Devstral Medium 1.0 est le modèle textuel à version fixe de Mistral AI pour les agents de génie logiciel. Identifiée par devstral-medium-2507, cette version se concentre sur l’utilisation d’outils pour explorer les bases de code, modifier plusieurs fichiers liés et poursuivre une tâche d’ingénierie sur plusieurs étapes. Sa fenêtre de contexte est de 128K tokens. L’entrée est constituée de textes relatifs à la tâche et au projet ; la sortie peut être du code, une explication ou des arguments pour une fonction fournie par l’application.
L’édition Medium suit la même orientation d’agent logiciel que Devstral Small, tout en conservant sa propre identité de modèle. Le fabricant la présente pour les tâches exigeant la compréhension d’un dépôt et un travail coordonné dans un environnement d’agent. La version fixe 1.0 reste distincte des générations Devstral ultérieures et de la famille généraliste Mistral Medium. Son contexte et sa spécialisation exclusivement textuelle appartiennent à cette édition.
Les fonctionnalités applicatives prises en charge comprennent la sortie structurée, les appels de fonctions, les questions sur documents et la continuation de préfixe. Les résultats structurés permettent à l’agent de présenter un plan de modification avec des champs comme les fichiers concernés, les modifications nécessaires, les hypothèses et les étapes de validation. Un processus de questions sur documents fournit du contenu technique extrait à analyser, ce qui est utile lorsque les exigences d’implémentation sont réparties dans des spécifications. Un préfixe peut établir le début d’une réponse, et les traitements par lots asynchrones peuvent prendre en charge des demandes d’analyse indépendantes.
Pour une tâche assistée par outils, définissez les fonctions disponibles et les schémas de leurs arguments. Le modèle choisit l’action adaptée et prépare les arguments ; l’application effectue l’action et renvoie son résultat. L’étape suivante peut être un autre appel de fonction ou une réponse fondée sur les informations accumulées. Des appels successifs permettent l’exploration, puis la modification et la revue ; des appels indépendants peuvent être demandés ensemble lorsque l’application autorise leur utilisation en parallèle. L’accès aux fichiers, l’exécution des commandes et l’application des changements restent des fonctions de l’environnement d’agent.
Pour une modification de dépôt, fournissez le comportement attendu, les interfaces pertinentes et un exemple reproductible. Demandez à l’agent de retracer le chemin du code existant, d’identifier les dépendances et de préparer des modifications cohérentes entre les fichiers concernés. Pour un bogue, incluez le résultat observé et celui exigé par la spécification. Pour une refactorisation, nommez le comportement public qui doit rester stable. Les résultats de recherche, les contenus de fichiers et les vérifications renvoyés deviennent partie du contexte textuel qui guide la proposition suivante.
Dans un processus API Ailoot, définissez le livrable final avant de commencer : un correctif, un plan d’implémentation, une revue structurée ou une explication technique. Demandez un résultat distinguant les modifications proposées, leur justification et les vérifications effectivement renvoyées par l’environnement. Le modèle fournit la décision suivante et la sortie textuelle, tandis que l’application fournit les outils et valide leurs effets. Cela rend l’édition fixe Medium 1.0 utile pour les travaux d’ingénierie devant relier l’exigence d’origine, les éléments recueillis dans le dépôt et un ensemble cohérent de modifications proposées.
", "aboutText": "Devstral Medium 1.0 est le modèle textuel à version fixe de Mistral AI pour les agents de génie logiciel. Identifiée par devstral-medium-2507, cette version se concentre sur l’utilisation d’outils pour explorer les bases de code, modifier plusieurs fichiers liés et poursuivre une tâche d’ingénierie sur plusieurs étapes. Sa fenêtre de contexte est de 128K tokens. L’entrée est constituée de textes relatifs à la tâche et au projet ; la sortie peut être du code, une explication ou des arguments pour une fonction fournie par l’application.\n\nL’édition Medium suit la même orientation d’agent logiciel que Devstral Small, tout en conservant sa propre identité de modèle. Le fabricant la présente pour les tâches exigeant la compréhension d’un dépôt et un travail coordonné dans un environnement d’agent. La version fixe 1.0 reste distincte des générations Devstral ultérieures et de la famille généraliste Mistral Medium. Son contexte et sa spécialisation exclusivement textuelle appartiennent à cette édition.\n\nLes fonctionnalités applicatives prises en charge comprennent la sortie structurée, les appels de fonctions, les questions sur documents et la continuation de préfixe. Les résultats structurés permettent à l’agent de présenter un plan de modification avec des champs comme les fichiers concernés, les modifications nécessaires, les hypothèses et les étapes de validation. Un processus de questions sur documents fournit du contenu technique extrait à analyser, ce qui est utile lorsque les exigences d’implémentation sont réparties dans des spécifications. Un préfixe peut établir le début d’une réponse, et les traitements par lots asynchrones peuvent prendre en charge des demandes d’analyse indépendantes.\n\nPour une tâche assistée par outils, définissez les fonctions disponibles et les schémas de leurs arguments. Le modèle choisit l’action adaptée et prépare les arguments ; l’application effectue l’action et renvoie son résultat. L’étape suivante peut être un autre appel de fonction ou une réponse fondée sur les informations accumulées. Des appels successifs permettent l’exploration, puis la modification et la revue ; des appels indépendants peuvent être demandés ensemble lorsque l’application autorise leur utilisation en parallèle. L’accès aux fichiers, l’exécution des commandes et l’application des changements restent des fonctions de l’environnement d’agent.\n\nPour une modification de dépôt, fournissez le comportement attendu, les interfaces pertinentes et un exemple reproductible. Demandez à l’agent de retracer le chemin du code existant, d’identifier les dépendances et de préparer des modifications cohérentes entre les fichiers concernés. Pour un bogue, incluez le résultat observé et celui exigé par la spécification. Pour une refactorisation, nommez le comportement public qui doit rester stable. Les résultats de recherche, les contenus de fichiers et les vérifications renvoyés deviennent partie du contexte textuel qui guide la proposition suivante.\n\nDans un processus API Ailoot, définissez le livrable final avant de commencer : un correctif, un plan d’implémentation, une revue structurée ou une explication technique. Demandez un résultat distinguant les modifications proposées, leur justification et les vérifications effectivement renvoyées par l’environnement. Le modèle fournit la décision suivante et la sortie textuelle, tandis que l’application fournit les outils et valide leurs effets. Cela rend l’édition fixe Medium 1.0 utile pour les travaux d’ingénierie devant relier l’exigence d’origine, les éléments recueillis dans le dépôt et un ensemble cohérent de modifications proposées.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Coordinate a renamed export field\n\nPropose a patch plan across three files. serializer.py emits {'userName': user.name}; client.ts reads response.userName; schema.md documents userName. Requirement: new responses use display_name while the client temporarily accepts either field. Show the edits as small before/after snippets and give a compatibility test and a new-field test. Do not claim the files were edited.Three coordinated proposed edits plus tests for old and new responses during the compatibility period.The client accepts both spellings, while the producer and documentation agree on display_name.devstral-medium-2507Devstral Medium 1.0 est l’édition exclusivement textuelle à version fixe de Mistral AI pour l’exploration des dépôts, l’utilisation d’outils et les modifications logicielles coordonnées. Son contexte de 128K contient les exigences de la tâche, le code et les résultats d’outils renvoyés pour un agent travaillant sur des fichiers liés.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Devstral Medium 1.0 est le modèle textuel à version fixe de Mistral AI pour les agents de génie logiciel. Identifiée par devstral-medium-2507, cette version se concentre sur l’utilisation d’outils pour explorer les bases de code, modifier plusieurs fichiers liés et poursuivre une tâche d’ingénierie sur plusieurs étapes. Sa fenêtre de contexte est de 128K tokens. L’entrée est constituée de textes relatifs à la tâche et au projet ; la sortie peut être du code, une explication ou des arguments pour une fonction fournie par l’application.
L’édition Medium suit la même orientation d’agent logiciel que Devstral Small, tout en conservant sa propre identité de modèle. Le fabricant la présente pour les tâches exigeant la compréhension d’un dépôt et un travail coordonné dans un environnement d’agent. La version fixe 1.0 reste distincte des générations Devstral ultérieures et de la famille généraliste Mistral Medium. Son contexte et sa spécialisation exclusivement textuelle appartiennent à cette édition.
Les fonctionnalités applicatives prises en charge comprennent la sortie structurée, les appels de fonctions, les questions sur documents et la continuation de préfixe. Les résultats structurés permettent à l’agent de présenter un plan de modification avec des champs comme les fichiers concernés, les modifications nécessaires, les hypothèses et les étapes de validation. Un processus de questions sur documents fournit du contenu technique extrait à analyser, ce qui est utile lorsque les exigences d’implémentation sont réparties dans des spécifications. Un préfixe peut établir le début d’une réponse, et les traitements par lots asynchrones peuvent prendre en charge des demandes d’analyse indépendantes.
Pour une tâche assistée par outils, définissez les fonctions disponibles et les schémas de leurs arguments. Le modèle choisit l’action adaptée et prépare les arguments ; l’application effectue l’action et renvoie son résultat. L’étape suivante peut être un autre appel de fonction ou une réponse fondée sur les informations accumulées. Des appels successifs permettent l’exploration, puis la modification et la revue ; des appels indépendants peuvent être demandés ensemble lorsque l’application autorise leur utilisation en parallèle. L’accès aux fichiers, l’exécution des commandes et l’application des changements restent des fonctions de l’environnement d’agent.
Pour une modification de dépôt, fournissez le comportement attendu, les interfaces pertinentes et un exemple reproductible. Demandez à l’agent de retracer le chemin du code existant, d’identifier les dépendances et de préparer des modifications cohérentes entre les fichiers concernés. Pour un bogue, incluez le résultat observé et celui exigé par la spécification. Pour une refactorisation, nommez le comportement public qui doit rester stable. Les résultats de recherche, les contenus de fichiers et les vérifications renvoyés deviennent partie du contexte textuel qui guide la proposition suivante.
Dans un processus API Ailoot, définissez le livrable final avant de commencer : un correctif, un plan d’implémentation, une revue structurée ou une explication technique. Demandez un résultat distinguant les modifications proposées, leur justification et les vérifications effectivement renvoyées par l’environnement. Le modèle fournit la décision suivante et la sortie textuelle, tandis que l’application fournit les outils et valide leurs effets. Cela rend l’édition fixe Medium 1.0 utile pour les travaux d’ingénierie devant relier l’exigence d’origine, les éléments recueillis dans le dépôt et un ensemble cohérent de modifications proposées.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites devstral-medium-2507 | 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.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00088 / 1K tokens Sortie · Tokens en sortie $0.0044 / 1K tokens Entrée · Lecture du cache $0 / 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": "devstral-medium-2507", "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='devstral-medium-2507',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='devstral-medium-2507',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 devstral-medium-2507
Utilisez les chemins de méthode indiqués ci-dessus.
devstral-medium-2507Devstral Medium 1.0 est l’édition exclusivement textuelle à version fixe de Mistral AI pour l’exploration des dépôts, l’utilisation d’outils et les modifications logicielles coordonnées. Son contexte de 128K contient les exigences de la tâche, le code et les résultats d’outils renvoyés pour un agent travaillant sur des fichiers liés.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Devstral Medium 1.0 est le modèle textuel à version fixe de Mistral AI pour les agents de génie logiciel. Identifiée par devstral-medium-2507, cette version se concentre sur l’utilisation d’outils pour explorer les bases de code, modifier plusieurs fichiers liés et poursuivre une tâche d’ingénierie sur plusieurs étapes. Sa fenêtre de contexte est de 128K tokens. L’entrée est constituée de textes relatifs à la tâche et au projet ; la sortie peut être du code, une explication ou des arguments pour une fonction fournie par l’application.
L’édition Medium suit la même orientation d’agent logiciel que Devstral Small, tout en conservant sa propre identité de modèle. Le fabricant la présente pour les tâches exigeant la compréhension d’un dépôt et un travail coordonné dans un environnement d’agent. La version fixe 1.0 reste distincte des générations Devstral ultérieures et de la famille généraliste Mistral Medium. Son contexte et sa spécialisation exclusivement textuelle appartiennent à cette édition.
Les fonctionnalités applicatives prises en charge comprennent la sortie structurée, les appels de fonctions, les questions sur documents et la continuation de préfixe. Les résultats structurés permettent à l’agent de présenter un plan de modification avec des champs comme les fichiers concernés, les modifications nécessaires, les hypothèses et les étapes de validation. Un processus de questions sur documents fournit du contenu technique extrait à analyser, ce qui est utile lorsque les exigences d’implémentation sont réparties dans des spécifications. Un préfixe peut établir le début d’une réponse, et les traitements par lots asynchrones peuvent prendre en charge des demandes d’analyse indépendantes.
Pour une tâche assistée par outils, définissez les fonctions disponibles et les schémas de leurs arguments. Le modèle choisit l’action adaptée et prépare les arguments ; l’application effectue l’action et renvoie son résultat. L’étape suivante peut être un autre appel de fonction ou une réponse fondée sur les informations accumulées. Des appels successifs permettent l’exploration, puis la modification et la revue ; des appels indépendants peuvent être demandés ensemble lorsque l’application autorise leur utilisation en parallèle. L’accès aux fichiers, l’exécution des commandes et l’application des changements restent des fonctions de l’environnement d’agent.
Pour une modification de dépôt, fournissez le comportement attendu, les interfaces pertinentes et un exemple reproductible. Demandez à l’agent de retracer le chemin du code existant, d’identifier les dépendances et de préparer des modifications cohérentes entre les fichiers concernés. Pour un bogue, incluez le résultat observé et celui exigé par la spécification. Pour une refactorisation, nommez le comportement public qui doit rester stable. Les résultats de recherche, les contenus de fichiers et les vérifications renvoyés deviennent partie du contexte textuel qui guide la proposition suivante.
Dans un processus API Ailoot, définissez le livrable final avant de commencer : un correctif, un plan d’implémentation, une revue structurée ou une explication technique. Demandez un résultat distinguant les modifications proposées, leur justification et les vérifications effectivement renvoyées par l’environnement. Le modèle fournit la décision suivante et la sortie textuelle, tandis que l’application fournit les outils et valide leurs effets. Cela rend l’édition fixe Medium 1.0 utile pour les travaux d’ingénierie devant relier l’exigence d’origine, les éléments recueillis dans le dépôt et un ensemble cohérent de modifications proposées.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites devstral-medium-2507 | 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.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00088 / 1K tokens Sortie · Tokens en sortie $0.0044 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "devstral-medium-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'devstral-medium-2507', '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': 'devstral-medium-2507', '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 devstral-medium-2507
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Coordinate a renamed export field\n\nPropose a patch plan across three files. serializer.py emits {'userName': user.name}; client.ts reads response.userName; schema.md documents userName. Requirement: new responses use display_name while the client temporarily accepts either field. Show the edits as small before/after snippets and give a compatibility test and a new-field test. Do not claim the files were edited.Three coordinated proposed edits plus tests for old and new responses during the compatibility period.The client accepts both spellings, while the producer and documentation agree on display_name.