Devstral 2 2512 est le modèle ouvert de Mistral AI spécialisé dans la programmation agentique. C’est un transformeur dense de 123 milliards de paramètres doté d’une fenêtre de contexte de 262’144 jetons. Sa fiche d’hébergement publiée accepte du texte et des fichiers et renvoie du texte, avec des outils de fonction et des contrôles de sortie structurée.
Identifiez le comportement à livrer et les fichiers source pertinents. Un signalement de bug peut conserver l’entrée défaillante, la sortie de la commande et le résultat attendu ; une fonctionnalité peut nommer les interfaces concernées et leurs contraintes communes. Gardez les chemins de fichiers et les relations entre sources visibles afin qu’une modification proposée puisse être appliquée à la bonne partie du projet.
Pour explorer le code, posez une question précise sur un module, un chemin de défaillance ou une interaction entre composants. Fournissez les éléments nécessaires pour y répondre et conservez les emplacements source qui fondent les constats. Une question ciblée sur un dépôt produit un livrable plus facile à examiner qu’une demande générale d’amélioration de tout le code.
Le modèle peut proposer des opérations d’outils de fonction dans une application qui les expose. L’application effectue l’action et renvoie l’observation. Conservez les résultats réels des commandes et des tests lorsque l’étape suivante en dépend, en distinguant ces observations des commandes proposées ou des résultats attendus.
Pour un compte rendu structuré de revue ou de planification, définissez les champs requis et leur signification. Validez la structure renvoyée et les valeurs de fond avant de les convertir en une autre opération. Un correctif, un diagnostic ou une prochaine vérification doit rester relié au comportement qu’il concerne.
Conservez les sources liées, les décisions établies et les observations actuelles tout en réservant de la place à la réponse. Retirez les informations de fond qui n’influencent plus la tâche et gardez les conditions d’acceptation visibles. Un résultat Devstral utile fournit un livrable de développement concret et les éléments réels nécessaires pour examiner son effet dans le dépôt.
", "aboutText": "Devstral 2 2512 est le modèle ouvert de Mistral AI spécialisé dans la programmation agentique. C’est un transformeur dense de 123 milliards de paramètres doté d’une fenêtre de contexte de 262’144 jetons. Sa fiche d’hébergement publiée accepte du texte et des fichiers et renvoie du texte, avec des outils de fonction et des contrôles de sortie structurée.\n\n### Fournir le problème du dépôt et son périmètre\n\nIdentifiez le comportement à livrer et les fichiers source pertinents. Un signalement de bug peut conserver l’entrée défaillante, la sortie de la commande et le résultat attendu ; une fonctionnalité peut nommer les interfaces concernées et leurs contraintes communes. Gardez les chemins de fichiers et les relations entre sources visibles afin qu’une modification proposée puisse être appliquée à la bonne partie du projet.\n\nPour explorer le code, posez une question précise sur un module, un chemin de défaillance ou une interaction entre composants. Fournissez les éléments nécessaires pour y répondre et conservez les emplacements source qui fondent les constats. Une question ciblée sur un dépôt produit un livrable plus facile à examiner qu’une demande générale d’amélioration de tout le code.\n\n### Opérations de l’agent et livrables structurés\n\nLe modèle peut proposer des opérations d’outils de fonction dans une application qui les expose. L’application effectue l’action et renvoie l’observation. Conservez les résultats réels des commandes et des tests lorsque l’étape suivante en dépend, en distinguant ces observations des commandes proposées ou des résultats attendus.\n\nPour un compte rendu structuré de revue ou de planification, définissez les champs requis et leur signification. Validez la structure renvoyée et les valeurs de fond avant de les convertir en une autre opération. Un correctif, un diagnostic ou une prochaine vérification doit rester relié au comportement qu’il concerne.\n\n### Réserver le contexte au code pertinent\n\nConservez les sources liées, les décisions établies et les observations actuelles tout en réservant de la place à la réponse. Retirez les informations de fond qui n’influencent plus la tâche et gardez les conditions d’acceptation visibles. Un résultat Devstral utile fournit un livrable de développement concret et les éléments réels nécessaires pour examiner son effet dans le dépôt.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Trace a cache invalidation path\n\nInspect these source relationships: read.py returns cache[id] when present, otherwise reads the repository; update.py writes the repository but never touches cache. A user reads, updates and reads the same record, receiving the old value. Explain the path and propose a scoped update.py patch plus a regression scenario. Preserve repository and read interfaces.A source-linked failure explanation, a cache invalidation patch and a read-update-read regression scenario.The test primes the cache before updating and checks the second read returns the new value.mistralai/devstral-2512Devstral 2 2512 est le modèle dense de 123 milliards de paramètres de Mistral AI pour la programmation agentique. Il accepte du texte et des fichiers pour produire des réponses textuelles et associe un contexte de 262’144 jetons à des outils de fonction et à des contrôles de sortie structurée pour le développement dans des dépôts de code.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Devstral 2 2512 est le modèle ouvert de Mistral AI spécialisé dans la programmation agentique. C’est un transformeur dense de 123 milliards de paramètres doté d’une fenêtre de contexte de 262’144 jetons. Sa fiche d’hébergement publiée accepte du texte et des fichiers et renvoie du texte, avec des outils de fonction et des contrôles de sortie structurée.
Identifiez le comportement à livrer et les fichiers source pertinents. Un signalement de bug peut conserver l’entrée défaillante, la sortie de la commande et le résultat attendu ; une fonctionnalité peut nommer les interfaces concernées et leurs contraintes communes. Gardez les chemins de fichiers et les relations entre sources visibles afin qu’une modification proposée puisse être appliquée à la bonne partie du projet.
Pour explorer le code, posez une question précise sur un module, un chemin de défaillance ou une interaction entre composants. Fournissez les éléments nécessaires pour y répondre et conservez les emplacements source qui fondent les constats. Une question ciblée sur un dépôt produit un livrable plus facile à examiner qu’une demande générale d’amélioration de tout le code.
Le modèle peut proposer des opérations d’outils de fonction dans une application qui les expose. L’application effectue l’action et renvoie l’observation. Conservez les résultats réels des commandes et des tests lorsque l’étape suivante en dépend, en distinguant ces observations des commandes proposées ou des résultats attendus.
Pour un compte rendu structuré de revue ou de planification, définissez les champs requis et leur signification. Validez la structure renvoyée et les valeurs de fond avant de les convertir en une autre opération. Un correctif, un diagnostic ou une prochaine vérification doit rester relié au comportement qu’il concerne.
Conservez les sources liées, les décisions établies et les observations actuelles tout en réservant de la place à la réponse. Retirez les informations de fond qui n’influencent plus la tâche et gardez les conditions d’acceptation visibles. Un résultat Devstral utile fournit un livrable de développement concret et les éléments réels nécessaires pour examiner son effet dans le dépôt.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites mistralai/devstral-2512 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0022 / 1K tokens Sortie · Tokens en sortie $0.004 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0022 / 1K tokens Sortie · Tokens en sortie $0.004 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/devstral-2512", "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/devstral-2512',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/devstral-2512',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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra mistralai/devstral-2512
Utilisez les chemins de méthode indiqués ci-dessus.
mistralai/devstral-2512Devstral 2 2512 est le modèle dense de 123 milliards de paramètres de Mistral AI pour la programmation agentique. Il accepte du texte et des fichiers pour produire des réponses textuelles et associe un contexte de 262’144 jetons à des outils de fonction et à des contrôles de sortie structurée pour le développement dans des dépôts de code.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Devstral 2 2512 est le modèle ouvert de Mistral AI spécialisé dans la programmation agentique. C’est un transformeur dense de 123 milliards de paramètres doté d’une fenêtre de contexte de 262’144 jetons. Sa fiche d’hébergement publiée accepte du texte et des fichiers et renvoie du texte, avec des outils de fonction et des contrôles de sortie structurée.
Identifiez le comportement à livrer et les fichiers source pertinents. Un signalement de bug peut conserver l’entrée défaillante, la sortie de la commande et le résultat attendu ; une fonctionnalité peut nommer les interfaces concernées et leurs contraintes communes. Gardez les chemins de fichiers et les relations entre sources visibles afin qu’une modification proposée puisse être appliquée à la bonne partie du projet.
Pour explorer le code, posez une question précise sur un module, un chemin de défaillance ou une interaction entre composants. Fournissez les éléments nécessaires pour y répondre et conservez les emplacements source qui fondent les constats. Une question ciblée sur un dépôt produit un livrable plus facile à examiner qu’une demande générale d’amélioration de tout le code.
Le modèle peut proposer des opérations d’outils de fonction dans une application qui les expose. L’application effectue l’action et renvoie l’observation. Conservez les résultats réels des commandes et des tests lorsque l’étape suivante en dépend, en distinguant ces observations des commandes proposées ou des résultats attendus.
Pour un compte rendu structuré de revue ou de planification, définissez les champs requis et leur signification. Validez la structure renvoyée et les valeurs de fond avant de les convertir en une autre opération. Un correctif, un diagnostic ou une prochaine vérification doit rester relié au comportement qu’il concerne.
Conservez les sources liées, les décisions établies et les observations actuelles tout en réservant de la place à la réponse. Retirez les informations de fond qui n’influencent plus la tâche et gardez les conditions d’acceptation visibles. Un résultat Devstral utile fournit un livrable de développement concret et les éléments réels nécessaires pour examiner son effet dans le dépôt.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites mistralai/devstral-2512 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0022 / 1K tokens Sortie · Tokens en sortie $0.004 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0022 / 1K tokens Sortie · Tokens en sortie $0.004 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "mistralai/devstral-2512",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/devstral-2512', '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/devstral-2512', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra mistralai/devstral-2512
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Trace a cache invalidation path\n\nInspect these source relationships: read.py returns cache[id] when present, otherwise reads the repository; update.py writes the repository but never touches cache. A user reads, updates and reads the same record, receiving the old value. Explain the path and propose a scoped update.py patch plus a regression scenario. Preserve repository and read interfaces.A source-linked failure explanation, a cache invalidation patch and a read-update-read regression scenario.The test primes the cache before updating and checks the second read returns the new value.