Source: https://ailoot.ai/models/fr-ch/mistralai-mistral-medium-3-1-u003a-batch/
Canonical: https://ailoot.ai/models/fr-ch/mistralai-mistral-medium-3-1-u003a-batch/
Language: fr-ch

# Mistral: Mistral Medium 3.1 (batch)

[Markdown](https://ailoot.ai/models/fr-ch/mistralai-mistral-medium-3-1-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/fr-ch/mistralai-mistral-medium-3-1-u003a-batch/facts.json)

## [Mistral: Mistral Medium 3.1 (batch)](https://ailoot.ai/models/fr-ch/mistralai-mistral-medium-3-1-u003a-batch/)

Mistral Medium 3.1 est un modèle traitant le texte et les images pour les réponses conversationnelles, les questions documentaires et l’extraction structurée. Son contexte fabricant de 128 k et ses fonctions répertoriées d’appels de fonctions, de sorties prédites et de préfixes soutiennent les explications fondées sur des sources et les processus de modification ciblée.

- [**Ailoot Ultra · Traitement par lots** `POST /v1/batches` `mistralai/mistral-medium-3.1:batch`](https://ailoot.ai/models/fr-ch/mistralai-mistral-medium-3-1-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 Medium 3.1 est une édition multimodale de Mistral AI pour la compréhension textuelle et visuelle. Le fabricant décrit cette révision comme une amélioration du ton et des performances au sein de la lignée Medium 3. Elle accepte du texte et des images et produit du texte : explication, réponse documentaire, enregistrement structuré ou appel de fonction proposé. L’identifiant fixe du fabricant pour cette édition est mistral-medium-2508.

Contexte et édition précise

La page du modèle documente une fenêtre de contexte de 128 k. Utilisez-la pour garder ensemble les passages sources liés, les éléments visuels, la conversation et la tâche de l’utilisateur. Identifiez les rôles documentaires et la question à résoudre avant de fournir un vaste ensemble. Un contexte long peut soutenir une comparaison ciblée tandis que le livrable final reste un tableau court ou une section révisée.

Medium 3.1 conserve sa propre spécification. Le contexte de 256 k, l’architecture dense 128B et les modes de raisonnement hybride configurables décrits pour Medium 3.5 ne doivent pas être attribués à cette entrée. La page 3.1 ne fournit ni un nombre de paramètres ni une longueur maximale distincte de réponse pouvant être remplacés sans risque par ceux du modèle ultérieur.

Sortie structurée et fonctions

Le fabricant énumère les sorties structurées, les appels de fonctions et les sorties prédites parmi les fonctions de cette édition. Pour une extraction structurée, définissez les champs requis, les types attendus et le traitement des informations absentes de la source. Un enregistrement peut contenir l’identifiant du document, l’énoncé extrait, son emplacement source et la question qui subsiste. Demandez uniquement l’enregistrement lorsqu’un programme doit l’analyser, ou gardez une explication rédigée séparée lorsqu’une personne doit examiner l’interprétation.

La documentation commune de Mistral sur les sorties structurées distingue le mode JSON d’un schéma personnalisé. Le mode JSON exige une instruction explicite sur le format JSON souhaité, tandis que la voie personnalisée définit une structure plus précise. Il s’agit de la mise en forme du résultat textuel, et non d’une nouvelle modalité de contenu ou d’une action externe.

Pour les fonctions, l’application définit l’opération disponible et les arguments, le modèle sélectionne un appel adapté et prépare les valeurs, puis l’application l’exécute. Son résultat devient ensuite une information pour la réponse suivante. Un assistant documentaire peut utiliser une recherche pour obtenir des données de référence manquantes, mais uniquement si l’application environnante fournit cette recherche et renvoie son résultat réel. Gardez l’appel proposé et les données renvoyées associés l’un à l’autre.

Modifications prédites et préfixes de réponse

Les sorties prédites sont utiles lorsque la majeure partie du résultat souhaité est déjà connue, comme un document ou un fichier de code nécessitant une modification limitée. Fournissez le contenu existant et décrivez précisément le changement, y compris ce qui doit rester inchangé. Une demande peut mettre à jour la terminologie d’une section ou remplacer un détail d’implémentation tout en préservant le reste du document. La prédiction contient le contenu de sortie attendu plutôt qu’une modification achevée appliquée à un fichier.

La page du modèle mentionne aussi la continuation par préfixe de réponse. Dans la documentation de conversation du fabricant, un préfixe fournit un début connu pour la réponse de l’assistant, après quoi la génération se poursuit. Un début connu et un corps prédit répondent à des problèmes de préparation différents. Le traitement par lots et les interfaces d’agent ou de conversation sont également des fonctions de processus plutôt que des éditions image, audio ou de raisonnement distinctes de Medium 3.1.

Questions documentaires et visuelles

Le processus de questions sur documents répertorié associe le texte, la structure et la mise en forme préparés par OCR à l’analyse par le modèle linguistique. Posez une question sur la condition, le passage ou la relation précise nécessaire à la tâche. Une comparaison peut identifier les documents sources et demander les énoncés communs, les conflits et les détails non résolus, en gardant l’emplacement source à côté de chaque constat.

Le guide de vision du fabricant inclut explicitement Medium 3.1. Une question visuelle directe peut fournir un graphique lisible, une image de document ou une capture d’écran et demander quels éléments visibles étayent une conclusion. Préservez les axes, les unités, les libellés et le contexte autour d’un champ recadré. Si plusieurs images sont fournies, identifiez leur ordre et leur rôle au lieu de laisser le modèle déduire laquelle est l’original, la révision ou la référence.

Par exemple, associez une exigence de processus écrite à une capture d’écran et demandez un tableau des correspondances visibles, des différences et des questions nécessitant davantage d’informations. Une autre tâche peut fournir deux versions d’un document et demander un passage révisé qui préserve leurs conditions communes tout en résolvant une incohérence nommée. Ce sont des applications proposées des capacités documentées de vision, de traitement documentaire et de modification, avec le résultat requis défini à l’avance.

Préparer le livrable final

Donnez à l’assistant un rôle clair, les sources à utiliser et la forme de réponse. Gardez les règles de réponse durables distinctes du document examiné et indiquez la langue finale et la terminologie. Une réponse utile peut séparer un fait extrait, sa source et une interprétation, ce qui la rend plus facile à examiner qu’un résumé unique fusionné.

Le résultat documenté reste du texte. Les outils externes, les modifications de fichiers et les traitements documentaires supplémentaires appartiennent à l’application connectée à la conversation. Préservez l’édition Medium 3.1 nommée et son contexte de 128 k, et demandez l’explication, l’enregistrement structuré ou la révision ciblée dont l’étape suivante a réellement besoin.

**Ailoot Ultra · Traitement par lots** `POST /v1/batches` `mistralai/mistral-medium-3.1:batch`

[`mistralai/mistral-medium-3.1:batch`](https://ailoot.ai/models/fr-ch/#m=mistralai%2Fmistral-medium-3.1%3Abatch&route=Ultra&caller=mistralai%2Fmistral-medium-3.1%3Abatch&fmt=batches)

Mistral /`mistralai/mistral-medium-3.1:batch`

### Premiers pas

Mistral Medium 3.1 est un modèle traitant le texte et les images pour les réponses conversationnelles, les questions documentaires et l’extraction structurée. Son contexte fabricant de 128 k et ses fonctions répertoriées d’appels de fonctions, de sorties prédites et de préfixes soutiennent les explications fondées sur des sources et les processus de modification ciblée.

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-medium-3.1: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-medium-3.1:batch, mistralai/mistral-medium-3.1 | 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 **$0.0004** / 1K tokens Sortie · Tokens en sortie **$0.002** / 1K tokens Entrée · Lecture du cache **$0.00004** / 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 **$0.0004** / 1K tokens Sortie · Tokens en sortie **$0.002** / 1K tokens Entrée · Lecture du cache **$0.00004** / 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-medium-3.1: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-medium-3.1:batch', 'mistralai/mistral-medium-3.1']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"mistralai/mistral-medium-3.1: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-medium-3.1:batch`](https://ailoot.ai/models/fr-ch/#m=mistralai%2Fmistral-medium-3.1%3Abatch&route=Ultra&caller=mistralai%2Fmistral-medium-3.1%3Abatch&fmt=batches)

#### Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

#### ID d’appel associés

[`mistralai/mistral-medium-3.1:batch`](https://ailoot.ai/models/fr-ch/#m=mistralai%2Fmistral-medium-3.1%3Abatch&route=Ultra&caller=mistralai%2Fmistral-medium-3.1%3Abatch&fmt=batches)

FAQ · Mistral: Mistral Medium 3.1 (batch)

Quelles entrées et quels résultats sont disponibles ?

`POST /v1/batches` · `mistralai/mistral-medium-3.1:batch`: `text` → `text`

Quels champs la requête utilise-t-elle ?

`POST /v1/batches` · `mistralai/mistral-medium-3.1:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider`

Quelles limites s’appliquent ?

`POST /v1/batches` · `mistralai/mistral-medium-3.1: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.