Mistral Saba es el modelo de texto regional especializado de Mistral AI, creado mediante ajuste fino de un modelo de la familia Small con material seleccionado de Oriente Medio y el sur de Asia. El fabricante describe un modelo de 24 mil millones de parámetros destinado a reflejar el idioma regional, el contexto cultural y las formas locales de expresión. Recibe una tarea escrita y fuentes y devuelve texto.
Idioma y contexto regionales
El lanzamiento identifica explícitamente el árabe y muchas lenguas de origen indio, con especial fortaleza en lenguas del sur de la India como el tamil. Su enfoque es más específico que cambiar simplemente el idioma final de una respuesta de propósito general: el material de entrenamiento se elige para el contexto lingüístico y cultural regional en el que se utilizará la respuesta.
Especifica el público, la región, el idioma y el registro deseado antes de pedir un resultado. Una explicación formal, un mensaje dirigido a clientes y un pasaje educativo pueden requerir terminología y formas de tratamiento diferentes. Proporciona un glosario para nombres de productos o términos especializados que deban mantenerse coherentes e indica si el resultado debe conservar la redacción de origen o adaptar su explicación al lector.
La página del fabricante indica una ventana de contexto de 32k e identifica la edición como mistral-saba-2502. Utiliza el contexto para reunir los pasajes de origen, la conversación y las instrucciones pertinentes. Una respuesta adaptada a la región sigue necesitando las condiciones reales del producto, el procedimiento o el contenido documental como pruebas; la familiaridad cultural no proporciona información privada de una empresa.
Soporte conversacional
El fabricante destaca los asistentes conversacionales en árabe como caso de uso central. Una solicitud práctica de soporte puede proporcionar el mensaje del usuario y las referencias aprobadas y después pedir una respuesta en un registro nombrado. Solicita la siguiente acción, la condición que la hace aplicable y cualquier detalle que el usuario deba aportar todavía. Así, la respuesta se mantiene vinculada al problema concreto en lugar de producir un saludo regional genérico.
Para una explicación bilingüe, identifica el idioma de origen y el idioma del mensaje final. Conserva los nombres, importes o unidades proporcionados en el material y describe el público que debe comprender la respuesta. Un seguimiento puede pedir una versión más breve o aclarar un término manteniendo las mismas condiciones.
Adaptación a dominios específicos
El anuncio describe el ajuste fino de Saba para dominios concretos, incluidos energía y otros contextos profesionales regionales. Es un proceso de adaptación, no una afirmación de que cada conjunto de datos especializado ya forme parte del modelo predeterminado. Para una tarea textual orientada a un dominio, proporciona la terminología, los documentos de origen y las reglas de respuesta pertinentes para la aplicación real.
Una explicación técnica puede pedir al modelo que reformule un procedimiento utilizando la terminología regional del lector y conservando los pasos y condiciones originales. Una pregunta documental puede identificar la cláusula que se debe explicar y solicitar una respuesta concisa con el pasaje de apoyo. Distingue el hecho de origen, la explicación y cualquier término pendiente al preparar la salida.
Creación de contenido cultural
El fabricante también describe redacción culturalmente pertinente y recursos educativos. Indica el tema, el público previsto, el idioma y los hechos o ejemplos que deben aparecer. Para un pasaje educativo, especifica qué debe comprender el estudiante al terminar y pide una explicación seguida de un ejemplo práctico. Para un mensaje organizativo, proporciona la finalidad y la información sobre la que debe actuar el lector.
Cuando los modismos locales o las referencias culturales formen parte de la tarea, indica el contexto en que se utilizarán. Solicita una redacción alternativa cuando una versión formal o más neutral sirva a otro público. Son formas prácticas de aplicar la especialización regional del modelo manteniendo explícitos el contenido y el uso previsto.
Límites de la edición y del resultado
La especialización documentada de Saba es el trabajo textual con idiomas regionales y un contexto de 32k. No debe heredar entrada de imágenes, controles de razonamiento híbrido ni funciones de formato de herramientas de modelos Small o Medium posteriores solo por ser un ajuste fino de la familia Small. Las fuentes consultadas no indican una capacidad máxima independiente de tokens de salida para esta edición.
Prepara la tarea escrita completa, los hechos de origen pertinentes y el resultado deseado: una respuesta de soporte, una explicación, un pasaje adaptado o un texto educativo breve. Mantén explícitos la edición Saba nombrada y el idioma y registro del público para que el texto resultante responda a la necesidad real de comunicación regional.
", "aboutText": "Mistral Saba es el modelo de texto regional especializado de Mistral AI, creado mediante ajuste fino de un modelo de la familia Small con material seleccionado de Oriente Medio y el sur de Asia. El fabricante describe un modelo de 24 mil millones de parámetros destinado a reflejar el idioma regional, el contexto cultural y las formas locales de expresión. Recibe una tarea escrita y fuentes y devuelve texto.\n\nIdioma y contexto regionales\n\nEl lanzamiento identifica explícitamente el árabe y muchas lenguas de origen indio, con especial fortaleza en lenguas del sur de la India como el tamil. Su enfoque es más específico que cambiar simplemente el idioma final de una respuesta de propósito general: el material de entrenamiento se elige para el contexto lingüístico y cultural regional en el que se utilizará la respuesta.\n\nEspecifica el público, la región, el idioma y el registro deseado antes de pedir un resultado. Una explicación formal, un mensaje dirigido a clientes y un pasaje educativo pueden requerir terminología y formas de tratamiento diferentes. Proporciona un glosario para nombres de productos o términos especializados que deban mantenerse coherentes e indica si el resultado debe conservar la redacción de origen o adaptar su explicación al lector.\n\nLa página del fabricante indica una ventana de contexto de 32k e identifica la edición como mistral-saba-2502. Utiliza el contexto para reunir los pasajes de origen, la conversación y las instrucciones pertinentes. Una respuesta adaptada a la región sigue necesitando las condiciones reales del producto, el procedimiento o el contenido documental como pruebas; la familiaridad cultural no proporciona información privada de una empresa.\n\nSoporte conversacional\n\nEl fabricante destaca los asistentes conversacionales en árabe como caso de uso central. Una solicitud práctica de soporte puede proporcionar el mensaje del usuario y las referencias aprobadas y después pedir una respuesta en un registro nombrado. Solicita la siguiente acción, la condición que la hace aplicable y cualquier detalle que el usuario deba aportar todavía. Así, la respuesta se mantiene vinculada al problema concreto en lugar de producir un saludo regional genérico.\n\nPara una explicación bilingüe, identifica el idioma de origen y el idioma del mensaje final. Conserva los nombres, importes o unidades proporcionados en el material y describe el público que debe comprender la respuesta. Un seguimiento puede pedir una versión más breve o aclarar un término manteniendo las mismas condiciones.\n\nAdaptación a dominios específicos\n\nEl anuncio describe el ajuste fino de Saba para dominios concretos, incluidos energía y otros contextos profesionales regionales. Es un proceso de adaptación, no una afirmación de que cada conjunto de datos especializado ya forme parte del modelo predeterminado. Para una tarea textual orientada a un dominio, proporciona la terminología, los documentos de origen y las reglas de respuesta pertinentes para la aplicación real.\n\nUna explicación técnica puede pedir al modelo que reformule un procedimiento utilizando la terminología regional del lector y conservando los pasos y condiciones originales. Una pregunta documental puede identificar la cláusula que se debe explicar y solicitar una respuesta concisa con el pasaje de apoyo. Distingue el hecho de origen, la explicación y cualquier término pendiente al preparar la salida.\n\nCreación de contenido cultural\n\nEl fabricante también describe redacción culturalmente pertinente y recursos educativos. Indica el tema, el público previsto, el idioma y los hechos o ejemplos que deben aparecer. Para un pasaje educativo, especifica qué debe comprender el estudiante al terminar y pide una explicación seguida de un ejemplo práctico. Para un mensaje organizativo, proporciona la finalidad y la información sobre la que debe actuar el lector.\n\nCuando los modismos locales o las referencias culturales formen parte de la tarea, indica el contexto en que se utilizarán. Solicita una redacción alternativa cuando una versión formal o más neutral sirva a otro público. Son formas prácticas de aplicar la especialización regional del modelo manteniendo explícitos el contenido y el uso previsto.\n\nLímites de la edición y del resultado\n\nLa especialización documentada de Saba es el trabajo textual con idiomas regionales y un contexto de 32k. No debe heredar entrada de imágenes, controles de razonamiento híbrido ni funciones de formato de herramientas de modelos Small o Medium posteriores solo por ser un ajuste fino de la familia Small. Las fuentes consultadas no indican una capacidad máxima independiente de tokens de salida para esta edición.\n\nPrepara la tarea escrita completa, los hechos de origen pertinentes y el resultado deseado: una respuesta de soporte, una explicación, un pasaje adaptado o un texto educativo breve. Mantén explícitos la edición Saba nombrada y el idioma y registro del público para que el texto resultante responda a la necesidad real de comunicación regional.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.mistralai/mistral-sabaMistral Saba es un modelo de texto de 24 mil millones de parámetros entrenado con material seleccionado de Oriente Medio y el sur de Asia. Se centra en el idioma regional y el contexto cultural, incluidos el árabe y lenguas de origen indio como el tamil, con un contexto de 32k según el fabricante para tareas escritas.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Mistral Saba es el modelo de texto regional especializado de Mistral AI, creado mediante ajuste fino de un modelo de la familia Small con material seleccionado de Oriente Medio y el sur de Asia. El fabricante describe un modelo de 24 mil millones de parámetros destinado a reflejar el idioma regional, el contexto cultural y las formas locales de expresión. Recibe una tarea escrita y fuentes y devuelve texto.
Idioma y contexto regionales
El lanzamiento identifica explícitamente el árabe y muchas lenguas de origen indio, con especial fortaleza en lenguas del sur de la India como el tamil. Su enfoque es más específico que cambiar simplemente el idioma final de una respuesta de propósito general: el material de entrenamiento se elige para el contexto lingüístico y cultural regional en el que se utilizará la respuesta.
Especifica el público, la región, el idioma y el registro deseado antes de pedir un resultado. Una explicación formal, un mensaje dirigido a clientes y un pasaje educativo pueden requerir terminología y formas de tratamiento diferentes. Proporciona un glosario para nombres de productos o términos especializados que deban mantenerse coherentes e indica si el resultado debe conservar la redacción de origen o adaptar su explicación al lector.
La página del fabricante indica una ventana de contexto de 32k e identifica la edición como mistral-saba-2502. Utiliza el contexto para reunir los pasajes de origen, la conversación y las instrucciones pertinentes. Una respuesta adaptada a la región sigue necesitando las condiciones reales del producto, el procedimiento o el contenido documental como pruebas; la familiaridad cultural no proporciona información privada de una empresa.
Soporte conversacional
El fabricante destaca los asistentes conversacionales en árabe como caso de uso central. Una solicitud práctica de soporte puede proporcionar el mensaje del usuario y las referencias aprobadas y después pedir una respuesta en un registro nombrado. Solicita la siguiente acción, la condición que la hace aplicable y cualquier detalle que el usuario deba aportar todavía. Así, la respuesta se mantiene vinculada al problema concreto en lugar de producir un saludo regional genérico.
Para una explicación bilingüe, identifica el idioma de origen y el idioma del mensaje final. Conserva los nombres, importes o unidades proporcionados en el material y describe el público que debe comprender la respuesta. Un seguimiento puede pedir una versión más breve o aclarar un término manteniendo las mismas condiciones.
Adaptación a dominios específicos
El anuncio describe el ajuste fino de Saba para dominios concretos, incluidos energía y otros contextos profesionales regionales. Es un proceso de adaptación, no una afirmación de que cada conjunto de datos especializado ya forme parte del modelo predeterminado. Para una tarea textual orientada a un dominio, proporciona la terminología, los documentos de origen y las reglas de respuesta pertinentes para la aplicación real.
Una explicación técnica puede pedir al modelo que reformule un procedimiento utilizando la terminología regional del lector y conservando los pasos y condiciones originales. Una pregunta documental puede identificar la cláusula que se debe explicar y solicitar una respuesta concisa con el pasaje de apoyo. Distingue el hecho de origen, la explicación y cualquier término pendiente al preparar la salida.
Creación de contenido cultural
El fabricante también describe redacción culturalmente pertinente y recursos educativos. Indica el tema, el público previsto, el idioma y los hechos o ejemplos que deben aparecer. Para un pasaje educativo, especifica qué debe comprender el estudiante al terminar y pide una explicación seguida de un ejemplo práctico. Para un mensaje organizativo, proporciona la finalidad y la información sobre la que debe actuar el lector.
Cuando los modismos locales o las referencias culturales formen parte de la tarea, indica el contexto en que se utilizarán. Solicita una redacción alternativa cuando una versión formal o más neutral sirva a otro público. Son formas prácticas de aplicar la especialización regional del modelo manteniendo explícitos el contenido y el uso previsto.
Límites de la edición y del resultado
La especialización documentada de Saba es el trabajo textual con idiomas regionales y un contexto de 32k. No debe heredar entrada de imágenes, controles de razonamiento híbrido ni funciones de formato de herramientas de modelos Small o Medium posteriores solo por ser un ajuste fino de la familia Small. Las fuentes consultadas no indican una capacidad máxima independiente de tokens de salida para esta edición.
Prepara la tarea escrita completa, los hechos de origen pertinentes y el resultado deseado: una respuesta de soporte, una explicación, un pasaje adaptado o un texto educativo breve. Mantén explícitos la edición Saba nombrada y el idioma y registro del público para que el texto resultante responda a la necesidad real de comunicación regional.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites mistralai/mistral-saba | 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 $0.0004 / 1K tokens Salida · Tokens de salida $0.0012 / 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 $0.0012 / 1K tokens Entrada · Lectura de caché $0.00004 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-saba", "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-saba',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-saba',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 las cabeceras. 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-saba
Usa las rutas de método indicadas arriba.
mistralai/mistral-sabaMistral Saba es un modelo de texto de 24 mil millones de parámetros entrenado con material seleccionado de Oriente Medio y el sur de Asia. Se centra en el idioma regional y el contexto cultural, incluidos el árabe y lenguas de origen indio como el tamil, con un contexto de 32k según el fabricante para tareas escritas.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Mistral Saba es el modelo de texto regional especializado de Mistral AI, creado mediante ajuste fino de un modelo de la familia Small con material seleccionado de Oriente Medio y el sur de Asia. El fabricante describe un modelo de 24 mil millones de parámetros destinado a reflejar el idioma regional, el contexto cultural y las formas locales de expresión. Recibe una tarea escrita y fuentes y devuelve texto.
Idioma y contexto regionales
El lanzamiento identifica explícitamente el árabe y muchas lenguas de origen indio, con especial fortaleza en lenguas del sur de la India como el tamil. Su enfoque es más específico que cambiar simplemente el idioma final de una respuesta de propósito general: el material de entrenamiento se elige para el contexto lingüístico y cultural regional en el que se utilizará la respuesta.
Especifica el público, la región, el idioma y el registro deseado antes de pedir un resultado. Una explicación formal, un mensaje dirigido a clientes y un pasaje educativo pueden requerir terminología y formas de tratamiento diferentes. Proporciona un glosario para nombres de productos o términos especializados que deban mantenerse coherentes e indica si el resultado debe conservar la redacción de origen o adaptar su explicación al lector.
La página del fabricante indica una ventana de contexto de 32k e identifica la edición como mistral-saba-2502. Utiliza el contexto para reunir los pasajes de origen, la conversación y las instrucciones pertinentes. Una respuesta adaptada a la región sigue necesitando las condiciones reales del producto, el procedimiento o el contenido documental como pruebas; la familiaridad cultural no proporciona información privada de una empresa.
Soporte conversacional
El fabricante destaca los asistentes conversacionales en árabe como caso de uso central. Una solicitud práctica de soporte puede proporcionar el mensaje del usuario y las referencias aprobadas y después pedir una respuesta en un registro nombrado. Solicita la siguiente acción, la condición que la hace aplicable y cualquier detalle que el usuario deba aportar todavía. Así, la respuesta se mantiene vinculada al problema concreto en lugar de producir un saludo regional genérico.
Para una explicación bilingüe, identifica el idioma de origen y el idioma del mensaje final. Conserva los nombres, importes o unidades proporcionados en el material y describe el público que debe comprender la respuesta. Un seguimiento puede pedir una versión más breve o aclarar un término manteniendo las mismas condiciones.
Adaptación a dominios específicos
El anuncio describe el ajuste fino de Saba para dominios concretos, incluidos energía y otros contextos profesionales regionales. Es un proceso de adaptación, no una afirmación de que cada conjunto de datos especializado ya forme parte del modelo predeterminado. Para una tarea textual orientada a un dominio, proporciona la terminología, los documentos de origen y las reglas de respuesta pertinentes para la aplicación real.
Una explicación técnica puede pedir al modelo que reformule un procedimiento utilizando la terminología regional del lector y conservando los pasos y condiciones originales. Una pregunta documental puede identificar la cláusula que se debe explicar y solicitar una respuesta concisa con el pasaje de apoyo. Distingue el hecho de origen, la explicación y cualquier término pendiente al preparar la salida.
Creación de contenido cultural
El fabricante también describe redacción culturalmente pertinente y recursos educativos. Indica el tema, el público previsto, el idioma y los hechos o ejemplos que deben aparecer. Para un pasaje educativo, especifica qué debe comprender el estudiante al terminar y pide una explicación seguida de un ejemplo práctico. Para un mensaje organizativo, proporciona la finalidad y la información sobre la que debe actuar el lector.
Cuando los modismos locales o las referencias culturales formen parte de la tarea, indica el contexto en que se utilizarán. Solicita una redacción alternativa cuando una versión formal o más neutral sirva a otro público. Son formas prácticas de aplicar la especialización regional del modelo manteniendo explícitos el contenido y el uso previsto.
Límites de la edición y del resultado
La especialización documentada de Saba es el trabajo textual con idiomas regionales y un contexto de 32k. No debe heredar entrada de imágenes, controles de razonamiento híbrido ni funciones de formato de herramientas de modelos Small o Medium posteriores solo por ser un ajuste fino de la familia Small. Las fuentes consultadas no indican una capacidad máxima independiente de tokens de salida para esta edición.
Prepara la tarea escrita completa, los hechos de origen pertinentes y el resultado deseado: una respuesta de soporte, una explicación, un pasaje adaptado o un texto educativo breve. Mantén explícitos la edición Saba nombrada y el idioma y registro del público para que el texto resultante responda a la necesidad real de comunicación regional.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites mistralai/mistral-saba | 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 $0.0004 / 1K tokens Salida · Tokens de salida $0.0012 / 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 $0.0012 / 1K tokens Entrada · Lectura de caché $0.00004 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "mistralai/mistral-saba",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-saba', '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-saba', '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 las cabeceras. 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-saba
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.