Pixtral Large es el modelo multimodal de Mistral AI construido sobre Mistral Large 2. Combina un decodificador multimodal de 123 mil millones de parámetros con un codificador de visión de mil millones de parámetros, para formar un modelo de 124 mil millones de parámetros. El propósito es conservar una capacidad de lenguaje considerable mientras comprende la evidencia visual necesaria para una respuesta: una página de documento, una gráfica, una fotografía o una captura de pantalla. Las entradas pueden combinar texto e imágenes; el resultado es texto.
Mistral describe una ventana de contexto de 128K tokens e indica que puede albergar al menos 30 imágenes de alta resolución. Esa afirmación describe la capacidad del contexto, no un ajuste universal de cantidad de imágenes por solicitud. El valor práctico es poder relacionar varias fuentes visuales con una sola pregunta. Una tarea de comparación útil podría proporcionar páginas etiquetadas de dos informes y preguntar qué cifras, etiquetas y conclusiones difieren. Mantén juntos el texto de la pregunta, la función de cada imagen y la estructura de respuesta requerida.
El fabricante ilustra lectura de texto multilingüe, preguntas sobre documentos, interpretación de gráficas y comprensión ordinaria de imágenes. Para un asistente de documentos, pide los nombres y valores de campos visibles, una descripción de la disposición de la página o una explicación que conecte el texto con una tabla o figura. Para una gráfica, especifica los ejes, las series o el intervalo que quieres examinar. Una solicitud ilustrativa es: “Compara estas gráficas. Separa los valores que puedes leer directamente de las interpretaciones, identifica el cambio mostrado y enumera la información necesaria para comprobar la conclusión”. El resultado podría ser una tabla de campos, un conjunto de observaciones o una explicación escrita.
La ficha del modelo presta especial atención al prompt de sistema. Mistral recomienda incluir una instrucción que indique el propósito del asistente, aunque sea breve. Esto es útil para una tarea visual porque la misma imagen puede servir para distintos trabajos: extraer entradas, describir una escena, explicar un diagrama o compararlo con un requisito escrito. Indica el trabajo y las reglas para los detalles inciertos o ilegibles. Al proporcionar varias imágenes, etiquétalas e identifica su orden o relación para que la respuesta pueda conectar las observaciones con el material correcto.
La página del modelo de Mistral enumera preguntas y respuestas sobre documentos, salidas estructuradas y llamadas a funciones. La interfaz del fabricante también admite procesamiento por lotes. Sus recomendaciones de salida estructurada distinguen un formato de objeto JSON de un esquema personalizado; el modo JSON aún requiere una instrucción explícita para producir JSON. Para extracción, define los campos, el tratamiento de valores faltantes y la diferencia entre texto transcrito y una conclusión. Una respuesta estructurada es útil cuando una aplicación necesita procesar el resultado, mientras que una explicación libre es útil cuando una persona necesita comprender el razonamiento que lo sustenta.
Para llamadas a funciones, la aplicación proporciona definiciones de herramientas y el modelo propone una función con argumentos. Después, el flujo de trabajo de Mistral hace que la aplicación ejecute la operación y envíe su resultado antes de que el modelo escriba la respuesta de seguimiento. Un flujo de documentos podría utilizar una herramienta para consultar un identificador leído de una imagen y después pedir una explicación con el registro devuelto. El modelo visual no obtiene acceso arbitrario a datos externos simplemente porque una imagen mencione un registro: la operación permitida y su resultado provienen de la aplicación.
El productor también enumera funciones de salida prevista y prefijo. Las salidas previstas permiten que quien llama proporcione texto esperado al regenerar un documento o archivo de código con un cambio pequeño; un prefijo define el texto inicial de la respuesta. Son controles de preparación distintos, no modalidades visuales adicionales. La salida útil sigue siendo una descripción, extracción o explicación de texto, no una imagen recién renderizada. Elige imágenes fuente claras, especifica lo que se debe conservar y revisa las lecturas críticas contra la página original.
La etiqueta latest es un alias de familia, mientras que Pixtral-Large-Instruct-2411 es la versión fija del fabricante documentada por la ficha del modelo. Mantén esos nombres distintos al preparar una tarea repetible. La cifra de contexto publicada describe el modelo del productor; las páginas consultadas no establecen un límite universal independiente de tokens de salida. Selecciona juntos el conjunto de imágenes, la pregunta de texto y la extensión deseada de la respuesta, y mantén separados los límites de solicitud específicos de cada versión de las capacidades visuales generales descritas aquí.
", "aboutText": "Pixtral Large es el modelo multimodal de Mistral AI construido sobre Mistral Large 2. Combina un decodificador multimodal de 123 mil millones de parámetros con un codificador de visión de mil millones de parámetros, para formar un modelo de 124 mil millones de parámetros. El propósito es conservar una capacidad de lenguaje considerable mientras comprende la evidencia visual necesaria para una respuesta: una página de documento, una gráfica, una fotografía o una captura de pantalla. Las entradas pueden combinar texto e imágenes; el resultado es texto.\n\nMistral describe una ventana de contexto de 128K tokens e indica que puede albergar al menos 30 imágenes de alta resolución. Esa afirmación describe la capacidad del contexto, no un ajuste universal de cantidad de imágenes por solicitud. El valor práctico es poder relacionar varias fuentes visuales con una sola pregunta. Una tarea de comparación útil podría proporcionar páginas etiquetadas de dos informes y preguntar qué cifras, etiquetas y conclusiones difieren. Mantén juntos el texto de la pregunta, la función de cada imagen y la estructura de respuesta requerida.\n\nEl fabricante ilustra lectura de texto multilingüe, preguntas sobre documentos, interpretación de gráficas y comprensión ordinaria de imágenes. Para un asistente de documentos, pide los nombres y valores de campos visibles, una descripción de la disposición de la página o una explicación que conecte el texto con una tabla o figura. Para una gráfica, especifica los ejes, las series o el intervalo que quieres examinar. Una solicitud ilustrativa es: “Compara estas gráficas. Separa los valores que puedes leer directamente de las interpretaciones, identifica el cambio mostrado y enumera la información necesaria para comprobar la conclusión”. El resultado podría ser una tabla de campos, un conjunto de observaciones o una explicación escrita.\n\nLa ficha del modelo presta especial atención al prompt de sistema. Mistral recomienda incluir una instrucción que indique el propósito del asistente, aunque sea breve. Esto es útil para una tarea visual porque la misma imagen puede servir para distintos trabajos: extraer entradas, describir una escena, explicar un diagrama o compararlo con un requisito escrito. Indica el trabajo y las reglas para los detalles inciertos o ilegibles. Al proporcionar varias imágenes, etiquétalas e identifica su orden o relación para que la respuesta pueda conectar las observaciones con el material correcto.\n\nLa página del modelo de Mistral enumera preguntas y respuestas sobre documentos, salidas estructuradas y llamadas a funciones. La interfaz del fabricante también admite procesamiento por lotes. Sus recomendaciones de salida estructurada distinguen un formato de objeto JSON de un esquema personalizado; el modo JSON aún requiere una instrucción explícita para producir JSON. Para extracción, define los campos, el tratamiento de valores faltantes y la diferencia entre texto transcrito y una conclusión. Una respuesta estructurada es útil cuando una aplicación necesita procesar el resultado, mientras que una explicación libre es útil cuando una persona necesita comprender el razonamiento que lo sustenta.\n\nPara llamadas a funciones, la aplicación proporciona definiciones de herramientas y el modelo propone una función con argumentos. Después, el flujo de trabajo de Mistral hace que la aplicación ejecute la operación y envíe su resultado antes de que el modelo escriba la respuesta de seguimiento. Un flujo de documentos podría utilizar una herramienta para consultar un identificador leído de una imagen y después pedir una explicación con el registro devuelto. El modelo visual no obtiene acceso arbitrario a datos externos simplemente porque una imagen mencione un registro: la operación permitida y su resultado provienen de la aplicación.\n\nEl productor también enumera funciones de salida prevista y prefijo. Las salidas previstas permiten que quien llama proporcione texto esperado al regenerar un documento o archivo de código con un cambio pequeño; un prefijo define el texto inicial de la respuesta. Son controles de preparación distintos, no modalidades visuales adicionales. La salida útil sigue siendo una descripción, extracción o explicación de texto, no una imagen recién renderizada. Elige imágenes fuente claras, especifica lo que se debe conservar y revisa las lecturas críticas contra la página original.\n\nLa etiqueta latest es un alias de familia, mientras que Pixtral-Large-Instruct-2411 es la versión fija del fabricante documentada por la ficha del modelo. Mantén esos nombres distintos al preparar una tarea repetible. La cifra de contexto publicada describe el modelo del productor; las páginas consultadas no establecen un límite universal independiente de tokens de salida. Selecciona juntos el conjunto de imágenes, la pregunta de texto y la extensión deseada de la respuesta, y mantén separados los límites de solicitud específicos de cada versión de las capacidades visuales generales descritas aquí.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.pixtral-large-latestPixtral Large combina las capacidades de lenguaje de Mistral con comprensión de imágenes para documentos, gráficas y fotografías. Produce respuestas de texto y admite resultados estructurados y herramientas definidas por la aplicación en las interfaces documentadas del fabricante.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Pixtral Large es el modelo multimodal de Mistral AI construido sobre Mistral Large 2. Combina un decodificador multimodal de 123 mil millones de parámetros con un codificador de visión de mil millones de parámetros, para formar un modelo de 124 mil millones de parámetros. El propósito es conservar una capacidad de lenguaje considerable mientras comprende la evidencia visual necesaria para una respuesta: una página de documento, una gráfica, una fotografía o una captura de pantalla. Las entradas pueden combinar texto e imágenes; el resultado es texto.
Mistral describe una ventana de contexto de 128K tokens e indica que puede albergar al menos 30 imágenes de alta resolución. Esa afirmación describe la capacidad del contexto, no un ajuste universal de cantidad de imágenes por solicitud. El valor práctico es poder relacionar varias fuentes visuales con una sola pregunta. Una tarea de comparación útil podría proporcionar páginas etiquetadas de dos informes y preguntar qué cifras, etiquetas y conclusiones difieren. Mantén juntos el texto de la pregunta, la función de cada imagen y la estructura de respuesta requerida.
El fabricante ilustra lectura de texto multilingüe, preguntas sobre documentos, interpretación de gráficas y comprensión ordinaria de imágenes. Para un asistente de documentos, pide los nombres y valores de campos visibles, una descripción de la disposición de la página o una explicación que conecte el texto con una tabla o figura. Para una gráfica, especifica los ejes, las series o el intervalo que quieres examinar. Una solicitud ilustrativa es: “Compara estas gráficas. Separa los valores que puedes leer directamente de las interpretaciones, identifica el cambio mostrado y enumera la información necesaria para comprobar la conclusión”. El resultado podría ser una tabla de campos, un conjunto de observaciones o una explicación escrita.
La ficha del modelo presta especial atención al prompt de sistema. Mistral recomienda incluir una instrucción que indique el propósito del asistente, aunque sea breve. Esto es útil para una tarea visual porque la misma imagen puede servir para distintos trabajos: extraer entradas, describir una escena, explicar un diagrama o compararlo con un requisito escrito. Indica el trabajo y las reglas para los detalles inciertos o ilegibles. Al proporcionar varias imágenes, etiquétalas e identifica su orden o relación para que la respuesta pueda conectar las observaciones con el material correcto.
La página del modelo de Mistral enumera preguntas y respuestas sobre documentos, salidas estructuradas y llamadas a funciones. La interfaz del fabricante también admite procesamiento por lotes. Sus recomendaciones de salida estructurada distinguen un formato de objeto JSON de un esquema personalizado; el modo JSON aún requiere una instrucción explícita para producir JSON. Para extracción, define los campos, el tratamiento de valores faltantes y la diferencia entre texto transcrito y una conclusión. Una respuesta estructurada es útil cuando una aplicación necesita procesar el resultado, mientras que una explicación libre es útil cuando una persona necesita comprender el razonamiento que lo sustenta.
Para llamadas a funciones, la aplicación proporciona definiciones de herramientas y el modelo propone una función con argumentos. Después, el flujo de trabajo de Mistral hace que la aplicación ejecute la operación y envíe su resultado antes de que el modelo escriba la respuesta de seguimiento. Un flujo de documentos podría utilizar una herramienta para consultar un identificador leído de una imagen y después pedir una explicación con el registro devuelto. El modelo visual no obtiene acceso arbitrario a datos externos simplemente porque una imagen mencione un registro: la operación permitida y su resultado provienen de la aplicación.
El productor también enumera funciones de salida prevista y prefijo. Las salidas previstas permiten que quien llama proporcione texto esperado al regenerar un documento o archivo de código con un cambio pequeño; un prefijo define el texto inicial de la respuesta. Son controles de preparación distintos, no modalidades visuales adicionales. La salida útil sigue siendo una descripción, extracción o explicación de texto, no una imagen recién renderizada. Elige imágenes fuente claras, especifica lo que se debe conservar y revisa las lecturas críticas contra la página original.
La etiqueta latest es un alias de familia, mientras que Pixtral-Large-Instruct-2411 es la versión fija del fabricante documentada por la ficha del modelo. Mantén esos nombres distintos al preparar una tarea repetible. La cifra de contexto publicada describe el modelo del productor; las páginas consultadas no establecen un límite universal independiente de tokens de salida. Selecciona juntos el conjunto de imágenes, la pregunta de texto y la extensión deseada de la respuesta, y mantén separados los límites de solicitud específicos de cada versión de las capacidades visuales generales descritas aquí.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites pixtral-large-latest | 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 $0.0044 / 1K tokens Salida · Tokens de salida $0.0132 / 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": "pixtral-large-latest", "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='pixtral-large-latest',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='pixtral-large-latest',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 pixtral-large-latest
Usa las rutas de método indicadas arriba.
pixtral-large-latestPixtral Large combina las capacidades de lenguaje de Mistral con comprensión de imágenes para documentos, gráficas y fotografías. Produce respuestas de texto y admite resultados estructurados y herramientas definidas por la aplicación en las interfaces documentadas del fabricante.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Pixtral Large es el modelo multimodal de Mistral AI construido sobre Mistral Large 2. Combina un decodificador multimodal de 123 mil millones de parámetros con un codificador de visión de mil millones de parámetros, para formar un modelo de 124 mil millones de parámetros. El propósito es conservar una capacidad de lenguaje considerable mientras comprende la evidencia visual necesaria para una respuesta: una página de documento, una gráfica, una fotografía o una captura de pantalla. Las entradas pueden combinar texto e imágenes; el resultado es texto.
Mistral describe una ventana de contexto de 128K tokens e indica que puede albergar al menos 30 imágenes de alta resolución. Esa afirmación describe la capacidad del contexto, no un ajuste universal de cantidad de imágenes por solicitud. El valor práctico es poder relacionar varias fuentes visuales con una sola pregunta. Una tarea de comparación útil podría proporcionar páginas etiquetadas de dos informes y preguntar qué cifras, etiquetas y conclusiones difieren. Mantén juntos el texto de la pregunta, la función de cada imagen y la estructura de respuesta requerida.
El fabricante ilustra lectura de texto multilingüe, preguntas sobre documentos, interpretación de gráficas y comprensión ordinaria de imágenes. Para un asistente de documentos, pide los nombres y valores de campos visibles, una descripción de la disposición de la página o una explicación que conecte el texto con una tabla o figura. Para una gráfica, especifica los ejes, las series o el intervalo que quieres examinar. Una solicitud ilustrativa es: “Compara estas gráficas. Separa los valores que puedes leer directamente de las interpretaciones, identifica el cambio mostrado y enumera la información necesaria para comprobar la conclusión”. El resultado podría ser una tabla de campos, un conjunto de observaciones o una explicación escrita.
La ficha del modelo presta especial atención al prompt de sistema. Mistral recomienda incluir una instrucción que indique el propósito del asistente, aunque sea breve. Esto es útil para una tarea visual porque la misma imagen puede servir para distintos trabajos: extraer entradas, describir una escena, explicar un diagrama o compararlo con un requisito escrito. Indica el trabajo y las reglas para los detalles inciertos o ilegibles. Al proporcionar varias imágenes, etiquétalas e identifica su orden o relación para que la respuesta pueda conectar las observaciones con el material correcto.
La página del modelo de Mistral enumera preguntas y respuestas sobre documentos, salidas estructuradas y llamadas a funciones. La interfaz del fabricante también admite procesamiento por lotes. Sus recomendaciones de salida estructurada distinguen un formato de objeto JSON de un esquema personalizado; el modo JSON aún requiere una instrucción explícita para producir JSON. Para extracción, define los campos, el tratamiento de valores faltantes y la diferencia entre texto transcrito y una conclusión. Una respuesta estructurada es útil cuando una aplicación necesita procesar el resultado, mientras que una explicación libre es útil cuando una persona necesita comprender el razonamiento que lo sustenta.
Para llamadas a funciones, la aplicación proporciona definiciones de herramientas y el modelo propone una función con argumentos. Después, el flujo de trabajo de Mistral hace que la aplicación ejecute la operación y envíe su resultado antes de que el modelo escriba la respuesta de seguimiento. Un flujo de documentos podría utilizar una herramienta para consultar un identificador leído de una imagen y después pedir una explicación con el registro devuelto. El modelo visual no obtiene acceso arbitrario a datos externos simplemente porque una imagen mencione un registro: la operación permitida y su resultado provienen de la aplicación.
El productor también enumera funciones de salida prevista y prefijo. Las salidas previstas permiten que quien llama proporcione texto esperado al regenerar un documento o archivo de código con un cambio pequeño; un prefijo define el texto inicial de la respuesta. Son controles de preparación distintos, no modalidades visuales adicionales. La salida útil sigue siendo una descripción, extracción o explicación de texto, no una imagen recién renderizada. Elige imágenes fuente claras, especifica lo que se debe conservar y revisa las lecturas críticas contra la página original.
La etiqueta latest es un alias de familia, mientras que Pixtral-Large-Instruct-2411 es la versión fija del fabricante documentada por la ficha del modelo. Mantén esos nombres distintos al preparar una tarea repetible. La cifra de contexto publicada describe el modelo del productor; las páginas consultadas no establecen un límite universal independiente de tokens de salida. Selecciona juntos el conjunto de imágenes, la pregunta de texto y la extensión deseada de la respuesta, y mantén separados los límites de solicitud específicos de cada versión de las capacidades visuales generales descritas aquí.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites pixtral-large-latest | 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 $0.0044 / 1K tokens Salida · Tokens de salida $0.0132 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "pixtral-large-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'pixtral-large-latest', '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': 'pixtral-large-latest', '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 pixtral-large-latest
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.