A Mistral Large 4 a Mistral AI általános célú multimodális modellje, amely utasításkövetést, következtetést, programozást és ügynökmunkát egyesít. Szöveget és képeket fogad, és szöveget állít elő, beleértve a magyarázatokat, kódot és strukturált mezőket. Finom felosztású szakértőkeverék-architektúrája tokenenként kiválasztott komponenseket használ, nem a teljes paraméterkészletet aktiválja egyszerre.
Architektúra és kontextus
Az aktuális modelloldal 1,05 billió összes paramétert, 52 milliárd aktív paramétert és 1,6 milliárd paraméteres képfeldolgozó kódolót sorol fel. A gyártó kiadási oldala tisztázza a számítás módját: tokenenként 49 milliárd aktív paraméter, illetve a beágyazásokkal és kimeneti rétegekkel együtt 52 milliárd. Ezek az értékek a modell szerkezetét írják le, nem a válasz hosszát.
A gyártó egymillió tokenes kontextusablakot dokumentál. Ezzel jelentős forrásanyagot, beszélgetést és utasításokat foghatsz össze, miközben meghatározod a végső eredményanyag célját. Többdokumentumos kérdéshez azonosíts minden dokumentumot és szerepét, és minden megállapítás mellett kérd a forráshelyet. A nagy kontextus akkor hasznos, ha követelményeket, ábrákat és kapcsolódó magyarázatokat együtt kell figyelembe venni.
Strukturált válaszok és dokumentumalapú kérdések
A modellkártya strukturált kimeneteket, függvényhívást, dokumentumalapú kérdésmegválaszolást, válaszprefixeket, kötegelt beküldést és ügynökbeszélgetéseket sorol fel. A Mistral strukturált kimeneti dokumentációja különbséget tesz a JSON-mód és az egyéni séma között. Add meg a kívánt JSON-formátumot a promptban; használj meghatározott sémát, ha a kapcsolódó felület konkrét mezőszerkezetet igényel. Egy rekord elkülönítheti a forrástényeket, az értelmezéseket és a nyitott kérdéseket, ahelyett, hogy egy bekezdésbe olvasztaná őket.
A dokumentumalapú kérdésmegválaszolás a dokumentumfeldolgozást nyelvimodell-alapú értelmezéssel egyesítő munkafolyamat. Az OCR előkészíti a szöveget, szerkezetet és formázást, majd a modell az anyagra vonatkozó kérdésre válaszol. A kérés kereshet követelményt, összehasonlíthat dokumentumokban szereplő állításokat, vagy összefoglalhatja egy döntés releváns bizonyítékait. A közvetlen képértelmezés és az OCR-rel támogatott dokumentum-munkafolyamat a bizonyíték előkészítésének rokon módjai; a dokumentumfeldolgozási lépés továbbra is elkülönül a képi bemenettől.
Adj meg például műszaki specifikációt és rajzokat, azonosítsd a vizsgált módosítást, és kérj követelménymátrixot. Minden sor tartalmazhatja a követelményt, az alátámasztó dokumentumot vagy rajzot, a megfigyelt eltérést és a még szükséges tisztázást. Őrizd meg az összehasonlítást meghatározó címkéket, mértékegységeket és képrégiókat, hogy az eredmény a forrásanyaghoz kapcsolódjon.
Programozás, ügynökök és vizuális következtetés
A kiadás kiberbiztonsági elemzést, szoftverfejlesztést, kódtárértelmezést és terminálközpontú munkafolyamatokat ír le. Védelmi célú kódellenőrzéshez add meg a releváns kódútvonalat, az elvárt működést és a hiba bizonyítékát. Kérd az okot, egy javasolt javítást és a régi működést a kívánttól megkülönböztető példákat. Kódtárkérdéshez mellékeld a kiválasztott működés magyarázatához szükséges modulokat és hívási kapcsolatokat.
A függvényhívás az alkalmazás által biztosított eszközökhöz kapcsolja a következtetést. A gyártó lépéssora meghatározza a függvényeket, megadja a felhasználó kérdését, a modellel előkészítteti az argumentumokat, az alkalmazásban végrehajtja a kiválasztott függvényt, majd visszaadja az eredményt a következő válaszhoz. A javasolt hívás elkülönül a végrehajtástól. A kártya a gyártó ügynök-/beszélgetési felületén belüli beépített eszközöket is felsorol; ezek az összekapcsolt munkafolyamathoz tartoznak, nem új bemeneti vagy kimeneti modalitást adnak a modellhez.
A vizuális értelmezés dokumentumokra, diagramokra, természetes jelenetekre és műszaki rajzokra terjed ki. Rajzfeladatban megkérdezheted, melyik címkézett komponens teljesít egy megadott követelményt, melyik méret vagy megjegyzés támasztja alá a megállapítást, és melyik terület igényel közelebbi vizsgálatot. A kiadás vizuálisügynök-példái értelmezést és vizsgálati lépéseket kapcsolnak össze; a nagyításhoz, visszakereséshez és más műveletekhez a környező eszközkörnyezet szükséges.
Tudomány, matematika és professzionális eredményanyagok
A gyártó tudományos programozást, adatelemzést, modellezést és matematikai következtetést sorol a tervezett alkalmazások közé. Add meg az egyenleteket, feltételezéseket, mértékegységeket és a kívánt eredményformát. Tudományos programozási kérésben kérhetsz megvalósítást, az egyes változók jelentését és tervet a kimenet referenciafeltételekkel történő összevetésére. A megvalósítás előállítása szöveges eredmény; a szimuláció futtatásához vagy fájl létrehozásához alkalmazási környezet szükséges.
Professzionális dokumentummunkához add meg a forrásjelentéseket, és határozd meg az eredményanyagot: összehasonlító táblázatot, magyarázatot, átdolgozott részletet vagy táblázatkezelőbe szánt tartalmat. Add meg a számítás alapját, és őrizd meg az alátámasztó dokumentumhelyeket. A kiadás több mint 160 nyelvre, köztük az Európai Unió minden hivatalos nyelvére kiterjedő többnyelvű tanítást is leír; többnyelvű feladathoz azonosítsd a kívánt kimeneti nyelvet és terminológiát.
Hasznos határok
A dokumentált modalitások szöveges és képi bemenetet, valamint szöveges kimenetet jelentenek. A gyártó egymillió tokenes kontextusa nem külön maximálisválaszhossz-specifikáció, és a feldolgozott források nem állapítanak meg önálló, szigorú kimeneti korlátot ehhez a bejegyzéshez. A pontos Large 4 kiadás, az előkészített bizonyíték és a kapcsolódó eszközök maradjanak egyértelműek. Strukturált rekord, magyarázat vagy javasolt művelet akkor a leghasznosabb, ha a mezőit, alátámasztó forrásait és következő alkalmazási lépését már a kérés előtt meghatározod.
", "aboutText": "A Mistral Large 4 a Mistral AI általános célú multimodális modellje, amely utasításkövetést, következtetést, programozást és ügynökmunkát egyesít. Szöveget és képeket fogad, és szöveget állít elő, beleértve a magyarázatokat, kódot és strukturált mezőket. Finom felosztású szakértőkeverék-architektúrája tokenenként kiválasztott komponenseket használ, nem a teljes paraméterkészletet aktiválja egyszerre.\n\nArchitektúra és kontextus\n\nAz aktuális modelloldal 1,05 billió összes paramétert, 52 milliárd aktív paramétert és 1,6 milliárd paraméteres képfeldolgozó kódolót sorol fel. A gyártó kiadási oldala tisztázza a számítás módját: tokenenként 49 milliárd aktív paraméter, illetve a beágyazásokkal és kimeneti rétegekkel együtt 52 milliárd. Ezek az értékek a modell szerkezetét írják le, nem a válasz hosszát.\n\nA gyártó egymillió tokenes kontextusablakot dokumentál. Ezzel jelentős forrásanyagot, beszélgetést és utasításokat foghatsz össze, miközben meghatározod a végső eredményanyag célját. Többdokumentumos kérdéshez azonosíts minden dokumentumot és szerepét, és minden megállapítás mellett kérd a forráshelyet. A nagy kontextus akkor hasznos, ha követelményeket, ábrákat és kapcsolódó magyarázatokat együtt kell figyelembe venni.\n\nStrukturált válaszok és dokumentumalapú kérdések\n\nA modellkártya strukturált kimeneteket, függvényhívást, dokumentumalapú kérdésmegválaszolást, válaszprefixeket, kötegelt beküldést és ügynökbeszélgetéseket sorol fel. A Mistral strukturált kimeneti dokumentációja különbséget tesz a JSON-mód és az egyéni séma között. Add meg a kívánt JSON-formátumot a promptban; használj meghatározott sémát, ha a kapcsolódó felület konkrét mezőszerkezetet igényel. Egy rekord elkülönítheti a forrástényeket, az értelmezéseket és a nyitott kérdéseket, ahelyett, hogy egy bekezdésbe olvasztaná őket.\n\nA dokumentumalapú kérdésmegválaszolás a dokumentumfeldolgozást nyelvimodell-alapú értelmezéssel egyesítő munkafolyamat. Az OCR előkészíti a szöveget, szerkezetet és formázást, majd a modell az anyagra vonatkozó kérdésre válaszol. A kérés kereshet követelményt, összehasonlíthat dokumentumokban szereplő állításokat, vagy összefoglalhatja egy döntés releváns bizonyítékait. A közvetlen képértelmezés és az OCR-rel támogatott dokumentum-munkafolyamat a bizonyíték előkészítésének rokon módjai; a dokumentumfeldolgozási lépés továbbra is elkülönül a képi bemenettől.\n\nAdj meg például műszaki specifikációt és rajzokat, azonosítsd a vizsgált módosítást, és kérj követelménymátrixot. Minden sor tartalmazhatja a követelményt, az alátámasztó dokumentumot vagy rajzot, a megfigyelt eltérést és a még szükséges tisztázást. Őrizd meg az összehasonlítást meghatározó címkéket, mértékegységeket és képrégiókat, hogy az eredmény a forrásanyaghoz kapcsolódjon.\n\nProgramozás, ügynökök és vizuális következtetés\n\nA kiadás kiberbiztonsági elemzést, szoftverfejlesztést, kódtárértelmezést és terminálközpontú munkafolyamatokat ír le. Védelmi célú kódellenőrzéshez add meg a releváns kódútvonalat, az elvárt működést és a hiba bizonyítékát. Kérd az okot, egy javasolt javítást és a régi működést a kívánttól megkülönböztető példákat. Kódtárkérdéshez mellékeld a kiválasztott működés magyarázatához szükséges modulokat és hívási kapcsolatokat.\n\nA függvényhívás az alkalmazás által biztosított eszközökhöz kapcsolja a következtetést. A gyártó lépéssora meghatározza a függvényeket, megadja a felhasználó kérdését, a modellel előkészítteti az argumentumokat, az alkalmazásban végrehajtja a kiválasztott függvényt, majd visszaadja az eredményt a következő válaszhoz. A javasolt hívás elkülönül a végrehajtástól. A kártya a gyártó ügynök-/beszélgetési felületén belüli beépített eszközöket is felsorol; ezek az összekapcsolt munkafolyamathoz tartoznak, nem új bemeneti vagy kimeneti modalitást adnak a modellhez.\n\nA vizuális értelmezés dokumentumokra, diagramokra, természetes jelenetekre és műszaki rajzokra terjed ki. Rajzfeladatban megkérdezheted, melyik címkézett komponens teljesít egy megadott követelményt, melyik méret vagy megjegyzés támasztja alá a megállapítást, és melyik terület igényel közelebbi vizsgálatot. A kiadás vizuálisügynök-példái értelmezést és vizsgálati lépéseket kapcsolnak össze; a nagyításhoz, visszakereséshez és más műveletekhez a környező eszközkörnyezet szükséges.\n\nTudomány, matematika és professzionális eredményanyagok\n\nA gyártó tudományos programozást, adatelemzést, modellezést és matematikai következtetést sorol a tervezett alkalmazások közé. Add meg az egyenleteket, feltételezéseket, mértékegységeket és a kívánt eredményformát. Tudományos programozási kérésben kérhetsz megvalósítást, az egyes változók jelentését és tervet a kimenet referenciafeltételekkel történő összevetésére. A megvalósítás előállítása szöveges eredmény; a szimuláció futtatásához vagy fájl létrehozásához alkalmazási környezet szükséges.\n\nProfesszionális dokumentummunkához add meg a forrásjelentéseket, és határozd meg az eredményanyagot: összehasonlító táblázatot, magyarázatot, átdolgozott részletet vagy táblázatkezelőbe szánt tartalmat. Add meg a számítás alapját, és őrizd meg az alátámasztó dokumentumhelyeket. A kiadás több mint 160 nyelvre, köztük az Európai Unió minden hivatalos nyelvére kiterjedő többnyelvű tanítást is leír; többnyelvű feladathoz azonosítsd a kívánt kimeneti nyelvet és terminológiát.\n\nHasznos határok\n\nA dokumentált modalitások szöveges és képi bemenetet, valamint szöveges kimenetet jelentenek. A gyártó egymillió tokenes kontextusa nem külön maximálisválaszhossz-specifikáció, és a feldolgozott források nem állapítanak meg önálló, szigorú kimeneti korlátot ehhez a bejegyzéshez. A pontos Large 4 kiadás, az előkészített bizonyíték és a kapcsolódó eszközök maradjanak egyértelműek. Strukturált rekord, magyarázat vagy javasolt művelet akkor a leghasznosabb, ha a mezőit, alátámasztó forrásait és következő alkalmazási lépését már a kérés előtt meghatározod.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Build an engineering requirement matrix\n\nCreate a requirements matrix from these text excerpts. Spec S1: the enclosure must fit a 60 mm cable bend radius. Drawing D2: available internal clearance is 45 mm. Note N3: exterior width is 120 mm. For each relevant requirement, show the source evidence, the mismatch and the clarification needed. Do not use exterior width as proof of internal clearance.A source-linked matrix identifying the bend-radius/clearance conflict and the information needed for an engineering decision.The comparison keeps millimetres consistent and does not treat the unrelated exterior dimension as resolving the conflict.mistralai/mistral-large-4-0A Mistral Large 4 szöveget és képet fogadó modell következtetéshez, programozáshoz, dokumentumelemzéshez és eszközvezérelt ügynökökhöz. A gyártó egymillió tokenes kontextusa jelentős forrásgyűjteményeket támogat, strukturált válaszokkal, függvényhívással és finom felosztású szakértőkeverék-architektúrával.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Large 4 a Mistral AI általános célú multimodális modellje, amely utasításkövetést, következtetést, programozást és ügynökmunkát egyesít. Szöveget és képeket fogad, és szöveget állít elő, beleértve a magyarázatokat, kódot és strukturált mezőket. Finom felosztású szakértőkeverék-architektúrája tokenenként kiválasztott komponenseket használ, nem a teljes paraméterkészletet aktiválja egyszerre.
Architektúra és kontextus
Az aktuális modelloldal 1,05 billió összes paramétert, 52 milliárd aktív paramétert és 1,6 milliárd paraméteres képfeldolgozó kódolót sorol fel. A gyártó kiadási oldala tisztázza a számítás módját: tokenenként 49 milliárd aktív paraméter, illetve a beágyazásokkal és kimeneti rétegekkel együtt 52 milliárd. Ezek az értékek a modell szerkezetét írják le, nem a válasz hosszát.
A gyártó egymillió tokenes kontextusablakot dokumentál. Ezzel jelentős forrásanyagot, beszélgetést és utasításokat foghatsz össze, miközben meghatározod a végső eredményanyag célját. Többdokumentumos kérdéshez azonosíts minden dokumentumot és szerepét, és minden megállapítás mellett kérd a forráshelyet. A nagy kontextus akkor hasznos, ha követelményeket, ábrákat és kapcsolódó magyarázatokat együtt kell figyelembe venni.
Strukturált válaszok és dokumentumalapú kérdések
A modellkártya strukturált kimeneteket, függvényhívást, dokumentumalapú kérdésmegválaszolást, válaszprefixeket, kötegelt beküldést és ügynökbeszélgetéseket sorol fel. A Mistral strukturált kimeneti dokumentációja különbséget tesz a JSON-mód és az egyéni séma között. Add meg a kívánt JSON-formátumot a promptban; használj meghatározott sémát, ha a kapcsolódó felület konkrét mezőszerkezetet igényel. Egy rekord elkülönítheti a forrástényeket, az értelmezéseket és a nyitott kérdéseket, ahelyett, hogy egy bekezdésbe olvasztaná őket.
A dokumentumalapú kérdésmegválaszolás a dokumentumfeldolgozást nyelvimodell-alapú értelmezéssel egyesítő munkafolyamat. Az OCR előkészíti a szöveget, szerkezetet és formázást, majd a modell az anyagra vonatkozó kérdésre válaszol. A kérés kereshet követelményt, összehasonlíthat dokumentumokban szereplő állításokat, vagy összefoglalhatja egy döntés releváns bizonyítékait. A közvetlen képértelmezés és az OCR-rel támogatott dokumentum-munkafolyamat a bizonyíték előkészítésének rokon módjai; a dokumentumfeldolgozási lépés továbbra is elkülönül a képi bemenettől.
Adj meg például műszaki specifikációt és rajzokat, azonosítsd a vizsgált módosítást, és kérj követelménymátrixot. Minden sor tartalmazhatja a követelményt, az alátámasztó dokumentumot vagy rajzot, a megfigyelt eltérést és a még szükséges tisztázást. Őrizd meg az összehasonlítást meghatározó címkéket, mértékegységeket és képrégiókat, hogy az eredmény a forrásanyaghoz kapcsolódjon.
Programozás, ügynökök és vizuális következtetés
A kiadás kiberbiztonsági elemzést, szoftverfejlesztést, kódtárértelmezést és terminálközpontú munkafolyamatokat ír le. Védelmi célú kódellenőrzéshez add meg a releváns kódútvonalat, az elvárt működést és a hiba bizonyítékát. Kérd az okot, egy javasolt javítást és a régi működést a kívánttól megkülönböztető példákat. Kódtárkérdéshez mellékeld a kiválasztott működés magyarázatához szükséges modulokat és hívási kapcsolatokat.
A függvényhívás az alkalmazás által biztosított eszközökhöz kapcsolja a következtetést. A gyártó lépéssora meghatározza a függvényeket, megadja a felhasználó kérdését, a modellel előkészítteti az argumentumokat, az alkalmazásban végrehajtja a kiválasztott függvényt, majd visszaadja az eredményt a következő válaszhoz. A javasolt hívás elkülönül a végrehajtástól. A kártya a gyártó ügynök-/beszélgetési felületén belüli beépített eszközöket is felsorol; ezek az összekapcsolt munkafolyamathoz tartoznak, nem új bemeneti vagy kimeneti modalitást adnak a modellhez.
A vizuális értelmezés dokumentumokra, diagramokra, természetes jelenetekre és műszaki rajzokra terjed ki. Rajzfeladatban megkérdezheted, melyik címkézett komponens teljesít egy megadott követelményt, melyik méret vagy megjegyzés támasztja alá a megállapítást, és melyik terület igényel közelebbi vizsgálatot. A kiadás vizuálisügynök-példái értelmezést és vizsgálati lépéseket kapcsolnak össze; a nagyításhoz, visszakereséshez és más műveletekhez a környező eszközkörnyezet szükséges.
Tudomány, matematika és professzionális eredményanyagok
A gyártó tudományos programozást, adatelemzést, modellezést és matematikai következtetést sorol a tervezett alkalmazások közé. Add meg az egyenleteket, feltételezéseket, mértékegységeket és a kívánt eredményformát. Tudományos programozási kérésben kérhetsz megvalósítást, az egyes változók jelentését és tervet a kimenet referenciafeltételekkel történő összevetésére. A megvalósítás előállítása szöveges eredmény; a szimuláció futtatásához vagy fájl létrehozásához alkalmazási környezet szükséges.
Professzionális dokumentummunkához add meg a forrásjelentéseket, és határozd meg az eredményanyagot: összehasonlító táblázatot, magyarázatot, átdolgozott részletet vagy táblázatkezelőbe szánt tartalmat. Add meg a számítás alapját, és őrizd meg az alátámasztó dokumentumhelyeket. A kiadás több mint 160 nyelvre, köztük az Európai Unió minden hivatalos nyelvére kiterjedő többnyelvű tanítást is leír; többnyelvű feladathoz azonosítsd a kívánt kimeneti nyelvet és terminológiát.
Hasznos határok
A dokumentált modalitások szöveges és képi bemenetet, valamint szöveges kimenetet jelentenek. A gyártó egymillió tokenes kontextusa nem külön maximálisválaszhossz-specifikáció, és a feldolgozott források nem állapítanak meg önálló, szigorú kimeneti korlátot ehhez a bejegyzéshez. A pontos Large 4 kiadás, az előkészített bizonyíték és a kapcsolódó eszközök maradjanak egyértelműek. Strukturált rekord, magyarázat vagy javasolt művelet akkor a leghasznosabb, ha a mezőit, alátámasztó forrásait és következő alkalmazási lépését már a kérés előtt meghatározod.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/mistral-large-4-0 | 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 $0.00272 / 1K token Kimenet · Kimeneti tokenek $0.00836 / 1K token Bemenet · Gyorsítótár olvasása $0.00028 / 1K token Bemenet · Írás a gyorsítótárba — / 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 $0.00272 / 1K token Kimenet · Kimeneti tokenek $0.00836 / 1K token Bemenet · Gyorsítótár olvasása $0.00028 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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-4-0", "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-4-0',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-4-0',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-4-0
Használja a fent látható metódusútvonalakat.
mistralai/mistral-large-4-0A Mistral Large 4 szöveget és képet fogadó modell következtetéshez, programozáshoz, dokumentumelemzéshez és eszközvezérelt ügynökökhöz. A gyártó egymillió tokenes kontextusa jelentős forrásgyűjteményeket támogat, strukturált válaszokkal, függvényhívással és finom felosztású szakértőkeverék-architektúrával.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Large 4 a Mistral AI általános célú multimodális modellje, amely utasításkövetést, következtetést, programozást és ügynökmunkát egyesít. Szöveget és képeket fogad, és szöveget állít elő, beleértve a magyarázatokat, kódot és strukturált mezőket. Finom felosztású szakértőkeverék-architektúrája tokenenként kiválasztott komponenseket használ, nem a teljes paraméterkészletet aktiválja egyszerre.
Architektúra és kontextus
Az aktuális modelloldal 1,05 billió összes paramétert, 52 milliárd aktív paramétert és 1,6 milliárd paraméteres képfeldolgozó kódolót sorol fel. A gyártó kiadási oldala tisztázza a számítás módját: tokenenként 49 milliárd aktív paraméter, illetve a beágyazásokkal és kimeneti rétegekkel együtt 52 milliárd. Ezek az értékek a modell szerkezetét írják le, nem a válasz hosszát.
A gyártó egymillió tokenes kontextusablakot dokumentál. Ezzel jelentős forrásanyagot, beszélgetést és utasításokat foghatsz össze, miközben meghatározod a végső eredményanyag célját. Többdokumentumos kérdéshez azonosíts minden dokumentumot és szerepét, és minden megállapítás mellett kérd a forráshelyet. A nagy kontextus akkor hasznos, ha követelményeket, ábrákat és kapcsolódó magyarázatokat együtt kell figyelembe venni.
Strukturált válaszok és dokumentumalapú kérdések
A modellkártya strukturált kimeneteket, függvényhívást, dokumentumalapú kérdésmegválaszolást, válaszprefixeket, kötegelt beküldést és ügynökbeszélgetéseket sorol fel. A Mistral strukturált kimeneti dokumentációja különbséget tesz a JSON-mód és az egyéni séma között. Add meg a kívánt JSON-formátumot a promptban; használj meghatározott sémát, ha a kapcsolódó felület konkrét mezőszerkezetet igényel. Egy rekord elkülönítheti a forrástényeket, az értelmezéseket és a nyitott kérdéseket, ahelyett, hogy egy bekezdésbe olvasztaná őket.
A dokumentumalapú kérdésmegválaszolás a dokumentumfeldolgozást nyelvimodell-alapú értelmezéssel egyesítő munkafolyamat. Az OCR előkészíti a szöveget, szerkezetet és formázást, majd a modell az anyagra vonatkozó kérdésre válaszol. A kérés kereshet követelményt, összehasonlíthat dokumentumokban szereplő állításokat, vagy összefoglalhatja egy döntés releváns bizonyítékait. A közvetlen képértelmezés és az OCR-rel támogatott dokumentum-munkafolyamat a bizonyíték előkészítésének rokon módjai; a dokumentumfeldolgozási lépés továbbra is elkülönül a képi bemenettől.
Adj meg például műszaki specifikációt és rajzokat, azonosítsd a vizsgált módosítást, és kérj követelménymátrixot. Minden sor tartalmazhatja a követelményt, az alátámasztó dokumentumot vagy rajzot, a megfigyelt eltérést és a még szükséges tisztázást. Őrizd meg az összehasonlítást meghatározó címkéket, mértékegységeket és képrégiókat, hogy az eredmény a forrásanyaghoz kapcsolódjon.
Programozás, ügynökök és vizuális következtetés
A kiadás kiberbiztonsági elemzést, szoftverfejlesztést, kódtárértelmezést és terminálközpontú munkafolyamatokat ír le. Védelmi célú kódellenőrzéshez add meg a releváns kódútvonalat, az elvárt működést és a hiba bizonyítékát. Kérd az okot, egy javasolt javítást és a régi működést a kívánttól megkülönböztető példákat. Kódtárkérdéshez mellékeld a kiválasztott működés magyarázatához szükséges modulokat és hívási kapcsolatokat.
A függvényhívás az alkalmazás által biztosított eszközökhöz kapcsolja a következtetést. A gyártó lépéssora meghatározza a függvényeket, megadja a felhasználó kérdését, a modellel előkészítteti az argumentumokat, az alkalmazásban végrehajtja a kiválasztott függvényt, majd visszaadja az eredményt a következő válaszhoz. A javasolt hívás elkülönül a végrehajtástól. A kártya a gyártó ügynök-/beszélgetési felületén belüli beépített eszközöket is felsorol; ezek az összekapcsolt munkafolyamathoz tartoznak, nem új bemeneti vagy kimeneti modalitást adnak a modellhez.
A vizuális értelmezés dokumentumokra, diagramokra, természetes jelenetekre és műszaki rajzokra terjed ki. Rajzfeladatban megkérdezheted, melyik címkézett komponens teljesít egy megadott követelményt, melyik méret vagy megjegyzés támasztja alá a megállapítást, és melyik terület igényel közelebbi vizsgálatot. A kiadás vizuálisügynök-példái értelmezést és vizsgálati lépéseket kapcsolnak össze; a nagyításhoz, visszakereséshez és más műveletekhez a környező eszközkörnyezet szükséges.
Tudomány, matematika és professzionális eredményanyagok
A gyártó tudományos programozást, adatelemzést, modellezést és matematikai következtetést sorol a tervezett alkalmazások közé. Add meg az egyenleteket, feltételezéseket, mértékegységeket és a kívánt eredményformát. Tudományos programozási kérésben kérhetsz megvalósítást, az egyes változók jelentését és tervet a kimenet referenciafeltételekkel történő összevetésére. A megvalósítás előállítása szöveges eredmény; a szimuláció futtatásához vagy fájl létrehozásához alkalmazási környezet szükséges.
Professzionális dokumentummunkához add meg a forrásjelentéseket, és határozd meg az eredményanyagot: összehasonlító táblázatot, magyarázatot, átdolgozott részletet vagy táblázatkezelőbe szánt tartalmat. Add meg a számítás alapját, és őrizd meg az alátámasztó dokumentumhelyeket. A kiadás több mint 160 nyelvre, köztük az Európai Unió minden hivatalos nyelvére kiterjedő többnyelvű tanítást is leír; többnyelvű feladathoz azonosítsd a kívánt kimeneti nyelvet és terminológiát.
Hasznos határok
A dokumentált modalitások szöveges és képi bemenetet, valamint szöveges kimenetet jelentenek. A gyártó egymillió tokenes kontextusa nem külön maximálisválaszhossz-specifikáció, és a feldolgozott források nem állapítanak meg önálló, szigorú kimeneti korlátot ehhez a bejegyzéshez. A pontos Large 4 kiadás, az előkészített bizonyíték és a kapcsolódó eszközök maradjanak egyértelműek. Strukturált rekord, magyarázat vagy javasolt művelet akkor a leghasznosabb, ha a mezőit, alátámasztó forrásait és következő alkalmazási lépését már a kérés előtt meghatározod.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/mistral-large-4-0 | 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 $0.00272 / 1K token Kimenet · Kimeneti tokenek $0.00836 / 1K token Bemenet · Gyorsítótár olvasása $0.00028 / 1K token Bemenet · Írás a gyorsítótárba — / 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 $0.00272 / 1K token Kimenet · Kimeneti tokenek $0.00836 / 1K token Bemenet · Gyorsítótár olvasása $0.00028 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "mistralai/mistral-large-4-0",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-0', '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-4-0', '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-4-0
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Build an engineering requirement matrix\n\nCreate a requirements matrix from these text excerpts. Spec S1: the enclosure must fit a 60 mm cable bend radius. Drawing D2: available internal clearance is 45 mm. Note N3: exterior width is 120 mm. For each relevant requirement, show the source evidence, the mismatch and the clarification needed. Do not use exterior width as proof of internal clearance.A source-linked matrix identifying the bend-radius/clearance conflict and the information needed for an engineering decision.The comparison keeps millimetres consistent and does not treat the unrelated exterior dimension as resolving the conflict.