Source: https://ailoot.ai/models/fr-ch/mistralai-mistral-large-2512-u003a-batch/ Canonical: https://ailoot.ai/models/fr-ch/mistralai-mistral-large-2512-u003a-batch/ Language: fr-ch # Mistral: Mistral Large 3 2512 (batch) [Markdown](https://ailoot.ai/models/fr-ch/mistralai-mistral-large-2512-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/fr-ch/mistralai-mistral-large-2512-u003a-batch/facts.json) ## [Mistral: Mistral Large 3 2512 (batch)](https://ailoot.ai/models/fr-ch/mistralai-mistral-large-2512-u003a-batch/) Mistral Large 3 2512 est un modèle multilingue traitant le texte et les images pour les documents longs, les connaissances d’entreprise, la programmation et le travail assisté par outils. Son contexte de 256 k, ses appels de fonctions natifs et sa sortie structurée transforment les éléments fournis en réponses, enregistrements et actions proposées. - [**Ailoot Ultra · Traitement par lots** `POST /v1/batches` `mistralai/mistral-large-2512:batch`](https://ailoot.ai/models/fr-ch/mistralai-mistral-large-2512-u003a-batch/#method-0) À propos du modèle Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous. Mistral Large 3 2512 est l’édition de Mistral AI ajustée pour suivre des instructions, destinée à la conversation générale, à la compréhension visuelle et au travail en entreprise. Son architecture parcimonieuse à mélange d’experts compte 675 milliards de paramètres au total, dont 41 milliards actifs, et une fenêtre de contexte de 256 k. Le texte et les images peuvent contribuer à la même tâche, tandis que la réponse est du texte, du code ou un résultat structuré. Capacités et préparation des entrées Le modèle combine un composant linguistique et un encodeur visuel. Donnez un rôle clair à chaque image : page à lire, diagramme à interpréter ou écran à expliquer. Pour un écran chargé, fournissez un recadrage contenant les commandes pertinentes et conservez les libellés environnants nécessaires à leur compréhension. Mistral recommande des formes d’image proches du carré ; divisez une source exceptionnellement étroite ou large en zones utiles au lieu de réduire les détails importants à une bande illisible. Le fabricant mentionne la conversation multilingue dans des dizaines de langues, dont l’anglais, le français, l’espagnol, l’allemand, l’italien, le portugais, le néerlandais, le chinois, le japonais, le coréen et l’arabe. Indiquez la langue de sortie, le lecteur visé et la terminologie à préserver. Pour un article d’assistance, demandez une explication localisée conservant les noms de produits, avec une courte liste de traductions incertaines à résoudre avant publication. Documents longs et connaissances d’entreprise Utilisez le contexte pour rassembler les éléments liés : texte de politique, spécification, décisions existantes et question à résoudre. Identifiez chaque source et sa révision. Une demande utile est : « Comparez ces trois politiques d’intégration. Renvoyez un tableau des exigences communes, des conflits et des questions sans réponse, avec la section source pour chaque constat. » Le livrable obtenu est une comparaison fondée sur les passages fournis plutôt qu’un résumé générique du sujet. Pour une question documentaire, indiquez le niveau de détail souhaité et demandez le passage justificatif à côté de la conclusion. Le processus Document QnA de Mistral extrait d’abord le texte et la structure documentaire par OCR, puis utilise un modèle linguistique pour interpréter ces éléments. Préservez les numéros de page et les titres lors de la préparation du texte extrait afin que la réponse puisse renvoyer à l’original. Une URL de document, du texte extrait et des éléments visuels ont des exigences de préparation différentes ; choisissez la forme d’entrée prise en charge par l’application utilisée. Programmation et assistance quotidienne Mistral destine Large 3 à l’assistance en programmation ainsi qu’à la conversation courante. Fournissez les fonctions pertinentes, le comportement attendu et la défaillance observée. Par exemple : « Cet analyseur supprime le dernier champ lorsque l’entrée se termine sans saut de ligne. Expliquez la branche défaillante, proposez la modification minimale et renvoyez la fonction corrigée avec trois exemples représentatifs d’entrées et de sorties. » Le résultat utile est une modification proposée reliée au code réel et un ensemble de cas que le développeur peut exécuter. Pour un brouillon professionnel, fournissez ensemble les faits et le livrable souhaité. Une demande de transformation de notes de réunion en note de décision doit nommer la décision, les options, les hypothèses non résolues et l’action suivante. Demandez au modèle de séparer les faits sources des recommandations et de signaler les informations manquantes dans la section appropriée. La sortie est alors plus facile à réviser qu’un récit indifférencié. Outils et résultats structurés Les appels de fonctions natifs permettent au modèle de choisir une fonction fournie et de préparer ses arguments. L’application exécute cette fonction et renvoie son résultat ; le modèle utilise ensuite les informations reçues dans la réponse. Gardez les outils spécifiques et exposez uniquement ceux nécessaires à la tâche. Un assistant de contrôle de stock peut recevoir une référence produit, demander une recherche de stock et expliquer la quantité et l’entrepôt renvoyés. Validez la fonction sélectionnée et les arguments avant d’exécuter la demande, et conservez la réponse de l’outil avec la réponse finale. Pour l’extraction, précisez les champs, les types et le traitement des valeurs manquantes. Mistral documente le mode JSON et la sortie structurée personnalisée ; le mode JSON exige une instruction explicite de renvoyer JSON, tandis qu’un schéma personnalisé offre un contrôle plus fort du format. Un résumé de facture peut demander le fournisseur, le numéro de facture, l’échéance, la devise et les lignes de détail, avec une représentation cohérente des valeurs manquantes. Vérifiez les valeurs extraites dans le document, même lorsque la réponse respecte la structure demandée. Réglages et différences entre éditions Définissez le rôle, la tâche et les règles d’outils dans les instructions système. Mistral recommande une température inférieure à 0.1 pour la production et l’usage courant de ce point de contrôle, avec la possibilité d’explorer des valeurs plus élevées pour les tâches créatives. Séparez une demande d’idées variées d’une demande d’extraction reproductible : laissez à la première de la place pour des variantes et donnez à la seconde des champs explicites et des contraintes de source. Cette édition de suivi d’instructions est distincte du point de contrôle de base Large 3 et des modèles dédiés au raisonnement. Le fabricant identifie le raisonnement strict et les travaux visuels spécialisés comme des domaines où un modèle conçu spécialement peut être préférable. Pour un calcul difficile, fournissez les hypothèses et les unités, demandez des vérifications intermédiaires et utilisez un outil de calcul disponible pour vérifier le résultat. Pour des éléments visuels denses, préparez des zones lisibles et comparez la réponse à la source avant de l’utiliser dans un rapport. **Ailoot Ultra · Traitement par lots** `POST /v1/batches` `mistralai/mistral-large-2512:batch` [`mistralai/mistral-large-2512:batch`](https://ailoot.ai/models/fr-ch/#m=mistralai%2Fmistral-large-2512%3Abatch&route=Ultra&caller=mistralai%2Fmistral-large-2512%3Abatch&fmt=batches) Mistral /`mistralai/mistral-large-2512:batch` ### Premiers pas Mistral Large 3 2512 est un modèle multilingue traitant le texte et les images pour les documents longs, les connaissances d’entreprise, la programmation et le travail assisté par outils. Son contexte de 256 k, ses appels de fonctions natifs et sa sortie structurée transforment les éléments fournis en réponses, enregistrements et actions proposées. Entrées acceptées Texte Résultats Texte ### Disponible dans Ailoot · entrées et méthodes **Ailoot Ultra · Traitement par lots** `POST /v1/batches` Entrée `text` Sortie `text` Format de sortie JSON results\[\].response.body intégré | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`endpoint` | Type`string` | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites mistralai/mistral-large-2512:batch | Par défaut— | | Champ`requests` | Type`batch_item[]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— | | Champ`requests[].custom_id` | Type`string` | ExigenceObligatoire | Valeurs et limites | Par défaut— | | Champ`requests[].body.messages` | Type`message[]` | ExigenceObligatoire | Valeurs et limites | Par défaut— | | Champ`completion_window` | Type`string` | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— | | Champ`provider` | Type`object\|null` | ExigenceFacultatif | Valeurs et limites | Par défaut— | | Champ`requests[].body.model` | Type`string` | ExigenceFacultatif | Valeurs et limites mistralai/mistral-large-2512:batch, mistralai/mistral-large-2512 | Par défaut— | | Champ`provider.only` | Type`string[]` | ExigenceFacultatif | Valeurs et limites mistral | Par défaut— | | Champ`provider.allow_fallbacks` | Type`boolean\|null` | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— | Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`content_type` | Contratapplication/json | | Paramètre`required` | Contratendpoint, model, requests | | Paramètre`material_types` | Contrattext | | Paramètre`representation` | Contratrequests\[\] intégré ; chaque élément comporte custom\_id et body | | Paramètre`request_endpoint_profile` | Contrat/v1/chat/completions | | Paramètre`file_material` | ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests\[\]. Aucun paramètre purpose de téléversement, input\_file\_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST. | | Paramètre`serialization_order` | Contratendpoint, model, provider (si fourni), completion\_window (si fourni), requests en dernier | | Paramètre`optional_controls` | Contratprovider.only, provider.allow\_fallbacks, completion\_window | | Paramètre`schema_scope` | ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée. | Cycle de vie : `asynchronous` `GET /v1/batches/{operation_id}` · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe ### Tarifs Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée. Mode rapide Non précisé Lorsque le mode rapide est sélectionné Mode Flex Non précisé Lorsque le mode flex est sélectionné Effort de raisonnement maximal Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default) Tarification du cache explicite Non activé Lorsqu’un cache explicite est demandé #### Tarifs Ailoot #### Prix par configuration 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 **$0.0005** / 1K tokens Sortie · Tokens en sortie **$0.0015** / 1K tokens Entrée · Lecture du cache **$0.00005** / 1K tokens Entrée · Écriture dans le cache **—** / 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 **$0.0005** / 1K tokens Sortie · Tokens en sortie **$0.0015** / 1K tokens Entrée · Lecture du cache **$0.00005** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens | Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr-ch/billing/reserve/) ### Exemples de requêtes #### Ailoot Ultra · Traitement par lots curl · jeu de données de test conservéPython HTTP · JSONL réel du clientPython · enregistrez chaque résultat finalisé ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json from pathlib import Path body=json.loads('{"endpoint":"/v1/chat/completions","model":"mistralai/mistral-large-2512:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}') Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8") PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json ``` ```python import json, os from pathlib import Path from urllib.request import Request, urlopen def prepare_requests(customer_path): path = Path(customer_path) if not path.is_file(): raise ValueError("Customer JSONL file is missing") items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()] if not items: raise ValueError("Customer JSONL contains no requests") ids = set() for item in items: if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body") cid = item["custom_id"] if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique") ids.add(cid) if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages") supplied_model = item["body"].get("model") if supplied_model is not None and supplied_model not in ['mistralai/mistral-large-2512:batch', 'mistralai/mistral-large-2512']: raise ValueError("body.model must be an exact documented caller or wire ID") return {"endpoint":"/v1/chat/completions", "model":"mistralai/mistral-large-2512:batch", "requests":items} if __name__ == "__main__": material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "") if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file") body = prepare_requests(material) key = os.environ.get("AILOOT_API_KEY", "") if not key: raise SystemExit("Set AILOOT_API_KEY") request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST") with urlopen(request) as response: raw = response.read() Path("batch-create-response.json").write_bytes(raw) print(raw.decode("utf-8")) ``` ```python import json from pathlib import Path raw = Path("batch-status-response.json").read_bytes() response = json.loads(raw) if response.get("status") != "completed": raise SystemExit("Keep the original operation; read its status without resubmitting") results = response.get("results") if not isinstance(results, list) or not results: raise SystemExit("Preserve the original response; completed results are missing") Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8") # Preserve batch-status-response.json with aggregate usage and every result/error. ``` ### Recevoir et enregistrer les résultats #### Ailoot Ultra · Traitement par lots JSON results\[\].response.body intégré - `GET /v1/batches/{operation_id}` ##### Vérifier l’état de la tâche curl · état de l’opération d’origine ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" BATCH_OPERATION_ID="$(python3 - <<'PY_ID' import json from pathlib import Path from urllib.parse import quote response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8")) operation = response.get("id") if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit") print(quote(operation, safe="")) PY_ID )" curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \ -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json ``` ##### Conserver tous les résultats terminés Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité. Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom\_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results\[\] terminés au format JSONL sans filtrage. ##### Si la réponse d’origine doit être vérifiée Conservez l’identifiant de l’opération d’origine. La réponse 503 result\_pending\_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue. Champs de la réponse | Champ | Type | | --- | --- | | Champ`results[].custom_id` | Typestring | | Champ`results[].response.body.choices[].message.content` | Typestring\|null | | Champ`results[].error` | Typeobject\|null | | Champ`usage` | Typeobject\|null | | Champ`id` | Typestring | | Champ`model` | Typestring | | Champ`endpoint` | Typestring | | Champ`status` | Typestring | | Champ`request_counts` | Typeobject | | Champ`results[].id` | Typestring | | Champ`results[].response.status_code` | Typeinteger | | Champ`results[].response.request_id` | Typestring | Erreurs et étapes suivantes | Réponse | Condition | Étape suivante | | --- | --- | --- | | Réponse400 · `invalid_request_error` | ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle. | Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission. | | Réponse401 · `authentication_error` | ConditionClé API invalide. | Étape suivanteUtilisez la clé Ailoot autorisée. | | Réponse403 · `permission_error` | ConditionGroupe de traitement par lots indisponible. | Étape suivanteVérifiez les droits d’accès de la clé/du groupe. | | Réponse422 · `invalid_request_error` | ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée. | Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde. | | Réponse422 · `price_unavailable` | ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots. | Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille. | | Réponse402 · `billing_error` | ConditionRéserve pour le traitement par lots indisponible. | Étape suivanteRéglez les conditions d’admission avant une nouvelle requête. | | Réponse503 · `price_unavailable` | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne substituez pas d’autres prix. | | Réponse503 · `api_error` | ConditionRoute exacte du fournisseur indisponible. | Étape suivanteConservez la réponse pour réparer la route. | | Réponse503 · `result_pending_check` | ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false. | Étape suivanteConservez l’operation\_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine. | | Réponse404 · `not_found` | ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité. | Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe. | ### Alias #### Alias du modèle **Ailoot Ultra** [`mistralai/mistral-large-2512:batch`](https://ailoot.ai/models/fr-ch/#m=mistralai%2Fmistral-large-2512%3Abatch&route=Ultra&caller=mistralai%2Fmistral-large-2512%3Abatch&fmt=batches) #### Alias des chemins de méthode Utilisez les chemins de méthode indiqués ci-dessus. #### ID d’appel associés [`mistralai/mistral-large-2512:batch`](https://ailoot.ai/models/fr-ch/#m=mistralai%2Fmistral-large-2512%3Abatch&route=Ultra&caller=mistralai%2Fmistral-large-2512%3Abatch&fmt=batches) FAQ · Mistral: Mistral Large 3 2512 (batch) Quelles entrées et quels résultats sont disponibles ? `POST /v1/batches` · `mistralai/mistral-large-2512:batch`: `text` → `text` Quels champs la requête utilise-t-elle ? `POST /v1/batches` · `mistralai/mistral-large-2512:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider` Quelles limites s’appliquent ? `POST /v1/batches` · `mistralai/mistral-large-2512:batch`: `requests.min_items`: `1` Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application. ## L’entreprise et son portefeuille de projets L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. ## Achetez des tokens à prix réduit. Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens. Abonnement Choisissez une offre à tarif réduit pour vos requêtes régulières. Code promo jusqu’à 50% Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours. Dépenses dans l’historique Modèle, tokens et montant sont enregistrés pour chaque requête. [Choisir un abonnement](https://ailoot.ai/docs/fr-ch/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr-ch/) ## Connectez l’API au produit que vous vendez. SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur. Application commerciale Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service. Licence revendeur Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente. Documents sur le site L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion. [Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr-ch) ## Ailoot · L’entreprise et son portefeuille de projets Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI. L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.