Pixtral Large est le modèle multimodal de Mistral AI construit sur Mistral Large 2. Il associe un décodeur multimodal de 123 milliards de paramètres à un encodeur visuel d’un milliard de paramètres, pour un modèle de 124 milliards de paramètres. L’objectif est de conserver de solides capacités linguistiques tout en comprenant les preuves visuelles nécessaires à une réponse : page de document, graphique, photographie ou capture d’écran. Les entrées peuvent associer texte et images ; le résultat est textuel.
Mistral décrit une fenêtre de contexte de 128 K tokens et indique qu’elle peut accueillir au moins 30 images haute résolution. Cette déclaration décrit la capacité du contexte plutôt qu’un paramètre universel de nombre d’images par requête. L’intérêt pratique est de pouvoir relier plusieurs sources visuelles à une même question. Une tâche comparative utile pourrait fournir des pages étiquetées de deux rapports et demander quels chiffres, libellés et conclusions diffèrent. Regroupez le texte de la question, le rôle de chaque image et la structure de réponse requise.
Le fabricant illustre la lecture multilingue de texte, les questions sur les documents, l’interprétation de graphiques et la compréhension d’images courantes. Pour un assistant documentaire, demandez les noms et valeurs de champs visibles, une description de la mise en page ou une explication reliant la formulation à un tableau ou à une figure. Pour un graphique, précisez les axes, les séries ou l’intervalle à examiner. Exemple de demande : « Comparez ces graphiques. Séparez les valeurs directement lisibles des interprétations, identifiez le changement représenté et listez les informations nécessaires pour vérifier la conclusion. » Le résultat peut être un tableau de champs, un ensemble d’observations ou une explication écrite.
La fiche du modèle accorde une attention particulière à l’instruction système. Mistral recommande d’inclure une instruction qui précise l’objectif de l’assistant, même courte. C’est utile pour une tâche visuelle, car la même image peut servir à différentes missions : extraire des entrées, décrire une scène, expliquer un schéma ou le comparer à une exigence écrite. Énoncez la mission et les règles concernant les détails incertains ou illisibles. Lorsque vous fournissez plusieurs images, étiquetez-les et indiquez leur ordre ou leur relation afin que la réponse puisse relier les observations aux bons éléments.
La page du modèle de Mistral mentionne la réponse aux questions documentaires, les sorties structurées et les appels de fonctions. L’interface du fabricant prend aussi en charge le traitement par lots. Ses recommandations de sorties structurées distinguent un format d’objet JSON d’un schéma personnalisé ; le mode JSON exige toujours une instruction explicite de production de JSON. Pour l’extraction, définissez les champs, le traitement des valeurs absentes et la différence entre le texte transcrit et une conclusion. Une réponse structurée est utile lorsqu’une application doit traiter le résultat, tandis qu’une explication libre est utile lorsqu’une personne doit comprendre le raisonnement qui le sous-tend.
Pour les appels de fonctions, l’application fournit les définitions d’outils et le modèle propose une fonction avec ses arguments. Le processus de Mistral prévoit ensuite que l’application exécute l’opération et renvoie son résultat avant que le modèle rédige la réponse suivante. Un processus documentaire pourrait utiliser un outil pour rechercher un identifiant lu dans une image, puis demander une explication fondée sur l’enregistrement retourné. Le modèle visuel n’acquiert pas un accès arbitraire à des données externes simplement parce qu’une image mentionne un enregistrement : l’opération autorisée et son résultat proviennent de l’application.
Le fournisseur mentionne également les fonctions de sortie prédite et de préfixe. Les sorties prédites permettent à l’appelant de fournir le texte attendu lors de la régénération d’un document ou d’un fichier de code avec une petite modification ; un préfixe définit le texte de début de la réponse. Ce sont des contrôles distincts de préparation, et non des modalités visuelles supplémentaires. La sortie utile reste une description textuelle, une extraction ou une explication, et non une nouvelle image rendue. Choisissez des images sources nettes, précisez ce qui doit être préservé et vérifiez les lectures critiques dans la page d’origine.
L’étiquette latest est un alias de famille, tandis que Pixtral-Large-Instruct-2411 est la version fixe du fabricant documentée par la fiche du modèle. Distinguez ces noms lors de la préparation d’une tâche reproductible. Le chiffre de contexte publié décrit le modèle du fournisseur ; les pages consultées n’établissent pas de plafond universel distinct de tokens de sortie. Sélectionnez ensemble les images, la question textuelle et la longueur de réponse souhaitée, et distinguez les limites de requête propres à une version des capacités visuelles générales décrites ici.
", "aboutText": "Pixtral Large est le modèle multimodal de Mistral AI construit sur Mistral Large 2. Il associe un décodeur multimodal de 123 milliards de paramètres à un encodeur visuel d’un milliard de paramètres, pour un modèle de 124 milliards de paramètres. L’objectif est de conserver de solides capacités linguistiques tout en comprenant les preuves visuelles nécessaires à une réponse : page de document, graphique, photographie ou capture d’écran. Les entrées peuvent associer texte et images ; le résultat est textuel.\n\nMistral décrit une fenêtre de contexte de 128 K tokens et indique qu’elle peut accueillir au moins 30 images haute résolution. Cette déclaration décrit la capacité du contexte plutôt qu’un paramètre universel de nombre d’images par requête. L’intérêt pratique est de pouvoir relier plusieurs sources visuelles à une même question. Une tâche comparative utile pourrait fournir des pages étiquetées de deux rapports et demander quels chiffres, libellés et conclusions diffèrent. Regroupez le texte de la question, le rôle de chaque image et la structure de réponse requise.\n\nLe fabricant illustre la lecture multilingue de texte, les questions sur les documents, l’interprétation de graphiques et la compréhension d’images courantes. Pour un assistant documentaire, demandez les noms et valeurs de champs visibles, une description de la mise en page ou une explication reliant la formulation à un tableau ou à une figure. Pour un graphique, précisez les axes, les séries ou l’intervalle à examiner. Exemple de demande : « Comparez ces graphiques. Séparez les valeurs directement lisibles des interprétations, identifiez le changement représenté et listez les informations nécessaires pour vérifier la conclusion. » Le résultat peut être un tableau de champs, un ensemble d’observations ou une explication écrite.\n\nLa fiche du modèle accorde une attention particulière à l’instruction système. Mistral recommande d’inclure une instruction qui précise l’objectif de l’assistant, même courte. C’est utile pour une tâche visuelle, car la même image peut servir à différentes missions : extraire des entrées, décrire une scène, expliquer un schéma ou le comparer à une exigence écrite. Énoncez la mission et les règles concernant les détails incertains ou illisibles. Lorsque vous fournissez plusieurs images, étiquetez-les et indiquez leur ordre ou leur relation afin que la réponse puisse relier les observations aux bons éléments.\n\nLa page du modèle de Mistral mentionne la réponse aux questions documentaires, les sorties structurées et les appels de fonctions. L’interface du fabricant prend aussi en charge le traitement par lots. Ses recommandations de sorties structurées distinguent un format d’objet JSON d’un schéma personnalisé ; le mode JSON exige toujours une instruction explicite de production de JSON. Pour l’extraction, définissez les champs, le traitement des valeurs absentes et la différence entre le texte transcrit et une conclusion. Une réponse structurée est utile lorsqu’une application doit traiter le résultat, tandis qu’une explication libre est utile lorsqu’une personne doit comprendre le raisonnement qui le sous-tend.\n\nPour les appels de fonctions, l’application fournit les définitions d’outils et le modèle propose une fonction avec ses arguments. Le processus de Mistral prévoit ensuite que l’application exécute l’opération et renvoie son résultat avant que le modèle rédige la réponse suivante. Un processus documentaire pourrait utiliser un outil pour rechercher un identifiant lu dans une image, puis demander une explication fondée sur l’enregistrement retourné. Le modèle visuel n’acquiert pas un accès arbitraire à des données externes simplement parce qu’une image mentionne un enregistrement : l’opération autorisée et son résultat proviennent de l’application.\n\nLe fournisseur mentionne également les fonctions de sortie prédite et de préfixe. Les sorties prédites permettent à l’appelant de fournir le texte attendu lors de la régénération d’un document ou d’un fichier de code avec une petite modification ; un préfixe définit le texte de début de la réponse. Ce sont des contrôles distincts de préparation, et non des modalités visuelles supplémentaires. La sortie utile reste une description textuelle, une extraction ou une explication, et non une nouvelle image rendue. Choisissez des images sources nettes, précisez ce qui doit être préservé et vérifiez les lectures critiques dans la page d’origine.\n\nL’étiquette latest est un alias de famille, tandis que Pixtral-Large-Instruct-2411 est la version fixe du fabricant documentée par la fiche du modèle. Distinguez ces noms lors de la préparation d’une tâche reproductible. Le chiffre de contexte publié décrit le modèle du fournisseur ; les pages consultées n’établissent pas de plafond universel distinct de tokens de sortie. Sélectionnez ensemble les images, la question textuelle et la longueur de réponse souhaitée, et distinguez les limites de requête propres à une version des capacités visuelles générales décrites ici.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.pixtral-large-latestPixtral Large associe les capacités linguistiques de Mistral à la compréhension des images pour les documents, les graphiques et les photographies. Il produit des réponses textuelles et prend en charge des résultats structurés et des outils définis par l’application dans les interfaces documentées du fabricant.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Pixtral Large est le modèle multimodal de Mistral AI construit sur Mistral Large 2. Il associe un décodeur multimodal de 123 milliards de paramètres à un encodeur visuel d’un milliard de paramètres, pour un modèle de 124 milliards de paramètres. L’objectif est de conserver de solides capacités linguistiques tout en comprenant les preuves visuelles nécessaires à une réponse : page de document, graphique, photographie ou capture d’écran. Les entrées peuvent associer texte et images ; le résultat est textuel.
Mistral décrit une fenêtre de contexte de 128 K tokens et indique qu’elle peut accueillir au moins 30 images haute résolution. Cette déclaration décrit la capacité du contexte plutôt qu’un paramètre universel de nombre d’images par requête. L’intérêt pratique est de pouvoir relier plusieurs sources visuelles à une même question. Une tâche comparative utile pourrait fournir des pages étiquetées de deux rapports et demander quels chiffres, libellés et conclusions diffèrent. Regroupez le texte de la question, le rôle de chaque image et la structure de réponse requise.
Le fabricant illustre la lecture multilingue de texte, les questions sur les documents, l’interprétation de graphiques et la compréhension d’images courantes. Pour un assistant documentaire, demandez les noms et valeurs de champs visibles, une description de la mise en page ou une explication reliant la formulation à un tableau ou à une figure. Pour un graphique, précisez les axes, les séries ou l’intervalle à examiner. Exemple de demande : « Comparez ces graphiques. Séparez les valeurs directement lisibles des interprétations, identifiez le changement représenté et listez les informations nécessaires pour vérifier la conclusion. » Le résultat peut être un tableau de champs, un ensemble d’observations ou une explication écrite.
La fiche du modèle accorde une attention particulière à l’instruction système. Mistral recommande d’inclure une instruction qui précise l’objectif de l’assistant, même courte. C’est utile pour une tâche visuelle, car la même image peut servir à différentes missions : extraire des entrées, décrire une scène, expliquer un schéma ou le comparer à une exigence écrite. Énoncez la mission et les règles concernant les détails incertains ou illisibles. Lorsque vous fournissez plusieurs images, étiquetez-les et indiquez leur ordre ou leur relation afin que la réponse puisse relier les observations aux bons éléments.
La page du modèle de Mistral mentionne la réponse aux questions documentaires, les sorties structurées et les appels de fonctions. L’interface du fabricant prend aussi en charge le traitement par lots. Ses recommandations de sorties structurées distinguent un format d’objet JSON d’un schéma personnalisé ; le mode JSON exige toujours une instruction explicite de production de JSON. Pour l’extraction, définissez les champs, le traitement des valeurs absentes et la différence entre le texte transcrit et une conclusion. Une réponse structurée est utile lorsqu’une application doit traiter le résultat, tandis qu’une explication libre est utile lorsqu’une personne doit comprendre le raisonnement qui le sous-tend.
Pour les appels de fonctions, l’application fournit les définitions d’outils et le modèle propose une fonction avec ses arguments. Le processus de Mistral prévoit ensuite que l’application exécute l’opération et renvoie son résultat avant que le modèle rédige la réponse suivante. Un processus documentaire pourrait utiliser un outil pour rechercher un identifiant lu dans une image, puis demander une explication fondée sur l’enregistrement retourné. Le modèle visuel n’acquiert pas un accès arbitraire à des données externes simplement parce qu’une image mentionne un enregistrement : l’opération autorisée et son résultat proviennent de l’application.
Le fournisseur mentionne également les fonctions de sortie prédite et de préfixe. Les sorties prédites permettent à l’appelant de fournir le texte attendu lors de la régénération d’un document ou d’un fichier de code avec une petite modification ; un préfixe définit le texte de début de la réponse. Ce sont des contrôles distincts de préparation, et non des modalités visuelles supplémentaires. La sortie utile reste une description textuelle, une extraction ou une explication, et non une nouvelle image rendue. Choisissez des images sources nettes, précisez ce qui doit être préservé et vérifiez les lectures critiques dans la page d’origine.
L’étiquette latest est un alias de famille, tandis que Pixtral-Large-Instruct-2411 est la version fixe du fabricant documentée par la fiche du modèle. Distinguez ces noms lors de la préparation d’une tâche reproductible. Le chiffre de contexte publié décrit le modèle du fournisseur ; les pages consultées n’établissent pas de plafond universel distinct de tokens de sortie. Sélectionnez ensemble les images, la question textuelle et la longueur de réponse souhaitée, et distinguez les limites de requête propres à une version des capacités visuelles générales décrites ici.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites pixtral-large-latest | 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 $0.0044 / 1K tokens Sortie · Tokens en sortie $0.0132 / 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": "pixtral-large-latest", "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='pixtral-large-latest',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='pixtral-large-latest',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 pixtral-large-latest
Utilisez les chemins de méthode indiqués ci-dessus.
pixtral-large-latestPixtral Large associe les capacités linguistiques de Mistral à la compréhension des images pour les documents, les graphiques et les photographies. Il produit des réponses textuelles et prend en charge des résultats structurés et des outils définis par l’application dans les interfaces documentées du fabricant.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Pixtral Large est le modèle multimodal de Mistral AI construit sur Mistral Large 2. Il associe un décodeur multimodal de 123 milliards de paramètres à un encodeur visuel d’un milliard de paramètres, pour un modèle de 124 milliards de paramètres. L’objectif est de conserver de solides capacités linguistiques tout en comprenant les preuves visuelles nécessaires à une réponse : page de document, graphique, photographie ou capture d’écran. Les entrées peuvent associer texte et images ; le résultat est textuel.
Mistral décrit une fenêtre de contexte de 128 K tokens et indique qu’elle peut accueillir au moins 30 images haute résolution. Cette déclaration décrit la capacité du contexte plutôt qu’un paramètre universel de nombre d’images par requête. L’intérêt pratique est de pouvoir relier plusieurs sources visuelles à une même question. Une tâche comparative utile pourrait fournir des pages étiquetées de deux rapports et demander quels chiffres, libellés et conclusions diffèrent. Regroupez le texte de la question, le rôle de chaque image et la structure de réponse requise.
Le fabricant illustre la lecture multilingue de texte, les questions sur les documents, l’interprétation de graphiques et la compréhension d’images courantes. Pour un assistant documentaire, demandez les noms et valeurs de champs visibles, une description de la mise en page ou une explication reliant la formulation à un tableau ou à une figure. Pour un graphique, précisez les axes, les séries ou l’intervalle à examiner. Exemple de demande : « Comparez ces graphiques. Séparez les valeurs directement lisibles des interprétations, identifiez le changement représenté et listez les informations nécessaires pour vérifier la conclusion. » Le résultat peut être un tableau de champs, un ensemble d’observations ou une explication écrite.
La fiche du modèle accorde une attention particulière à l’instruction système. Mistral recommande d’inclure une instruction qui précise l’objectif de l’assistant, même courte. C’est utile pour une tâche visuelle, car la même image peut servir à différentes missions : extraire des entrées, décrire une scène, expliquer un schéma ou le comparer à une exigence écrite. Énoncez la mission et les règles concernant les détails incertains ou illisibles. Lorsque vous fournissez plusieurs images, étiquetez-les et indiquez leur ordre ou leur relation afin que la réponse puisse relier les observations aux bons éléments.
La page du modèle de Mistral mentionne la réponse aux questions documentaires, les sorties structurées et les appels de fonctions. L’interface du fabricant prend aussi en charge le traitement par lots. Ses recommandations de sorties structurées distinguent un format d’objet JSON d’un schéma personnalisé ; le mode JSON exige toujours une instruction explicite de production de JSON. Pour l’extraction, définissez les champs, le traitement des valeurs absentes et la différence entre le texte transcrit et une conclusion. Une réponse structurée est utile lorsqu’une application doit traiter le résultat, tandis qu’une explication libre est utile lorsqu’une personne doit comprendre le raisonnement qui le sous-tend.
Pour les appels de fonctions, l’application fournit les définitions d’outils et le modèle propose une fonction avec ses arguments. Le processus de Mistral prévoit ensuite que l’application exécute l’opération et renvoie son résultat avant que le modèle rédige la réponse suivante. Un processus documentaire pourrait utiliser un outil pour rechercher un identifiant lu dans une image, puis demander une explication fondée sur l’enregistrement retourné. Le modèle visuel n’acquiert pas un accès arbitraire à des données externes simplement parce qu’une image mentionne un enregistrement : l’opération autorisée et son résultat proviennent de l’application.
Le fournisseur mentionne également les fonctions de sortie prédite et de préfixe. Les sorties prédites permettent à l’appelant de fournir le texte attendu lors de la régénération d’un document ou d’un fichier de code avec une petite modification ; un préfixe définit le texte de début de la réponse. Ce sont des contrôles distincts de préparation, et non des modalités visuelles supplémentaires. La sortie utile reste une description textuelle, une extraction ou une explication, et non une nouvelle image rendue. Choisissez des images sources nettes, précisez ce qui doit être préservé et vérifiez les lectures critiques dans la page d’origine.
L’étiquette latest est un alias de famille, tandis que Pixtral-Large-Instruct-2411 est la version fixe du fabricant documentée par la fiche du modèle. Distinguez ces noms lors de la préparation d’une tâche reproductible. Le chiffre de contexte publié décrit le modèle du fournisseur ; les pages consultées n’établissent pas de plafond universel distinct de tokens de sortie. Sélectionnez ensemble les images, la question textuelle et la longueur de réponse souhaitée, et distinguez les limites de requête propres à une version des capacités visuelles générales décrites ici.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites pixtral-large-latest | 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 $0.0044 / 1K tokens Sortie · Tokens en sortie $0.0132 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "pixtral-large-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'pixtral-large-latest', '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': 'pixtral-large-latest', '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 pixtral-large-latest
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.