Mistral Medium 3.1 es una edición multimodal de Mistral AI para comprensión textual y visual. Su desarrollador describe esta revisión como una mejora del tono y el desempeño dentro de la línea Medium 3. Acepta texto e imágenes y produce texto: una explicación, una respuesta documental, un registro estructurado o una llamada a función propuesta. El identificador fijo de su desarrollador para esta edición es mistral-medium-2508.
Contexto y edición específica
La página del modelo documenta una ventana de contexto de 128k. Úsala para mantener juntos los pasajes fuente relacionados, la evidencia visual, la conversación y la tarea del usuario. Identifica las funciones de los documentos y la pregunta que se debe responder antes de proporcionar una colección extensa. Un contexto largo puede permitir una comparación enfocada mientras el artefacto final sigue siendo una tabla breve o una sección revisada.
Medium 3.1 conserva su propia especificación. El contexto de 256k, la arquitectura densa de 128B y los modos configurables de razonamiento híbrido descritos para Medium 3.5 no deben atribuirse a esta entrada. La página de 3.1 no proporciona un número de parámetros ni una cifra máxima independiente de longitud de respuesta que pueda sustituirse de forma segura con datos del modelo posterior.
Salida estructurada y funciones
Su desarrollador enumera salidas estructuradas, llamadas a funciones y salidas predichas entre las funciones de esta edición. Para una tarea de extracción estructurada, define los campos requeridos, los tipos esperados y el tratamiento de la información ausente de la fuente. Un registro puede contener el identificador del documento, la declaración extraída, su ubicación de origen y la pregunta que queda pendiente. Solicita únicamente el registro cuando lo vaya a interpretar un programa, o mantén separada una explicación en prosa cuando alguien deba revisar la interpretación.
La documentación compartida de salida estructurada de Mistral distingue el modo JSON de un esquema personalizado. El modo JSON requiere una instrucción explícita sobre el formato JSON deseado, mientras que la vía personalizada define una estructura más específica. Esto da formato al resultado de texto, no constituye una nueva modalidad de contenido ni una acción externa.
Para funciones, la aplicación define la operación disponible y los argumentos, el modelo selecciona una llamada apropiada y prepara los valores, y la aplicación la ejecuta. Su resultado se convierte después en información para la siguiente respuesta. Un asistente documental puede usar una consulta para obtener datos de referencia faltantes, pero solo si la aplicación que lo integra proporciona esa consulta y devuelve su resultado real. Mantén asociados la llamada propuesta y los datos devueltos.
Ediciones predichas y prefijos de respuesta
Las salidas predichas son útiles cuando ya se conoce la mayor parte del resultado deseado, como un documento o archivo de código que necesita una edición limitada. Proporciona el contenido existente y describe el cambio con precisión, incluido lo que debe permanecer sin cambios. Una solicitud podría actualizar la terminología de una sección o reemplazar un detalle de implementación mientras conserva el resto del documento. La predicción contiene contenido esperado de salida, no un cambio completado y aplicado a un archivo.
La página del modelo también enumera continuación de prefijos de respuesta. En la documentación de chat de su desarrollador, un prefijo proporciona un inicio conocido para la respuesta del asistente, después del cual continúa la generación. Un inicio conocido y un cuerpo predicho resuelven problemas de preparación diferentes. Del mismo modo, el procesamiento por lotes y las interfaces de agente o conversación son funciones de flujo de trabajo, no ediciones independientes de imágenes, audio o razonamiento de Medium 3.1.
Preguntas documentales y visuales
El flujo enumerado de preguntas sobre documentos combina texto, estructura y formato preparados mediante OCR con análisis del modelo de lenguaje. Pregunta por la condición, pasaje o relación específicos que requiere la tarea. Una comparación puede identificar los documentos fuente y solicitar declaraciones compartidas, conflictos y detalles pendientes, conservando la ubicación de la fuente junto a cada hallazgo.
La guía de visión de su desarrollador incluye explícitamente Medium 3.1. Una pregunta visual directa puede proporcionar una gráfica legible, una imagen documental o una captura de pantalla y preguntar qué evidencia visible respalda una conclusión. Conserva los ejes, unidades, etiquetas y el contexto alrededor de un campo recortado. Si se proporcionan varias imágenes, identifica su orden y función en lugar de dejar al modelo inferir cuál es el original, la revisión o la referencia.
Por ejemplo, acompaña un requisito escrito de proceso con una captura de pantalla y solicita una tabla de coincidencias visibles, diferencias y preguntas que requieren más información. Otra tarea puede proporcionar dos versiones de un documento y pedir un pasaje revisado que conserve sus condiciones compartidas y resuelva una inconsistencia identificada. Son aplicaciones propuestas de las capacidades visuales, documentales y de edición documentadas, con el resultado requerido definido de antemano.
Preparación del artefacto final
Da al asistente un rol claro, el material fuente que debe usar y el formato de la respuesta. Mantén las reglas duraderas de respuesta separadas del documento examinado e indica el idioma final y la terminología. Una respuesta útil puede separar un hecho extraído, su fuente y una interpretación, lo que facilita su revisión frente a un solo resumen combinado.
El resultado documentado sigue siendo texto. Las herramientas externas, los cambios de archivos y el procesamiento documental adicional pertenecen a la aplicación conectada con la conversación. Conserva la edición identificada Medium 3.1 y su contexto de 128k, y solicita la explicación, el registro estructurado o la revisión específica que necesita realmente el siguiente paso.
", "aboutText": "Mistral Medium 3.1 es una edición multimodal de Mistral AI para comprensión textual y visual. Su desarrollador describe esta revisión como una mejora del tono y el desempeño dentro de la línea Medium 3. Acepta texto e imágenes y produce texto: una explicación, una respuesta documental, un registro estructurado o una llamada a función propuesta. El identificador fijo de su desarrollador para esta edición es mistral-medium-2508.\n\nContexto y edición específica\n\nLa página del modelo documenta una ventana de contexto de 128k. Úsala para mantener juntos los pasajes fuente relacionados, la evidencia visual, la conversación y la tarea del usuario. Identifica las funciones de los documentos y la pregunta que se debe responder antes de proporcionar una colección extensa. Un contexto largo puede permitir una comparación enfocada mientras el artefacto final sigue siendo una tabla breve o una sección revisada.\n\nMedium 3.1 conserva su propia especificación. El contexto de 256k, la arquitectura densa de 128B y los modos configurables de razonamiento híbrido descritos para Medium 3.5 no deben atribuirse a esta entrada. La página de 3.1 no proporciona un número de parámetros ni una cifra máxima independiente de longitud de respuesta que pueda sustituirse de forma segura con datos del modelo posterior.\n\nSalida estructurada y funciones\n\nSu desarrollador enumera salidas estructuradas, llamadas a funciones y salidas predichas entre las funciones de esta edición. Para una tarea de extracción estructurada, define los campos requeridos, los tipos esperados y el tratamiento de la información ausente de la fuente. Un registro puede contener el identificador del documento, la declaración extraída, su ubicación de origen y la pregunta que queda pendiente. Solicita únicamente el registro cuando lo vaya a interpretar un programa, o mantén separada una explicación en prosa cuando alguien deba revisar la interpretación.\n\nLa documentación compartida de salida estructurada de Mistral distingue el modo JSON de un esquema personalizado. El modo JSON requiere una instrucción explícita sobre el formato JSON deseado, mientras que la vía personalizada define una estructura más específica. Esto da formato al resultado de texto, no constituye una nueva modalidad de contenido ni una acción externa.\n\nPara funciones, la aplicación define la operación disponible y los argumentos, el modelo selecciona una llamada apropiada y prepara los valores, y la aplicación la ejecuta. Su resultado se convierte después en información para la siguiente respuesta. Un asistente documental puede usar una consulta para obtener datos de referencia faltantes, pero solo si la aplicación que lo integra proporciona esa consulta y devuelve su resultado real. Mantén asociados la llamada propuesta y los datos devueltos.\n\nEdiciones predichas y prefijos de respuesta\n\nLas salidas predichas son útiles cuando ya se conoce la mayor parte del resultado deseado, como un documento o archivo de código que necesita una edición limitada. Proporciona el contenido existente y describe el cambio con precisión, incluido lo que debe permanecer sin cambios. Una solicitud podría actualizar la terminología de una sección o reemplazar un detalle de implementación mientras conserva el resto del documento. La predicción contiene contenido esperado de salida, no un cambio completado y aplicado a un archivo.\n\nLa página del modelo también enumera continuación de prefijos de respuesta. En la documentación de chat de su desarrollador, un prefijo proporciona un inicio conocido para la respuesta del asistente, después del cual continúa la generación. Un inicio conocido y un cuerpo predicho resuelven problemas de preparación diferentes. Del mismo modo, el procesamiento por lotes y las interfaces de agente o conversación son funciones de flujo de trabajo, no ediciones independientes de imágenes, audio o razonamiento de Medium 3.1.\n\nPreguntas documentales y visuales\n\nEl flujo enumerado de preguntas sobre documentos combina texto, estructura y formato preparados mediante OCR con análisis del modelo de lenguaje. Pregunta por la condición, pasaje o relación específicos que requiere la tarea. Una comparación puede identificar los documentos fuente y solicitar declaraciones compartidas, conflictos y detalles pendientes, conservando la ubicación de la fuente junto a cada hallazgo.\n\nLa guía de visión de su desarrollador incluye explícitamente Medium 3.1. Una pregunta visual directa puede proporcionar una gráfica legible, una imagen documental o una captura de pantalla y preguntar qué evidencia visible respalda una conclusión. Conserva los ejes, unidades, etiquetas y el contexto alrededor de un campo recortado. Si se proporcionan varias imágenes, identifica su orden y función en lugar de dejar al modelo inferir cuál es el original, la revisión o la referencia.\n\nPor ejemplo, acompaña un requisito escrito de proceso con una captura de pantalla y solicita una tabla de coincidencias visibles, diferencias y preguntas que requieren más información. Otra tarea puede proporcionar dos versiones de un documento y pedir un pasaje revisado que conserve sus condiciones compartidas y resuelva una inconsistencia identificada. Son aplicaciones propuestas de las capacidades visuales, documentales y de edición documentadas, con el resultado requerido definido de antemano.\n\nPreparación del artefacto final\n\nDa al asistente un rol claro, el material fuente que debe usar y el formato de la respuesta. Mantén las reglas duraderas de respuesta separadas del documento examinado e indica el idioma final y la terminología. Una respuesta útil puede separar un hecho extraído, su fuente y una interpretación, lo que facilita su revisión frente a un solo resumen combinado.\n\nEl resultado documentado sigue siendo texto. Las herramientas externas, los cambios de archivos y el procesamiento documental adicional pertenecen a la aplicación conectada con la conversación. Conserva la edición identificada Medium 3.1 y su contexto de 128k, y solicita la explicación, el registro estructurado o la revisión específica que necesita realmente el siguiente paso.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.mistralai/mistral-medium-3.1Mistral Medium 3.1 es un modelo de texto e imágenes para respuestas conversacionales, preguntas sobre documentos y extracción estructurada. Su contexto de 128k según su desarrollador y sus funciones enumeradas de llamadas a funciones, salidas predichas y prefijos permiten explicaciones basadas en fuentes y flujos de edición específicos.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Mistral Medium 3.1 es una edición multimodal de Mistral AI para comprensión textual y visual. Su desarrollador describe esta revisión como una mejora del tono y el desempeño dentro de la línea Medium 3. Acepta texto e imágenes y produce texto: una explicación, una respuesta documental, un registro estructurado o una llamada a función propuesta. El identificador fijo de su desarrollador para esta edición es mistral-medium-2508.
Contexto y edición específica
La página del modelo documenta una ventana de contexto de 128k. Úsala para mantener juntos los pasajes fuente relacionados, la evidencia visual, la conversación y la tarea del usuario. Identifica las funciones de los documentos y la pregunta que se debe responder antes de proporcionar una colección extensa. Un contexto largo puede permitir una comparación enfocada mientras el artefacto final sigue siendo una tabla breve o una sección revisada.
Medium 3.1 conserva su propia especificación. El contexto de 256k, la arquitectura densa de 128B y los modos configurables de razonamiento híbrido descritos para Medium 3.5 no deben atribuirse a esta entrada. La página de 3.1 no proporciona un número de parámetros ni una cifra máxima independiente de longitud de respuesta que pueda sustituirse de forma segura con datos del modelo posterior.
Salida estructurada y funciones
Su desarrollador enumera salidas estructuradas, llamadas a funciones y salidas predichas entre las funciones de esta edición. Para una tarea de extracción estructurada, define los campos requeridos, los tipos esperados y el tratamiento de la información ausente de la fuente. Un registro puede contener el identificador del documento, la declaración extraída, su ubicación de origen y la pregunta que queda pendiente. Solicita únicamente el registro cuando lo vaya a interpretar un programa, o mantén separada una explicación en prosa cuando alguien deba revisar la interpretación.
La documentación compartida de salida estructurada de Mistral distingue el modo JSON de un esquema personalizado. El modo JSON requiere una instrucción explícita sobre el formato JSON deseado, mientras que la vía personalizada define una estructura más específica. Esto da formato al resultado de texto, no constituye una nueva modalidad de contenido ni una acción externa.
Para funciones, la aplicación define la operación disponible y los argumentos, el modelo selecciona una llamada apropiada y prepara los valores, y la aplicación la ejecuta. Su resultado se convierte después en información para la siguiente respuesta. Un asistente documental puede usar una consulta para obtener datos de referencia faltantes, pero solo si la aplicación que lo integra proporciona esa consulta y devuelve su resultado real. Mantén asociados la llamada propuesta y los datos devueltos.
Ediciones predichas y prefijos de respuesta
Las salidas predichas son útiles cuando ya se conoce la mayor parte del resultado deseado, como un documento o archivo de código que necesita una edición limitada. Proporciona el contenido existente y describe el cambio con precisión, incluido lo que debe permanecer sin cambios. Una solicitud podría actualizar la terminología de una sección o reemplazar un detalle de implementación mientras conserva el resto del documento. La predicción contiene contenido esperado de salida, no un cambio completado y aplicado a un archivo.
La página del modelo también enumera continuación de prefijos de respuesta. En la documentación de chat de su desarrollador, un prefijo proporciona un inicio conocido para la respuesta del asistente, después del cual continúa la generación. Un inicio conocido y un cuerpo predicho resuelven problemas de preparación diferentes. Del mismo modo, el procesamiento por lotes y las interfaces de agente o conversación son funciones de flujo de trabajo, no ediciones independientes de imágenes, audio o razonamiento de Medium 3.1.
Preguntas documentales y visuales
El flujo enumerado de preguntas sobre documentos combina texto, estructura y formato preparados mediante OCR con análisis del modelo de lenguaje. Pregunta por la condición, pasaje o relación específicos que requiere la tarea. Una comparación puede identificar los documentos fuente y solicitar declaraciones compartidas, conflictos y detalles pendientes, conservando la ubicación de la fuente junto a cada hallazgo.
La guía de visión de su desarrollador incluye explícitamente Medium 3.1. Una pregunta visual directa puede proporcionar una gráfica legible, una imagen documental o una captura de pantalla y preguntar qué evidencia visible respalda una conclusión. Conserva los ejes, unidades, etiquetas y el contexto alrededor de un campo recortado. Si se proporcionan varias imágenes, identifica su orden y función en lugar de dejar al modelo inferir cuál es el original, la revisión o la referencia.
Por ejemplo, acompaña un requisito escrito de proceso con una captura de pantalla y solicita una tabla de coincidencias visibles, diferencias y preguntas que requieren más información. Otra tarea puede proporcionar dos versiones de un documento y pedir un pasaje revisado que conserve sus condiciones compartidas y resuelva una inconsistencia identificada. Son aplicaciones propuestas de las capacidades visuales, documentales y de edición documentadas, con el resultado requerido definido de antemano.
Preparación del artefacto final
Da al asistente un rol claro, el material fuente que debe usar y el formato de la respuesta. Mantén las reglas duraderas de respuesta separadas del documento examinado e indica el idioma final y la terminología. Una respuesta útil puede separar un hecho extraído, su fuente y una interpretación, lo que facilita su revisión frente a un solo resumen combinado.
El resultado documentado sigue siendo texto. Las herramientas externas, los cambios de archivos y el procesamiento documental adicional pertenecen a la aplicación conectada con la conversación. Conserva la edición identificada Medium 3.1 y su contexto de 128k, y solicita la explicación, el registro estructurado o la revisión específica que necesita realmente el siguiente paso.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites mistralai/mistral-medium-3.1 | 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.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0008 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0008 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3.1", "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/mistral-medium-3.1',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/mistral-medium-3.1',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 mistralai/mistral-medium-3.1
Usa las rutas de método indicadas arriba.
mistralai/mistral-medium-3.1Mistral Medium 3.1 es un modelo de texto e imágenes para respuestas conversacionales, preguntas sobre documentos y extracción estructurada. Su contexto de 128k según su desarrollador y sus funciones enumeradas de llamadas a funciones, salidas predichas y prefijos permiten explicaciones basadas en fuentes y flujos de edición específicos.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Mistral Medium 3.1 es una edición multimodal de Mistral AI para comprensión textual y visual. Su desarrollador describe esta revisión como una mejora del tono y el desempeño dentro de la línea Medium 3. Acepta texto e imágenes y produce texto: una explicación, una respuesta documental, un registro estructurado o una llamada a función propuesta. El identificador fijo de su desarrollador para esta edición es mistral-medium-2508.
Contexto y edición específica
La página del modelo documenta una ventana de contexto de 128k. Úsala para mantener juntos los pasajes fuente relacionados, la evidencia visual, la conversación y la tarea del usuario. Identifica las funciones de los documentos y la pregunta que se debe responder antes de proporcionar una colección extensa. Un contexto largo puede permitir una comparación enfocada mientras el artefacto final sigue siendo una tabla breve o una sección revisada.
Medium 3.1 conserva su propia especificación. El contexto de 256k, la arquitectura densa de 128B y los modos configurables de razonamiento híbrido descritos para Medium 3.5 no deben atribuirse a esta entrada. La página de 3.1 no proporciona un número de parámetros ni una cifra máxima independiente de longitud de respuesta que pueda sustituirse de forma segura con datos del modelo posterior.
Salida estructurada y funciones
Su desarrollador enumera salidas estructuradas, llamadas a funciones y salidas predichas entre las funciones de esta edición. Para una tarea de extracción estructurada, define los campos requeridos, los tipos esperados y el tratamiento de la información ausente de la fuente. Un registro puede contener el identificador del documento, la declaración extraída, su ubicación de origen y la pregunta que queda pendiente. Solicita únicamente el registro cuando lo vaya a interpretar un programa, o mantén separada una explicación en prosa cuando alguien deba revisar la interpretación.
La documentación compartida de salida estructurada de Mistral distingue el modo JSON de un esquema personalizado. El modo JSON requiere una instrucción explícita sobre el formato JSON deseado, mientras que la vía personalizada define una estructura más específica. Esto da formato al resultado de texto, no constituye una nueva modalidad de contenido ni una acción externa.
Para funciones, la aplicación define la operación disponible y los argumentos, el modelo selecciona una llamada apropiada y prepara los valores, y la aplicación la ejecuta. Su resultado se convierte después en información para la siguiente respuesta. Un asistente documental puede usar una consulta para obtener datos de referencia faltantes, pero solo si la aplicación que lo integra proporciona esa consulta y devuelve su resultado real. Mantén asociados la llamada propuesta y los datos devueltos.
Ediciones predichas y prefijos de respuesta
Las salidas predichas son útiles cuando ya se conoce la mayor parte del resultado deseado, como un documento o archivo de código que necesita una edición limitada. Proporciona el contenido existente y describe el cambio con precisión, incluido lo que debe permanecer sin cambios. Una solicitud podría actualizar la terminología de una sección o reemplazar un detalle de implementación mientras conserva el resto del documento. La predicción contiene contenido esperado de salida, no un cambio completado y aplicado a un archivo.
La página del modelo también enumera continuación de prefijos de respuesta. En la documentación de chat de su desarrollador, un prefijo proporciona un inicio conocido para la respuesta del asistente, después del cual continúa la generación. Un inicio conocido y un cuerpo predicho resuelven problemas de preparación diferentes. Del mismo modo, el procesamiento por lotes y las interfaces de agente o conversación son funciones de flujo de trabajo, no ediciones independientes de imágenes, audio o razonamiento de Medium 3.1.
Preguntas documentales y visuales
El flujo enumerado de preguntas sobre documentos combina texto, estructura y formato preparados mediante OCR con análisis del modelo de lenguaje. Pregunta por la condición, pasaje o relación específicos que requiere la tarea. Una comparación puede identificar los documentos fuente y solicitar declaraciones compartidas, conflictos y detalles pendientes, conservando la ubicación de la fuente junto a cada hallazgo.
La guía de visión de su desarrollador incluye explícitamente Medium 3.1. Una pregunta visual directa puede proporcionar una gráfica legible, una imagen documental o una captura de pantalla y preguntar qué evidencia visible respalda una conclusión. Conserva los ejes, unidades, etiquetas y el contexto alrededor de un campo recortado. Si se proporcionan varias imágenes, identifica su orden y función en lugar de dejar al modelo inferir cuál es el original, la revisión o la referencia.
Por ejemplo, acompaña un requisito escrito de proceso con una captura de pantalla y solicita una tabla de coincidencias visibles, diferencias y preguntas que requieren más información. Otra tarea puede proporcionar dos versiones de un documento y pedir un pasaje revisado que conserve sus condiciones compartidas y resuelva una inconsistencia identificada. Son aplicaciones propuestas de las capacidades visuales, documentales y de edición documentadas, con el resultado requerido definido de antemano.
Preparación del artefacto final
Da al asistente un rol claro, el material fuente que debe usar y el formato de la respuesta. Mantén las reglas duraderas de respuesta separadas del documento examinado e indica el idioma final y la terminología. Una respuesta útil puede separar un hecho extraído, su fuente y una interpretación, lo que facilita su revisión frente a un solo resumen combinado.
El resultado documentado sigue siendo texto. Las herramientas externas, los cambios de archivos y el procesamiento documental adicional pertenecen a la aplicación conectada con la conversación. Conserva la edición identificada Medium 3.1 y su contexto de 128k, y solicita la explicación, el registro estructurado o la revisión específica que necesita realmente el siguiente paso.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites mistralai/mistral-medium-3.1 | 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.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0008 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0008 / 1K tokens Salida · Tokens de salida $0.004 / 1K tokens Entrada · Lectura de caché $0.00008 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "mistralai/mistral-medium-3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/mistral-medium-3.1', '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/mistral-medium-3.1', '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 mistralai/mistral-medium-3.1
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.