Pixtral Large 2411 הוא מודל רב־מודאלי של Mistral AI בעל 124 מיליארד פרמטרים. הוא משלב מפענח של 123B עם מקודד ראייה של 1B ומבוסס על Mistral Large 2. היצרנית מתארת יכולת להבין מסמכים, תרשימים ותמונות מהעולם האמיתי לצד משימות טקסט, עם חלון הקשר של 128K.
סמנו כל תמונה וציינו את הפרט שעל התשובה לבחון. במשימת תרשים אפשר לבקש את המגמה הנראית לעין, את התוויות הרלוונטיות ואת הערכים התומכים בתצפית. בתמונת מסמך אפשר לבקש מידע משדה או מקטע ששמם צוין. הוסיפו הקשר כתוב כאשר הוא מסביר מדוע הפרט חשוב.
אם יש כמה תמונות, ציינו אילו מאפיינים להשוות ובקשו תצפית נפרדת עבור כל מקור מסומן. הקפידו שהתשובה תישען על החומר שסופק, ושמרו את סימוני התמונה או העמוד לצד המידע שחולץ. בדקו את הפרטים מול המקור לפני שתשתמשו בהם בפעולה אחרת.
בחרו את הקטעים והתמונות הנוגעים לשאלה הנוכחית. בתדריך אפשר לבקש הסבר על הקשר בין איור לטקסט המלווה אותו. בהשוואה אפשר לציין אילו היבטים לבחון בין המקורות ולבקש להצמיד לממצאים את התוויות התומכות בהם.
הגדירו את התוצר המבוקש ואת אורכו לפני שליחת החומר. תיאור תמציתי, אוסף שדות שחולצו או טבלת השוואה מספקים יעד מוחשי לבדיקה. שמרו שמות, כמויות ומזהי מקור המשפיעים על התוצאה.
היצרנית ממליצה לכלול הנחיית מערכת המציינת בבירור את מטרת העוזר. ספקו במפורש את תנאי המשימה ואת סגנון התשובה הרצוי, גם כאשר תיאור התפקיד קצר. לפורמט ההנחיות המתועד של המודל יש טיפול משלו בהנחיות מערכת בפריסות ישירות של המודל.
הפרופיל המתארח הנקוב מציין הקשר של 128,000 טוקנים. הכינו את הטקסט, התמונות והשיחה הרלוונטיים בהתאם לתקציב העבודה של הפרופיל, והשאירו מקום לתשובה. הכנת התמונות והמגבלות לכל בקשה נקבעות בתצורת השירות; מספרי התמונות בדוגמאות היצרנית הם דוגמאות, ולא מגבלות אחידות לכל נקודת קצה.
", "aboutText": "Pixtral Large 2411 הוא מודל רב־מודאלי של Mistral AI בעל 124 מיליארד פרמטרים. הוא משלב מפענח של 123B עם מקודד ראייה של 1B ומבוסס על Mistral Large 2. היצרנית מתארת יכולת להבין מסמכים, תרשימים ותמונות מהעולם האמיתי לצד משימות טקסט, עם חלון הקשר של 128K.\n\n### שאלו שאלה מדויקת על חומר חזותי\n\nסמנו כל תמונה וציינו את הפרט שעל התשובה לבחון. במשימת תרשים אפשר לבקש את המגמה הנראית לעין, את התוויות הרלוונטיות ואת הערכים התומכים בתצפית. בתמונת מסמך אפשר לבקש מידע משדה או מקטע ששמם צוין. הוסיפו הקשר כתוב כאשר הוא מסביר מדוע הפרט חשוב.\n\nאם יש כמה תמונות, ציינו אילו מאפיינים להשוות ובקשו תצפית נפרדת עבור כל מקור מסומן. הקפידו שהתשובה תישען על החומר שסופק, ושמרו את סימוני התמונה או העמוד לצד המידע שחולץ. בדקו את הפרטים מול המקור לפני שתשתמשו בהם בפעולה אחרת.\n\n### שלבו טקסט ותמונות במשימה אחת\n\nבחרו את הקטעים והתמונות הנוגעים לשאלה הנוכחית. בתדריך אפשר לבקש הסבר על הקשר בין איור לטקסט המלווה אותו. בהשוואה אפשר לציין אילו היבטים לבחון בין המקורות ולבקש להצמיד לממצאים את התוויות התומכות בהם.\n\nהגדירו את התוצר המבוקש ואת אורכו לפני שליחת החומר. תיאור תמציתי, אוסף שדות שחולצו או טבלת השוואה מספקים יעד מוחשי לבדיקה. שמרו שמות, כמויות ומזהי מקור המשפיעים על התוצאה.\n\n### ציינו את המטרה ותכננו את ההקשר\n\nהיצרנית ממליצה לכלול הנחיית מערכת המציינת בבירור את מטרת העוזר. ספקו במפורש את תנאי המשימה ואת סגנון התשובה הרצוי, גם כאשר תיאור התפקיד קצר. לפורמט ההנחיות המתועד של המודל יש טיפול משלו בהנחיות מערכת בפריסות ישירות של המודל.\n\nהפרופיל המתארח הנקוב מציין הקשר של 128,000 טוקנים. הכינו את הטקסט, התמונות והשיחה הרלוונטיים בהתאם לתקציב העבודה של הפרופיל, והשאירו מקום לתשובה. הכנת התמונות והמגבלות לכל בקשה נקבעות בתצורת השירות; מספרי התמונות בדוגמאות היצרנית הם דוגמאות, ולא מגבלות אחידות לכל נקודת קצה.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Reconcile a chart caption with values\n\nCompare this transcribed figure with its accompanying prose. [FIGURE] January 100 cases; February 130; March 110. [CAPTION] Cases increased every month during the quarter. State whether the caption follows from the values, provide a more accurate one-sentence caption and list the values supporting it. Use the transcribed text only.A source-labeled consistency assessment, a corrected caption and the supporting values.Check the revised caption accounts for the February-to-March decrease.pixtral-large-2411Pixtral Large 2411 הוא המודל הרב־מודאלי של Mistral AI להבנת טקסט ותמונות, לרבות מסמכים, תרשימים ותמונות מהעולם האמיתי. היצרנית מציינת מפענח של 123B, מקודד ראייה של 1B והקשר של 128K; הציגו לו שאלה חזותית ממוקדת עם ראיות מסומנות.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Pixtral Large 2411 הוא מודל רב־מודאלי של Mistral AI בעל 124 מיליארד פרמטרים. הוא משלב מפענח של 123B עם מקודד ראייה של 1B ומבוסס על Mistral Large 2. היצרנית מתארת יכולת להבין מסמכים, תרשימים ותמונות מהעולם האמיתי לצד משימות טקסט, עם חלון הקשר של 128K.
סמנו כל תמונה וציינו את הפרט שעל התשובה לבחון. במשימת תרשים אפשר לבקש את המגמה הנראית לעין, את התוויות הרלוונטיות ואת הערכים התומכים בתצפית. בתמונת מסמך אפשר לבקש מידע משדה או מקטע ששמם צוין. הוסיפו הקשר כתוב כאשר הוא מסביר מדוע הפרט חשוב.
אם יש כמה תמונות, ציינו אילו מאפיינים להשוות ובקשו תצפית נפרדת עבור כל מקור מסומן. הקפידו שהתשובה תישען על החומר שסופק, ושמרו את סימוני התמונה או העמוד לצד המידע שחולץ. בדקו את הפרטים מול המקור לפני שתשתמשו בהם בפעולה אחרת.
בחרו את הקטעים והתמונות הנוגעים לשאלה הנוכחית. בתדריך אפשר לבקש הסבר על הקשר בין איור לטקסט המלווה אותו. בהשוואה אפשר לציין אילו היבטים לבחון בין המקורות ולבקש להצמיד לממצאים את התוויות התומכות בהם.
הגדירו את התוצר המבוקש ואת אורכו לפני שליחת החומר. תיאור תמציתי, אוסף שדות שחולצו או טבלת השוואה מספקים יעד מוחשי לבדיקה. שמרו שמות, כמויות ומזהי מקור המשפיעים על התוצאה.
היצרנית ממליצה לכלול הנחיית מערכת המציינת בבירור את מטרת העוזר. ספקו במפורש את תנאי המשימה ואת סגנון התשובה הרצוי, גם כאשר תיאור התפקיד קצר. לפורמט ההנחיות המתועד של המודל יש טיפול משלו בהנחיות מערכת בפריסות ישירות של המודל.
הפרופיל המתארח הנקוב מציין הקשר של 128,000 טוקנים. הכינו את הטקסט, התמונות והשיחה הרלוונטיים בהתאם לתקציב העבודה של הפרופיל, והשאירו מקום לתשובה. הכנת התמונות והמגבלות לכל בקשה נקבעות בתצורת השירות; מספרי התמונות בדוגמאות היצרנית הם דוגמאות, ולא מגבלות אחידות לכל נקודת קצה.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות pixtral-large-2411 | 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 $0.0044 / 1K טוקנים פלט · טוקני פלט $0.0132 / 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": "pixtral-large-2411", "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-2411',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-2411',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 pixtral-large-2411
השתמשו בנתיבי השיטות המוצגים למעלה.
pixtral-large-2411Pixtral Large 2411 הוא המודל הרב־מודאלי של Mistral AI להבנת טקסט ותמונות, לרבות מסמכים, תרשימים ותמונות מהעולם האמיתי. היצרנית מציינת מפענח של 123B, מקודד ראייה של 1B והקשר של 128K; הציגו לו שאלה חזותית ממוקדת עם ראיות מסומנות.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Pixtral Large 2411 הוא מודל רב־מודאלי של Mistral AI בעל 124 מיליארד פרמטרים. הוא משלב מפענח של 123B עם מקודד ראייה של 1B ומבוסס על Mistral Large 2. היצרנית מתארת יכולת להבין מסמכים, תרשימים ותמונות מהעולם האמיתי לצד משימות טקסט, עם חלון הקשר של 128K.
סמנו כל תמונה וציינו את הפרט שעל התשובה לבחון. במשימת תרשים אפשר לבקש את המגמה הנראית לעין, את התוויות הרלוונטיות ואת הערכים התומכים בתצפית. בתמונת מסמך אפשר לבקש מידע משדה או מקטע ששמם צוין. הוסיפו הקשר כתוב כאשר הוא מסביר מדוע הפרט חשוב.
אם יש כמה תמונות, ציינו אילו מאפיינים להשוות ובקשו תצפית נפרדת עבור כל מקור מסומן. הקפידו שהתשובה תישען על החומר שסופק, ושמרו את סימוני התמונה או העמוד לצד המידע שחולץ. בדקו את הפרטים מול המקור לפני שתשתמשו בהם בפעולה אחרת.
בחרו את הקטעים והתמונות הנוגעים לשאלה הנוכחית. בתדריך אפשר לבקש הסבר על הקשר בין איור לטקסט המלווה אותו. בהשוואה אפשר לציין אילו היבטים לבחון בין המקורות ולבקש להצמיד לממצאים את התוויות התומכות בהם.
הגדירו את התוצר המבוקש ואת אורכו לפני שליחת החומר. תיאור תמציתי, אוסף שדות שחולצו או טבלת השוואה מספקים יעד מוחשי לבדיקה. שמרו שמות, כמויות ומזהי מקור המשפיעים על התוצאה.
היצרנית ממליצה לכלול הנחיית מערכת המציינת בבירור את מטרת העוזר. ספקו במפורש את תנאי המשימה ואת סגנון התשובה הרצוי, גם כאשר תיאור התפקיד קצר. לפורמט ההנחיות המתועד של המודל יש טיפול משלו בהנחיות מערכת בפריסות ישירות של המודל.
הפרופיל המתארח הנקוב מציין הקשר של 128,000 טוקנים. הכינו את הטקסט, התמונות והשיחה הרלוונטיים בהתאם לתקציב העבודה של הפרופיל, והשאירו מקום לתשובה. הכנת התמונות והמגבלות לכל בקשה נקבעות בתצורת השירות; מספרי התמונות בדוגמאות היצרנית הם דוגמאות, ולא מגבלות אחידות לכל נקודת קצה.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות pixtral-large-2411 | 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 $0.0044 / 1K טוקנים פלט · טוקני פלט $0.0132 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "pixtral-large-2411",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2411', '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-2411', '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 pixtral-large-2411
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Reconcile a chart caption with values\n\nCompare this transcribed figure with its accompanying prose. [FIGURE] January 100 cases; February 130; March 110. [CAPTION] Cases increased every month during the quarter. State whether the caption follows from the values, provide a more accurate one-sentence caption and list the values supporting it. Use the transcribed text only.A source-labeled consistency assessment, a corrected caption and the supporting values.Check the revised caption accounts for the February-to-March decrease.