A Mistral Small a Mistral AI általános célú családja utasításkövetéshez, dokumentumfeldolgozáshoz és programozási asszisztensekhez. Közzétett kiadásai eltérő architektúrával és kontextuskorlátokkal rendelkeznek. A Small 4 egyetlen multimodális modellben egyesíti az utasításkövetést, a következtetést és az ügynökalapú programozást. Szöveget és képeket fogad, és szöveget állít elő, így ugyanaz a feladat írott követelményt és vizuális bizonyítékot, például dokumentumoldalt vagy felületi képernyőképet is tartalmazhat.
A Small 4 szakértőkeverék-architektúrát használ 119 milliárd összes paraméterrel és 128 szakértővel, amelyek közül tokenenként négyet választ ki. Kontextusablaka 256 ezer token. Az előző Small 3.2 kiadás kontextusablaka 128 ezer token. Ezek kiadásspecifikus tulajdonságok: a család kiválasztása egy frissülő kiadást követ, míg a rögzített modellnév egy adott kiadást azonosít.
A Small 4 két következtetési erőfeszítési beállítást kínál. A közvetlen válasz beállítása minimális gondolkodást használ, és külön következtetési szakasz nélkül adja vissza a választ. A nagy erőfeszítésű beállítás részletesebb következtetést ad a végső válasz előtt, és nehezebb problémákhoz készült. Ez a mindennapi társalgást matematikai elemzéssel, kutatással és kódfeladatokkal egyesíti. Következtetéses beszélgetésben a teljes előző asszisztensüzenet megtartása megőrzi a következő fordulókhoz szükséges kontextust.
A modell alkalmazási funkciói közé tartozik a függvényhívás, a strukturált kimenet, a dokumentumalapú kérdések és a válasz szabályozott folytatása. A függvényhívás az elérhető eszközök és elvárt argumentumaik leírásával kezdődik. A modell kiválaszthat egy megfelelő függvényt, azonosíthatja a hiányzó információt és előállíthatja az argumentumokat; az alkalmazás végrehajtja a függvényt, és visszaadja az eredményt a következő válaszhoz. Az eszközös munkafolyamat engedélyezhet automatikus kiválasztást, előírhat eszközhasználatot, letilthatja azt, vagy megengedhet több párhuzamos hívást. Ezek a vezérlők a környező alkalmazás munkafolyamatához tartoznak.
A strukturált kimenet JSON-t és egyéni sémát is támogat. JSON-központú feladatban kifejezetten le kell írni az elvárt formátumot, míg a séma a további feldolgozáshoz szükséges mezőket és típusokat határozza meg. A dokumentumalapú kérdésmegválaszolás a szöveg és az elrendezés kinyerését nyelvimodell-elemzéssel kapcsolja össze: kérj egy konkrét feltételt, hasonlíttass össze szakaszokat, vagy gyűjtess össze meghatározott mezőket. Az előre megadott kimenet támogatása szöveg vagy kód átdolgozásánál hasznos, amikor az eredmény nagy része már ismert. A prefix folytatása kiválasztott kezdést ad a válaszhoz; a kötegelt feldolgozás független kérések gyűjteményeit kezeli aszinkron módon.
Ailoot API-asszisztenshez határozz meg egy hasznos eredményt és az azt alátámasztó anyagot. Ügyféltámogatási feladatban egy megkeresés és egy képernyőkép összekapcsolásával kinyert megfigyeléseket tartalmazó válasz készülhet. Dokumentumfeladat mezőtáblázatot és megválaszolatlan kérdéseket adhat vissza. Programozási feladat feltárhatja a releváns fájlokat, összehangolt módosításokat javasolhat, és az alkalmazás ellenőrzéseivel finomíthatja őket. A Small 4 Apache 2.0 alatt kiadott modellsúlyokkal testreszabható; a családnév az általános modellválasztást őrzi meg, a konkrét módok és korlátok pedig a kiválasztott kiadáshoz kötődnek.
", "aboutText": "A Mistral Small a Mistral AI általános célú családja utasításkövetéshez, dokumentumfeldolgozáshoz és programozási asszisztensekhez. Közzétett kiadásai eltérő architektúrával és kontextuskorlátokkal rendelkeznek. A Small 4 egyetlen multimodális modellben egyesíti az utasításkövetést, a következtetést és az ügynökalapú programozást. Szöveget és képeket fogad, és szöveget állít elő, így ugyanaz a feladat írott követelményt és vizuális bizonyítékot, például dokumentumoldalt vagy felületi képernyőképet is tartalmazhat.\n\nA Small 4 szakértőkeverék-architektúrát használ 119 milliárd összes paraméterrel és 128 szakértővel, amelyek közül tokenenként négyet választ ki. Kontextusablaka 256 ezer token. Az előző Small 3.2 kiadás kontextusablaka 128 ezer token. Ezek kiadásspecifikus tulajdonságok: a család kiválasztása egy frissülő kiadást követ, míg a rögzített modellnév egy adott kiadást azonosít.\n\nA Small 4 két következtetési erőfeszítési beállítást kínál. A közvetlen válasz beállítása minimális gondolkodást használ, és külön következtetési szakasz nélkül adja vissza a választ. A nagy erőfeszítésű beállítás részletesebb következtetést ad a végső válasz előtt, és nehezebb problémákhoz készült. Ez a mindennapi társalgást matematikai elemzéssel, kutatással és kódfeladatokkal egyesíti. Következtetéses beszélgetésben a teljes előző asszisztensüzenet megtartása megőrzi a következő fordulókhoz szükséges kontextust.\n\nA modell alkalmazási funkciói közé tartozik a függvényhívás, a strukturált kimenet, a dokumentumalapú kérdések és a válasz szabályozott folytatása. A függvényhívás az elérhető eszközök és elvárt argumentumaik leírásával kezdődik. A modell kiválaszthat egy megfelelő függvényt, azonosíthatja a hiányzó információt és előállíthatja az argumentumokat; az alkalmazás végrehajtja a függvényt, és visszaadja az eredményt a következő válaszhoz. Az eszközös munkafolyamat engedélyezhet automatikus kiválasztást, előírhat eszközhasználatot, letilthatja azt, vagy megengedhet több párhuzamos hívást. Ezek a vezérlők a környező alkalmazás munkafolyamatához tartoznak.\n\nA strukturált kimenet JSON-t és egyéni sémát is támogat. JSON-központú feladatban kifejezetten le kell írni az elvárt formátumot, míg a séma a további feldolgozáshoz szükséges mezőket és típusokat határozza meg. A dokumentumalapú kérdésmegválaszolás a szöveg és az elrendezés kinyerését nyelvimodell-elemzéssel kapcsolja össze: kérj egy konkrét feltételt, hasonlíttass össze szakaszokat, vagy gyűjtess össze meghatározott mezőket. Az előre megadott kimenet támogatása szöveg vagy kód átdolgozásánál hasznos, amikor az eredmény nagy része már ismert. A prefix folytatása kiválasztott kezdést ad a válaszhoz; a kötegelt feldolgozás független kérések gyűjteményeit kezeli aszinkron módon.\n\nAiloot API-asszisztenshez határozz meg egy hasznos eredményt és az azt alátámasztó anyagot. Ügyféltámogatási feladatban egy megkeresés és egy képernyőkép összekapcsolásával kinyert megfigyeléseket tartalmazó válasz készülhet. Dokumentumfeladat mezőtáblázatot és megválaszolatlan kérdéseket adhat vissza. Programozási feladat feltárhatja a releváns fájlokat, összehangolt módosításokat javasolhat, és az alkalmazás ellenőrzéseivel finomíthatja őket. A Small 4 Apache 2.0 alatt kiadott modellsúlyokkal testreszabható; a családnév az általános modellválasztást őrzi meg, a konkrét módok és korlátok pedig a kiválasztott kiadáshoz kötődnek.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
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-latestA Mistral AI általános célú Small családja eszközhívásokkal és strukturált válaszokkal támogat asszisztenseket, dokumentumelemzést és programozási munkafolyamatokat. A Small 4 kiadás közvetlen válaszokat és állítható következtetést egyesít szöveges és képi bemenettel.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Small a Mistral AI általános célú családja utasításkövetéshez, dokumentumfeldolgozáshoz és programozási asszisztensekhez. Közzétett kiadásai eltérő architektúrával és kontextuskorlátokkal rendelkeznek. A Small 4 egyetlen multimodális modellben egyesíti az utasításkövetést, a következtetést és az ügynökalapú programozást. Szöveget és képeket fogad, és szöveget állít elő, így ugyanaz a feladat írott követelményt és vizuális bizonyítékot, például dokumentumoldalt vagy felületi képernyőképet is tartalmazhat.
A Small 4 szakértőkeverék-architektúrát használ 119 milliárd összes paraméterrel és 128 szakértővel, amelyek közül tokenenként négyet választ ki. Kontextusablaka 256 ezer token. Az előző Small 3.2 kiadás kontextusablaka 128 ezer token. Ezek kiadásspecifikus tulajdonságok: a család kiválasztása egy frissülő kiadást követ, míg a rögzített modellnév egy adott kiadást azonosít.
A Small 4 két következtetési erőfeszítési beállítást kínál. A közvetlen válasz beállítása minimális gondolkodást használ, és külön következtetési szakasz nélkül adja vissza a választ. A nagy erőfeszítésű beállítás részletesebb következtetést ad a végső válasz előtt, és nehezebb problémákhoz készült. Ez a mindennapi társalgást matematikai elemzéssel, kutatással és kódfeladatokkal egyesíti. Következtetéses beszélgetésben a teljes előző asszisztensüzenet megtartása megőrzi a következő fordulókhoz szükséges kontextust.
A modell alkalmazási funkciói közé tartozik a függvényhívás, a strukturált kimenet, a dokumentumalapú kérdések és a válasz szabályozott folytatása. A függvényhívás az elérhető eszközök és elvárt argumentumaik leírásával kezdődik. A modell kiválaszthat egy megfelelő függvényt, azonosíthatja a hiányzó információt és előállíthatja az argumentumokat; az alkalmazás végrehajtja a függvényt, és visszaadja az eredményt a következő válaszhoz. Az eszközös munkafolyamat engedélyezhet automatikus kiválasztást, előírhat eszközhasználatot, letilthatja azt, vagy megengedhet több párhuzamos hívást. Ezek a vezérlők a környező alkalmazás munkafolyamatához tartoznak.
A strukturált kimenet JSON-t és egyéni sémát is támogat. JSON-központú feladatban kifejezetten le kell írni az elvárt formátumot, míg a séma a további feldolgozáshoz szükséges mezőket és típusokat határozza meg. A dokumentumalapú kérdésmegválaszolás a szöveg és az elrendezés kinyerését nyelvimodell-elemzéssel kapcsolja össze: kérj egy konkrét feltételt, hasonlíttass össze szakaszokat, vagy gyűjtess össze meghatározott mezőket. Az előre megadott kimenet támogatása szöveg vagy kód átdolgozásánál hasznos, amikor az eredmény nagy része már ismert. A prefix folytatása kiválasztott kezdést ad a válaszhoz; a kötegelt feldolgozás független kérések gyűjteményeit kezeli aszinkron módon.
Ailoot API-asszisztenshez határozz meg egy hasznos eredményt és az azt alátámasztó anyagot. Ügyféltámogatási feladatban egy megkeresés és egy képernyőkép összekapcsolásával kinyert megfigyeléseket tartalmazó válasz készülhet. Dokumentumfeladat mezőtáblázatot és megválaszolatlan kérdéseket adhat vissza. Programozási feladat feltárhatja a releváns fájlokat, összehangolt módosításokat javasolhat, és az alkalmazás ellenőrzéseivel finomíthatja őket. A Small 4 Apache 2.0 alatt kiadott modellsúlyokkal testreszabható; a családnév az általános modellválasztást őrzi meg, a konkrét módok és korlátok pedig a kiválasztott kiadáshoz kötődnek.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistral-small-latest | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.0011 / 1K token Kimenet · Kimeneti tokenek $0.0011 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra mistral-small-latest
Használja a fent látható metódusútvonalakat.
mistral-small-latestA Mistral AI általános célú Small családja eszközhívásokkal és strukturált válaszokkal támogat asszisztenseket, dokumentumelemzést és programozási munkafolyamatokat. A Small 4 kiadás közvetlen válaszokat és állítható következtetést egyesít szöveges és képi bemenettel.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Small a Mistral AI általános célú családja utasításkövetéshez, dokumentumfeldolgozáshoz és programozási asszisztensekhez. Közzétett kiadásai eltérő architektúrával és kontextuskorlátokkal rendelkeznek. A Small 4 egyetlen multimodális modellben egyesíti az utasításkövetést, a következtetést és az ügynökalapú programozást. Szöveget és képeket fogad, és szöveget állít elő, így ugyanaz a feladat írott követelményt és vizuális bizonyítékot, például dokumentumoldalt vagy felületi képernyőképet is tartalmazhat.
A Small 4 szakértőkeverék-architektúrát használ 119 milliárd összes paraméterrel és 128 szakértővel, amelyek közül tokenenként négyet választ ki. Kontextusablaka 256 ezer token. Az előző Small 3.2 kiadás kontextusablaka 128 ezer token. Ezek kiadásspecifikus tulajdonságok: a család kiválasztása egy frissülő kiadást követ, míg a rögzített modellnév egy adott kiadást azonosít.
A Small 4 két következtetési erőfeszítési beállítást kínál. A közvetlen válasz beállítása minimális gondolkodást használ, és külön következtetési szakasz nélkül adja vissza a választ. A nagy erőfeszítésű beállítás részletesebb következtetést ad a végső válasz előtt, és nehezebb problémákhoz készült. Ez a mindennapi társalgást matematikai elemzéssel, kutatással és kódfeladatokkal egyesíti. Következtetéses beszélgetésben a teljes előző asszisztensüzenet megtartása megőrzi a következő fordulókhoz szükséges kontextust.
A modell alkalmazási funkciói közé tartozik a függvényhívás, a strukturált kimenet, a dokumentumalapú kérdések és a válasz szabályozott folytatása. A függvényhívás az elérhető eszközök és elvárt argumentumaik leírásával kezdődik. A modell kiválaszthat egy megfelelő függvényt, azonosíthatja a hiányzó információt és előállíthatja az argumentumokat; az alkalmazás végrehajtja a függvényt, és visszaadja az eredményt a következő válaszhoz. Az eszközös munkafolyamat engedélyezhet automatikus kiválasztást, előírhat eszközhasználatot, letilthatja azt, vagy megengedhet több párhuzamos hívást. Ezek a vezérlők a környező alkalmazás munkafolyamatához tartoznak.
A strukturált kimenet JSON-t és egyéni sémát is támogat. JSON-központú feladatban kifejezetten le kell írni az elvárt formátumot, míg a séma a további feldolgozáshoz szükséges mezőket és típusokat határozza meg. A dokumentumalapú kérdésmegválaszolás a szöveg és az elrendezés kinyerését nyelvimodell-elemzéssel kapcsolja össze: kérj egy konkrét feltételt, hasonlíttass össze szakaszokat, vagy gyűjtess össze meghatározott mezőket. Az előre megadott kimenet támogatása szöveg vagy kód átdolgozásánál hasznos, amikor az eredmény nagy része már ismert. A prefix folytatása kiválasztott kezdést ad a válaszhoz; a kötegelt feldolgozás független kérések gyűjteményeit kezeli aszinkron módon.
Ailoot API-asszisztenshez határozz meg egy hasznos eredményt és az azt alátámasztó anyagot. Ügyféltámogatási feladatban egy megkeresés és egy képernyőkép összekapcsolásával kinyert megfigyeléseket tartalmazó válasz készülhet. Dokumentumfeladat mezőtáblázatot és megválaszolatlan kérdéseket adhat vissza. Programozási feladat feltárhatja a releváns fájlokat, összehangolt módosításokat javasolhat, és az alkalmazás ellenőrzéseivel finomíthatja őket. A Small 4 Apache 2.0 alatt kiadott modellsúlyokkal testreszabható; a családnév az általános modellválasztást őrzi meg, a konkrét módok és korlátok pedig a kiválasztott kiadáshoz kötődnek.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistral-small-latest | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.0011 / 1K token Kimenet · Kimeneti tokenek $0.0011 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "mistral-small-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra mistral-small-latest
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
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.