Mistral Small 3.2 24B Instruct 2506 es una actualización específica de Mistral Small 3.1 24B Instruct 2503. El fabricante identifica tres cambios concretos: seguir con mayor precisión las instrucciones, reducir las respuestas repetitivas o que se prolongan sin control y hacer más robusta la plantilla de llamadas a funciones. El modelo sigue siendo un modelo de texto e imagen ajustado para seguir instrucciones que genera texto, no una nueva edición de audio o generación de imágenes.
Qué cambia y qué se conserva
La ficha de 3.2 indica explícitamente que sus funciones principales son las mismas que las de la versión Small 3.1 nombrada. Entre ellas figuran visión, trabajo multilingüe, compatibilidad con prompts del sistema, llamadas nativas a funciones, salida JSON y una ventana de contexto de 128k. La ficha de 3.1 referenciada describe un modelo de 24 mil millones de parámetros y un tokenizador Tekken con un vocabulario indicado como 131k. Este vínculo documentado respalda trasladar esas funciones a 3.2, conservando la actualización 2506 como una edición propia.
El énfasis en el seguimiento de instrucciones importa cuando el resultado tiene varios requisitos exactos. Proporciona las fuentes, enumera las reglas que debe satisfacer la salida e indica el entregable que se debe devolver. Una solicitud de extracción documental puede exigir campos específicos, identificadores originales, una representación definida de valores ausentes y ninguna prosa fuera del registro. Una tarea de redacción puede exigir un público y un orden de secciones concretos, manteniendo sin cambios las condiciones proporcionadas.
El cambio relativo a la repetición aborda el comportamiento de generación y no añade un modo de razonamiento nuevo. Para una respuesta larga, define las secciones requeridas y la finalidad de cada una para que la solicitud tenga un punto de parada claro. El cambio de plantilla de funciones se refiere a cómo se representa una conversación con herramientas; utiliza los ajustes de conversación y tokenizador de la edición correspondiente en lugar de tratar un ejemplo de formato anterior como intercambiable.
Tareas visuales y multilingües
La función visual heredada permite acompañar una pregunta textual de una imagen. Proporciona una página, gráfico o diagrama legible e identifica el detalle que necesita la tarea. Para comparar gráficos, conserva los ejes, las unidades y la leyenda, y solicita la observación que respalda cada conclusión. Para un campo documental, conserva la etiqueta y el contexto circundante para que el valor devuelto se interprete correctamente.
La cobertura lingüística documentada incluye ruso, inglés, francés, alemán, español, italiano, portugués, chino, japonés, coreano, árabe, persa, hindi, bengalí y otros idiomas enumerados por el fabricante. Especifica el idioma final y cualquier terminología que deba permanecer sin cambios. Una tarea documental bilingüe puede conservar identificadores y unidades y adaptar al lector la explicación circundante.
Para una extracción visual práctica, solicita el identificador del documento, la etiqueta del campo, el texto extraído y la parte de la imagen que lo respalda. Puede seguir una explicación separada si el lector necesita interpretación. Esto evita que la transcripción, los campos estructurados y la conclusión del modelo se conviertan en un resultado indistinguible.
Instrucciones del sistema y herramientas
La ficha de 3.2 recomienda un prompt del sistema adaptado al caso de uso y una temperatura relativamente baja, como 0.15. Establece explícitamente el papel del asistente, las reglas de respuesta y el tratamiento de las fuentes. Coloca el documento o código real junto a la tarea del usuario, conservando la separación entre las instrucciones sobre la respuesta y las instrucciones citadas dentro de la fuente.
Las llamadas a funciones necesitan que la aplicación proporcione descripciones de herramientas y los argumentos requeridos. El modelo prepara una llamada, la aplicación ejecuta la función y devuelve su resultado, y la siguiente respuesta utiliza esa información. Los ejemplos publicados incluyen razonamiento visual, llamadas a herramientas e instrucciones exclusivamente textuales. Por tanto, una tarea de consulta puede pedir al modelo que seleccione una operación descrita y dejar la consulta real y su resultado a la aplicación que lo rodea.
Para una solicitud de programación, proporciona la función pertinente, la entrada que revela el problema y el comportamiento que debe resultar. Pide una corrección propuesta que conserve la interfaz original y después ejemplos que distingan el comportamiento previsto. Para una solicitud matemática, define las variables y suposiciones y pide los pasos importantes justificados y una expresión final separada. Son aplicaciones de las capacidades heredadas de programación y razonamiento; ejecutar el código propuesto sigue siendo un paso independiente.
Límites del contexto y de la edición
Utiliza la ventana de 128k para los pasajes de origen, las imágenes, la conversación y la respuesta esperada en conjunto. Una comparación de documentos extensos puede conservar secciones relacionadas y devolver una matriz breve de hallazgos. Una asignación amplia de imágenes configurada o un valor de generación que aparezca en un ejemplo de servicio no son una capacidad máxima declarada de forma independiente para el modelo.
Small 3.2 es una actualización de instrucciones con entrada visual documentada, no Small 3 2501 exclusivamente textual ni la versión híbrida de razonamiento Small 4. La ficha del fabricante no proporciona un límite máximo estricto e independiente de tokens de salida para esta entrada. Conserva su identidad 2506 exacta y su formato, y define el registro estructurado, la explicación o la propuesta de código que necesita el siguiente paso.
", "aboutText": "Mistral Small 3.2 24B Instruct 2506 es una actualización específica de Mistral Small 3.1 24B Instruct 2503. El fabricante identifica tres cambios concretos: seguir con mayor precisión las instrucciones, reducir las respuestas repetitivas o que se prolongan sin control y hacer más robusta la plantilla de llamadas a funciones. El modelo sigue siendo un modelo de texto e imagen ajustado para seguir instrucciones que genera texto, no una nueva edición de audio o generación de imágenes.\n\nQué cambia y qué se conserva\n\nLa ficha de 3.2 indica explícitamente que sus funciones principales son las mismas que las de la versión Small 3.1 nombrada. Entre ellas figuran visión, trabajo multilingüe, compatibilidad con prompts del sistema, llamadas nativas a funciones, salida JSON y una ventana de contexto de 128k. La ficha de 3.1 referenciada describe un modelo de 24 mil millones de parámetros y un tokenizador Tekken con un vocabulario indicado como 131k. Este vínculo documentado respalda trasladar esas funciones a 3.2, conservando la actualización 2506 como una edición propia.\n\nEl énfasis en el seguimiento de instrucciones importa cuando el resultado tiene varios requisitos exactos. Proporciona las fuentes, enumera las reglas que debe satisfacer la salida e indica el entregable que se debe devolver. Una solicitud de extracción documental puede exigir campos específicos, identificadores originales, una representación definida de valores ausentes y ninguna prosa fuera del registro. Una tarea de redacción puede exigir un público y un orden de secciones concretos, manteniendo sin cambios las condiciones proporcionadas.\n\nEl cambio relativo a la repetición aborda el comportamiento de generación y no añade un modo de razonamiento nuevo. Para una respuesta larga, define las secciones requeridas y la finalidad de cada una para que la solicitud tenga un punto de parada claro. El cambio de plantilla de funciones se refiere a cómo se representa una conversación con herramientas; utiliza los ajustes de conversación y tokenizador de la edición correspondiente en lugar de tratar un ejemplo de formato anterior como intercambiable.\n\nTareas visuales y multilingües\n\nLa función visual heredada permite acompañar una pregunta textual de una imagen. Proporciona una página, gráfico o diagrama legible e identifica el detalle que necesita la tarea. Para comparar gráficos, conserva los ejes, las unidades y la leyenda, y solicita la observación que respalda cada conclusión. Para un campo documental, conserva la etiqueta y el contexto circundante para que el valor devuelto se interprete correctamente.\n\nLa cobertura lingüística documentada incluye ruso, inglés, francés, alemán, español, italiano, portugués, chino, japonés, coreano, árabe, persa, hindi, bengalí y otros idiomas enumerados por el fabricante. Especifica el idioma final y cualquier terminología que deba permanecer sin cambios. Una tarea documental bilingüe puede conservar identificadores y unidades y adaptar al lector la explicación circundante.\n\nPara una extracción visual práctica, solicita el identificador del documento, la etiqueta del campo, el texto extraído y la parte de la imagen que lo respalda. Puede seguir una explicación separada si el lector necesita interpretación. Esto evita que la transcripción, los campos estructurados y la conclusión del modelo se conviertan en un resultado indistinguible.\n\nInstrucciones del sistema y herramientas\n\nLa ficha de 3.2 recomienda un prompt del sistema adaptado al caso de uso y una temperatura relativamente baja, como 0.15. Establece explícitamente el papel del asistente, las reglas de respuesta y el tratamiento de las fuentes. Coloca el documento o código real junto a la tarea del usuario, conservando la separación entre las instrucciones sobre la respuesta y las instrucciones citadas dentro de la fuente.\n\nLas llamadas a funciones necesitan que la aplicación proporcione descripciones de herramientas y los argumentos requeridos. El modelo prepara una llamada, la aplicación ejecuta la función y devuelve su resultado, y la siguiente respuesta utiliza esa información. Los ejemplos publicados incluyen razonamiento visual, llamadas a herramientas e instrucciones exclusivamente textuales. Por tanto, una tarea de consulta puede pedir al modelo que seleccione una operación descrita y dejar la consulta real y su resultado a la aplicación que lo rodea.\n\nPara una solicitud de programación, proporciona la función pertinente, la entrada que revela el problema y el comportamiento que debe resultar. Pide una corrección propuesta que conserve la interfaz original y después ejemplos que distingan el comportamiento previsto. Para una solicitud matemática, define las variables y suposiciones y pide los pasos importantes justificados y una expresión final separada. Son aplicaciones de las capacidades heredadas de programación y razonamiento; ejecutar el código propuesto sigue siendo un paso independiente.\n\nLímites del contexto y de la edición\n\nUtiliza la ventana de 128k para los pasajes de origen, las imágenes, la conversación y la respuesta esperada en conjunto. Una comparación de documentos extensos puede conservar secciones relacionadas y devolver una matriz breve de hallazgos. Una asignación amplia de imágenes configurada o un valor de generación que aparezca en un ejemplo de servicio no son una capacidad máxima declarada de forma independiente para el modelo.\n\nSmall 3.2 es una actualización de instrucciones con entrada visual documentada, no Small 3 2501 exclusivamente textual ni la versión híbrida de razonamiento Small 4. La ficha del fabricante no proporciona un límite máximo estricto e independiente de tokens de salida para esta entrada. Conserva su identidad 2506 exacta y su formato, y define el registro estructurado, la explicación o la propuesta de código que necesita el siguiente paso.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.mistralai/mistral-small-3.2-24b-instructMistral Small 3.2 24B Instruct es un modelo de instrucciones de texto e imagen con un contexto de 128k según el fabricante. Su actualización 2506 mejora específicamente el seguimiento preciso de instrucciones, reduce la repetición y refuerza la plantilla de llamadas a funciones, conservando las funciones principales de Small 3.1.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Mistral Small 3.2 24B Instruct 2506 es una actualización específica de Mistral Small 3.1 24B Instruct 2503. El fabricante identifica tres cambios concretos: seguir con mayor precisión las instrucciones, reducir las respuestas repetitivas o que se prolongan sin control y hacer más robusta la plantilla de llamadas a funciones. El modelo sigue siendo un modelo de texto e imagen ajustado para seguir instrucciones que genera texto, no una nueva edición de audio o generación de imágenes.
Qué cambia y qué se conserva
La ficha de 3.2 indica explícitamente que sus funciones principales son las mismas que las de la versión Small 3.1 nombrada. Entre ellas figuran visión, trabajo multilingüe, compatibilidad con prompts del sistema, llamadas nativas a funciones, salida JSON y una ventana de contexto de 128k. La ficha de 3.1 referenciada describe un modelo de 24 mil millones de parámetros y un tokenizador Tekken con un vocabulario indicado como 131k. Este vínculo documentado respalda trasladar esas funciones a 3.2, conservando la actualización 2506 como una edición propia.
El énfasis en el seguimiento de instrucciones importa cuando el resultado tiene varios requisitos exactos. Proporciona las fuentes, enumera las reglas que debe satisfacer la salida e indica el entregable que se debe devolver. Una solicitud de extracción documental puede exigir campos específicos, identificadores originales, una representación definida de valores ausentes y ninguna prosa fuera del registro. Una tarea de redacción puede exigir un público y un orden de secciones concretos, manteniendo sin cambios las condiciones proporcionadas.
El cambio relativo a la repetición aborda el comportamiento de generación y no añade un modo de razonamiento nuevo. Para una respuesta larga, define las secciones requeridas y la finalidad de cada una para que la solicitud tenga un punto de parada claro. El cambio de plantilla de funciones se refiere a cómo se representa una conversación con herramientas; utiliza los ajustes de conversación y tokenizador de la edición correspondiente en lugar de tratar un ejemplo de formato anterior como intercambiable.
Tareas visuales y multilingües
La función visual heredada permite acompañar una pregunta textual de una imagen. Proporciona una página, gráfico o diagrama legible e identifica el detalle que necesita la tarea. Para comparar gráficos, conserva los ejes, las unidades y la leyenda, y solicita la observación que respalda cada conclusión. Para un campo documental, conserva la etiqueta y el contexto circundante para que el valor devuelto se interprete correctamente.
La cobertura lingüística documentada incluye ruso, inglés, francés, alemán, español, italiano, portugués, chino, japonés, coreano, árabe, persa, hindi, bengalí y otros idiomas enumerados por el fabricante. Especifica el idioma final y cualquier terminología que deba permanecer sin cambios. Una tarea documental bilingüe puede conservar identificadores y unidades y adaptar al lector la explicación circundante.
Para una extracción visual práctica, solicita el identificador del documento, la etiqueta del campo, el texto extraído y la parte de la imagen que lo respalda. Puede seguir una explicación separada si el lector necesita interpretación. Esto evita que la transcripción, los campos estructurados y la conclusión del modelo se conviertan en un resultado indistinguible.
Instrucciones del sistema y herramientas
La ficha de 3.2 recomienda un prompt del sistema adaptado al caso de uso y una temperatura relativamente baja, como 0.15. Establece explícitamente el papel del asistente, las reglas de respuesta y el tratamiento de las fuentes. Coloca el documento o código real junto a la tarea del usuario, conservando la separación entre las instrucciones sobre la respuesta y las instrucciones citadas dentro de la fuente.
Las llamadas a funciones necesitan que la aplicación proporcione descripciones de herramientas y los argumentos requeridos. El modelo prepara una llamada, la aplicación ejecuta la función y devuelve su resultado, y la siguiente respuesta utiliza esa información. Los ejemplos publicados incluyen razonamiento visual, llamadas a herramientas e instrucciones exclusivamente textuales. Por tanto, una tarea de consulta puede pedir al modelo que seleccione una operación descrita y dejar la consulta real y su resultado a la aplicación que lo rodea.
Para una solicitud de programación, proporciona la función pertinente, la entrada que revela el problema y el comportamiento que debe resultar. Pide una corrección propuesta que conserve la interfaz original y después ejemplos que distingan el comportamiento previsto. Para una solicitud matemática, define las variables y suposiciones y pide los pasos importantes justificados y una expresión final separada. Son aplicaciones de las capacidades heredadas de programación y razonamiento; ejecutar el código propuesto sigue siendo un paso independiente.
Límites del contexto y de la edición
Utiliza la ventana de 128k para los pasajes de origen, las imágenes, la conversación y la respuesta esperada en conjunto. Una comparación de documentos extensos puede conservar secciones relacionadas y devolver una matriz breve de hallazgos. Una asignación amplia de imágenes configurada o un valor de generación que aparezca en un ejemplo de servicio no son una capacidad máxima declarada de forma independiente para el modelo.
Small 3.2 es una actualización de instrucciones con entrada visual documentada, no Small 3 2501 exclusivamente textual ni la versión híbrida de razonamiento Small 4. La ficha del fabricante no proporciona un límite máximo estricto e independiente de tokens de salida para esta entrada. Conserva su identidad 2506 exacta y su formato, y define el registro estructurado, la explicación o la propuesta de código que necesita el siguiente paso.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K tokens Salida · Tokens de salida $0.0006 / 1K tokens Entrada · Lectura de caché $0.00002 / 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 $0.0002 / 1K tokens Salida · Tokens de salida $0.0006 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-small-3.2-24b-instruct", "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-small-3.2-24b-instruct',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-small-3.2-24b-instruct',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-small-3.2-24b-instruct
Usa las rutas de método indicadas arriba.
mistralai/mistral-small-3.2-24b-instructMistral Small 3.2 24B Instruct es un modelo de instrucciones de texto e imagen con un contexto de 128k según el fabricante. Su actualización 2506 mejora específicamente el seguimiento preciso de instrucciones, reduce la repetición y refuerza la plantilla de llamadas a funciones, conservando las funciones principales de Small 3.1.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Mistral Small 3.2 24B Instruct 2506 es una actualización específica de Mistral Small 3.1 24B Instruct 2503. El fabricante identifica tres cambios concretos: seguir con mayor precisión las instrucciones, reducir las respuestas repetitivas o que se prolongan sin control y hacer más robusta la plantilla de llamadas a funciones. El modelo sigue siendo un modelo de texto e imagen ajustado para seguir instrucciones que genera texto, no una nueva edición de audio o generación de imágenes.
Qué cambia y qué se conserva
La ficha de 3.2 indica explícitamente que sus funciones principales son las mismas que las de la versión Small 3.1 nombrada. Entre ellas figuran visión, trabajo multilingüe, compatibilidad con prompts del sistema, llamadas nativas a funciones, salida JSON y una ventana de contexto de 128k. La ficha de 3.1 referenciada describe un modelo de 24 mil millones de parámetros y un tokenizador Tekken con un vocabulario indicado como 131k. Este vínculo documentado respalda trasladar esas funciones a 3.2, conservando la actualización 2506 como una edición propia.
El énfasis en el seguimiento de instrucciones importa cuando el resultado tiene varios requisitos exactos. Proporciona las fuentes, enumera las reglas que debe satisfacer la salida e indica el entregable que se debe devolver. Una solicitud de extracción documental puede exigir campos específicos, identificadores originales, una representación definida de valores ausentes y ninguna prosa fuera del registro. Una tarea de redacción puede exigir un público y un orden de secciones concretos, manteniendo sin cambios las condiciones proporcionadas.
El cambio relativo a la repetición aborda el comportamiento de generación y no añade un modo de razonamiento nuevo. Para una respuesta larga, define las secciones requeridas y la finalidad de cada una para que la solicitud tenga un punto de parada claro. El cambio de plantilla de funciones se refiere a cómo se representa una conversación con herramientas; utiliza los ajustes de conversación y tokenizador de la edición correspondiente en lugar de tratar un ejemplo de formato anterior como intercambiable.
Tareas visuales y multilingües
La función visual heredada permite acompañar una pregunta textual de una imagen. Proporciona una página, gráfico o diagrama legible e identifica el detalle que necesita la tarea. Para comparar gráficos, conserva los ejes, las unidades y la leyenda, y solicita la observación que respalda cada conclusión. Para un campo documental, conserva la etiqueta y el contexto circundante para que el valor devuelto se interprete correctamente.
La cobertura lingüística documentada incluye ruso, inglés, francés, alemán, español, italiano, portugués, chino, japonés, coreano, árabe, persa, hindi, bengalí y otros idiomas enumerados por el fabricante. Especifica el idioma final y cualquier terminología que deba permanecer sin cambios. Una tarea documental bilingüe puede conservar identificadores y unidades y adaptar al lector la explicación circundante.
Para una extracción visual práctica, solicita el identificador del documento, la etiqueta del campo, el texto extraído y la parte de la imagen que lo respalda. Puede seguir una explicación separada si el lector necesita interpretación. Esto evita que la transcripción, los campos estructurados y la conclusión del modelo se conviertan en un resultado indistinguible.
Instrucciones del sistema y herramientas
La ficha de 3.2 recomienda un prompt del sistema adaptado al caso de uso y una temperatura relativamente baja, como 0.15. Establece explícitamente el papel del asistente, las reglas de respuesta y el tratamiento de las fuentes. Coloca el documento o código real junto a la tarea del usuario, conservando la separación entre las instrucciones sobre la respuesta y las instrucciones citadas dentro de la fuente.
Las llamadas a funciones necesitan que la aplicación proporcione descripciones de herramientas y los argumentos requeridos. El modelo prepara una llamada, la aplicación ejecuta la función y devuelve su resultado, y la siguiente respuesta utiliza esa información. Los ejemplos publicados incluyen razonamiento visual, llamadas a herramientas e instrucciones exclusivamente textuales. Por tanto, una tarea de consulta puede pedir al modelo que seleccione una operación descrita y dejar la consulta real y su resultado a la aplicación que lo rodea.
Para una solicitud de programación, proporciona la función pertinente, la entrada que revela el problema y el comportamiento que debe resultar. Pide una corrección propuesta que conserve la interfaz original y después ejemplos que distingan el comportamiento previsto. Para una solicitud matemática, define las variables y suposiciones y pide los pasos importantes justificados y una expresión final separada. Son aplicaciones de las capacidades heredadas de programación y razonamiento; ejecutar el código propuesto sigue siendo un paso independiente.
Límites del contexto y de la edición
Utiliza la ventana de 128k para los pasajes de origen, las imágenes, la conversación y la respuesta esperada en conjunto. Una comparación de documentos extensos puede conservar secciones relacionadas y devolver una matriz breve de hallazgos. Una asignación amplia de imágenes configurada o un valor de generación que aparezca en un ejemplo de servicio no son una capacidad máxima declarada de forma independiente para el modelo.
Small 3.2 es una actualización de instrucciones con entrada visual documentada, no Small 3 2501 exclusivamente textual ni la versión híbrida de razonamiento Small 4. La ficha del fabricante no proporciona un límite máximo estricto e independiente de tokens de salida para esta entrada. Conserva su identidad 2506 exacta y su formato, y define el registro estructurado, la explicación o la propuesta de código que necesita el siguiente paso.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K tokens Salida · Tokens de salida $0.0006 / 1K tokens Entrada · Lectura de caché $0.00002 / 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 $0.0002 / 1K tokens Salida · Tokens de salida $0.0006 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "mistralai/mistral-small-3.2-24b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-small-3.2-24b-instruct', '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-small-3.2-24b-instruct', '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-small-3.2-24b-instruct
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.