Mistral Medium 3.1 est une édition multimodale de Mistral AI pour la compréhension textuelle et visuelle. Le fabricant décrit cette révision comme améliorant le ton et les 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 proposition d’appel de fonction. 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 128k. Utilisez-la pour réunir passages sources liés, éléments visuels, conversation et tâche utilisateur. Identifiez les rôles des documents et la question à résoudre avant de fournir un ensemble volumineux. Un contexte long peut accompagner une comparaison ciblée, tandis que le livrable final reste un court tableau ou une section révisée.
Medium 3.1 conserve ses propres spécifications. Le contexte de 256k, l’architecture dense de 128 milliards de paramètres et les modes configurables de raisonnement hybride décrits pour Medium 3.5 ne doivent pas être attribués à cette entrée. La page 3.1 ne fournit ni nombre de paramètres ni chiffre séparé de longueur maximale de réponse pouvant être remplacés sans risque par ceux du modèle ultérieur.
Sortie structurée et fonctions
Le fabricant mentionne 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 documentaire, l’énoncé extrait, son emplacement source et la question restante. Demandez uniquement l’enregistrement lorsqu’un programme doit l’analyser, ou gardez l’explication en prose 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 l’option personnalisée définit une structure plus précise. Il s’agit du formatage 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 l’appel approprié 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 une référence manquante, mais uniquement si l’application environnante fournit cette recherche et en renvoie le résultat réel. Gardez l’appel proposé et les données retournées associés.
Modifications prédites et préfixes de réponse
Les sorties prédites servent lorsqu’une grande partie du résultat souhaité est déjà connue, comme un document ou fichier de code nécessitant une modification limitée. Fournissez le contenu existant et décrivez précisément le changement, y compris ce qui doit rester inchangé. Une requête peut actualiser 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, et non une modification achevée et appliquée à un fichier.
La page du modèle mentionne aussi la continuation par préfixe de réponse. Dans la documentation de dialogue du fabricant, un préfixe fournit un début connu à la réponse de l’assistant, après lequel la génération se poursuit. Un début connu et un corps prédit répondent à des besoins 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 séparées d’image, d’audio ou de raisonnement de Medium 3.1.
Questions documentaires et visuelles
Le processus documentaire QnA mentionné associe texte, structure et formatage préparés par OCR à l’analyse du modèle linguistique. Interrogez le modèle sur la condition, le passage ou la relation précise nécessaire à la tâche. Une comparaison peut identifier les documents sources et demander les affirmations communes, les conflits et les détails non résolus, en conservant 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 documentaire ou une capture d’écran et demander quels éléments visibles étayent une conclusion. Préservez axes, unités, libellés et contexte autour d’un champ recadré. Si plusieurs images sont fournies, identifiez leur ordre et leur rôle plutôt que de laisser le modèle déduire laquelle est l’original, la révision ou la référence.
Par exemple, associez une exigence écrite de processus 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 préservant leurs conditions communes tout en résolvant une incohérence nommée. Il s’agit d’applications proposées des capacités documentées de vision, de documentation et d’édition, avec un 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. Séparez les règles de réponse durables 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 les fusionnant.
Le résultat documenté reste textuel. Les outils externes, les modifications de fichiers et le traitement documentaire complémentaire relèvent de l’application connectée à la conversation. Préservez l’édition Medium 3.1 nommée et son contexte de 128k, et demandez l’explication, l’enregistrement structuré ou la révision ciblée réellement nécessaires à la suite.
", "aboutText": "Mistral Medium 3.1 est une édition multimodale de Mistral AI pour la compréhension textuelle et visuelle. Le fabricant décrit cette révision comme améliorant le ton et les 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 proposition d’appel de fonction. L’identifiant fixe du fabricant pour cette édition est mistral-medium-2508.\n\nContexte et édition précise\n\nLa page du modèle documente une fenêtre de contexte de 128k. Utilisez-la pour réunir passages sources liés, éléments visuels, conversation et tâche utilisateur. Identifiez les rôles des documents et la question à résoudre avant de fournir un ensemble volumineux. Un contexte long peut accompagner une comparaison ciblée, tandis que le livrable final reste un court tableau ou une section révisée.\n\nMedium 3.1 conserve ses propres spécifications. Le contexte de 256k, l’architecture dense de 128 milliards de paramètres et les modes configurables de raisonnement hybride décrits pour Medium 3.5 ne doivent pas être attribués à cette entrée. La page 3.1 ne fournit ni nombre de paramètres ni chiffre séparé de longueur maximale de réponse pouvant être remplacés sans risque par ceux du modèle ultérieur.\n\nSortie structurée et fonctions\n\nLe fabricant mentionne 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 documentaire, l’énoncé extrait, son emplacement source et la question restante. Demandez uniquement l’enregistrement lorsqu’un programme doit l’analyser, ou gardez l’explication en prose séparée lorsqu’une personne doit examiner l’interprétation.\n\nLa 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 l’option personnalisée définit une structure plus précise. Il s’agit du formatage du résultat textuel, et non d’une nouvelle modalité de contenu ou d’une action externe.\n\nPour les fonctions, l’application définit l’opération disponible et les arguments, le modèle sélectionne l’appel approprié 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 une référence manquante, mais uniquement si l’application environnante fournit cette recherche et en renvoie le résultat réel. Gardez l’appel proposé et les données retournées associés.\n\nModifications prédites et préfixes de réponse\n\nLes sorties prédites servent lorsqu’une grande partie du résultat souhaité est déjà connue, comme un document ou fichier de code nécessitant une modification limitée. Fournissez le contenu existant et décrivez précisément le changement, y compris ce qui doit rester inchangé. Une requête peut actualiser 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, et non une modification achevée et appliquée à un fichier.\n\nLa page du modèle mentionne aussi la continuation par préfixe de réponse. Dans la documentation de dialogue du fabricant, un préfixe fournit un début connu à la réponse de l’assistant, après lequel la génération se poursuit. Un début connu et un corps prédit répondent à des besoins 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 séparées d’image, d’audio ou de raisonnement de Medium 3.1.\n\nQuestions documentaires et visuelles\n\nLe processus documentaire QnA mentionné associe texte, structure et formatage préparés par OCR à l’analyse du modèle linguistique. Interrogez le modèle sur la condition, le passage ou la relation précise nécessaire à la tâche. Une comparaison peut identifier les documents sources et demander les affirmations communes, les conflits et les détails non résolus, en conservant l’emplacement source à côté de chaque constat.\n\nLe guide de vision du fabricant inclut explicitement Medium 3.1. Une question visuelle directe peut fournir un graphique lisible, une image documentaire ou une capture d’écran et demander quels éléments visibles étayent une conclusion. Préservez axes, unités, libellés et contexte autour d’un champ recadré. Si plusieurs images sont fournies, identifiez leur ordre et leur rôle plutôt que de laisser le modèle déduire laquelle est l’original, la révision ou la référence.\n\nPar exemple, associez une exigence écrite de processus 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 préservant leurs conditions communes tout en résolvant une incohérence nommée. Il s’agit d’applications proposées des capacités documentées de vision, de documentation et d’édition, avec un résultat requis défini à l’avance.\n\nPréparer le livrable final\n\nDonnez à l’assistant un rôle clair, les sources à utiliser et la forme de réponse. Séparez les règles de réponse durables 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 les fusionnant.\n\nLe résultat documenté reste textuel. Les outils externes, les modifications de fichiers et le traitement documentaire complémentaire relèvent de l’application connectée à la conversation. Préservez l’édition Medium 3.1 nommée et son contexte de 128k, et demandez l’explication, l’enregistrement structuré ou la révision ciblée réellement nécessaires à la suite.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.mistralai/mistral-medium-3.1Mistral Medium 3.1 est un modèle de texte et d’image pour les réponses conversationnelles, les questions sur documents et l’extraction structurée. Son contexte de 128k annoncé par le fabricant et ses fonctions mentionnées d’appels de fonctions, de sorties prédites et de préfixes accompagnent les explications fondées sur des sources et les processus d’édition ciblée.
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 améliorant le ton et les 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 proposition d’appel de fonction. 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 128k. Utilisez-la pour réunir passages sources liés, éléments visuels, conversation et tâche utilisateur. Identifiez les rôles des documents et la question à résoudre avant de fournir un ensemble volumineux. Un contexte long peut accompagner une comparaison ciblée, tandis que le livrable final reste un court tableau ou une section révisée.
Medium 3.1 conserve ses propres spécifications. Le contexte de 256k, l’architecture dense de 128 milliards de paramètres et les modes configurables de raisonnement hybride décrits pour Medium 3.5 ne doivent pas être attribués à cette entrée. La page 3.1 ne fournit ni nombre de paramètres ni chiffre séparé de longueur maximale de réponse pouvant être remplacés sans risque par ceux du modèle ultérieur.
Sortie structurée et fonctions
Le fabricant mentionne 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 documentaire, l’énoncé extrait, son emplacement source et la question restante. Demandez uniquement l’enregistrement lorsqu’un programme doit l’analyser, ou gardez l’explication en prose 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 l’option personnalisée définit une structure plus précise. Il s’agit du formatage 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 l’appel approprié 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 une référence manquante, mais uniquement si l’application environnante fournit cette recherche et en renvoie le résultat réel. Gardez l’appel proposé et les données retournées associés.
Modifications prédites et préfixes de réponse
Les sorties prédites servent lorsqu’une grande partie du résultat souhaité est déjà connue, comme un document ou fichier de code nécessitant une modification limitée. Fournissez le contenu existant et décrivez précisément le changement, y compris ce qui doit rester inchangé. Une requête peut actualiser 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, et non une modification achevée et appliquée à un fichier.
La page du modèle mentionne aussi la continuation par préfixe de réponse. Dans la documentation de dialogue du fabricant, un préfixe fournit un début connu à la réponse de l’assistant, après lequel la génération se poursuit. Un début connu et un corps prédit répondent à des besoins 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 séparées d’image, d’audio ou de raisonnement de Medium 3.1.
Questions documentaires et visuelles
Le processus documentaire QnA mentionné associe texte, structure et formatage préparés par OCR à l’analyse du modèle linguistique. Interrogez le modèle sur la condition, le passage ou la relation précise nécessaire à la tâche. Une comparaison peut identifier les documents sources et demander les affirmations communes, les conflits et les détails non résolus, en conservant 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 documentaire ou une capture d’écran et demander quels éléments visibles étayent une conclusion. Préservez axes, unités, libellés et contexte autour d’un champ recadré. Si plusieurs images sont fournies, identifiez leur ordre et leur rôle plutôt que de laisser le modèle déduire laquelle est l’original, la révision ou la référence.
Par exemple, associez une exigence écrite de processus 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 préservant leurs conditions communes tout en résolvant une incohérence nommée. Il s’agit d’applications proposées des capacités documentées de vision, de documentation et d’édition, avec un 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. Séparez les règles de réponse durables 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 les fusionnant.
Le résultat documenté reste textuel. Les outils externes, les modifications de fichiers et le traitement documentaire complémentaire relèvent de l’application connectée à la conversation. Préservez l’édition Medium 3.1 nommée et son contexte de 128k, et demandez l’explication, l’enregistrement structuré ou la révision ciblée réellement nécessaires à la suite.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites mistralai/mistral-medium-3.1 | 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 $0.0008 / 1K tokens Sortie · Tokens en sortie $0.004 / 1K tokens Entrée · Lecture du cache $0.00008 / 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 $0.0008 / 1K tokens Sortie · Tokens en sortie $0.004 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3.1", "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-medium-3.1',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-medium-3.1',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-medium-3.1
Utilisez les chemins de méthode indiqués ci-dessus.
mistralai/mistral-medium-3.1Mistral Medium 3.1 est un modèle de texte et d’image pour les réponses conversationnelles, les questions sur documents et l’extraction structurée. Son contexte de 128k annoncé par le fabricant et ses fonctions mentionnées d’appels de fonctions, de sorties prédites et de préfixes accompagnent les explications fondées sur des sources et les processus d’édition ciblée.
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 améliorant le ton et les 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 proposition d’appel de fonction. 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 128k. Utilisez-la pour réunir passages sources liés, éléments visuels, conversation et tâche utilisateur. Identifiez les rôles des documents et la question à résoudre avant de fournir un ensemble volumineux. Un contexte long peut accompagner une comparaison ciblée, tandis que le livrable final reste un court tableau ou une section révisée.
Medium 3.1 conserve ses propres spécifications. Le contexte de 256k, l’architecture dense de 128 milliards de paramètres et les modes configurables de raisonnement hybride décrits pour Medium 3.5 ne doivent pas être attribués à cette entrée. La page 3.1 ne fournit ni nombre de paramètres ni chiffre séparé de longueur maximale de réponse pouvant être remplacés sans risque par ceux du modèle ultérieur.
Sortie structurée et fonctions
Le fabricant mentionne 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 documentaire, l’énoncé extrait, son emplacement source et la question restante. Demandez uniquement l’enregistrement lorsqu’un programme doit l’analyser, ou gardez l’explication en prose 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 l’option personnalisée définit une structure plus précise. Il s’agit du formatage 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 l’appel approprié 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 une référence manquante, mais uniquement si l’application environnante fournit cette recherche et en renvoie le résultat réel. Gardez l’appel proposé et les données retournées associés.
Modifications prédites et préfixes de réponse
Les sorties prédites servent lorsqu’une grande partie du résultat souhaité est déjà connue, comme un document ou fichier de code nécessitant une modification limitée. Fournissez le contenu existant et décrivez précisément le changement, y compris ce qui doit rester inchangé. Une requête peut actualiser 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, et non une modification achevée et appliquée à un fichier.
La page du modèle mentionne aussi la continuation par préfixe de réponse. Dans la documentation de dialogue du fabricant, un préfixe fournit un début connu à la réponse de l’assistant, après lequel la génération se poursuit. Un début connu et un corps prédit répondent à des besoins 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 séparées d’image, d’audio ou de raisonnement de Medium 3.1.
Questions documentaires et visuelles
Le processus documentaire QnA mentionné associe texte, structure et formatage préparés par OCR à l’analyse du modèle linguistique. Interrogez le modèle sur la condition, le passage ou la relation précise nécessaire à la tâche. Une comparaison peut identifier les documents sources et demander les affirmations communes, les conflits et les détails non résolus, en conservant 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 documentaire ou une capture d’écran et demander quels éléments visibles étayent une conclusion. Préservez axes, unités, libellés et contexte autour d’un champ recadré. Si plusieurs images sont fournies, identifiez leur ordre et leur rôle plutôt que de laisser le modèle déduire laquelle est l’original, la révision ou la référence.
Par exemple, associez une exigence écrite de processus 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 préservant leurs conditions communes tout en résolvant une incohérence nommée. Il s’agit d’applications proposées des capacités documentées de vision, de documentation et d’édition, avec un 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. Séparez les règles de réponse durables 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 les fusionnant.
Le résultat documenté reste textuel. Les outils externes, les modifications de fichiers et le traitement documentaire complémentaire relèvent de l’application connectée à la conversation. Préservez l’édition Medium 3.1 nommée et son contexte de 128k, et demandez l’explication, l’enregistrement structuré ou la révision ciblée réellement nécessaires à la suite.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites mistralai/mistral-medium-3.1 | 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 $0.0008 / 1K tokens Sortie · Tokens en sortie $0.004 / 1K tokens Entrée · Lecture du cache $0.00008 / 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 $0.0008 / 1K tokens Sortie · Tokens en sortie $0.004 / 1K tokens Entrée · Lecture du cache $0.00008 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "mistralai/mistral-medium-3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-medium-3.1', '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-medium-3.1', '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-medium-3.1
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.