A Mistral Large 3 2512 a Mistral AI utasításkövetésre finomhangolt kiadása általános társalgáshoz, vizuális értelmezéshez és vállalati munkához. Ritka szakértőkeverék-architektúrájának összesen 675 milliárd paramétere van, amelyekből 41 milliárd aktív, kontextusablaka pedig 256 ezer token. Ugyanabban a feladatban szöveg és képek is szerepelhetnek, míg a válasz szöveg, kód vagy strukturált eredmény.
Képességek és bemenet-előkészítés
A modell nyelvi komponenst és képfeldolgozó kódolót egyesít. Adj a képnek egyértelmű szerepet: elolvasandó oldalt, értelmezendő ábrát vagy elmagyarázandó képernyőt. Zsúfolt képernyőnél adj a releváns vezérlőket tartalmazó kivágást, és őrizd meg a megértésükhöz szükséges környező címkéket. A Mistral négyzethez közeli képformát ajánl; a kivételesen keskeny vagy széles forrást bontsd hasznos területekre ahelyett, hogy a fontos részleteket olvashatatlan sávvá zsugorítanád.
A gyártó több tucat nyelven sorol fel társalgási képességet, köztük angolul, franciául, spanyolul, németül, olaszul, portugálul, hollandul, kínaiul, japánul, koreaiul és arabul. Add meg a kimeneti nyelvet, a célolvasót és a megőrzendő terminológiát. Ügyféltámogatási cikkhez kérj lokalizált magyarázatot változatlan terméknevekkel és a közzététel előtt tisztázandó bizonytalan fordítások rövid listájával.
Hosszú dokumentumok és vállalati tudás
A kontextusban fogj össze kapcsolódó anyagokat: szabályzatszöveget, specifikációt, meglévő döntéseket és a megválaszolandó kérdést. Címkézd az egyes forrásokat és verziójukat. Hasznos kérés lehet: „Hasonlítsd össze ezt a három beléptetési szabályzatot. Adj vissza táblázatot a közös követelményekről, ellentmondásokról és megválaszolatlan kérdésekről, minden megállapításhoz megadva a forrásszakaszt.” Az eredmény így a megadott részletekre támaszkodó összehasonlítás, nem a téma általános összefoglalója.
Dokumentumkérdéshez azonosítsd a kívánt részletességet, és a következtetés mellé kérd az alátámasztó részletet. A Mistral Document QnA munkafolyamata először OCR-rel kinyeri a szöveget és a dokumentumszerkezetet, majd nyelvi modellel értelmezi az anyagot. A kinyert szöveg előkészítésekor őrizd meg az oldalszámokat és címsorokat, hogy a válasz visszamutathasson az eredetire. Dokumentum-URL, kinyert szöveg és képi bizonyíték eltérő előkészítést igényel; a használt alkalmazás által támogatott bemeneti formát válaszd.
Programozás és mindennapi segítség
A Mistral a Large 3-at a mindennapi társalgás mellett programozási segítséghez is ajánlja. Add meg a releváns függvényeket, az elvárt működést és a megfigyelt hibát. Például: „Ez a feldolgozó elhagyja az utolsó mezőt, ha a bemenet nem sortöréssel végződik. Magyarázd el a hibás ágat, javasold a legkisebb módosítást, és add vissza a javított függvényt három jellemző bemeneti/kimeneti példával.” A hasznos eredmény a tényleges kódhoz kapcsolódó módosítási javaslat és a fejlesztő által futtatható esetek gyűjteménye.
Üzleti tervezethez a tényeket és a kívánt eredményanyagot együtt add meg. A megbeszélési jegyzetekből döntési feljegyzést készítő kérés nevezze meg a döntést, az alternatívákat, a tisztázatlan feltételezéseket és a következő műveletet. Kérd a modelltől a forrástények és ajánlások elkülönítését, valamint a hiányzó információ jelölését a megfelelő szakaszban. Így a kimenet könnyebben átdolgozható, mint egy tagolatlan elbeszélés.
Eszközök és strukturált eredmények
A natív függvényhívás lehetővé teszi, hogy a modell kiválasszon egy megadott függvényt és előkészítse argumentumait. Az alkalmazás futtatja a függvényt és visszaadja eredményét; a modell ezután a kapott információt használja a válaszban. Az eszközök legyenek célzottak, és csak a feladathoz szükségeseket tedd elérhetővé. Készletellenőrző asszisztens kaphat termékazonosítót, készletlekérdezést kérhet, és elmagyarázhatja a visszakapott mennyiséget és raktárat. Végrehajtás előtt ellenőrizd a kiválasztott függvényt és argumentumokat, az eszközválaszt pedig őrizd meg a végső válasz mellett.
Adatkinyeréshez add meg a mezőket, típusokat és a hiányzó értékek kezelését. A Mistral JSON-módot és egyéni strukturált kimenetet dokumentál; JSON-módja kifejezett JSON-visszaadási utasítást igényel, míg az egyéni séma erősebb formátumvezérlést ad. Számlaösszefoglalóhoz kérhetsz szállítót, számlaszámot, esedékességet, pénznemet és tételsorokat, a hiányzó értékek következetes jelölésével. A kinyert értékeket akkor is ellenőrizd a dokumentum alapján, ha a válasz megfelel a kért szerkezetnek.
Beállítások és kiadási különbségek
A szerepet, feladatot és eszközszabályokat a rendszerutasításokban határozd meg. A Mistral e modellállapot éles és mindennapi használatához 0.1 alatti temperature értéket ajánl, kreatív feladatokhoz pedig magasabb értékek vizsgálatát. Különítsd el a változatos ötletek kérését a reprodukálható adatkinyeréstől: előbbinek hagyj teret alternatívákra, utóbbinak adj kifejezett mezőket és forráskorlátokat.
Ez az utasításos kiadás elkülönül a Large 3 alapmodell-állapotától és a dedikált következtető modellektől. A gyártó a szigorú következtetést és a speciális vizuális munkát olyan területként azonosítja, ahol előnyösebb lehet a kifejezetten ezekre tervezett modell. Nehéz számításhoz add meg a feltételezéseket és mértékegységeket, kérj köztes ellenőrzéseket, és elérhető számítási eszközzel ellenőrizd az eredményt. Sűrű vizuális bizonyítékhoz készíts olvasható területeket, és vesd össze a választ a forrással, mielőtt jelentésben használnád.
", "aboutText": "A Mistral Large 3 2512 a Mistral AI utasításkövetésre finomhangolt kiadása általános társalgáshoz, vizuális értelmezéshez és vállalati munkához. Ritka szakértőkeverék-architektúrájának összesen 675 milliárd paramétere van, amelyekből 41 milliárd aktív, kontextusablaka pedig 256 ezer token. Ugyanabban a feladatban szöveg és képek is szerepelhetnek, míg a válasz szöveg, kód vagy strukturált eredmény.\n\nKépességek és bemenet-előkészítés\n\nA modell nyelvi komponenst és képfeldolgozó kódolót egyesít. Adj a képnek egyértelmű szerepet: elolvasandó oldalt, értelmezendő ábrát vagy elmagyarázandó képernyőt. Zsúfolt képernyőnél adj a releváns vezérlőket tartalmazó kivágást, és őrizd meg a megértésükhöz szükséges környező címkéket. A Mistral négyzethez közeli képformát ajánl; a kivételesen keskeny vagy széles forrást bontsd hasznos területekre ahelyett, hogy a fontos részleteket olvashatatlan sávvá zsugorítanád.\n\nA gyártó több tucat nyelven sorol fel társalgási képességet, köztük angolul, franciául, spanyolul, németül, olaszul, portugálul, hollandul, kínaiul, japánul, koreaiul és arabul. Add meg a kimeneti nyelvet, a célolvasót és a megőrzendő terminológiát. Ügyféltámogatási cikkhez kérj lokalizált magyarázatot változatlan terméknevekkel és a közzététel előtt tisztázandó bizonytalan fordítások rövid listájával.\n\nHosszú dokumentumok és vállalati tudás\n\nA kontextusban fogj össze kapcsolódó anyagokat: szabályzatszöveget, specifikációt, meglévő döntéseket és a megválaszolandó kérdést. Címkézd az egyes forrásokat és verziójukat. Hasznos kérés lehet: „Hasonlítsd össze ezt a három beléptetési szabályzatot. Adj vissza táblázatot a közös követelményekről, ellentmondásokról és megválaszolatlan kérdésekről, minden megállapításhoz megadva a forrásszakaszt.” Az eredmény így a megadott részletekre támaszkodó összehasonlítás, nem a téma általános összefoglalója.\n\nDokumentumkérdéshez azonosítsd a kívánt részletességet, és a következtetés mellé kérd az alátámasztó részletet. A Mistral Document QnA munkafolyamata először OCR-rel kinyeri a szöveget és a dokumentumszerkezetet, majd nyelvi modellel értelmezi az anyagot. A kinyert szöveg előkészítésekor őrizd meg az oldalszámokat és címsorokat, hogy a válasz visszamutathasson az eredetire. Dokumentum-URL, kinyert szöveg és képi bizonyíték eltérő előkészítést igényel; a használt alkalmazás által támogatott bemeneti formát válaszd.\n\nProgramozás és mindennapi segítség\n\nA Mistral a Large 3-at a mindennapi társalgás mellett programozási segítséghez is ajánlja. Add meg a releváns függvényeket, az elvárt működést és a megfigyelt hibát. Például: „Ez a feldolgozó elhagyja az utolsó mezőt, ha a bemenet nem sortöréssel végződik. Magyarázd el a hibás ágat, javasold a legkisebb módosítást, és add vissza a javított függvényt három jellemző bemeneti/kimeneti példával.” A hasznos eredmény a tényleges kódhoz kapcsolódó módosítási javaslat és a fejlesztő által futtatható esetek gyűjteménye.\n\nÜzleti tervezethez a tényeket és a kívánt eredményanyagot együtt add meg. A megbeszélési jegyzetekből döntési feljegyzést készítő kérés nevezze meg a döntést, az alternatívákat, a tisztázatlan feltételezéseket és a következő műveletet. Kérd a modelltől a forrástények és ajánlások elkülönítését, valamint a hiányzó információ jelölését a megfelelő szakaszban. Így a kimenet könnyebben átdolgozható, mint egy tagolatlan elbeszélés.\n\nEszközök és strukturált eredmények\n\nA natív függvényhívás lehetővé teszi, hogy a modell kiválasszon egy megadott függvényt és előkészítse argumentumait. Az alkalmazás futtatja a függvényt és visszaadja eredményét; a modell ezután a kapott információt használja a válaszban. Az eszközök legyenek célzottak, és csak a feladathoz szükségeseket tedd elérhetővé. Készletellenőrző asszisztens kaphat termékazonosítót, készletlekérdezést kérhet, és elmagyarázhatja a visszakapott mennyiséget és raktárat. Végrehajtás előtt ellenőrizd a kiválasztott függvényt és argumentumokat, az eszközválaszt pedig őrizd meg a végső válasz mellett.\n\nAdatkinyeréshez add meg a mezőket, típusokat és a hiányzó értékek kezelését. A Mistral JSON-módot és egyéni strukturált kimenetet dokumentál; JSON-módja kifejezett JSON-visszaadási utasítást igényel, míg az egyéni séma erősebb formátumvezérlést ad. Számlaösszefoglalóhoz kérhetsz szállítót, számlaszámot, esedékességet, pénznemet és tételsorokat, a hiányzó értékek következetes jelölésével. A kinyert értékeket akkor is ellenőrizd a dokumentum alapján, ha a válasz megfelel a kért szerkezetnek.\n\nBeállítások és kiadási különbségek\n\nA szerepet, feladatot és eszközszabályokat a rendszerutasításokban határozd meg. A Mistral e modellállapot éles és mindennapi használatához 0.1 alatti temperature értéket ajánl, kreatív feladatokhoz pedig magasabb értékek vizsgálatát. Különítsd el a változatos ötletek kérését a reprodukálható adatkinyeréstől: előbbinek hagyj teret alternatívákra, utóbbinak adj kifejezett mezőket és forráskorlátokat.\n\nEz az utasításos kiadás elkülönül a Large 3 alapmodell-állapotától és a dedikált következtető modellektől. A gyártó a szigorú következtetést és a speciális vizuális munkát olyan területként azonosítja, ahol előnyösebb lehet a kifejezetten ezekre tervezett modell. Nehéz számításhoz add meg a feltételezéseket és mértékegységeket, kérj köztes ellenőrzéseket, és elérhető számítási eszközzel ellenőrizd az eredményt. Sűrű vizuális bizonyítékhoz készíts olvasható területeket, és vesd össze a választ a forrással, mielőtt jelentésben használnád.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Compare onboarding policies\n\nCompare onboarding policies. A section 1 requires manager approval and identity verification before access. B section 3 requires manager approval before access and identity verification within seven days afterward. List the shared requirement, the conflict and a question for the policy owner. Keep the source section beside each finding.A source-linked comparison of shared and conflicting requirements plus one policy decision question.Check that both policies’ timing for identity verification remains explicit and that neither is silently treated as authoritative.mistralai/mistral-large-2512A Mistral Large 3 2512 többnyelvű, szöveget és képet fogadó modell hosszú dokumentumokhoz, vállalati tudáshoz, programozáshoz és eszközzel támogatott munkához. A 256 ezer tokenes kontextus, a natív függvényhívás és a strukturált kimenet segít a megadott bizonyítékból válaszokat, rekordokat és javasolt műveleteket készíteni.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Large 3 2512 a Mistral AI utasításkövetésre finomhangolt kiadása általános társalgáshoz, vizuális értelmezéshez és vállalati munkához. Ritka szakértőkeverék-architektúrájának összesen 675 milliárd paramétere van, amelyekből 41 milliárd aktív, kontextusablaka pedig 256 ezer token. Ugyanabban a feladatban szöveg és képek is szerepelhetnek, míg a válasz szöveg, kód vagy strukturált eredmény.
Képességek és bemenet-előkészítés
A modell nyelvi komponenst és képfeldolgozó kódolót egyesít. Adj a képnek egyértelmű szerepet: elolvasandó oldalt, értelmezendő ábrát vagy elmagyarázandó képernyőt. Zsúfolt képernyőnél adj a releváns vezérlőket tartalmazó kivágást, és őrizd meg a megértésükhöz szükséges környező címkéket. A Mistral négyzethez közeli képformát ajánl; a kivételesen keskeny vagy széles forrást bontsd hasznos területekre ahelyett, hogy a fontos részleteket olvashatatlan sávvá zsugorítanád.
A gyártó több tucat nyelven sorol fel társalgási képességet, köztük angolul, franciául, spanyolul, németül, olaszul, portugálul, hollandul, kínaiul, japánul, koreaiul és arabul. Add meg a kimeneti nyelvet, a célolvasót és a megőrzendő terminológiát. Ügyféltámogatási cikkhez kérj lokalizált magyarázatot változatlan terméknevekkel és a közzététel előtt tisztázandó bizonytalan fordítások rövid listájával.
Hosszú dokumentumok és vállalati tudás
A kontextusban fogj össze kapcsolódó anyagokat: szabályzatszöveget, specifikációt, meglévő döntéseket és a megválaszolandó kérdést. Címkézd az egyes forrásokat és verziójukat. Hasznos kérés lehet: „Hasonlítsd össze ezt a három beléptetési szabályzatot. Adj vissza táblázatot a közös követelményekről, ellentmondásokról és megválaszolatlan kérdésekről, minden megállapításhoz megadva a forrásszakaszt.” Az eredmény így a megadott részletekre támaszkodó összehasonlítás, nem a téma általános összefoglalója.
Dokumentumkérdéshez azonosítsd a kívánt részletességet, és a következtetés mellé kérd az alátámasztó részletet. A Mistral Document QnA munkafolyamata először OCR-rel kinyeri a szöveget és a dokumentumszerkezetet, majd nyelvi modellel értelmezi az anyagot. A kinyert szöveg előkészítésekor őrizd meg az oldalszámokat és címsorokat, hogy a válasz visszamutathasson az eredetire. Dokumentum-URL, kinyert szöveg és képi bizonyíték eltérő előkészítést igényel; a használt alkalmazás által támogatott bemeneti formát válaszd.
Programozás és mindennapi segítség
A Mistral a Large 3-at a mindennapi társalgás mellett programozási segítséghez is ajánlja. Add meg a releváns függvényeket, az elvárt működést és a megfigyelt hibát. Például: „Ez a feldolgozó elhagyja az utolsó mezőt, ha a bemenet nem sortöréssel végződik. Magyarázd el a hibás ágat, javasold a legkisebb módosítást, és add vissza a javított függvényt három jellemző bemeneti/kimeneti példával.” A hasznos eredmény a tényleges kódhoz kapcsolódó módosítási javaslat és a fejlesztő által futtatható esetek gyűjteménye.
Üzleti tervezethez a tényeket és a kívánt eredményanyagot együtt add meg. A megbeszélési jegyzetekből döntési feljegyzést készítő kérés nevezze meg a döntést, az alternatívákat, a tisztázatlan feltételezéseket és a következő műveletet. Kérd a modelltől a forrástények és ajánlások elkülönítését, valamint a hiányzó információ jelölését a megfelelő szakaszban. Így a kimenet könnyebben átdolgozható, mint egy tagolatlan elbeszélés.
Eszközök és strukturált eredmények
A natív függvényhívás lehetővé teszi, hogy a modell kiválasszon egy megadott függvényt és előkészítse argumentumait. Az alkalmazás futtatja a függvényt és visszaadja eredményét; a modell ezután a kapott információt használja a válaszban. Az eszközök legyenek célzottak, és csak a feladathoz szükségeseket tedd elérhetővé. Készletellenőrző asszisztens kaphat termékazonosítót, készletlekérdezést kérhet, és elmagyarázhatja a visszakapott mennyiséget és raktárat. Végrehajtás előtt ellenőrizd a kiválasztott függvényt és argumentumokat, az eszközválaszt pedig őrizd meg a végső válasz mellett.
Adatkinyeréshez add meg a mezőket, típusokat és a hiányzó értékek kezelését. A Mistral JSON-módot és egyéni strukturált kimenetet dokumentál; JSON-módja kifejezett JSON-visszaadási utasítást igényel, míg az egyéni séma erősebb formátumvezérlést ad. Számlaösszefoglalóhoz kérhetsz szállítót, számlaszámot, esedékességet, pénznemet és tételsorokat, a hiányzó értékek következetes jelölésével. A kinyert értékeket akkor is ellenőrizd a dokumentum alapján, ha a válasz megfelel a kért szerkezetnek.
Beállítások és kiadási különbségek
A szerepet, feladatot és eszközszabályokat a rendszerutasításokban határozd meg. A Mistral e modellállapot éles és mindennapi használatához 0.1 alatti temperature értéket ajánl, kreatív feladatokhoz pedig magasabb értékek vizsgálatát. Különítsd el a változatos ötletek kérését a reprodukálható adatkinyeréstől: előbbinek hagyj teret alternatívákra, utóbbinak adj kifejezett mezőket és forráskorlátokat.
Ez az utasításos kiadás elkülönül a Large 3 alapmodell-állapotától és a dedikált következtető modellektől. A gyártó a szigorú következtetést és a speciális vizuális munkát olyan területként azonosítja, ahol előnyösebb lehet a kifejezetten ezekre tervezett modell. Nehéz számításhoz add meg a feltételezéseket és mértékegységeket, kérj köztes ellenőrzéseket, és elérhető számítási eszközzel ellenőrizd az eredményt. Sűrű vizuális bizonyítékhoz készíts olvasható területeket, és vesd össze a választ a forrással, mielőtt jelentésben használnád.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/mistral-large-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 $0.0022 / 1K token Kimenet · Kimeneti tokenek $0.0066 / 1K token Bemenet · Gyorsítótár olvasása $0.0001 / 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 $0.0022 / 1K token Kimenet · Kimeneti tokenek $0.0066 / 1K token Bemenet · Gyorsítótár olvasása $0.0001 / 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/mistral-large-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/mistral-large-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/mistral-large-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/mistral-large-2512
Használja a fent látható metódusútvonalakat.
mistralai/mistral-large-2512A Mistral Large 3 2512 többnyelvű, szöveget és képet fogadó modell hosszú dokumentumokhoz, vállalati tudáshoz, programozáshoz és eszközzel támogatott munkához. A 256 ezer tokenes kontextus, a natív függvényhívás és a strukturált kimenet segít a megadott bizonyítékból válaszokat, rekordokat és javasolt műveleteket készíteni.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Large 3 2512 a Mistral AI utasításkövetésre finomhangolt kiadása általános társalgáshoz, vizuális értelmezéshez és vállalati munkához. Ritka szakértőkeverék-architektúrájának összesen 675 milliárd paramétere van, amelyekből 41 milliárd aktív, kontextusablaka pedig 256 ezer token. Ugyanabban a feladatban szöveg és képek is szerepelhetnek, míg a válasz szöveg, kód vagy strukturált eredmény.
Képességek és bemenet-előkészítés
A modell nyelvi komponenst és képfeldolgozó kódolót egyesít. Adj a képnek egyértelmű szerepet: elolvasandó oldalt, értelmezendő ábrát vagy elmagyarázandó képernyőt. Zsúfolt képernyőnél adj a releváns vezérlőket tartalmazó kivágást, és őrizd meg a megértésükhöz szükséges környező címkéket. A Mistral négyzethez közeli képformát ajánl; a kivételesen keskeny vagy széles forrást bontsd hasznos területekre ahelyett, hogy a fontos részleteket olvashatatlan sávvá zsugorítanád.
A gyártó több tucat nyelven sorol fel társalgási képességet, köztük angolul, franciául, spanyolul, németül, olaszul, portugálul, hollandul, kínaiul, japánul, koreaiul és arabul. Add meg a kimeneti nyelvet, a célolvasót és a megőrzendő terminológiát. Ügyféltámogatási cikkhez kérj lokalizált magyarázatot változatlan terméknevekkel és a közzététel előtt tisztázandó bizonytalan fordítások rövid listájával.
Hosszú dokumentumok és vállalati tudás
A kontextusban fogj össze kapcsolódó anyagokat: szabályzatszöveget, specifikációt, meglévő döntéseket és a megválaszolandó kérdést. Címkézd az egyes forrásokat és verziójukat. Hasznos kérés lehet: „Hasonlítsd össze ezt a három beléptetési szabályzatot. Adj vissza táblázatot a közös követelményekről, ellentmondásokról és megválaszolatlan kérdésekről, minden megállapításhoz megadva a forrásszakaszt.” Az eredmény így a megadott részletekre támaszkodó összehasonlítás, nem a téma általános összefoglalója.
Dokumentumkérdéshez azonosítsd a kívánt részletességet, és a következtetés mellé kérd az alátámasztó részletet. A Mistral Document QnA munkafolyamata először OCR-rel kinyeri a szöveget és a dokumentumszerkezetet, majd nyelvi modellel értelmezi az anyagot. A kinyert szöveg előkészítésekor őrizd meg az oldalszámokat és címsorokat, hogy a válasz visszamutathasson az eredetire. Dokumentum-URL, kinyert szöveg és képi bizonyíték eltérő előkészítést igényel; a használt alkalmazás által támogatott bemeneti formát válaszd.
Programozás és mindennapi segítség
A Mistral a Large 3-at a mindennapi társalgás mellett programozási segítséghez is ajánlja. Add meg a releváns függvényeket, az elvárt működést és a megfigyelt hibát. Például: „Ez a feldolgozó elhagyja az utolsó mezőt, ha a bemenet nem sortöréssel végződik. Magyarázd el a hibás ágat, javasold a legkisebb módosítást, és add vissza a javított függvényt három jellemző bemeneti/kimeneti példával.” A hasznos eredmény a tényleges kódhoz kapcsolódó módosítási javaslat és a fejlesztő által futtatható esetek gyűjteménye.
Üzleti tervezethez a tényeket és a kívánt eredményanyagot együtt add meg. A megbeszélési jegyzetekből döntési feljegyzést készítő kérés nevezze meg a döntést, az alternatívákat, a tisztázatlan feltételezéseket és a következő műveletet. Kérd a modelltől a forrástények és ajánlások elkülönítését, valamint a hiányzó információ jelölését a megfelelő szakaszban. Így a kimenet könnyebben átdolgozható, mint egy tagolatlan elbeszélés.
Eszközök és strukturált eredmények
A natív függvényhívás lehetővé teszi, hogy a modell kiválasszon egy megadott függvényt és előkészítse argumentumait. Az alkalmazás futtatja a függvényt és visszaadja eredményét; a modell ezután a kapott információt használja a válaszban. Az eszközök legyenek célzottak, és csak a feladathoz szükségeseket tedd elérhetővé. Készletellenőrző asszisztens kaphat termékazonosítót, készletlekérdezést kérhet, és elmagyarázhatja a visszakapott mennyiséget és raktárat. Végrehajtás előtt ellenőrizd a kiválasztott függvényt és argumentumokat, az eszközválaszt pedig őrizd meg a végső válasz mellett.
Adatkinyeréshez add meg a mezőket, típusokat és a hiányzó értékek kezelését. A Mistral JSON-módot és egyéni strukturált kimenetet dokumentál; JSON-módja kifejezett JSON-visszaadási utasítást igényel, míg az egyéni séma erősebb formátumvezérlést ad. Számlaösszefoglalóhoz kérhetsz szállítót, számlaszámot, esedékességet, pénznemet és tételsorokat, a hiányzó értékek következetes jelölésével. A kinyert értékeket akkor is ellenőrizd a dokumentum alapján, ha a válasz megfelel a kért szerkezetnek.
Beállítások és kiadási különbségek
A szerepet, feladatot és eszközszabályokat a rendszerutasításokban határozd meg. A Mistral e modellállapot éles és mindennapi használatához 0.1 alatti temperature értéket ajánl, kreatív feladatokhoz pedig magasabb értékek vizsgálatát. Különítsd el a változatos ötletek kérését a reprodukálható adatkinyeréstől: előbbinek hagyj teret alternatívákra, utóbbinak adj kifejezett mezőket és forráskorlátokat.
Ez az utasításos kiadás elkülönül a Large 3 alapmodell-állapotától és a dedikált következtető modellektől. A gyártó a szigorú következtetést és a speciális vizuális munkát olyan területként azonosítja, ahol előnyösebb lehet a kifejezetten ezekre tervezett modell. Nehéz számításhoz add meg a feltételezéseket és mértékegységeket, kérj köztes ellenőrzéseket, és elérhető számítási eszközzel ellenőrizd az eredményt. Sűrű vizuális bizonyítékhoz készíts olvasható területeket, és vesd össze a választ a forrással, mielőtt jelentésben használnád.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/mistral-large-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 $0.0022 / 1K token Kimenet · Kimeneti tokenek $0.0066 / 1K token Bemenet · Gyorsítótár olvasása $0.0001 / 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 $0.0022 / 1K token Kimenet · Kimeneti tokenek $0.0066 / 1K token Bemenet · Gyorsítótár olvasása $0.0001 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "mistralai/mistral-large-2512",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/mistral-large-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/mistral-large-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/mistral-large-2512
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Compare onboarding policies\n\nCompare onboarding policies. A section 1 requires manager approval and identity verification before access. B section 3 requires manager approval before access and identity verification within seven days afterward. List the shared requirement, the conflict and a question for the policy owner. Keep the source section beside each finding.A source-linked comparison of shared and conflicting requirements plus one policy decision question.Check that both policies’ timing for identity verification remains explicit and that neither is silently treated as authoritative.