Pixtral Large הוא המודל הרב־מודאלי של Mistral AI, המבוסס על Mistral Large 2. הוא משלב מפענח רב־מודאלי בעל 123 מיליארד פרמטרים עם מקודד ראייה בעל מיליארד פרמטרים, לכדי מודל בעל 124 מיליארד פרמטרים. מטרתו לשמור על יכולת שפה משמעותית תוך הבנת הראיות החזותיות הדרושות לתשובה: עמוד מסמך, תרשים, תצלום או צילום מסך. הקלטים יכולים לשלב טקסט ותמונות; התוצאה היא טקסט.
Mistral מתארת חלון הקשר של 128K טוקנים ואומרת שהוא יכול להכיל לפחות 30 תמונות ברזולוציה גבוהה. אמירה זו מתארת קיבולת הקשר ולא הגדרה אחידה של מספר תמונות לכל בקשה. הערך המעשי הוא היכולת לקשר כמה מקורות חזותיים לשאלה אחת. משימת השוואה מועילה יכולה לספק עמודים מסומנים משני דוחות ולשאול אילו נתונים, תוויות ומסקנות שונים. שמרו יחד את נוסח השאלה, את תפקיד כל תמונה ואת מבנה התשובה הדרוש.
היצרנית מדגימה קריאת טקסט רב־לשוני, שאלות על מסמכים, פרשנות תרשימים והבנת תמונות רגילה. לעוזר מסמכים, בקשו שמות שדות וערכים הנראים לעין, תיאור של פריסת העמוד או הסבר המקשר את הנוסח לטבלה או לאיור. בתרשים, ציינו את הצירים, הסדרות או פרק הזמן שברצונכם לבחון. דוגמת בקשה: ״השווה את התרשימים האלה. הפרד בין ערכים שאפשר לקרוא ישירות לבין פרשנויות, זהה את השינוי המוצג ופרט איזה מידע דרוש לבדיקת המסקנה.״ התוצאה יכולה להיות טבלת שדות, אוסף תצפיות או הסבר כתוב.
כרטיס המודל מקדיש תשומת לב מיוחדת להנחיית המערכת. Mistral ממליצה לכלול הוראה המציינת את מטרת העוזר, גם אם היא קצרה. הדבר מועיל במשימה חזותית, שכן אותה תמונה יכולה לשמש לעבודות שונות: חילוץ רשומות, תיאור סצנה, הסבר תרשים או השוואתו לדרישה כתובה. ציינו את המשימה ואת הכללים לפרטים לא ודאיים או בלתי קריאים. כשמספקים כמה תמונות, סמנו אותן וציינו את סדרן או את הקשר ביניהן, כדי שהתשובה תוכל לקשר תצפיות לחומר הנכון.
עמוד המודל של Mistral מציין מענה על שאלות מסמכים, פלטים מובְנים וקריאות לפונקציות. ממשק היצרנית תומך גם בעיבוד אצווה. ההנחיות לפלט מובנה מבחינות בין פורמט אובייקט JSON לסכמה מותאמת; מצב JSON עדיין מחייב הוראה מפורשת להפיק JSON. בחילוץ, הגדירו את השדות, את הטיפול בערכים חסרים ואת ההבדל בין טקסט שהועתק לבין מסקנה. תשובה מובנית שימושית כאשר יישום צריך לעבד את התוצאה, בעוד הסבר חופשי שימושי כאשר אדם צריך להבין את ההיגיון שמאחוריה.
בקריאות לפונקציות, היישום מספק הגדרות כלים והמודל מציע פונקציה עם ארגומנטים. לאחר מכן, בתהליך של Mistral, היישום מבצע את הפעולה ושולח חזרה את תוצאתה לפני שהמודל כותב את תשובת ההמשך. תהליך מסמכים יכול להשתמש בכלי לחיפוש מזהה שנקרא מתמונה, ואז לבקש הסבר בעזרת הרשומה שהוחזרה. המודל החזותי אינו מקבל גישה שרירותית לנתונים חיצוניים רק מפני שתמונה מזכירה רשומה: הפעולה המותרת ותוצאתה מגיעות מהיישום.
היצרנית מציינת גם תכונות predicted-output ו־prefix. פלטים חזויים מאפשרים לגורם השולח את הבקשה לספק טקסט צפוי בעת יצירה מחודשת של מסמך או קובץ קוד עם שינוי קטן; prefix מגדיר את טקסט הפתיחה של התשובה. אלה אמצעי הכנה נפרדים, ולא מודאליות חזותיות נוספות. הפלט השימושי נשאר תיאור טקסטואלי, חילוץ או הסבר, ולא תמונה חדשה שנוצרה. בחרו תמונות מקור ברורות, ציינו מה יש לשמר ובדקו קריאות חשובות מול העמוד המקורי.
התווית latest היא כינוי למשפחה, ואילו Pixtral-Large-Instruct-2411 היא גרסת היצרנית הקבועה המתועדת בכרטיס המודל. הבדילו בין השמות האלה בעת הכנת משימה הניתנת לשחזור. נתון ההקשר שפורסם מתאר את מודל היצרנית; העמודים שנקראו אינם מבססים תקרה אחידה נפרדת לטוקני פלט. בחרו יחד את אוסף התמונות, את השאלה הטקסטואלית ואת אורך התשובה הרצוי, והפרידו בין מגבלות בקשה לפי גרסה לבין היכולות החזותיות הכלליות המתוארות כאן.
", "aboutText": "Pixtral Large הוא המודל הרב־מודאלי של Mistral AI, המבוסס על Mistral Large 2. הוא משלב מפענח רב־מודאלי בעל 123 מיליארד פרמטרים עם מקודד ראייה בעל מיליארד פרמטרים, לכדי מודל בעל 124 מיליארד פרמטרים. מטרתו לשמור על יכולת שפה משמעותית תוך הבנת הראיות החזותיות הדרושות לתשובה: עמוד מסמך, תרשים, תצלום או צילום מסך. הקלטים יכולים לשלב טקסט ותמונות; התוצאה היא טקסט.\n\nMistral מתארת חלון הקשר של 128K טוקנים ואומרת שהוא יכול להכיל לפחות 30 תמונות ברזולוציה גבוהה. אמירה זו מתארת קיבולת הקשר ולא הגדרה אחידה של מספר תמונות לכל בקשה. הערך המעשי הוא היכולת לקשר כמה מקורות חזותיים לשאלה אחת. משימת השוואה מועילה יכולה לספק עמודים מסומנים משני דוחות ולשאול אילו נתונים, תוויות ומסקנות שונים. שמרו יחד את נוסח השאלה, את תפקיד כל תמונה ואת מבנה התשובה הדרוש.\n\nהיצרנית מדגימה קריאת טקסט רב־לשוני, שאלות על מסמכים, פרשנות תרשימים והבנת תמונות רגילה. לעוזר מסמכים, בקשו שמות שדות וערכים הנראים לעין, תיאור של פריסת העמוד או הסבר המקשר את הנוסח לטבלה או לאיור. בתרשים, ציינו את הצירים, הסדרות או פרק הזמן שברצונכם לבחון. דוגמת בקשה: ״השווה את התרשימים האלה. הפרד בין ערכים שאפשר לקרוא ישירות לבין פרשנויות, זהה את השינוי המוצג ופרט איזה מידע דרוש לבדיקת המסקנה.״ התוצאה יכולה להיות טבלת שדות, אוסף תצפיות או הסבר כתוב.\n\nכרטיס המודל מקדיש תשומת לב מיוחדת להנחיית המערכת. Mistral ממליצה לכלול הוראה המציינת את מטרת העוזר, גם אם היא קצרה. הדבר מועיל במשימה חזותית, שכן אותה תמונה יכולה לשמש לעבודות שונות: חילוץ רשומות, תיאור סצנה, הסבר תרשים או השוואתו לדרישה כתובה. ציינו את המשימה ואת הכללים לפרטים לא ודאיים או בלתי קריאים. כשמספקים כמה תמונות, סמנו אותן וציינו את סדרן או את הקשר ביניהן, כדי שהתשובה תוכל לקשר תצפיות לחומר הנכון.\n\nעמוד המודל של Mistral מציין מענה על שאלות מסמכים, פלטים מובְנים וקריאות לפונקציות. ממשק היצרנית תומך גם בעיבוד אצווה. ההנחיות לפלט מובנה מבחינות בין פורמט אובייקט JSON לסכמה מותאמת; מצב JSON עדיין מחייב הוראה מפורשת להפיק JSON. בחילוץ, הגדירו את השדות, את הטיפול בערכים חסרים ואת ההבדל בין טקסט שהועתק לבין מסקנה. תשובה מובנית שימושית כאשר יישום צריך לעבד את התוצאה, בעוד הסבר חופשי שימושי כאשר אדם צריך להבין את ההיגיון שמאחוריה.\n\nבקריאות לפונקציות, היישום מספק הגדרות כלים והמודל מציע פונקציה עם ארגומנטים. לאחר מכן, בתהליך של Mistral, היישום מבצע את הפעולה ושולח חזרה את תוצאתה לפני שהמודל כותב את תשובת ההמשך. תהליך מסמכים יכול להשתמש בכלי לחיפוש מזהה שנקרא מתמונה, ואז לבקש הסבר בעזרת הרשומה שהוחזרה. המודל החזותי אינו מקבל גישה שרירותית לנתונים חיצוניים רק מפני שתמונה מזכירה רשומה: הפעולה המותרת ותוצאתה מגיעות מהיישום.\n\nהיצרנית מציינת גם תכונות predicted-output ו־prefix. פלטים חזויים מאפשרים לגורם השולח את הבקשה לספק טקסט צפוי בעת יצירה מחודשת של מסמך או קובץ קוד עם שינוי קטן; prefix מגדיר את טקסט הפתיחה של התשובה. אלה אמצעי הכנה נפרדים, ולא מודאליות חזותיות נוספות. הפלט השימושי נשאר תיאור טקסטואלי, חילוץ או הסבר, ולא תמונה חדשה שנוצרה. בחרו תמונות מקור ברורות, ציינו מה יש לשמר ובדקו קריאות חשובות מול העמוד המקורי.\n\nהתווית latest היא כינוי למשפחה, ואילו Pixtral-Large-Instruct-2411 היא גרסת היצרנית הקבועה המתועדת בכרטיס המודל. הבדילו בין השמות האלה בעת הכנת משימה הניתנת לשחזור. נתון ההקשר שפורסם מתאר את מודל היצרנית; העמודים שנקראו אינם מבססים תקרה אחידה נפרדת לטוקני פלט. בחרו יחד את אוסף התמונות, את השאלה הטקסטואלית ואת אורך התשובה הרצוי, והפרידו בין מגבלות בקשה לפי גרסה לבין היכולות החזותיות הכלליות המתוארות כאן.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
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 משלב את יכולות השפה של Mistral עם הבנת תמונות למסמכים, לתרשימים ולתצלומים. הוא מפיק תשובות טקסט ותומך בתוצאות מובְנות ובכלים המוגדרים בידי היישום בממשקים המתועדים של היצרנית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Pixtral Large הוא המודל הרב־מודאלי של Mistral AI, המבוסס על Mistral Large 2. הוא משלב מפענח רב־מודאלי בעל 123 מיליארד פרמטרים עם מקודד ראייה בעל מיליארד פרמטרים, לכדי מודל בעל 124 מיליארד פרמטרים. מטרתו לשמור על יכולת שפה משמעותית תוך הבנת הראיות החזותיות הדרושות לתשובה: עמוד מסמך, תרשים, תצלום או צילום מסך. הקלטים יכולים לשלב טקסט ותמונות; התוצאה היא טקסט.
Mistral מתארת חלון הקשר של 128K טוקנים ואומרת שהוא יכול להכיל לפחות 30 תמונות ברזולוציה גבוהה. אמירה זו מתארת קיבולת הקשר ולא הגדרה אחידה של מספר תמונות לכל בקשה. הערך המעשי הוא היכולת לקשר כמה מקורות חזותיים לשאלה אחת. משימת השוואה מועילה יכולה לספק עמודים מסומנים משני דוחות ולשאול אילו נתונים, תוויות ומסקנות שונים. שמרו יחד את נוסח השאלה, את תפקיד כל תמונה ואת מבנה התשובה הדרוש.
היצרנית מדגימה קריאת טקסט רב־לשוני, שאלות על מסמכים, פרשנות תרשימים והבנת תמונות רגילה. לעוזר מסמכים, בקשו שמות שדות וערכים הנראים לעין, תיאור של פריסת העמוד או הסבר המקשר את הנוסח לטבלה או לאיור. בתרשים, ציינו את הצירים, הסדרות או פרק הזמן שברצונכם לבחון. דוגמת בקשה: ״השווה את התרשימים האלה. הפרד בין ערכים שאפשר לקרוא ישירות לבין פרשנויות, זהה את השינוי המוצג ופרט איזה מידע דרוש לבדיקת המסקנה.״ התוצאה יכולה להיות טבלת שדות, אוסף תצפיות או הסבר כתוב.
כרטיס המודל מקדיש תשומת לב מיוחדת להנחיית המערכת. Mistral ממליצה לכלול הוראה המציינת את מטרת העוזר, גם אם היא קצרה. הדבר מועיל במשימה חזותית, שכן אותה תמונה יכולה לשמש לעבודות שונות: חילוץ רשומות, תיאור סצנה, הסבר תרשים או השוואתו לדרישה כתובה. ציינו את המשימה ואת הכללים לפרטים לא ודאיים או בלתי קריאים. כשמספקים כמה תמונות, סמנו אותן וציינו את סדרן או את הקשר ביניהן, כדי שהתשובה תוכל לקשר תצפיות לחומר הנכון.
עמוד המודל של Mistral מציין מענה על שאלות מסמכים, פלטים מובְנים וקריאות לפונקציות. ממשק היצרנית תומך גם בעיבוד אצווה. ההנחיות לפלט מובנה מבחינות בין פורמט אובייקט JSON לסכמה מותאמת; מצב JSON עדיין מחייב הוראה מפורשת להפיק JSON. בחילוץ, הגדירו את השדות, את הטיפול בערכים חסרים ואת ההבדל בין טקסט שהועתק לבין מסקנה. תשובה מובנית שימושית כאשר יישום צריך לעבד את התוצאה, בעוד הסבר חופשי שימושי כאשר אדם צריך להבין את ההיגיון שמאחוריה.
בקריאות לפונקציות, היישום מספק הגדרות כלים והמודל מציע פונקציה עם ארגומנטים. לאחר מכן, בתהליך של Mistral, היישום מבצע את הפעולה ושולח חזרה את תוצאתה לפני שהמודל כותב את תשובת ההמשך. תהליך מסמכים יכול להשתמש בכלי לחיפוש מזהה שנקרא מתמונה, ואז לבקש הסבר בעזרת הרשומה שהוחזרה. המודל החזותי אינו מקבל גישה שרירותית לנתונים חיצוניים רק מפני שתמונה מזכירה רשומה: הפעולה המותרת ותוצאתה מגיעות מהיישום.
היצרנית מציינת גם תכונות predicted-output ו־prefix. פלטים חזויים מאפשרים לגורם השולח את הבקשה לספק טקסט צפוי בעת יצירה מחודשת של מסמך או קובץ קוד עם שינוי קטן; prefix מגדיר את טקסט הפתיחה של התשובה. אלה אמצעי הכנה נפרדים, ולא מודאליות חזותיות נוספות. הפלט השימושי נשאר תיאור טקסטואלי, חילוץ או הסבר, ולא תמונה חדשה שנוצרה. בחרו תמונות מקור ברורות, ציינו מה יש לשמר ובדקו קריאות חשובות מול העמוד המקורי.
התווית latest היא כינוי למשפחה, ואילו Pixtral-Large-Instruct-2411 היא גרסת היצרנית הקבועה המתועדת בכרטיס המודל. הבדילו בין השמות האלה בעת הכנת משימה הניתנת לשחזור. נתון ההקשר שפורסם מתאר את מודל היצרנית; העמודים שנקראו אינם מבססים תקרה אחידה נפרדת לטוקני פלט. בחרו יחד את אוסף התמונות, את השאלה הטקסטואלית ואת אורך התשובה הרצוי, והפרידו בין מגבלות בקשה לפי גרסה לבין היכולות החזותיות הכלליות המתוארות כאן.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות pixtral-large-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 $0.0044 / 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-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 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-latest
השתמשו בנתיבי השיטות המוצגים למעלה.
pixtral-large-latestPixtral Large משלב את יכולות השפה של Mistral עם הבנת תמונות למסמכים, לתרשימים ולתצלומים. הוא מפיק תשובות טקסט ותומך בתוצאות מובְנות ובכלים המוגדרים בידי היישום בממשקים המתועדים של היצרנית.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Pixtral Large הוא המודל הרב־מודאלי של Mistral AI, המבוסס על Mistral Large 2. הוא משלב מפענח רב־מודאלי בעל 123 מיליארד פרמטרים עם מקודד ראייה בעל מיליארד פרמטרים, לכדי מודל בעל 124 מיליארד פרמטרים. מטרתו לשמור על יכולת שפה משמעותית תוך הבנת הראיות החזותיות הדרושות לתשובה: עמוד מסמך, תרשים, תצלום או צילום מסך. הקלטים יכולים לשלב טקסט ותמונות; התוצאה היא טקסט.
Mistral מתארת חלון הקשר של 128K טוקנים ואומרת שהוא יכול להכיל לפחות 30 תמונות ברזולוציה גבוהה. אמירה זו מתארת קיבולת הקשר ולא הגדרה אחידה של מספר תמונות לכל בקשה. הערך המעשי הוא היכולת לקשר כמה מקורות חזותיים לשאלה אחת. משימת השוואה מועילה יכולה לספק עמודים מסומנים משני דוחות ולשאול אילו נתונים, תוויות ומסקנות שונים. שמרו יחד את נוסח השאלה, את תפקיד כל תמונה ואת מבנה התשובה הדרוש.
היצרנית מדגימה קריאת טקסט רב־לשוני, שאלות על מסמכים, פרשנות תרשימים והבנת תמונות רגילה. לעוזר מסמכים, בקשו שמות שדות וערכים הנראים לעין, תיאור של פריסת העמוד או הסבר המקשר את הנוסח לטבלה או לאיור. בתרשים, ציינו את הצירים, הסדרות או פרק הזמן שברצונכם לבחון. דוגמת בקשה: ״השווה את התרשימים האלה. הפרד בין ערכים שאפשר לקרוא ישירות לבין פרשנויות, זהה את השינוי המוצג ופרט איזה מידע דרוש לבדיקת המסקנה.״ התוצאה יכולה להיות טבלת שדות, אוסף תצפיות או הסבר כתוב.
כרטיס המודל מקדיש תשומת לב מיוחדת להנחיית המערכת. Mistral ממליצה לכלול הוראה המציינת את מטרת העוזר, גם אם היא קצרה. הדבר מועיל במשימה חזותית, שכן אותה תמונה יכולה לשמש לעבודות שונות: חילוץ רשומות, תיאור סצנה, הסבר תרשים או השוואתו לדרישה כתובה. ציינו את המשימה ואת הכללים לפרטים לא ודאיים או בלתי קריאים. כשמספקים כמה תמונות, סמנו אותן וציינו את סדרן או את הקשר ביניהן, כדי שהתשובה תוכל לקשר תצפיות לחומר הנכון.
עמוד המודל של Mistral מציין מענה על שאלות מסמכים, פלטים מובְנים וקריאות לפונקציות. ממשק היצרנית תומך גם בעיבוד אצווה. ההנחיות לפלט מובנה מבחינות בין פורמט אובייקט JSON לסכמה מותאמת; מצב JSON עדיין מחייב הוראה מפורשת להפיק JSON. בחילוץ, הגדירו את השדות, את הטיפול בערכים חסרים ואת ההבדל בין טקסט שהועתק לבין מסקנה. תשובה מובנית שימושית כאשר יישום צריך לעבד את התוצאה, בעוד הסבר חופשי שימושי כאשר אדם צריך להבין את ההיגיון שמאחוריה.
בקריאות לפונקציות, היישום מספק הגדרות כלים והמודל מציע פונקציה עם ארגומנטים. לאחר מכן, בתהליך של Mistral, היישום מבצע את הפעולה ושולח חזרה את תוצאתה לפני שהמודל כותב את תשובת ההמשך. תהליך מסמכים יכול להשתמש בכלי לחיפוש מזהה שנקרא מתמונה, ואז לבקש הסבר בעזרת הרשומה שהוחזרה. המודל החזותי אינו מקבל גישה שרירותית לנתונים חיצוניים רק מפני שתמונה מזכירה רשומה: הפעולה המותרת ותוצאתה מגיעות מהיישום.
היצרנית מציינת גם תכונות predicted-output ו־prefix. פלטים חזויים מאפשרים לגורם השולח את הבקשה לספק טקסט צפוי בעת יצירה מחודשת של מסמך או קובץ קוד עם שינוי קטן; prefix מגדיר את טקסט הפתיחה של התשובה. אלה אמצעי הכנה נפרדים, ולא מודאליות חזותיות נוספות. הפלט השימושי נשאר תיאור טקסטואלי, חילוץ או הסבר, ולא תמונה חדשה שנוצרה. בחרו תמונות מקור ברורות, ציינו מה יש לשמר ובדקו קריאות חשובות מול העמוד המקורי.
התווית latest היא כינוי למשפחה, ואילו Pixtral-Large-Instruct-2411 היא גרסת היצרנית הקבועה המתועדת בכרטיס המודל. הבדילו בין השמות האלה בעת הכנת משימה הניתנת לשחזור. נתון ההקשר שפורסם מתאר את מודל היצרנית; העמודים שנקראו אינם מבססים תקרה אחידה נפרדת לטוקני פלט. בחרו יחד את אוסף התמונות, את השאלה הטקסטואלית ואת אורך התשובה הרצוי, והפרידו בין מגבלות בקשה לפי גרסה לבין היכולות החזותיות הכלליות המתוארות כאן.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות pixtral-large-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 $0.0044 / 1K טוקנים פלט · טוקני פלט $0.0132 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "pixtral-large-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-latest
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
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.