelo selecciona la acción adecuada y prepara los argumentos; la aplicación realiza la acción y devuelve su resultado. El siguiente paso puede ser otra llamada a una función o una respuesta basada en la información acumulada. Las llamadas sucesivas permiten explorar y después editar y revisar; se pueden solicitar llamadas independientes juntas cuando la aplicación permite el uso paralelo. El acceso a archivos, la ejecución de comandos y la aplicación de cambios siguen siendo funciones del entorno del agente.
Para un cambio en el repositorio, proporciona el comportamiento esperado, las interfaces pertinentes y un ejemplo reproducible. Pide al agente que rastree la ruta de código existente, identifique las dependencias y prepare ediciones coherentes entre los archivos afectados. Para un error, incluye el resultado observado y el resultado exigido por la especificación. Para una refactorización, identifica el comportamiento público que debe permanecer estable. Los resultados de búsqueda, contenidos de archivos y comprobaciones devueltos pasan a formar parte del contexto textual que guía la siguiente propuesta.
En un flujo de Ailoot API, define el entregable final antes de empezar: un parche, un plan de implementación, una revisión estructurada o una explicación técnica. Solicita un resultado que distinga los cambios propuestos de su justificación y de las comprobaciones realmente devueltas por el entorno. El modelo aporta la siguiente decisión y la salida textual, mientras que la aplicación proporciona herramientas y valida sus efectos. Esto hace que la edición fija Medium 1.0 sea útil para trabajo de ingeniería que deba vincular el requisito original, la evidencia del repositorio y un conjunto coherente de cambios propuestos.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites devstral-medium-2507 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.00088 / 1K tokens Salida · Tokens de salida $0.0044 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "devstral-medium-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'devstral-medium-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': 'devstral-medium-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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra devstral-medium-2507
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Coordinate a renamed export field\n\nPropose a patch plan across three files. serializer.py emits {'userName': user.name}; client.ts reads response.userName; schema.md documents userName. Requirement: new responses use display_name while the client temporarily accepts either field. Show the edits as small before/after snippets and give a compatibility test and a new-field test. Do not claim the files were edited.Three coordinated proposed edits plus tests for old and new responses during the compatibility period.The client accepts both spellings, while the producer and documentation agree on display_name.