Mistral Saba est le modèle textuel régional spécialisé de Mistral AI, créé par ajustement fin d’un modèle de la famille Small avec des contenus sélectionnés du Moyen-Orient et d’Asie du Sud. Le fabricant décrit un modèle de 24 milliards de paramètres destiné à refléter les langues régionales, le contexte culturel et les formes d’expression locales. Il reçoit une tâche écrite et des sources et renvoie du texte.
Langues régionales et contexte
La publication identifie explicitement l’arabe et de nombreuses langues d’origine indienne, avec une force particulière dans les langues d’origine sud-indienne comme le tamoul. Son orientation est plus précise qu’un simple changement de langue finale d’une réponse polyvalente : les contenus d’entraînement sont choisis pour le contexte linguistique et culturel régional dans lequel la réponse sera utilisée.
Précisez le public, la région, la langue et le registre souhaité avant de demander un résultat. Une explication formelle, un message destiné aux clients et un passage pédagogique peuvent nécessiter des terminologies et des formules d’adresse différentes. Fournissez un glossaire pour les noms de produits ou les termes spécialisés qui doivent rester cohérents, et indiquez si le résultat doit préserver la formulation source ou adapter l’explication au lecteur.
La page du fabricant indique une fenêtre de contexte de 32 k et identifie l’édition comme mistral-saba-2502. Utilisez le contexte pour rassembler les passages sources, la conversation et les instructions pertinents. Une réponse adaptée à une région exige toujours que les conditions réelles du produit, la procédure ou le contenu documentaire soient fournis comme éléments probants ; la familiarité culturelle ne fournit pas les informations privées d’une entreprise.
Assistance conversationnelle
Le fabricant met en avant les assistants conversationnels arabophones comme usage central. Une demande d’assistance pratique peut fournir le message de l’utilisateur et les références approuvées, puis demander une réponse dans un registre nommé. Demandez l’action suivante, la condition qui la rend applicable et tout détail que l’utilisateur doit encore fournir. La réponse reste ainsi ancrée dans le problème précis plutôt que de produire une salutation régionale générique.
Pour une explication bilingue, identifiez la langue source et la langue du message final. Préservez les noms, montants ou unités fournis et décrivez le public qui doit comprendre la réponse. Une question de suivi peut demander une version plus courte ou la clarification d’un terme tout en conservant les mêmes conditions.
Adaptation à un domaine
L’annonce décrit l’ajustement fin de Saba pour des domaines particuliers, notamment l’énergie et d’autres contextes professionnels régionaux. Il s’agit d’un processus d’adaptation plutôt que d’une affirmation selon laquelle chaque jeu de données spécialisé serait déjà inclus dans le modèle par défaut. Pour une tâche textuelle orientée métier, fournissez la terminologie, les documents sources et les règles de réponse pertinents pour l’application réelle.
Une explication technique peut demander au modèle de reformuler une procédure avec la terminologie régionale du lecteur tout en conservant les étapes et conditions originales. Une question documentaire peut identifier la clause à expliquer et demander une réponse concise accompagnée du passage justificatif. Distinguez le fait source, l’explication et tout terme non résolu lors de la préparation de la sortie.
Création de contenus culturels
Le fabricant décrit aussi la rédaction et les ressources pédagogiques culturellement pertinentes. Donnez le sujet, le public visé, la langue et les faits ou exemples qui doivent apparaître. Pour un passage pédagogique, précisez ce que l’apprenant doit comprendre à la fin et demandez une explication suivie d’un exemple pratique. Pour un message d’organisation, fournissez la finalité et les informations sur lesquelles le lecteur doit agir.
Lorsque des expressions locales ou des références culturelles font partie de la tâche, indiquez le contexte dans lequel elles seront utilisées. Demandez une formulation alternative lorsqu’une version formelle ou plus neutre conviendrait à un autre public. Ce sont des façons pratiques d’appliquer la spécialisation régionale du modèle tout en gardant explicites le contenu et l’usage prévu.
Périmètre de l’édition et du résultat
La spécialisation documentée de Saba concerne le travail textuel en langues régionales avec un contexte de 32 k. Il ne doit pas hériter des entrées image, des contrôles de raisonnement hybride ou des formats d’outils de modèles Small ou Medium ultérieurs au seul motif qu’il est issu d’un ajustement fin de la famille Small. Les sources consultées n’indiquent pas de capacité maximale distincte de jetons de sortie pour cette édition.
Préparez la tâche écrite complète, les faits sources pertinents et le livrable souhaité : réponse d’assistance, explication, passage adapté ou court texte pédagogique. Gardez explicites l’édition Saba nommée ainsi que la langue et le registre du public afin que le texte obtenu réponde au besoin réel de communication régionale.
", "aboutText": "Mistral Saba est le modèle textuel régional spécialisé de Mistral AI, créé par ajustement fin d’un modèle de la famille Small avec des contenus sélectionnés du Moyen-Orient et d’Asie du Sud. Le fabricant décrit un modèle de 24 milliards de paramètres destiné à refléter les langues régionales, le contexte culturel et les formes d’expression locales. Il reçoit une tâche écrite et des sources et renvoie du texte.\n\nLangues régionales et contexte\n\nLa publication identifie explicitement l’arabe et de nombreuses langues d’origine indienne, avec une force particulière dans les langues d’origine sud-indienne comme le tamoul. Son orientation est plus précise qu’un simple changement de langue finale d’une réponse polyvalente : les contenus d’entraînement sont choisis pour le contexte linguistique et culturel régional dans lequel la réponse sera utilisée.\n\nPrécisez le public, la région, la langue et le registre souhaité avant de demander un résultat. Une explication formelle, un message destiné aux clients et un passage pédagogique peuvent nécessiter des terminologies et des formules d’adresse différentes. Fournissez un glossaire pour les noms de produits ou les termes spécialisés qui doivent rester cohérents, et indiquez si le résultat doit préserver la formulation source ou adapter l’explication au lecteur.\n\nLa page du fabricant indique une fenêtre de contexte de 32 k et identifie l’édition comme mistral-saba-2502. Utilisez le contexte pour rassembler les passages sources, la conversation et les instructions pertinents. Une réponse adaptée à une région exige toujours que les conditions réelles du produit, la procédure ou le contenu documentaire soient fournis comme éléments probants ; la familiarité culturelle ne fournit pas les informations privées d’une entreprise.\n\nAssistance conversationnelle\n\nLe fabricant met en avant les assistants conversationnels arabophones comme usage central. Une demande d’assistance pratique peut fournir le message de l’utilisateur et les références approuvées, puis demander une réponse dans un registre nommé. Demandez l’action suivante, la condition qui la rend applicable et tout détail que l’utilisateur doit encore fournir. La réponse reste ainsi ancrée dans le problème précis plutôt que de produire une salutation régionale générique.\n\nPour une explication bilingue, identifiez la langue source et la langue du message final. Préservez les noms, montants ou unités fournis et décrivez le public qui doit comprendre la réponse. Une question de suivi peut demander une version plus courte ou la clarification d’un terme tout en conservant les mêmes conditions.\n\nAdaptation à un domaine\n\nL’annonce décrit l’ajustement fin de Saba pour des domaines particuliers, notamment l’énergie et d’autres contextes professionnels régionaux. Il s’agit d’un processus d’adaptation plutôt que d’une affirmation selon laquelle chaque jeu de données spécialisé serait déjà inclus dans le modèle par défaut. Pour une tâche textuelle orientée métier, fournissez la terminologie, les documents sources et les règles de réponse pertinents pour l’application réelle.\n\nUne explication technique peut demander au modèle de reformuler une procédure avec la terminologie régionale du lecteur tout en conservant les étapes et conditions originales. Une question documentaire peut identifier la clause à expliquer et demander une réponse concise accompagnée du passage justificatif. Distinguez le fait source, l’explication et tout terme non résolu lors de la préparation de la sortie.\n\nCréation de contenus culturels\n\nLe fabricant décrit aussi la rédaction et les ressources pédagogiques culturellement pertinentes. Donnez le sujet, le public visé, la langue et les faits ou exemples qui doivent apparaître. Pour un passage pédagogique, précisez ce que l’apprenant doit comprendre à la fin et demandez une explication suivie d’un exemple pratique. Pour un message d’organisation, fournissez la finalité et les informations sur lesquelles le lecteur doit agir.\n\nLorsque des expressions locales ou des références culturelles font partie de la tâche, indiquez le contexte dans lequel elles seront utilisées. Demandez une formulation alternative lorsqu’une version formelle ou plus neutre conviendrait à un autre public. Ce sont des façons pratiques d’appliquer la spécialisation régionale du modèle tout en gardant explicites le contenu et l’usage prévu.\n\nPérimètre de l’édition et du résultat\n\nLa spécialisation documentée de Saba concerne le travail textuel en langues régionales avec un contexte de 32 k. Il ne doit pas hériter des entrées image, des contrôles de raisonnement hybride ou des formats d’outils de modèles Small ou Medium ultérieurs au seul motif qu’il est issu d’un ajustement fin de la famille Small. Les sources consultées n’indiquent pas de capacité maximale distincte de jetons de sortie pour cette édition.\n\nPréparez la tâche écrite complète, les faits sources pertinents et le livrable souhaité : réponse d’assistance, explication, passage adapté ou court texte pédagogique. Gardez explicites l’édition Saba nommée ainsi que la langue et le registre du public afin que le texte obtenu réponde au besoin réel de communication régionale.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.mistralai/mistral-sabaMistral Saba est un modèle textuel de 24 milliards de paramètres entraîné avec des contenus sélectionnés du Moyen-Orient et d’Asie du Sud. Il se concentre sur les langues et le contexte culturel régionaux, dont l’arabe et les langues d’origine indienne comme le tamoul, avec un contexte fabricant de 32 k pour les tâches écrites.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Mistral Saba est le modèle textuel régional spécialisé de Mistral AI, créé par ajustement fin d’un modèle de la famille Small avec des contenus sélectionnés du Moyen-Orient et d’Asie du Sud. Le fabricant décrit un modèle de 24 milliards de paramètres destiné à refléter les langues régionales, le contexte culturel et les formes d’expression locales. Il reçoit une tâche écrite et des sources et renvoie du texte.
Langues régionales et contexte
La publication identifie explicitement l’arabe et de nombreuses langues d’origine indienne, avec une force particulière dans les langues d’origine sud-indienne comme le tamoul. Son orientation est plus précise qu’un simple changement de langue finale d’une réponse polyvalente : les contenus d’entraînement sont choisis pour le contexte linguistique et culturel régional dans lequel la réponse sera utilisée.
Précisez le public, la région, la langue et le registre souhaité avant de demander un résultat. Une explication formelle, un message destiné aux clients et un passage pédagogique peuvent nécessiter des terminologies et des formules d’adresse différentes. Fournissez un glossaire pour les noms de produits ou les termes spécialisés qui doivent rester cohérents, et indiquez si le résultat doit préserver la formulation source ou adapter l’explication au lecteur.
La page du fabricant indique une fenêtre de contexte de 32 k et identifie l’édition comme mistral-saba-2502. Utilisez le contexte pour rassembler les passages sources, la conversation et les instructions pertinents. Une réponse adaptée à une région exige toujours que les conditions réelles du produit, la procédure ou le contenu documentaire soient fournis comme éléments probants ; la familiarité culturelle ne fournit pas les informations privées d’une entreprise.
Assistance conversationnelle
Le fabricant met en avant les assistants conversationnels arabophones comme usage central. Une demande d’assistance pratique peut fournir le message de l’utilisateur et les références approuvées, puis demander une réponse dans un registre nommé. Demandez l’action suivante, la condition qui la rend applicable et tout détail que l’utilisateur doit encore fournir. La réponse reste ainsi ancrée dans le problème précis plutôt que de produire une salutation régionale générique.
Pour une explication bilingue, identifiez la langue source et la langue du message final. Préservez les noms, montants ou unités fournis et décrivez le public qui doit comprendre la réponse. Une question de suivi peut demander une version plus courte ou la clarification d’un terme tout en conservant les mêmes conditions.
Adaptation à un domaine
L’annonce décrit l’ajustement fin de Saba pour des domaines particuliers, notamment l’énergie et d’autres contextes professionnels régionaux. Il s’agit d’un processus d’adaptation plutôt que d’une affirmation selon laquelle chaque jeu de données spécialisé serait déjà inclus dans le modèle par défaut. Pour une tâche textuelle orientée métier, fournissez la terminologie, les documents sources et les règles de réponse pertinents pour l’application réelle.
Une explication technique peut demander au modèle de reformuler une procédure avec la terminologie régionale du lecteur tout en conservant les étapes et conditions originales. Une question documentaire peut identifier la clause à expliquer et demander une réponse concise accompagnée du passage justificatif. Distinguez le fait source, l’explication et tout terme non résolu lors de la préparation de la sortie.
Création de contenus culturels
Le fabricant décrit aussi la rédaction et les ressources pédagogiques culturellement pertinentes. Donnez le sujet, le public visé, la langue et les faits ou exemples qui doivent apparaître. Pour un passage pédagogique, précisez ce que l’apprenant doit comprendre à la fin et demandez une explication suivie d’un exemple pratique. Pour un message d’organisation, fournissez la finalité et les informations sur lesquelles le lecteur doit agir.
Lorsque des expressions locales ou des références culturelles font partie de la tâche, indiquez le contexte dans lequel elles seront utilisées. Demandez une formulation alternative lorsqu’une version formelle ou plus neutre conviendrait à un autre public. Ce sont des façons pratiques d’appliquer la spécialisation régionale du modèle tout en gardant explicites le contenu et l’usage prévu.
Périmètre de l’édition et du résultat
La spécialisation documentée de Saba concerne le travail textuel en langues régionales avec un contexte de 32 k. Il ne doit pas hériter des entrées image, des contrôles de raisonnement hybride ou des formats d’outils de modèles Small ou Medium ultérieurs au seul motif qu’il est issu d’un ajustement fin de la famille Small. Les sources consultées n’indiquent pas de capacité maximale distincte de jetons de sortie pour cette édition.
Préparez la tâche écrite complète, les faits sources pertinents et le livrable souhaité : réponse d’assistance, explication, passage adapté ou court texte pédagogique. Gardez explicites l’édition Saba nommée ainsi que la langue et le registre du public afin que le texte obtenu réponde au besoin réel de communication régionale.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites mistralai/mistral-saba | 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 $0.0004 / 1K tokens Sortie · Tokens en sortie $0.0012 / 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 $0.0012 / 1K tokens Entrée · Lecture du cache $0.00004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-saba", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-saba',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-saba',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/mistral-saba
Utilisez les chemins de méthode indiqués ci-dessus.
mistralai/mistral-sabaMistral Saba est un modèle textuel de 24 milliards de paramètres entraîné avec des contenus sélectionnés du Moyen-Orient et d’Asie du Sud. Il se concentre sur les langues et le contexte culturel régionaux, dont l’arabe et les langues d’origine indienne comme le tamoul, avec un contexte fabricant de 32 k pour les tâches écrites.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Mistral Saba est le modèle textuel régional spécialisé de Mistral AI, créé par ajustement fin d’un modèle de la famille Small avec des contenus sélectionnés du Moyen-Orient et d’Asie du Sud. Le fabricant décrit un modèle de 24 milliards de paramètres destiné à refléter les langues régionales, le contexte culturel et les formes d’expression locales. Il reçoit une tâche écrite et des sources et renvoie du texte.
Langues régionales et contexte
La publication identifie explicitement l’arabe et de nombreuses langues d’origine indienne, avec une force particulière dans les langues d’origine sud-indienne comme le tamoul. Son orientation est plus précise qu’un simple changement de langue finale d’une réponse polyvalente : les contenus d’entraînement sont choisis pour le contexte linguistique et culturel régional dans lequel la réponse sera utilisée.
Précisez le public, la région, la langue et le registre souhaité avant de demander un résultat. Une explication formelle, un message destiné aux clients et un passage pédagogique peuvent nécessiter des terminologies et des formules d’adresse différentes. Fournissez un glossaire pour les noms de produits ou les termes spécialisés qui doivent rester cohérents, et indiquez si le résultat doit préserver la formulation source ou adapter l’explication au lecteur.
La page du fabricant indique une fenêtre de contexte de 32 k et identifie l’édition comme mistral-saba-2502. Utilisez le contexte pour rassembler les passages sources, la conversation et les instructions pertinents. Une réponse adaptée à une région exige toujours que les conditions réelles du produit, la procédure ou le contenu documentaire soient fournis comme éléments probants ; la familiarité culturelle ne fournit pas les informations privées d’une entreprise.
Assistance conversationnelle
Le fabricant met en avant les assistants conversationnels arabophones comme usage central. Une demande d’assistance pratique peut fournir le message de l’utilisateur et les références approuvées, puis demander une réponse dans un registre nommé. Demandez l’action suivante, la condition qui la rend applicable et tout détail que l’utilisateur doit encore fournir. La réponse reste ainsi ancrée dans le problème précis plutôt que de produire une salutation régionale générique.
Pour une explication bilingue, identifiez la langue source et la langue du message final. Préservez les noms, montants ou unités fournis et décrivez le public qui doit comprendre la réponse. Une question de suivi peut demander une version plus courte ou la clarification d’un terme tout en conservant les mêmes conditions.
Adaptation à un domaine
L’annonce décrit l’ajustement fin de Saba pour des domaines particuliers, notamment l’énergie et d’autres contextes professionnels régionaux. Il s’agit d’un processus d’adaptation plutôt que d’une affirmation selon laquelle chaque jeu de données spécialisé serait déjà inclus dans le modèle par défaut. Pour une tâche textuelle orientée métier, fournissez la terminologie, les documents sources et les règles de réponse pertinents pour l’application réelle.
Une explication technique peut demander au modèle de reformuler une procédure avec la terminologie régionale du lecteur tout en conservant les étapes et conditions originales. Une question documentaire peut identifier la clause à expliquer et demander une réponse concise accompagnée du passage justificatif. Distinguez le fait source, l’explication et tout terme non résolu lors de la préparation de la sortie.
Création de contenus culturels
Le fabricant décrit aussi la rédaction et les ressources pédagogiques culturellement pertinentes. Donnez le sujet, le public visé, la langue et les faits ou exemples qui doivent apparaître. Pour un passage pédagogique, précisez ce que l’apprenant doit comprendre à la fin et demandez une explication suivie d’un exemple pratique. Pour un message d’organisation, fournissez la finalité et les informations sur lesquelles le lecteur doit agir.
Lorsque des expressions locales ou des références culturelles font partie de la tâche, indiquez le contexte dans lequel elles seront utilisées. Demandez une formulation alternative lorsqu’une version formelle ou plus neutre conviendrait à un autre public. Ce sont des façons pratiques d’appliquer la spécialisation régionale du modèle tout en gardant explicites le contenu et l’usage prévu.
Périmètre de l’édition et du résultat
La spécialisation documentée de Saba concerne le travail textuel en langues régionales avec un contexte de 32 k. Il ne doit pas hériter des entrées image, des contrôles de raisonnement hybride ou des formats d’outils de modèles Small ou Medium ultérieurs au seul motif qu’il est issu d’un ajustement fin de la famille Small. Les sources consultées n’indiquent pas de capacité maximale distincte de jetons de sortie pour cette édition.
Préparez la tâche écrite complète, les faits sources pertinents et le livrable souhaité : réponse d’assistance, explication, passage adapté ou court texte pédagogique. Gardez explicites l’édition Saba nommée ainsi que la langue et le registre du public afin que le texte obtenu réponde au besoin réel de communication régionale.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites mistralai/mistral-saba | 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 $0.0004 / 1K tokens Sortie · Tokens en sortie $0.0012 / 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 $0.0012 / 1K tokens Entrée · Lecture du cache $0.00004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "mistralai/mistral-saba",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-saba', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-saba', '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/mistral-saba
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.