Source: https://ailoot.ai/models/es/mistralai-mistral-medium-3-1-u003a-batch/
Canonical: https://ailoot.ai/models/es/mistralai-mistral-medium-3-1-u003a-batch/
Language: es

# Mistral: Mistral Medium 3.1 (batch)

[Markdown](https://ailoot.ai/models/es/mistralai-mistral-medium-3-1-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/es/mistralai-mistral-medium-3-1-u003a-batch/facts.json)

## [Mistral: Mistral Medium 3.1 (batch)](https://ailoot.ai/models/es/mistralai-mistral-medium-3-1-u003a-batch/)

Mistral Medium 3.1 es un modelo de texto e imagen para respuestas conversacionales, preguntas sobre documentos y extracción estructurada. Su contexto de 128k según el fabricante y las funciones enumeradas de llamadas a funciones, salida predicha y prefijos permiten explicaciones basadas en fuentes y flujos de edición delimitada.

- [**Ailoot Ultra · Procesamiento por lotes** `POST /v1/batches` `mistralai/mistral-medium-3.1:batch`](https://ailoot.ai/models/es/mistralai-mistral-medium-3-1-u003a-batch/#method-0)

Sobre el modelo

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. El fabricante describe esta revisión como una mejora del tono y el rendimiento 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 del fabricante para esta edición es mistral-medium-2508.

Contexto y edición específica

La página del modelo documenta una ventana de contexto de 128k. Utilízala para mantener juntos los pasajes de origen relacionados, las pruebas de imagen, la conversación y la tarea del usuario. Identifica las funciones de los documentos y la pregunta que responder antes de aportar una colección amplia. Un contexto largo puede permitir una comparación delimitada mientras el resultado final sigue siendo una tabla breve o una sección revisada.

Medium 3.1 conserva su propia especificación. No deben atribuirse a esta entrada el contexto de 256k, la arquitectura densa de 128 mil millones de parámetros ni los modos configurables de razonamiento híbrido descritos para Medium 3.5. La página de 3.1 no proporciona un número de parámetros ni una cifra máxima independiente de longitud de respuesta que se pueda sustituir con seguridad por la del modelo posterior.

Salida estructurada y funciones

El fabricante 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 en la fuente. Un registro puede contener el identificador del documento, la afirmación extraída, su ubicación de origen y la pregunta que queda pendiente. Pide únicamente el registro cuando lo vaya a analizar un programa, o mantén separada una explicación en prosa cuando alguien deba inspeccionar la interpretación.

La documentación común 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 opción personalizada define una estructura más específica. Se trata del formato del resultado textual, no de una modalidad de contenido nueva ni de una acción externa.

Para las funciones, la aplicación define la operación y los argumentos disponibles, el modelo selecciona una llamada adecuada y prepara los valores y la aplicación la ejecuta. Su resultado se convierte después en información para la siguiente respuesta. Un asistente documental puede utilizar una consulta para obtener datos de referencia ausentes, pero solo si la aplicación que lo rodea 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 puede actualizar la terminología de una sección o sustituir un detalle de implementación conservando el resto del documento. La predicción contiene el contenido de salida esperado, no un cambio completado y aplicado a un archivo.

La página del modelo también enumera continuación mediante prefijo de respuesta. En la documentación de chat del fabricante, un prefijo proporciona un comienzo conocido para la respuesta del asistente, tras el cual continúa la generación. Un comienzo conocido y un cuerpo predicho resuelven problemas de preparación diferentes. Del mismo modo, el procesamiento por lotes y las interfaces de agentes o conversaciones son funciones de flujo de trabajo, no ediciones independientes de imagen, audio o razonamiento de Medium 3.1.

Preguntas documentales y visuales

El flujo enumerado de preguntas y respuestas sobre documentos combina texto, estructura y formato preparados mediante OCR con análisis del modelo lingüístico. Pregunta por la condición, pasaje o relación concretos que requiere la tarea. Una comparación puede identificar los documentos de origen y solicitar afirmaciones comunes, conflictos y detalles pendientes, conservando la ubicación de origen junto a cada hallazgo.

La guía visual del fabricante incluye explícitamente Medium 3.1. Una pregunta visual directa puede aportar un gráfico, una imagen documental o una captura legibles y preguntar qué pruebas visibles respaldan una conclusión. Conserva ejes, unidades, etiquetas y el contexto de un campo recortado. Si se proporcionan varias imágenes, identifica su orden y función en lugar de dejar que el modelo deduzca cuál es el original, la revisión o la referencia.

Por ejemplo, acompaña un requisito escrito de proceso con una captura y solicita una tabla de coincidencias visibles, diferencias y preguntas que necesiten más información. Otra tarea puede proporcionar dos versiones de un documento y pedir un pasaje revisado que conserve sus condiciones comunes y resuelva una inconsistencia nombrada. Son aplicaciones propuestas de las capacidades documentadas de visión, documentos y edición, con el resultado requerido definido de antemano.

Preparación del entregable final

Asigna al asistente un papel claro, las fuentes que debe utilizar y la forma de la respuesta. Mantén las reglas de respuesta estables 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, facilitando su inspección frente a un único 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 a la conversación. Conserva la edición Medium 3.1 nombrada y su contexto de 128k y solicita la explicación, el registro estructurado o la revisión delimitada que necesita realmente el siguiente paso.

**Ailoot Ultra · Procesamiento por lotes** `POST /v1/batches` `mistralai/mistral-medium-3.1:batch`

[`mistralai/mistral-medium-3.1:batch`](https://ailoot.ai/models/es/#m=mistralai%2Fmistral-medium-3.1%3Abatch&route=Ultra&caller=mistralai%2Fmistral-medium-3.1%3Abatch&fmt=batches)

Mistral /`mistralai/mistral-medium-3.1:batch`

### Primeros pasos

Mistral Medium 3.1 es un modelo de texto e imagen para respuestas conversacionales, preguntas sobre documentos y extracción estructurada. Su contexto de 128k según el fabricante y las funciones enumeradas de llamadas a funciones, salida predicha y prefijos permiten explicaciones basadas en fuentes y flujos de edición delimitada.

Entradas aceptadas

Texto

Resultados

Texto

### Disponible en Ailoot · entradas y métodos

**Ailoot Ultra · Procesamiento por lotes** `POST /v1/batches`

Tipos de entrada

`text`

Tipos de salida

`text`

Formato de salida

JSON de results\[\].response.body incluido directamente

| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
| --- | --- | --- | --- | --- |
| Campo`endpoint` | Tipo`string` | RequisitoObligatorio | Valores y límites /v1/chat/completions | Predeterminado— |
| Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites mistralai/mistral-medium-3.1:batch | Predeterminado— |
| Campo`requests` | Tipo`batch_item[]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
| Campo`requests[].custom_id` | Tipo`string` | RequisitoObligatorio | Valores y límites | Predeterminado— |
| Campo`requests[].body.messages` | Tipo`message[]` | RequisitoObligatorio | Valores y límites | Predeterminado— |
| Campo`completion_window` | Tipo`string` | RequisitoOpcional | Valores y límites 24h | Predeterminado— |
| Campo`provider` | Tipo`object\|null` | RequisitoOpcional | Valores y límites | Predeterminado— |
| Campo`requests[].body.model` | Tipo`string` | RequisitoOpcional | Valores y límites mistralai/mistral-medium-3.1:batch, mistralai/mistral-medium-3.1 | Predeterminado— |
| Campo`provider.only` | Tipo`string[]` | RequisitoOpcional | Valores y límites mistral | Predeterminado— |
| Campo`provider.allow_fallbacks` | Tipo`boolean\|null` | RequisitoOpcional | Valores y límites false, null | Predeterminado— |

Parámetros del método y ciclo de vida

| Parámetro | Contrato |
| --- | --- |
| Parámetro`content_type` | Contratoapplication/json |
| Parámetro`required` | Contratoendpoint, model, requests |
| Parámetro`material_types` | Contratotext |
| Parámetro`representation` | Contratorequests\[\] en la propia solicitud; cada elemento tiene custom\_id y body |
| Parámetro`request_endpoint_profile` | Contrato/v1/chat/completions |
| Parámetro`file_material` | ContratoEl cliente puede leer localmente el JSONL real en UTF-8 e incorporarlo a requests\[\]. No se utiliza purpose de carga, input\_file\_id ni ninguna referencia a archivos. Si falta el material del cliente o está vacío, la preparación se detiene antes del POST. |
| Parámetro`serialization_order` | Contratoendpoint, model, provider (si se proporciona), completion\_window (si se proporciona), requests al final |
| Parámetro`optional_controls` | Contratoprovider.only, provider.allow\_fallbacks, completion\_window |
| Parámetro`schema_scope` | ContratoCuerpos de Chat Completions de texto incluidos directamente en el contenedor Batch documentado. |

Ciclo de vida: `asynchronous`

`GET /v1/batches/{operation_id}` · response.id real de la respuesta de creación original; mismo usuario, clave y grupo

### Planes

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo rápido

Sin especificar Cuando se selecciona el modo rápido

Modo flex

Sin especificar Cuando se selecciona el modo flex

Esfuerzo máximo de razonamiento

Sin especificar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (default)

Precios de caché explícita

No habilitado Cuando se solicita caché explícita

#### Tarifas de Ailoot

#### Precios por configuración

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 **$0.0004** / 1K tokens Salida · Tokens de salida **$0.002** / 1K tokens Entrada · Lectura de caché **$0.00004** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens |
| ConfiguraciónTramo 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 **$0.0004** / 1K tokens Salida · Tokens de salida **$0.002** / 1K tokens Entrada · Lectura de caché **$0.00004** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens |

Ailoot reserva un importe 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 →](https://ailoot.ai/docs/es/billing/reserve/)

### Solicitudes de ejemplo

#### Ailoot Ultra · Procesamiento por lotes

curl · ejemplo de prueba conservadoPython HTTP · JSONL real del clientePython · guarda cada resultado completado

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"mistralai/mistral-medium-3.1:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json
```

```python
import json, os
from pathlib import Path
from urllib.request import Request, urlopen

def prepare_requests(customer_path):
    path = Path(customer_path)
    if not path.is_file(): raise ValueError("Customer JSONL file is missing")
    items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
    if not items: raise ValueError("Customer JSONL contains no requests")
    ids = set()
    for item in items:
        if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
        cid = item["custom_id"]
        if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
        ids.add(cid)
        if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
        supplied_model = item["body"].get("model")
        if supplied_model is not None and supplied_model not in ['mistralai/mistral-medium-3.1:batch', 'mistralai/mistral-medium-3.1']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"mistralai/mistral-medium-3.1:batch", "requests":items}

if __name__ == "__main__":
    material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")
    if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")
    body = prepare_requests(material)
    key = os.environ.get("AILOOT_API_KEY", "")
    if not key: raise SystemExit("Set AILOOT_API_KEY")
    request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")
    with urlopen(request) as response:
        raw = response.read()
        Path("batch-create-response.json").write_bytes(raw)
        print(raw.decode("utf-8"))
```

```python
import json
from pathlib import Path
raw = Path("batch-status-response.json").read_bytes()
response = json.loads(raw)
if response.get("status") != "completed":
    raise SystemExit("Keep the original operation; read its status without resubmitting")
results = response.get("results")
if not isinstance(results, list) or not results:
    raise SystemExit("Preserve the original response; completed results are missing")
Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8")
# Preserve batch-status-response.json with aggregate usage and every result/error.
```

### Recibir y guardar resultados

#### Ailoot Ultra · Procesamiento por lotes

JSON de results\[\].response.body incluido directamente

- `GET /v1/batches/{operation_id}`

##### Consultar el estado de la tarea

curl · estado de la operación original

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json
```

##### Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Conserva el JSON completo del estado original, cada resultado y su custom\_id, y el cuerpo completo de la respuesta o del error. Guarda los results\[\] completados como JSONL sin filtrarlos.

##### Si es necesario revisar la respuesta original

Conserva el ID de la operación original. 503 result\_pending\_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado se desconoce.

Campos de respuesta

| Campo | Tipo |
| --- | --- |
| Campo`results[].custom_id` | Tipostring |
| Campo`results[].response.body.choices[].message.content` | Tipostring\|null |
| Campo`results[].error` | Tipoobject\|null |
| Campo`usage` | Tipoobject\|null |
| Campo`id` | Tipostring |
| Campo`model` | Tipostring |
| Campo`endpoint` | Tipostring |
| Campo`status` | Tipostring |
| Campo`request_counts` | Tipoobject |
| Campo`results[].id` | Tipostring |
| Campo`results[].response.status_code` | Tipointeger |
| Campo`results[].response.request_id` | Tipostring |

Errores y siguientes pasos

| Respuesta | Condición | Siguiente paso |
| --- | --- | --- |
| Respuesta400 · `invalid_request_error` | CondiciónEl contenedor documentado con contenido incluido directamente no es válido, hay claves duplicadas, la identidad de un elemento no es válida o existe un conflicto con las capacidades configuradas del modelo. | Siguiente pasoCorrige los campos indicados antes de cualquier nuevo envío. |
| Respuesta401 · `authentication_error` | CondiciónClave API no válida. | Siguiente pasoUsa la clave Ailoot autorizada. |
| Respuesta403 · `permission_error` | CondiciónGrupo de Batch no disponible. | Siguiente pasoComprueba los permisos de la clave y del grupo. |
| Respuesta422 · `invalid_request_error` | CondiciónBatch se factura con cargo al saldo; se rechaza su creación con una suscripción. | Siguiente pasoUsa el grupo autorizado que se factura con cargo al saldo. |
| Respuesta422 · `price_unavailable` | CondiciónNo se puede calcular el presupuesto de la entrada de Batch. | Siguiente pasoConserva la respuesta; usa la entrada documentada para la familia. |
| Respuesta402 · `billing_error` | CondiciónReserva de Batch no disponible. | Siguiente pasoResuelve la admisión antes de enviar una nueva solicitud. |
| Respuesta503 · `price_unavailable` | CondiciónPrecio del método Batch o tarifas nativas no disponibles. | Siguiente pasoConserva la respuesta; no sustituyas los precios. |
| Respuesta503 · `api_error` | CondiciónLa ruta exacta del proveedor no está disponible. | Siguiente pasoConserva la respuesta para reparar la ruta. |
| Respuesta503 · `result_pending_check` | CondiciónEl resultado original requiere comprobación; X-Should-Retry:false. | Siguiente pasoConserva el operation\_id/id original y consulta su estado; nunca repitas el POST original. |
| Respuesta404 · `not_found` | CondiciónLa operación de consulta de estado de Batch no existe o pertenece a otra identidad. | Siguiente pasoUsa el id original exacto y el mismo usuario, clave y grupo. |

### Alias

#### Alias del modelo

**Ailoot Ultra** [`mistralai/mistral-medium-3.1:batch`](https://ailoot.ai/models/es/#m=mistralai%2Fmistral-medium-3.1%3Abatch&route=Ultra&caller=mistralai%2Fmistral-medium-3.1%3Abatch&fmt=batches)

#### Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

#### ID de modelo relacionados

[`mistralai/mistral-medium-3.1:batch`](https://ailoot.ai/models/es/#m=mistralai%2Fmistral-medium-3.1%3Abatch&route=Ultra&caller=mistralai%2Fmistral-medium-3.1%3Abatch&fmt=batches)

FAQ · Mistral: Mistral Medium 3.1 (batch)

¿Qué entradas y resultados están disponibles?

`POST /v1/batches` · `mistralai/mistral-medium-3.1:batch`: `text` → `text`

¿Qué campos utiliza la solicitud?

`POST /v1/batches` · `mistralai/mistral-medium-3.1:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider`

¿Qué límites se aplican?

`POST /v1/batches` · `mistralai/mistral-medium-3.1:batch`: `requests.min_items`: `1`

Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación.

## La empresa y su cartera de proyectos

La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes.

## Compra tokens con descuento.

Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens.

Suscripción

Elige un plan con descuento para tus peticiones habituales.

Código de hasta el 50%

Introduce el código al comprar. El precio se recalcula según la promoción vigente.

Gasto en el historial

Modelo, tokens e importe quedan guardados por cada petición.

[Elegir suscripción](https://ailoot.ai/docs/es/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es/)

## Conecta la API al producto que vendes.

SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso.

Aplicación comercial

Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio.

Licencia para revendedores

Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa.

Documentos en la web

La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar.

[Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es)

## Ailoot · La empresa y su cartera de proyectos





Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI.





La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes.





Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.