Mixtral 8x22B Instruct v0.1 es la versión de Mistral AI ajustada para seguir instrucciones del modelo base Mixtral 8x22B v0.1, nombrado por separado. Recibe una conversación textual y produce texto, incluidas explicaciones, código y llamadas a funciones propuestas. El lanzamiento de la familia destaca inglés, francés, italiano, alemán y español junto con capacidades matemáticas y de programación.
Expertos dispersos y contexto
El fabricante describe un modelo disperso de mezcla de expertos con 141 mil millones de parámetros totales y 39 mil millones de parámetros activos. La configuración Instruct publicada contiene 8 expertos, con 2 seleccionados por token, 56 capas, 48 cabezas de atención de consulta y 8 cabezas de clave/valor. El número total de parámetros y los expertos seleccionados describen la estructura del modelo, no la longitud de una respuesta.
El lanzamiento de la familia documenta un contexto de 64K, y la configuración Instruct específica establece las posiciones máximas en 65.536. Utiliza ese espacio para conservar juntos los pasajes de origen, la conversación y la respuesta solicitada. Una pregunta sobre un documento extenso puede pedir una condición en varias secciones y devolver una tabla concisa con cada ubicación de origen. Incluye el material que determina el resultado, en lugar de llenar la ventana con contenido ajeno al objetivo.
Codificación de la conversación de instrucciones
La ficha del modelo comienza con el tokenizador de instrucciones v3 del fabricante y después muestra cómo dar formato a los mensajes con la plantilla de chat correspondiente. Su vocabulario publicado tiene 32.768 entradas. El tokenizador nativo y uno compatible deben producir representaciones de mensajes coincidentes; la ficha aborda explícitamente la comparación de sus codificaciones. Esto difiere de suponer que el formato Tekken utilizado por modelos Mistral posteriores sea intercambiable con esta versión.
En una conversación, distingue la pregunta del usuario, la respuesta anterior del asistente y cualquier resultado de herramienta. Conserva la respuesta previa pertinente al formular un seguimiento. Una tarea puede pedir primero una explicación de un pasaje de origen y después una comparación más específica, manteniendo el contenido fuente y la finalidad del diálogo.
Para la edición multilingüe, identifica el idioma de origen, el idioma final y la terminología que debe permanecer sin cambios. Solicita un pasaje revisado que conserve nombres, condiciones y unidades. Para un problema matemático, define las variables y suposiciones y especifica si el resultado final debe ser una expresión exacta, una aproximación numérica o una demostración. Para programación, incluye la firma de la función, las declaraciones pertinentes y el comportamiento esperado antes de pedir una implementación o explicación.
Llamadas a funciones y sus resultados
La ficha documenta llamadas nativas a funciones con descripciones de herramientas y esquemas de parámetros. La aplicación proporciona las operaciones, el modelo prepara los argumentos de la función elegida y la aplicación la ejecuta. El resultado devuelto debe añadirse después a la conversación para que el modelo pueda utilizarlo en la siguiente respuesta. La ficha advierte de que un ejemplo abreviado de código no demuestra este ciclo completo.
Una tarea de consulta debe identificar qué información falta y qué función proporcionada puede devolverla. Incluye los valores requeridos o solicita la información ausente antes de que la aplicación ejecute la operación. Mantén la llamada propuesta separada de los datos realmente devueltos; así, la explicación final puede referirse al resultado obtenido, en lugar de a uno inferido a partir del nombre de la herramienta.
En el formato nativo de conversación del fabricante, las llamadas a herramientas y sus resultados correspondientes utilizan identificadores de exactamente nueve caracteres alfanuméricos. El tokenizador también contiene marcadores especiales para herramientas disponibles, llamadas a herramientas y resultados de herramientas. Conserva la representación correspondiente al preparar una conversación en formato nativo; la representación visible de una capa envolvente es una elección de interfaz independiente.
Resultados prácticos de código y documentación
Para una corrección de código, proporciona la función afectada, una entrada que revele el problema y el resultado esperado. Solicita el fragmento revisado, la causa de la discrepancia y entradas de ejemplo que distingan el comportamiento previsto. Generar código produce un resultado textual; compilarlo, ejecutarlo o aplicarlo a un repositorio requiere el entorno de desarrollo conectado.
Para explicar un documento, pide la afirmación que responde a la pregunta y la sección que la respalda. Una comparación puede separar condiciones comunes, diferencias y detalles pendientes. Para un registro textual restringido, define los nombres de los campos y el tratamiento de los valores ausentes. El anuncio original de la familia describe llamadas a funciones junto con salida restringida en el servicio conectado del fabricante; esas funciones de formato siguen siendo distintas de ejecutar una operación externa.
Límites de la edición y de generación
La ficha muestra presupuestos de generación, como 64 y 1.000 tokens, para ejemplos concretos. Son ajustes de demostración, no capacidades máximas independientes de respuesta. Mantén el prompt y la respuesta deseada dentro del contexto realmente configurado y solicita la longitud apropiada para la tarea.
Esta entrada corresponde al punto de control textual Instruct v0.1 con su formato de instrucciones v3. No se le deben atribuir visión, voz ni controles de razonamiento híbrido introducidos en familias posteriores de Mistral. Conserva la edición exacta y el material de origen al preparar la explicación, propuesta de código o respuesta asistida por herramientas que necesita el siguiente paso.
", "aboutText": "Mixtral 8x22B Instruct v0.1 es la versión de Mistral AI ajustada para seguir instrucciones del modelo base Mixtral 8x22B v0.1, nombrado por separado. Recibe una conversación textual y produce texto, incluidas explicaciones, código y llamadas a funciones propuestas. El lanzamiento de la familia destaca inglés, francés, italiano, alemán y español junto con capacidades matemáticas y de programación.\n\nExpertos dispersos y contexto\n\nEl fabricante describe un modelo disperso de mezcla de expertos con 141 mil millones de parámetros totales y 39 mil millones de parámetros activos. La configuración Instruct publicada contiene 8 expertos, con 2 seleccionados por token, 56 capas, 48 cabezas de atención de consulta y 8 cabezas de clave/valor. El número total de parámetros y los expertos seleccionados describen la estructura del modelo, no la longitud de una respuesta.\n\nEl lanzamiento de la familia documenta un contexto de 64K, y la configuración Instruct específica establece las posiciones máximas en 65.536. Utiliza ese espacio para conservar juntos los pasajes de origen, la conversación y la respuesta solicitada. Una pregunta sobre un documento extenso puede pedir una condición en varias secciones y devolver una tabla concisa con cada ubicación de origen. Incluye el material que determina el resultado, en lugar de llenar la ventana con contenido ajeno al objetivo.\n\nCodificación de la conversación de instrucciones\n\nLa ficha del modelo comienza con el tokenizador de instrucciones v3 del fabricante y después muestra cómo dar formato a los mensajes con la plantilla de chat correspondiente. Su vocabulario publicado tiene 32.768 entradas. El tokenizador nativo y uno compatible deben producir representaciones de mensajes coincidentes; la ficha aborda explícitamente la comparación de sus codificaciones. Esto difiere de suponer que el formato Tekken utilizado por modelos Mistral posteriores sea intercambiable con esta versión.\n\nEn una conversación, distingue la pregunta del usuario, la respuesta anterior del asistente y cualquier resultado de herramienta. Conserva la respuesta previa pertinente al formular un seguimiento. Una tarea puede pedir primero una explicación de un pasaje de origen y después una comparación más específica, manteniendo el contenido fuente y la finalidad del diálogo.\n\nPara la edición multilingüe, identifica el idioma de origen, el idioma final y la terminología que debe permanecer sin cambios. Solicita un pasaje revisado que conserve nombres, condiciones y unidades. Para un problema matemático, define las variables y suposiciones y especifica si el resultado final debe ser una expresión exacta, una aproximación numérica o una demostración. Para programación, incluye la firma de la función, las declaraciones pertinentes y el comportamiento esperado antes de pedir una implementación o explicación.\n\nLlamadas a funciones y sus resultados\n\nLa ficha documenta llamadas nativas a funciones con descripciones de herramientas y esquemas de parámetros. La aplicación proporciona las operaciones, el modelo prepara los argumentos de la función elegida y la aplicación la ejecuta. El resultado devuelto debe añadirse después a la conversación para que el modelo pueda utilizarlo en la siguiente respuesta. La ficha advierte de que un ejemplo abreviado de código no demuestra este ciclo completo.\n\nUna tarea de consulta debe identificar qué información falta y qué función proporcionada puede devolverla. Incluye los valores requeridos o solicita la información ausente antes de que la aplicación ejecute la operación. Mantén la llamada propuesta separada de los datos realmente devueltos; así, la explicación final puede referirse al resultado obtenido, en lugar de a uno inferido a partir del nombre de la herramienta.\n\nEn el formato nativo de conversación del fabricante, las llamadas a herramientas y sus resultados correspondientes utilizan identificadores de exactamente nueve caracteres alfanuméricos. El tokenizador también contiene marcadores especiales para herramientas disponibles, llamadas a herramientas y resultados de herramientas. Conserva la representación correspondiente al preparar una conversación en formato nativo; la representación visible de una capa envolvente es una elección de interfaz independiente.\n\nResultados prácticos de código y documentación\n\nPara una corrección de código, proporciona la función afectada, una entrada que revele el problema y el resultado esperado. Solicita el fragmento revisado, la causa de la discrepancia y entradas de ejemplo que distingan el comportamiento previsto. Generar código produce un resultado textual; compilarlo, ejecutarlo o aplicarlo a un repositorio requiere el entorno de desarrollo conectado.\n\nPara explicar un documento, pide la afirmación que responde a la pregunta y la sección que la respalda. Una comparación puede separar condiciones comunes, diferencias y detalles pendientes. Para un registro textual restringido, define los nombres de los campos y el tratamiento de los valores ausentes. El anuncio original de la familia describe llamadas a funciones junto con salida restringida en el servicio conectado del fabricante; esas funciones de formato siguen siendo distintas de ejecutar una operación externa.\n\nLímites de la edición y de generación\n\nLa ficha muestra presupuestos de generación, como 64 y 1.000 tokens, para ejemplos concretos. Son ajustes de demostración, no capacidades máximas independientes de respuesta. Mantén el prompt y la respuesta deseada dentro del contexto realmente configurado y solicita la longitud apropiada para la tarea.\n\nEsta entrada corresponde al punto de control textual Instruct v0.1 con su formato de instrucciones v3. No se le deben atribuir visión, voz ni controles de razonamiento híbrido introducidos en familias posteriores de Mistral. Conserva la edición exacta y el material de origen al preparar la explicación, propuesta de código o respuesta asistida por herramientas que necesita el siguiente paso.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Repair integer average division\n\nFix this Python function for nonempty numeric lists: def average(values): return sum(values) // len(values). Input [1, 2] must produce 1.5. Return the corrected function and assertions for [1, 2] and [2, 4]. State the nonempty-input assumption rather than inventing an empty-list policy.A focused function correction, two assertions and the retained input assumption.The function must preserve a fractional average and leave the unspecified empty-list behavior undecided.mistralai/mixtral-8x22b-instructMixtral 8x22B Instruct v0.1 es un modelo de texto multilingüe para conversación, matemáticas, código y llamadas a funciones. Su arquitectura dispersa de mezcla de expertos utiliza 39 mil millones de parámetros activos de un total de 141 mil millones, con un contexto de 64K según el fabricante y un formato de instrucciones v3 propio.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Mixtral 8x22B Instruct v0.1 es la versión de Mistral AI ajustada para seguir instrucciones del modelo base Mixtral 8x22B v0.1, nombrado por separado. Recibe una conversación textual y produce texto, incluidas explicaciones, código y llamadas a funciones propuestas. El lanzamiento de la familia destaca inglés, francés, italiano, alemán y español junto con capacidades matemáticas y de programación.
Expertos dispersos y contexto
El fabricante describe un modelo disperso de mezcla de expertos con 141 mil millones de parámetros totales y 39 mil millones de parámetros activos. La configuración Instruct publicada contiene 8 expertos, con 2 seleccionados por token, 56 capas, 48 cabezas de atención de consulta y 8 cabezas de clave/valor. El número total de parámetros y los expertos seleccionados describen la estructura del modelo, no la longitud de una respuesta.
El lanzamiento de la familia documenta un contexto de 64K, y la configuración Instruct específica establece las posiciones máximas en 65.536. Utiliza ese espacio para conservar juntos los pasajes de origen, la conversación y la respuesta solicitada. Una pregunta sobre un documento extenso puede pedir una condición en varias secciones y devolver una tabla concisa con cada ubicación de origen. Incluye el material que determina el resultado, en lugar de llenar la ventana con contenido ajeno al objetivo.
Codificación de la conversación de instrucciones
La ficha del modelo comienza con el tokenizador de instrucciones v3 del fabricante y después muestra cómo dar formato a los mensajes con la plantilla de chat correspondiente. Su vocabulario publicado tiene 32.768 entradas. El tokenizador nativo y uno compatible deben producir representaciones de mensajes coincidentes; la ficha aborda explícitamente la comparación de sus codificaciones. Esto difiere de suponer que el formato Tekken utilizado por modelos Mistral posteriores sea intercambiable con esta versión.
En una conversación, distingue la pregunta del usuario, la respuesta anterior del asistente y cualquier resultado de herramienta. Conserva la respuesta previa pertinente al formular un seguimiento. Una tarea puede pedir primero una explicación de un pasaje de origen y después una comparación más específica, manteniendo el contenido fuente y la finalidad del diálogo.
Para la edición multilingüe, identifica el idioma de origen, el idioma final y la terminología que debe permanecer sin cambios. Solicita un pasaje revisado que conserve nombres, condiciones y unidades. Para un problema matemático, define las variables y suposiciones y especifica si el resultado final debe ser una expresión exacta, una aproximación numérica o una demostración. Para programación, incluye la firma de la función, las declaraciones pertinentes y el comportamiento esperado antes de pedir una implementación o explicación.
Llamadas a funciones y sus resultados
La ficha documenta llamadas nativas a funciones con descripciones de herramientas y esquemas de parámetros. La aplicación proporciona las operaciones, el modelo prepara los argumentos de la función elegida y la aplicación la ejecuta. El resultado devuelto debe añadirse después a la conversación para que el modelo pueda utilizarlo en la siguiente respuesta. La ficha advierte de que un ejemplo abreviado de código no demuestra este ciclo completo.
Una tarea de consulta debe identificar qué información falta y qué función proporcionada puede devolverla. Incluye los valores requeridos o solicita la información ausente antes de que la aplicación ejecute la operación. Mantén la llamada propuesta separada de los datos realmente devueltos; así, la explicación final puede referirse al resultado obtenido, en lugar de a uno inferido a partir del nombre de la herramienta.
En el formato nativo de conversación del fabricante, las llamadas a herramientas y sus resultados correspondientes utilizan identificadores de exactamente nueve caracteres alfanuméricos. El tokenizador también contiene marcadores especiales para herramientas disponibles, llamadas a herramientas y resultados de herramientas. Conserva la representación correspondiente al preparar una conversación en formato nativo; la representación visible de una capa envolvente es una elección de interfaz independiente.
Resultados prácticos de código y documentación
Para una corrección de código, proporciona la función afectada, una entrada que revele el problema y el resultado esperado. Solicita el fragmento revisado, la causa de la discrepancia y entradas de ejemplo que distingan el comportamiento previsto. Generar código produce un resultado textual; compilarlo, ejecutarlo o aplicarlo a un repositorio requiere el entorno de desarrollo conectado.
Para explicar un documento, pide la afirmación que responde a la pregunta y la sección que la respalda. Una comparación puede separar condiciones comunes, diferencias y detalles pendientes. Para un registro textual restringido, define los nombres de los campos y el tratamiento de los valores ausentes. El anuncio original de la familia describe llamadas a funciones junto con salida restringida en el servicio conectado del fabricante; esas funciones de formato siguen siendo distintas de ejecutar una operación externa.
Límites de la edición y de generación
La ficha muestra presupuestos de generación, como 64 y 1.000 tokens, para ejemplos concretos. Son ajustes de demostración, no capacidades máximas independientes de respuesta. Mantén el prompt y la respuesta deseada dentro del contexto realmente configurado y solicita la longitud apropiada para la tarea.
Esta entrada corresponde al punto de control textual Instruct v0.1 con su formato de instrucciones v3. No se le deben atribuir visión, voz ni controles de razonamiento híbrido introducidos en familias posteriores de Mistral. Conserva la edición exacta y el material de origen al preparar la explicación, propuesta de código o respuesta asistida por herramientas que necesita el siguiente paso.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites mistralai/mixtral-8x22b-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 $0.004 / 1K tokens Salida · Tokens de salida $0.012 / 1K tokens Entrada · Lectura de caché $0.0004 / 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 $0.004 / 1K tokens Salida · Tokens de salida $0.012 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mixtral-8x22b-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/mixtral-8x22b-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/mixtral-8x22b-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/mixtral-8x22b-instruct
Usa las rutas de método indicadas arriba.
mistralai/mixtral-8x22b-instructMixtral 8x22B Instruct v0.1 es un modelo de texto multilingüe para conversación, matemáticas, código y llamadas a funciones. Su arquitectura dispersa de mezcla de expertos utiliza 39 mil millones de parámetros activos de un total de 141 mil millones, con un contexto de 64K según el fabricante y un formato de instrucciones v3 propio.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Mixtral 8x22B Instruct v0.1 es la versión de Mistral AI ajustada para seguir instrucciones del modelo base Mixtral 8x22B v0.1, nombrado por separado. Recibe una conversación textual y produce texto, incluidas explicaciones, código y llamadas a funciones propuestas. El lanzamiento de la familia destaca inglés, francés, italiano, alemán y español junto con capacidades matemáticas y de programación.
Expertos dispersos y contexto
El fabricante describe un modelo disperso de mezcla de expertos con 141 mil millones de parámetros totales y 39 mil millones de parámetros activos. La configuración Instruct publicada contiene 8 expertos, con 2 seleccionados por token, 56 capas, 48 cabezas de atención de consulta y 8 cabezas de clave/valor. El número total de parámetros y los expertos seleccionados describen la estructura del modelo, no la longitud de una respuesta.
El lanzamiento de la familia documenta un contexto de 64K, y la configuración Instruct específica establece las posiciones máximas en 65.536. Utiliza ese espacio para conservar juntos los pasajes de origen, la conversación y la respuesta solicitada. Una pregunta sobre un documento extenso puede pedir una condición en varias secciones y devolver una tabla concisa con cada ubicación de origen. Incluye el material que determina el resultado, en lugar de llenar la ventana con contenido ajeno al objetivo.
Codificación de la conversación de instrucciones
La ficha del modelo comienza con el tokenizador de instrucciones v3 del fabricante y después muestra cómo dar formato a los mensajes con la plantilla de chat correspondiente. Su vocabulario publicado tiene 32.768 entradas. El tokenizador nativo y uno compatible deben producir representaciones de mensajes coincidentes; la ficha aborda explícitamente la comparación de sus codificaciones. Esto difiere de suponer que el formato Tekken utilizado por modelos Mistral posteriores sea intercambiable con esta versión.
En una conversación, distingue la pregunta del usuario, la respuesta anterior del asistente y cualquier resultado de herramienta. Conserva la respuesta previa pertinente al formular un seguimiento. Una tarea puede pedir primero una explicación de un pasaje de origen y después una comparación más específica, manteniendo el contenido fuente y la finalidad del diálogo.
Para la edición multilingüe, identifica el idioma de origen, el idioma final y la terminología que debe permanecer sin cambios. Solicita un pasaje revisado que conserve nombres, condiciones y unidades. Para un problema matemático, define las variables y suposiciones y especifica si el resultado final debe ser una expresión exacta, una aproximación numérica o una demostración. Para programación, incluye la firma de la función, las declaraciones pertinentes y el comportamiento esperado antes de pedir una implementación o explicación.
Llamadas a funciones y sus resultados
La ficha documenta llamadas nativas a funciones con descripciones de herramientas y esquemas de parámetros. La aplicación proporciona las operaciones, el modelo prepara los argumentos de la función elegida y la aplicación la ejecuta. El resultado devuelto debe añadirse después a la conversación para que el modelo pueda utilizarlo en la siguiente respuesta. La ficha advierte de que un ejemplo abreviado de código no demuestra este ciclo completo.
Una tarea de consulta debe identificar qué información falta y qué función proporcionada puede devolverla. Incluye los valores requeridos o solicita la información ausente antes de que la aplicación ejecute la operación. Mantén la llamada propuesta separada de los datos realmente devueltos; así, la explicación final puede referirse al resultado obtenido, en lugar de a uno inferido a partir del nombre de la herramienta.
En el formato nativo de conversación del fabricante, las llamadas a herramientas y sus resultados correspondientes utilizan identificadores de exactamente nueve caracteres alfanuméricos. El tokenizador también contiene marcadores especiales para herramientas disponibles, llamadas a herramientas y resultados de herramientas. Conserva la representación correspondiente al preparar una conversación en formato nativo; la representación visible de una capa envolvente es una elección de interfaz independiente.
Resultados prácticos de código y documentación
Para una corrección de código, proporciona la función afectada, una entrada que revele el problema y el resultado esperado. Solicita el fragmento revisado, la causa de la discrepancia y entradas de ejemplo que distingan el comportamiento previsto. Generar código produce un resultado textual; compilarlo, ejecutarlo o aplicarlo a un repositorio requiere el entorno de desarrollo conectado.
Para explicar un documento, pide la afirmación que responde a la pregunta y la sección que la respalda. Una comparación puede separar condiciones comunes, diferencias y detalles pendientes. Para un registro textual restringido, define los nombres de los campos y el tratamiento de los valores ausentes. El anuncio original de la familia describe llamadas a funciones junto con salida restringida en el servicio conectado del fabricante; esas funciones de formato siguen siendo distintas de ejecutar una operación externa.
Límites de la edición y de generación
La ficha muestra presupuestos de generación, como 64 y 1.000 tokens, para ejemplos concretos. Son ajustes de demostración, no capacidades máximas independientes de respuesta. Mantén el prompt y la respuesta deseada dentro del contexto realmente configurado y solicita la longitud apropiada para la tarea.
Esta entrada corresponde al punto de control textual Instruct v0.1 con su formato de instrucciones v3. No se le deben atribuir visión, voz ni controles de razonamiento híbrido introducidos en familias posteriores de Mistral. Conserva la edición exacta y el material de origen al preparar la explicación, propuesta de código o respuesta asistida por herramientas que necesita el siguiente paso.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites mistralai/mixtral-8x22b-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 $0.004 / 1K tokens Salida · Tokens de salida $0.012 / 1K tokens Entrada · Lectura de caché $0.0004 / 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 $0.004 / 1K tokens Salida · Tokens de salida $0.012 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "mistralai/mixtral-8x22b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/mixtral-8x22b-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/mixtral-8x22b-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/mixtral-8x22b-instruct
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Repair integer average division\n\nFix this Python function for nonempty numeric lists: def average(values): return sum(values) // len(values). Input [1, 2] must produce 1.5. Return the corrected function and assertions for [1, 2] and [2, 4]. State the nonempty-input assumption rather than inventing an empty-list policy.A focused function correction, two assertions and the retained input assumption.The function must preserve a fractional average and leave the unspecified empty-list behavior undecided.