A Ministral 3 8B Instruct 2512 a Mistral AI Ministral 3 családjának közepes méretű, utasításkövetésre finomhangolt modellje. A kiadott modellállapotot FP8 pontossággal utótanították társalgási és utasításos feladatokra. Nyelvi komponenst és képfeldolgozó kódolót egyesít, szöveget és képeket fogad, és képi vagy hanganyag helyett szöveget ad vissza.
Architektúra és fő funkciók
A gyártó 8,4 milliárd paraméteres nyelvi modellt és 0,4 milliárd paraméteres képfeldolgozó kódolót sorol fel. Kontextusablakát 256 ezer tokenesként írja le, a közzétett használati útmutató alapértelmezett beállított hosszúsága pedig 262 144. Ezek e 8B méretű kiadást írják le; a kisebb 3B és a nagyobb 14B családtag saját komponensméretekkel és konfigurációkkal rendelkezik.
A látás az írott beszélgetésen túlra bővíti a modell bemenetét. Dokumentumképhez kiválasztott mezőre, bekezdésre vagy látható kapcsolatra vonatkozó kérdés társítható. Képernyőképhez a felhasználó célja és a releváns vezérlő azonosítására irányuló kérés adható. Ha a válasz vizuális részlettől függ, minden következtetéshez kérd az alátámasztó megfigyelést, és őrizd meg a kivágás értelmezéséhez szükséges címsorokat, címkéket és mértékegységeket.
A kártya több tucat nyelven ír le többnyelvű munkát, köztük angolul, franciául, spanyolul, németül, olaszul, portugálul, hollandul, kínaiul, japánul, koreaiul és arabul. Rendszerutasítás-követést, natív függvényhívást és JSON-kimenetet is azonosít. A célnyelvet, szerepet és kimeneti követelményeket kifejezetten határozd meg, ahelyett, hogy a modellre bíznád a kívánt eredményanyag kikövetkeztetését egy nagy bemenetből.
Dokumentum-, társalgási és ügynökfeladatok
A gyártó felhasználási esetei között társalgási felületek, mindennapi asszisztensek, kép- és dokumentumleírás, fordítás, tartalomgenerálás és speciális ügynökök szerepelnek. Dokumentumasszisztenshez add meg az oldalt, és határozd meg a visszaadandó információt. Adatkinyerési kérésben megnevezheted a mezőcímkéket, elvárt típusokat és a hiányzó értékek kezelését. Hasznos válasz tartalmazhat dokumentumazonosítót, kinyert értéket és a látható forráshoz kapcsolódó rövid magyarázatot.
Folyamatban lévő beszélgetésnél tartsd meg a releváns korábbi választ, és tegyél fel célzott további kérdést. A felhasználó először dokumentumösszefoglalót kérhet, majd megkérdezheti, melyik állítás támaszt alá egy következtetést. Ez az általános áttekintésről forráshoz kötött magyarázatra változtatja a kívánt kimenetet, miközben megőrzi az eredeti anyagot és a párbeszéd célját.
Többnyelvű szerkesztéshez add meg az eredeti részletet, a célolvasót és a terminológiai listát. Kérj a neveket, feltételeket és mértékegységeket megőrző átdolgozott változatot, szükség esetén a módosítások rövid magyarázatával. Tartalomgeneráláshoz határozd meg a közönséget és a megjelenítendő tényeket, mielőtt rövid tervezetet vagy alternatív megfogalmazást kérnél.
Ügynökfeladatban az alkalmazás biztosítja az eszközöket és paramétereiket. A modell kiválaszthat egy függvényt és előkészítheti argumentumait, az alkalmazás pedig végrehajtja és visszaadja az eredményt. A kártya függvénypéldája képi kérdést kapcsol össze számítási eszközzel. Az eszközeredményt tartsd külön a javasolt hívástól, hogy a következő írott válasz a művelet által ténylegesen visszaadott információt használja.
Ajánlott előkészítés és beállítások
A gyártó a környezetet, a felhasználási esetet és az eszközök használatát leíró rendszerutasítást ajánl. Az eszközkészlet legyen jól meghatározott, és korlátozódjon a feladathoz szükséges minimumra. Egy kis lekérdezési munkafolyamat az aktuális kérdéshez releváns függvényeket kínálhat egyértelműen megnevezett kötelező argumentumokkal, sok, egymástól független művelet bemutatása helyett.
Mindennapi és éles jellegű használathoz a kártya 0.1 alatti temperature értéket ajánl, kreatív felfedezéshez pedig magasabb értékek is rendelkezésre állnak. Ezt az utasításos munkafolyamat ajánlásaként kezeld, nem külön következtetésimód-vezérlőként. A családnak külön Base, Instruct és Reasoning modellállapotai vannak; ez a bejegyzés az Instruct 2512 kiadás, nem az azonos méretű külön Reasoning-kiadás.
Képeknél a gyártó 1:1-hez közeli képarányokat, valamint a nagyon keskeny vagy nagyon széles bemenetek kerülését ajánlja. Szükség szerint vágd a képet, a kérdéshez szükséges címkéket és kontextust megtartva. Ha egy oldal több, egymástól független területet tartalmaz, azonosítsd a vizsgálandó részt és a visszaadandó eredményt. Egy olvasható, célzott kép hasznosabb, mint arra kérni a modellt, hogy találja ki, egy átfogó oldal mely apró részlete számít.
Kontextus és kiadási határok
A szöveget, képeket, beszélgetést és kívánt választ a beállított kontextushoz igazítva tervezd meg. A használati útmutató kifejezetten megengedi a beállított modellhossz csökkentését, ha kevesebb kontextusra van szükség, így a teljes ablak nem utasítás arra, hogy minden kérést minden elérhető anyaggal tölts meg. A kártya 512 tokenes generálási példája csak példabeállítás, és a feldolgozott források nem állapítanak meg külön, szigorú maximális válaszhosszt.
Az FP8 Instruct modellállapot, az előtanított Base-kiadás és a Reasoning-kiadás külön kiadások. A gyártó specializálást és finomhangolást is leír felhasználási esetként. A beszélgetés előkészítésekor őrizd meg a megnevezett modellállapotot és tokenizerét, és a szöveggenerálást tartsd külön a kódtárhoz való hozzáféréstől, a függvényvégrehajtástól vagy a környező alkalmazás által biztosított más műveletektől.
", "aboutText": "A Ministral 3 8B Instruct 2512 a Mistral AI Ministral 3 családjának közepes méretű, utasításkövetésre finomhangolt modellje. A kiadott modellállapotot FP8 pontossággal utótanították társalgási és utasításos feladatokra. Nyelvi komponenst és képfeldolgozó kódolót egyesít, szöveget és képeket fogad, és képi vagy hanganyag helyett szöveget ad vissza.\n\nArchitektúra és fő funkciók\n\nA gyártó 8,4 milliárd paraméteres nyelvi modellt és 0,4 milliárd paraméteres képfeldolgozó kódolót sorol fel. Kontextusablakát 256 ezer tokenesként írja le, a közzétett használati útmutató alapértelmezett beállított hosszúsága pedig 262 144. Ezek e 8B méretű kiadást írják le; a kisebb 3B és a nagyobb 14B családtag saját komponensméretekkel és konfigurációkkal rendelkezik.\n\nA látás az írott beszélgetésen túlra bővíti a modell bemenetét. Dokumentumképhez kiválasztott mezőre, bekezdésre vagy látható kapcsolatra vonatkozó kérdés társítható. Képernyőképhez a felhasználó célja és a releváns vezérlő azonosítására irányuló kérés adható. Ha a válasz vizuális részlettől függ, minden következtetéshez kérd az alátámasztó megfigyelést, és őrizd meg a kivágás értelmezéséhez szükséges címsorokat, címkéket és mértékegységeket.\n\nA kártya több tucat nyelven ír le többnyelvű munkát, köztük angolul, franciául, spanyolul, németül, olaszul, portugálul, hollandul, kínaiul, japánul, koreaiul és arabul. Rendszerutasítás-követést, natív függvényhívást és JSON-kimenetet is azonosít. A célnyelvet, szerepet és kimeneti követelményeket kifejezetten határozd meg, ahelyett, hogy a modellre bíznád a kívánt eredményanyag kikövetkeztetését egy nagy bemenetből.\n\nDokumentum-, társalgási és ügynökfeladatok\n\nA gyártó felhasználási esetei között társalgási felületek, mindennapi asszisztensek, kép- és dokumentumleírás, fordítás, tartalomgenerálás és speciális ügynökök szerepelnek. Dokumentumasszisztenshez add meg az oldalt, és határozd meg a visszaadandó információt. Adatkinyerési kérésben megnevezheted a mezőcímkéket, elvárt típusokat és a hiányzó értékek kezelését. Hasznos válasz tartalmazhat dokumentumazonosítót, kinyert értéket és a látható forráshoz kapcsolódó rövid magyarázatot.\n\nFolyamatban lévő beszélgetésnél tartsd meg a releváns korábbi választ, és tegyél fel célzott további kérdést. A felhasználó először dokumentumösszefoglalót kérhet, majd megkérdezheti, melyik állítás támaszt alá egy következtetést. Ez az általános áttekintésről forráshoz kötött magyarázatra változtatja a kívánt kimenetet, miközben megőrzi az eredeti anyagot és a párbeszéd célját.\n\nTöbbnyelvű szerkesztéshez add meg az eredeti részletet, a célolvasót és a terminológiai listát. Kérj a neveket, feltételeket és mértékegységeket megőrző átdolgozott változatot, szükség esetén a módosítások rövid magyarázatával. Tartalomgeneráláshoz határozd meg a közönséget és a megjelenítendő tényeket, mielőtt rövid tervezetet vagy alternatív megfogalmazást kérnél.\n\nÜgynökfeladatban az alkalmazás biztosítja az eszközöket és paramétereiket. A modell kiválaszthat egy függvényt és előkészítheti argumentumait, az alkalmazás pedig végrehajtja és visszaadja az eredményt. A kártya függvénypéldája képi kérdést kapcsol össze számítási eszközzel. Az eszközeredményt tartsd külön a javasolt hívástól, hogy a következő írott válasz a művelet által ténylegesen visszaadott információt használja.\n\nAjánlott előkészítés és beállítások\n\nA gyártó a környezetet, a felhasználási esetet és az eszközök használatát leíró rendszerutasítást ajánl. Az eszközkészlet legyen jól meghatározott, és korlátozódjon a feladathoz szükséges minimumra. Egy kis lekérdezési munkafolyamat az aktuális kérdéshez releváns függvényeket kínálhat egyértelműen megnevezett kötelező argumentumokkal, sok, egymástól független művelet bemutatása helyett.\n\nMindennapi és éles jellegű használathoz a kártya 0.1 alatti temperature értéket ajánl, kreatív felfedezéshez pedig magasabb értékek is rendelkezésre állnak. Ezt az utasításos munkafolyamat ajánlásaként kezeld, nem külön következtetésimód-vezérlőként. A családnak külön Base, Instruct és Reasoning modellállapotai vannak; ez a bejegyzés az Instruct 2512 kiadás, nem az azonos méretű külön Reasoning-kiadás.\n\nKépeknél a gyártó 1:1-hez közeli képarányokat, valamint a nagyon keskeny vagy nagyon széles bemenetek kerülését ajánlja. Szükség szerint vágd a képet, a kérdéshez szükséges címkéket és kontextust megtartva. Ha egy oldal több, egymástól független területet tartalmaz, azonosítsd a vizsgálandó részt és a visszaadandó eredményt. Egy olvasható, célzott kép hasznosabb, mint arra kérni a modellt, hogy találja ki, egy átfogó oldal mely apró részlete számít.\n\nKontextus és kiadási határok\n\nA szöveget, képeket, beszélgetést és kívánt választ a beállított kontextushoz igazítva tervezd meg. A használati útmutató kifejezetten megengedi a beállított modellhossz csökkentését, ha kevesebb kontextusra van szükség, így a teljes ablak nem utasítás arra, hogy minden kérést minden elérhető anyaggal tölts meg. A kártya 512 tokenes generálási példája csak példabeállítás, és a feldolgozott források nem állapítanak meg külön, szigorú maximális válaszhosszt.\n\nAz FP8 Instruct modellállapot, az előtanított Base-kiadás és a Reasoning-kiadás külön kiadások. A gyártó specializálást és finomhangolást is leír felhasználási esetként. A beszélgetés előkészítésekor őrizd meg a megnevezett modellállapotot és tokenizerét, és a szöveggenerálást tartsd külön a kódtárhoz való hozzáféréstől, a függvényvégrehajtástól vagy a környező alkalmazás által biztosított más műveletektől.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Extract a compact invoice record\n\nExtract the invoice identifier, supplier, total and currency from this text: Invoice INV-731. Supplier: Cedar Works. Subtotal: 80 EUR. Tax: 16 EUR. Total: 96 EUR. Payment due: not stated. Return those fields plus payment_due; use null when absent and preserve the identifier exactly.A labelled record with invoice_id, supplier, total, currency and payment_due, using null for the unstated date.Check that the total is taken from the Total line rather than the subtotal and that EUR is retained.mistralai/ministral-8b-2512A Ministral 3 8B Instruct 2512 többnyelvű, szöveget és képet fogadó utasításkövető modell, 8,4 milliárd paraméteres nyelvi komponenssel és 0,4 milliárd paraméteres képfeldolgozó kódolóval. A modell a gyártó szerint 256 ezer tokenes kontextust, rendszerutasításokat, JSON-t és natív függvényhívást támogat asszisztensekhez és dokumentum-munkafolyamatokhoz.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Ministral 3 8B Instruct 2512 a Mistral AI Ministral 3 családjának közepes méretű, utasításkövetésre finomhangolt modellje. A kiadott modellállapotot FP8 pontossággal utótanították társalgási és utasításos feladatokra. Nyelvi komponenst és képfeldolgozó kódolót egyesít, szöveget és képeket fogad, és képi vagy hanganyag helyett szöveget ad vissza.
Architektúra és fő funkciók
A gyártó 8,4 milliárd paraméteres nyelvi modellt és 0,4 milliárd paraméteres képfeldolgozó kódolót sorol fel. Kontextusablakát 256 ezer tokenesként írja le, a közzétett használati útmutató alapértelmezett beállított hosszúsága pedig 262 144. Ezek e 8B méretű kiadást írják le; a kisebb 3B és a nagyobb 14B családtag saját komponensméretekkel és konfigurációkkal rendelkezik.
A látás az írott beszélgetésen túlra bővíti a modell bemenetét. Dokumentumképhez kiválasztott mezőre, bekezdésre vagy látható kapcsolatra vonatkozó kérdés társítható. Képernyőképhez a felhasználó célja és a releváns vezérlő azonosítására irányuló kérés adható. Ha a válasz vizuális részlettől függ, minden következtetéshez kérd az alátámasztó megfigyelést, és őrizd meg a kivágás értelmezéséhez szükséges címsorokat, címkéket és mértékegységeket.
A kártya több tucat nyelven ír le többnyelvű munkát, köztük angolul, franciául, spanyolul, németül, olaszul, portugálul, hollandul, kínaiul, japánul, koreaiul és arabul. Rendszerutasítás-követést, natív függvényhívást és JSON-kimenetet is azonosít. A célnyelvet, szerepet és kimeneti követelményeket kifejezetten határozd meg, ahelyett, hogy a modellre bíznád a kívánt eredményanyag kikövetkeztetését egy nagy bemenetből.
Dokumentum-, társalgási és ügynökfeladatok
A gyártó felhasználási esetei között társalgási felületek, mindennapi asszisztensek, kép- és dokumentumleírás, fordítás, tartalomgenerálás és speciális ügynökök szerepelnek. Dokumentumasszisztenshez add meg az oldalt, és határozd meg a visszaadandó információt. Adatkinyerési kérésben megnevezheted a mezőcímkéket, elvárt típusokat és a hiányzó értékek kezelését. Hasznos válasz tartalmazhat dokumentumazonosítót, kinyert értéket és a látható forráshoz kapcsolódó rövid magyarázatot.
Folyamatban lévő beszélgetésnél tartsd meg a releváns korábbi választ, és tegyél fel célzott további kérdést. A felhasználó először dokumentumösszefoglalót kérhet, majd megkérdezheti, melyik állítás támaszt alá egy következtetést. Ez az általános áttekintésről forráshoz kötött magyarázatra változtatja a kívánt kimenetet, miközben megőrzi az eredeti anyagot és a párbeszéd célját.
Többnyelvű szerkesztéshez add meg az eredeti részletet, a célolvasót és a terminológiai listát. Kérj a neveket, feltételeket és mértékegységeket megőrző átdolgozott változatot, szükség esetén a módosítások rövid magyarázatával. Tartalomgeneráláshoz határozd meg a közönséget és a megjelenítendő tényeket, mielőtt rövid tervezetet vagy alternatív megfogalmazást kérnél.
Ügynökfeladatban az alkalmazás biztosítja az eszközöket és paramétereiket. A modell kiválaszthat egy függvényt és előkészítheti argumentumait, az alkalmazás pedig végrehajtja és visszaadja az eredményt. A kártya függvénypéldája képi kérdést kapcsol össze számítási eszközzel. Az eszközeredményt tartsd külön a javasolt hívástól, hogy a következő írott válasz a művelet által ténylegesen visszaadott információt használja.
Ajánlott előkészítés és beállítások
A gyártó a környezetet, a felhasználási esetet és az eszközök használatát leíró rendszerutasítást ajánl. Az eszközkészlet legyen jól meghatározott, és korlátozódjon a feladathoz szükséges minimumra. Egy kis lekérdezési munkafolyamat az aktuális kérdéshez releváns függvényeket kínálhat egyértelműen megnevezett kötelező argumentumokkal, sok, egymástól független művelet bemutatása helyett.
Mindennapi és éles jellegű használathoz a kártya 0.1 alatti temperature értéket ajánl, kreatív felfedezéshez pedig magasabb értékek is rendelkezésre állnak. Ezt az utasításos munkafolyamat ajánlásaként kezeld, nem külön következtetésimód-vezérlőként. A családnak külön Base, Instruct és Reasoning modellállapotai vannak; ez a bejegyzés az Instruct 2512 kiadás, nem az azonos méretű külön Reasoning-kiadás.
Képeknél a gyártó 1:1-hez közeli képarányokat, valamint a nagyon keskeny vagy nagyon széles bemenetek kerülését ajánlja. Szükség szerint vágd a képet, a kérdéshez szükséges címkéket és kontextust megtartva. Ha egy oldal több, egymástól független területet tartalmaz, azonosítsd a vizsgálandó részt és a visszaadandó eredményt. Egy olvasható, célzott kép hasznosabb, mint arra kérni a modellt, hogy találja ki, egy átfogó oldal mely apró részlete számít.
Kontextus és kiadási határok
A szöveget, képeket, beszélgetést és kívánt választ a beállított kontextushoz igazítva tervezd meg. A használati útmutató kifejezetten megengedi a beállított modellhossz csökkentését, ha kevesebb kontextusra van szükség, így a teljes ablak nem utasítás arra, hogy minden kérést minden elérhető anyaggal tölts meg. A kártya 512 tokenes generálási példája csak példabeállítás, és a feldolgozott források nem állapítanak meg külön, szigorú maximális válaszhosszt.
Az FP8 Instruct modellállapot, az előtanított Base-kiadás és a Reasoning-kiadás külön kiadások. A gyártó specializálást és finomhangolást is leír felhasználási esetként. A beszélgetés előkészítésekor őrizd meg a megnevezett modellállapotot és tokenizerét, és a szöveggenerálást tartsd külön a kódtárhoz való hozzáféréstől, a függvényvégrehajtástól vagy a környező alkalmazás által biztosított más műveletektől.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/ministral-8b-2512 | 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.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00066 / 1K token Kimenet · Kimeneti tokenek $0.00066 / 1K token Bemenet · Gyorsítótár olvasása $0.00003 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00066 / 1K token Kimenet · Kimeneti tokenek $0.00066 / 1K token Bemenet · Gyorsítótár olvasása $0.00003 / 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": "mistralai/ministral-8b-2512", "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='mistralai/ministral-8b-2512',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='mistralai/ministral-8b-2512',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 mistralai/ministral-8b-2512
Használja a fent látható metódusútvonalakat.
mistralai/ministral-8b-2512A Ministral 3 8B Instruct 2512 többnyelvű, szöveget és képet fogadó utasításkövető modell, 8,4 milliárd paraméteres nyelvi komponenssel és 0,4 milliárd paraméteres képfeldolgozó kódolóval. A modell a gyártó szerint 256 ezer tokenes kontextust, rendszerutasításokat, JSON-t és natív függvényhívást támogat asszisztensekhez és dokumentum-munkafolyamatokhoz.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Ministral 3 8B Instruct 2512 a Mistral AI Ministral 3 családjának közepes méretű, utasításkövetésre finomhangolt modellje. A kiadott modellállapotot FP8 pontossággal utótanították társalgási és utasításos feladatokra. Nyelvi komponenst és képfeldolgozó kódolót egyesít, szöveget és képeket fogad, és képi vagy hanganyag helyett szöveget ad vissza.
Architektúra és fő funkciók
A gyártó 8,4 milliárd paraméteres nyelvi modellt és 0,4 milliárd paraméteres képfeldolgozó kódolót sorol fel. Kontextusablakát 256 ezer tokenesként írja le, a közzétett használati útmutató alapértelmezett beállított hosszúsága pedig 262 144. Ezek e 8B méretű kiadást írják le; a kisebb 3B és a nagyobb 14B családtag saját komponensméretekkel és konfigurációkkal rendelkezik.
A látás az írott beszélgetésen túlra bővíti a modell bemenetét. Dokumentumképhez kiválasztott mezőre, bekezdésre vagy látható kapcsolatra vonatkozó kérdés társítható. Képernyőképhez a felhasználó célja és a releváns vezérlő azonosítására irányuló kérés adható. Ha a válasz vizuális részlettől függ, minden következtetéshez kérd az alátámasztó megfigyelést, és őrizd meg a kivágás értelmezéséhez szükséges címsorokat, címkéket és mértékegységeket.
A kártya több tucat nyelven ír le többnyelvű munkát, köztük angolul, franciául, spanyolul, németül, olaszul, portugálul, hollandul, kínaiul, japánul, koreaiul és arabul. Rendszerutasítás-követést, natív függvényhívást és JSON-kimenetet is azonosít. A célnyelvet, szerepet és kimeneti követelményeket kifejezetten határozd meg, ahelyett, hogy a modellre bíznád a kívánt eredményanyag kikövetkeztetését egy nagy bemenetből.
Dokumentum-, társalgási és ügynökfeladatok
A gyártó felhasználási esetei között társalgási felületek, mindennapi asszisztensek, kép- és dokumentumleírás, fordítás, tartalomgenerálás és speciális ügynökök szerepelnek. Dokumentumasszisztenshez add meg az oldalt, és határozd meg a visszaadandó információt. Adatkinyerési kérésben megnevezheted a mezőcímkéket, elvárt típusokat és a hiányzó értékek kezelését. Hasznos válasz tartalmazhat dokumentumazonosítót, kinyert értéket és a látható forráshoz kapcsolódó rövid magyarázatot.
Folyamatban lévő beszélgetésnél tartsd meg a releváns korábbi választ, és tegyél fel célzott további kérdést. A felhasználó először dokumentumösszefoglalót kérhet, majd megkérdezheti, melyik állítás támaszt alá egy következtetést. Ez az általános áttekintésről forráshoz kötött magyarázatra változtatja a kívánt kimenetet, miközben megőrzi az eredeti anyagot és a párbeszéd célját.
Többnyelvű szerkesztéshez add meg az eredeti részletet, a célolvasót és a terminológiai listát. Kérj a neveket, feltételeket és mértékegységeket megőrző átdolgozott változatot, szükség esetén a módosítások rövid magyarázatával. Tartalomgeneráláshoz határozd meg a közönséget és a megjelenítendő tényeket, mielőtt rövid tervezetet vagy alternatív megfogalmazást kérnél.
Ügynökfeladatban az alkalmazás biztosítja az eszközöket és paramétereiket. A modell kiválaszthat egy függvényt és előkészítheti argumentumait, az alkalmazás pedig végrehajtja és visszaadja az eredményt. A kártya függvénypéldája képi kérdést kapcsol össze számítási eszközzel. Az eszközeredményt tartsd külön a javasolt hívástól, hogy a következő írott válasz a művelet által ténylegesen visszaadott információt használja.
Ajánlott előkészítés és beállítások
A gyártó a környezetet, a felhasználási esetet és az eszközök használatát leíró rendszerutasítást ajánl. Az eszközkészlet legyen jól meghatározott, és korlátozódjon a feladathoz szükséges minimumra. Egy kis lekérdezési munkafolyamat az aktuális kérdéshez releváns függvényeket kínálhat egyértelműen megnevezett kötelező argumentumokkal, sok, egymástól független művelet bemutatása helyett.
Mindennapi és éles jellegű használathoz a kártya 0.1 alatti temperature értéket ajánl, kreatív felfedezéshez pedig magasabb értékek is rendelkezésre állnak. Ezt az utasításos munkafolyamat ajánlásaként kezeld, nem külön következtetésimód-vezérlőként. A családnak külön Base, Instruct és Reasoning modellállapotai vannak; ez a bejegyzés az Instruct 2512 kiadás, nem az azonos méretű külön Reasoning-kiadás.
Képeknél a gyártó 1:1-hez közeli képarányokat, valamint a nagyon keskeny vagy nagyon széles bemenetek kerülését ajánlja. Szükség szerint vágd a képet, a kérdéshez szükséges címkéket és kontextust megtartva. Ha egy oldal több, egymástól független területet tartalmaz, azonosítsd a vizsgálandó részt és a visszaadandó eredményt. Egy olvasható, célzott kép hasznosabb, mint arra kérni a modellt, hogy találja ki, egy átfogó oldal mely apró részlete számít.
Kontextus és kiadási határok
A szöveget, képeket, beszélgetést és kívánt választ a beállított kontextushoz igazítva tervezd meg. A használati útmutató kifejezetten megengedi a beállított modellhossz csökkentését, ha kevesebb kontextusra van szükség, így a teljes ablak nem utasítás arra, hogy minden kérést minden elérhető anyaggal tölts meg. A kártya 512 tokenes generálási példája csak példabeállítás, és a feldolgozott források nem állapítanak meg külön, szigorú maximális válaszhosszt.
Az FP8 Instruct modellállapot, az előtanított Base-kiadás és a Reasoning-kiadás külön kiadások. A gyártó specializálást és finomhangolást is leír felhasználási esetként. A beszélgetés előkészítésekor őrizd meg a megnevezett modellállapotot és tokenizerét, és a szöveggenerálást tartsd külön a kódtárhoz való hozzáféréstől, a függvényvégrehajtástól vagy a környező alkalmazás által biztosított más műveletektől.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/ministral-8b-2512 | 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.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Kontextustokenek, több mint | Kontextustokenek, legfeljebb | Díj |
|---|---|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Kontextustokenek, több mint— | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00066 / 1K token Kimenet · Kimeneti tokenek $0.00066 / 1K token Bemenet · Gyorsítótár olvasása $0.00003 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| BeállításA kéréshossz szerinti 1. ársáv | Díjtáblázat— | Kontextustokenek, több mint0 | Kontextustokenek, legfeljebbNincs felső korlát | Díj Bemenet · Bemeneti tokenek $0.00066 / 1K token Kimenet · Kimeneti tokenek $0.00066 / 1K token Bemenet · Gyorsítótár olvasása $0.00003 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "mistralai/ministral-8b-2512",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mistralai/ministral-8b-2512', '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': 'mistralai/ministral-8b-2512', '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 mistralai/ministral-8b-2512
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Extract a compact invoice record\n\nExtract the invoice identifier, supplier, total and currency from this text: Invoice INV-731. Supplier: Cedar Works. Subtotal: 80 EUR. Tax: 16 EUR. Total: 96 EUR. Payment due: not stated. Return those fields plus payment_due; use null when absent and preserve the identifier exactly.A labelled record with invoice_id, supplier, total, currency and payment_due, using null for the unstated date.Check that the total is taken from the Total line rather than the subtotal and that EUR is retained.