Mistral Small היא המשפחה של Mistral AI לשימוש כללי בהיצמדות להוראות, בעבודה עם מסמכים ובעוזרי תכנות. למהדורות שפורסמו יש ארכיטקטורות ומגבלות הקשר נפרדות. Small 4 משלבת היצמדות להוראות, הסקה ותכנות באמצעות סוכנים במודל רב־מודאלי אחד. היא מקבלת טקסט ותמונות ומפיקה טקסט, וכך אותה משימה יכולה לכלול דרישה כתובה וראיות חזותיות, כגון עמוד מסמך או צילום מסך של ממשק.
Small 4 משתמשת בארכיטקטורת תערובת מומחים עם 119 מיליארד פרמטרים בסך הכול ו־128 מומחים, שמתוכם נבחרים ארבעה לכל אסימון. חלון ההקשר שלה הוא 256K אסימונים. למהדורת Small 3.2 שקדמה לה יש חלון הקשר של 128K. אלה תכונות ייחודיות לגרסה: בחירת המשפחה עוקבת אחר מהדורה מתעדכנת, בעוד ששם מודל קבוע מזהה גרסה מסוימת.
Small 4 מספקת שתי הגדרות למאמץ ההסקה. הגדרת התשובה הישירה משתמשת בחשיבה מינימלית ומחזירה את התשובה ללא מקטע הסקה נפרד. הגדרת המאמץ הגבוה מוסיפה הסקה מפורטת יותר לפני התשובה הסופית ומיועדת לבעיות קשות יותר. כך מתאחדת שיחה יומיומית עם ניתוח מתמטי, מחקר ומשימות קוד. בשיחת הסקה, שמירת הודעת העוזר הקודמת במלואה משמרת את ההקשר הדרוש לתורים הבאים.
יכולות היישום של המודל כוללות קריאה לפונקציות, פלט מובנה, שאלות על מסמכים והמשך מבוקר של תשובה. קריאה לפונקציות מתחילה בתיאורים של הכלים הזמינים ושל הארגומנטים המצופים להם. המודל יכול לבחור פונקציה מתאימה, לזהות מידע חסר וליצור את הארגומנטים שלה; היישום מפעיל את הפונקציה ומחזיר את התוצאה לצורך התשובה הבאה. תהליך העבודה עם כלים יכול לאפשר בחירה אוטומטית, לחייב כלי, להשבית שימוש בכלים או לאפשר כמה קריאות במקביל. בקרות אלה שייכות לתהליך העבודה של היישום הסובב.
פלט מובנה תומך הן ב־JSON והן בסכימה מותאמת אישית. משימות המכוונות ל־JSON צריכות לתאר במפורש את הפורמט הצפוי, בעוד שסכימה מגדירה את השדות ואת הסוגים הדרושים לעיבוד בהמשך. מענה לשאלות על מסמכים משלב חילוץ של טקסט ופריסה עם ניתוח מודל שפה: בקשו תנאי מסוים, השוו סעיפים או אספו קבוצת שדות מוגדרת. תמיכה בפלט חזוי שימושית בעריכת טקסט או קוד כאשר חלק גדול מהתוצאה כבר ידוע. המשך מקידומת מספק פתיחה נבחרת לתשובה; עיבוד באצוות מטפל באוספים של בקשות עצמאיות באופן אסינכרוני.
לעוזר דרך Ailoot API, הגדירו תוצר שימושי אחד ואת החומר התומך בו. משימת תמיכה יכולה לשלב פנייה וצילום מסך כדי להפיק תשובה עם תצפיות שחולצו. משימת מסמכים יכולה להחזיר טבלת שדות ושאלות שטרם נפתרו. משימת תכנות יכולה לחקור את הקבצים הרלוונטיים, להציע עריכות מתואמות ולהשתמש בבדיקות היישום כדי לחדד אותן. המשקולות של Small 4 פורסמו ברישיון Apache 2.0 לצורך התאמה אישית; שם המשפחה משמר את בחירת המודל הכללית, כאשר המצבים והמגבלות המוחשיים צמודים למהדורה שנבחרה.
", "aboutText": "Mistral Small היא המשפחה של Mistral AI לשימוש כללי בהיצמדות להוראות, בעבודה עם מסמכים ובעוזרי תכנות. למהדורות שפורסמו יש ארכיטקטורות ומגבלות הקשר נפרדות. Small 4 משלבת היצמדות להוראות, הסקה ותכנות באמצעות סוכנים במודל רב־מודאלי אחד. היא מקבלת טקסט ותמונות ומפיקה טקסט, וכך אותה משימה יכולה לכלול דרישה כתובה וראיות חזותיות, כגון עמוד מסמך או צילום מסך של ממשק.\n\nSmall 4 משתמשת בארכיטקטורת תערובת מומחים עם 119 מיליארד פרמטרים בסך הכול ו־128 מומחים, שמתוכם נבחרים ארבעה לכל אסימון. חלון ההקשר שלה הוא 256K אסימונים. למהדורת Small 3.2 שקדמה לה יש חלון הקשר של 128K. אלה תכונות ייחודיות לגרסה: בחירת המשפחה עוקבת אחר מהדורה מתעדכנת, בעוד ששם מודל קבוע מזהה גרסה מסוימת.\n\nSmall 4 מספקת שתי הגדרות למאמץ ההסקה. הגדרת התשובה הישירה משתמשת בחשיבה מינימלית ומחזירה את התשובה ללא מקטע הסקה נפרד. הגדרת המאמץ הגבוה מוסיפה הסקה מפורטת יותר לפני התשובה הסופית ומיועדת לבעיות קשות יותר. כך מתאחדת שיחה יומיומית עם ניתוח מתמטי, מחקר ומשימות קוד. בשיחת הסקה, שמירת הודעת העוזר הקודמת במלואה משמרת את ההקשר הדרוש לתורים הבאים.\n\nיכולות היישום של המודל כוללות קריאה לפונקציות, פלט מובנה, שאלות על מסמכים והמשך מבוקר של תשובה. קריאה לפונקציות מתחילה בתיאורים של הכלים הזמינים ושל הארגומנטים המצופים להם. המודל יכול לבחור פונקציה מתאימה, לזהות מידע חסר וליצור את הארגומנטים שלה; היישום מפעיל את הפונקציה ומחזיר את התוצאה לצורך התשובה הבאה. תהליך העבודה עם כלים יכול לאפשר בחירה אוטומטית, לחייב כלי, להשבית שימוש בכלים או לאפשר כמה קריאות במקביל. בקרות אלה שייכות לתהליך העבודה של היישום הסובב.\n\nפלט מובנה תומך הן ב־JSON והן בסכימה מותאמת אישית. משימות המכוונות ל־JSON צריכות לתאר במפורש את הפורמט הצפוי, בעוד שסכימה מגדירה את השדות ואת הסוגים הדרושים לעיבוד בהמשך. מענה לשאלות על מסמכים משלב חילוץ של טקסט ופריסה עם ניתוח מודל שפה: בקשו תנאי מסוים, השוו סעיפים או אספו קבוצת שדות מוגדרת. תמיכה בפלט חזוי שימושית בעריכת טקסט או קוד כאשר חלק גדול מהתוצאה כבר ידוע. המשך מקידומת מספק פתיחה נבחרת לתשובה; עיבוד באצוות מטפל באוספים של בקשות עצמאיות באופן אסינכרוני.\n\nלעוזר דרך Ailoot API, הגדירו תוצר שימושי אחד ואת החומר התומך בו. משימת תמיכה יכולה לשלב פנייה וצילום מסך כדי להפיק תשובה עם תצפיות שחולצו. משימת מסמכים יכולה להחזיר טבלת שדות ושאלות שטרם נפתרו. משימת תכנות יכולה לחקור את הקבצים הרלוונטיים, להציע עריכות מתואמות ולהשתמש בבדיקות היישום כדי לחדד אותן. המשקולות של Small 4 פורסמו ברישיון Apache 2.0 לצורך התאמה אישית; שם המשפחה משמר את בחירת המודל הכללית, כאשר המצבים והמגבלות המוחשיים צמודים למהדורה שנבחרה.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Extract a service-level obligation\n\nRead this clause: “Priority incidents receive an initial reply within two business hours. Resolution targets are agreed per incident. The customer must provide a contact number.” Prepare a field table for response target, resolution target and customer obligation. Preserve the difference between initial reply and resolution and mark anything not specified.A three-row obligation table with source wording and an explicit unresolved resolution target.Check that the two-hour target applies only to the initial reply, not incident resolution.mistral-small-latestמשפחת Small לשימוש כללי של Mistral AI תומכת בעוזרים, בניתוח מסמכים ובתהליכי תכנות עם קריאות לכלים ותשובות מובנות. מהדורת Small 4 משלבת תשובות ישירות והסקה ניתנת להתאמה עם קלט טקסט ותמונה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Mistral Small היא המשפחה של Mistral AI לשימוש כללי בהיצמדות להוראות, בעבודה עם מסמכים ובעוזרי תכנות. למהדורות שפורסמו יש ארכיטקטורות ומגבלות הקשר נפרדות. Small 4 משלבת היצמדות להוראות, הסקה ותכנות באמצעות סוכנים במודל רב־מודאלי אחד. היא מקבלת טקסט ותמונות ומפיקה טקסט, וכך אותה משימה יכולה לכלול דרישה כתובה וראיות חזותיות, כגון עמוד מסמך או צילום מסך של ממשק.
Small 4 משתמשת בארכיטקטורת תערובת מומחים עם 119 מיליארד פרמטרים בסך הכול ו־128 מומחים, שמתוכם נבחרים ארבעה לכל אסימון. חלון ההקשר שלה הוא 256K אסימונים. למהדורת Small 3.2 שקדמה לה יש חלון הקשר של 128K. אלה תכונות ייחודיות לגרסה: בחירת המשפחה עוקבת אחר מהדורה מתעדכנת, בעוד ששם מודל קבוע מזהה גרסה מסוימת.
Small 4 מספקת שתי הגדרות למאמץ ההסקה. הגדרת התשובה הישירה משתמשת בחשיבה מינימלית ומחזירה את התשובה ללא מקטע הסקה נפרד. הגדרת המאמץ הגבוה מוסיפה הסקה מפורטת יותר לפני התשובה הסופית ומיועדת לבעיות קשות יותר. כך מתאחדת שיחה יומיומית עם ניתוח מתמטי, מחקר ומשימות קוד. בשיחת הסקה, שמירת הודעת העוזר הקודמת במלואה משמרת את ההקשר הדרוש לתורים הבאים.
יכולות היישום של המודל כוללות קריאה לפונקציות, פלט מובנה, שאלות על מסמכים והמשך מבוקר של תשובה. קריאה לפונקציות מתחילה בתיאורים של הכלים הזמינים ושל הארגומנטים המצופים להם. המודל יכול לבחור פונקציה מתאימה, לזהות מידע חסר וליצור את הארגומנטים שלה; היישום מפעיל את הפונקציה ומחזיר את התוצאה לצורך התשובה הבאה. תהליך העבודה עם כלים יכול לאפשר בחירה אוטומטית, לחייב כלי, להשבית שימוש בכלים או לאפשר כמה קריאות במקביל. בקרות אלה שייכות לתהליך העבודה של היישום הסובב.
פלט מובנה תומך הן ב־JSON והן בסכימה מותאמת אישית. משימות המכוונות ל־JSON צריכות לתאר במפורש את הפורמט הצפוי, בעוד שסכימה מגדירה את השדות ואת הסוגים הדרושים לעיבוד בהמשך. מענה לשאלות על מסמכים משלב חילוץ של טקסט ופריסה עם ניתוח מודל שפה: בקשו תנאי מסוים, השוו סעיפים או אספו קבוצת שדות מוגדרת. תמיכה בפלט חזוי שימושית בעריכת טקסט או קוד כאשר חלק גדול מהתוצאה כבר ידוע. המשך מקידומת מספק פתיחה נבחרת לתשובה; עיבוד באצוות מטפל באוספים של בקשות עצמאיות באופן אסינכרוני.
לעוזר דרך Ailoot API, הגדירו תוצר שימושי אחד ואת החומר התומך בו. משימת תמיכה יכולה לשלב פנייה וצילום מסך כדי להפיק תשובה עם תצפיות שחולצו. משימת מסמכים יכולה להחזיר טבלת שדות ושאלות שטרם נפתרו. משימת תכנות יכולה לחקור את הקבצים הרלוונטיים, להציע עריכות מתואמות ולהשתמש בבדיקות היישום כדי לחדד אותן. המשקולות של Small 4 פורסמו ברישיון Apache 2.0 לצורך התאמה אישית; שם המשפחה משמר את בחירת המודל הכללית, כאשר המצבים והמגבלות המוחשיים צמודים למהדורה שנבחרה.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות mistral-small-latest | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0011 / 1K טוקנים פלט · טוקני פלט $0.0011 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistral-small-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='mistral-small-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='mistral-small-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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra mistral-small-latest
השתמשו בנתיבי השיטות המוצגים למעלה.
mistral-small-latestמשפחת Small לשימוש כללי של Mistral AI תומכת בעוזרים, בניתוח מסמכים ובתהליכי תכנות עם קריאות לכלים ותשובות מובנות. מהדורת Small 4 משלבת תשובות ישירות והסקה ניתנת להתאמה עם קלט טקסט ותמונה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Mistral Small היא המשפחה של Mistral AI לשימוש כללי בהיצמדות להוראות, בעבודה עם מסמכים ובעוזרי תכנות. למהדורות שפורסמו יש ארכיטקטורות ומגבלות הקשר נפרדות. Small 4 משלבת היצמדות להוראות, הסקה ותכנות באמצעות סוכנים במודל רב־מודאלי אחד. היא מקבלת טקסט ותמונות ומפיקה טקסט, וכך אותה משימה יכולה לכלול דרישה כתובה וראיות חזותיות, כגון עמוד מסמך או צילום מסך של ממשק.
Small 4 משתמשת בארכיטקטורת תערובת מומחים עם 119 מיליארד פרמטרים בסך הכול ו־128 מומחים, שמתוכם נבחרים ארבעה לכל אסימון. חלון ההקשר שלה הוא 256K אסימונים. למהדורת Small 3.2 שקדמה לה יש חלון הקשר של 128K. אלה תכונות ייחודיות לגרסה: בחירת המשפחה עוקבת אחר מהדורה מתעדכנת, בעוד ששם מודל קבוע מזהה גרסה מסוימת.
Small 4 מספקת שתי הגדרות למאמץ ההסקה. הגדרת התשובה הישירה משתמשת בחשיבה מינימלית ומחזירה את התשובה ללא מקטע הסקה נפרד. הגדרת המאמץ הגבוה מוסיפה הסקה מפורטת יותר לפני התשובה הסופית ומיועדת לבעיות קשות יותר. כך מתאחדת שיחה יומיומית עם ניתוח מתמטי, מחקר ומשימות קוד. בשיחת הסקה, שמירת הודעת העוזר הקודמת במלואה משמרת את ההקשר הדרוש לתורים הבאים.
יכולות היישום של המודל כוללות קריאה לפונקציות, פלט מובנה, שאלות על מסמכים והמשך מבוקר של תשובה. קריאה לפונקציות מתחילה בתיאורים של הכלים הזמינים ושל הארגומנטים המצופים להם. המודל יכול לבחור פונקציה מתאימה, לזהות מידע חסר וליצור את הארגומנטים שלה; היישום מפעיל את הפונקציה ומחזיר את התוצאה לצורך התשובה הבאה. תהליך העבודה עם כלים יכול לאפשר בחירה אוטומטית, לחייב כלי, להשבית שימוש בכלים או לאפשר כמה קריאות במקביל. בקרות אלה שייכות לתהליך העבודה של היישום הסובב.
פלט מובנה תומך הן ב־JSON והן בסכימה מותאמת אישית. משימות המכוונות ל־JSON צריכות לתאר במפורש את הפורמט הצפוי, בעוד שסכימה מגדירה את השדות ואת הסוגים הדרושים לעיבוד בהמשך. מענה לשאלות על מסמכים משלב חילוץ של טקסט ופריסה עם ניתוח מודל שפה: בקשו תנאי מסוים, השוו סעיפים או אספו קבוצת שדות מוגדרת. תמיכה בפלט חזוי שימושית בעריכת טקסט או קוד כאשר חלק גדול מהתוצאה כבר ידוע. המשך מקידומת מספק פתיחה נבחרת לתשובה; עיבוד באצוות מטפל באוספים של בקשות עצמאיות באופן אסינכרוני.
לעוזר דרך Ailoot API, הגדירו תוצר שימושי אחד ואת החומר התומך בו. משימת תמיכה יכולה לשלב פנייה וצילום מסך כדי להפיק תשובה עם תצפיות שחולצו. משימת מסמכים יכולה להחזיר טבלת שדות ושאלות שטרם נפתרו. משימת תכנות יכולה לחקור את הקבצים הרלוונטיים, להציע עריכות מתואמות ולהשתמש בבדיקות היישום כדי לחדד אותן. המשקולות של Small 4 פורסמו ברישיון Apache 2.0 לצורך התאמה אישית; שם המשפחה משמר את בחירת המודל הכללית, כאשר המצבים והמגבלות המוחשיים צמודים למהדורה שנבחרה.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות mistral-small-latest | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.0011 / 1K טוקנים פלט · טוקני פלט $0.0011 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "mistral-small-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mistral-small-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': 'mistral-small-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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra mistral-small-latest
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Extract a service-level obligation\n\nRead this clause: “Priority incidents receive an initial reply within two business hours. Resolution targets are agreed per incident. The customer must provide a contact number.” Prepare a field table for response target, resolution target and customer obligation. Preserve the difference between initial reply and resolution and mark anything not specified.A three-row obligation table with source wording and an explicit unresolved resolution target.Check that the two-hour target applies only to the initial reply, not incident resolution.