A Mistral Saba a Mistral AI speciális regionális szöveges modellje, amelyet egy Small-családbeli modell válogatott közel-keleti és dél-ázsiai anyaggal történő finomhangolásával hoztak létre. A gyártó 24 milliárd paraméteres modellt ír le, amely regionális nyelvet, kulturális kontextust és helyi kifejezésmódokat hivatott tükrözni. Írott feladatot és forrásanyagot fogad, és szöveget ad vissza.
Regionális nyelv és kontextus
A kiadás kifejezetten azonosítja az arabot és számos indiai eredetű nyelvet, különös erősséggel a dél-indiai eredetű nyelvekben, például a tamilban. Fókusza konkrétabb annál, mint hogy egy általános célú válasz célnyelvét megváltoztassuk: a tanítási anyagot a válasz használatának regionális nyelvi és kulturális kontextusához választották.
Az eredmény kérése előtt add meg a közönséget, régiót, nyelvet és kívánt nyelvi regisztert. Hivatalos magyarázat, ügyfeleknek szóló üzenet és oktatási részlet eltérő terminológiát és megszólításokat igényelhet. Adj szójegyzéket a következetesen használandó terméknevekhez vagy szakkifejezésekhez, és add meg, hogy az eredmény őrizze-e meg a forrás megfogalmazását, vagy a magyarázatot igazítsa az olvasóhoz.
A gyártó oldala 32 ezer tokenes kontextusablakot ad meg, és a kiadást mistral-saba-2502 néven azonosítja. A kontextusban együtt kezeld a releváns forrásrészleteket, beszélgetést és utasításokat. Egy regionálisan igazított válaszhoz továbbra is bizonyítékként meg kell adni a tényleges termékfeltételeket, eljárást vagy dokumentumtartalmat; a kulturális jártasság nem biztosítja egy vállalat belső információit.
Társalgási támogatás
A gyártó az arab társalgási asszisztenseket központi felhasználási esetként emeli ki. Gyakorlati támogatási kéréshez megadhatod a felhasználó üzenetét és a jóváhagyott referenciaanyagot, majd megnevezett regiszterű választ kérhetsz. Kérd a következő műveletet, az alkalmazhatóságát meghatározó feltételt és a felhasználó által még megadandó részleteket. Így a válasz a konkrét problémához kötődik egy általános regionális üdvözlés előállítása helyett.
Kétnyelvű magyarázathoz azonosítsd a forrás nyelvét és a végső üzenet nyelvét. Őrizd meg az anyagban megadott neveket, összegeket vagy mértékegységeket, és írd le a választ megértő célközönséget. További kérdésben rövidebb változatot vagy egy kifejezés tisztázását kérheted, ugyanazon feltételek megtartásával.
Szakterületi alkalmazkodás
A bejelentés a Saba adott szakterületekre, köztük az energetikára és más regionális szakmai környezetekre történő finomhangolását írja le. Ez alkalmazkodási folyamat, nem annak állítása, hogy minden speciális adatkészlet már része az alapértelmezett modellnek. Szakterületi szöveges feladathoz add meg a tényleges alkalmazás szempontjából releváns terminológiát, forrásdokumentumokat és válaszszabályokat.
Műszaki magyarázatban kérheted a modelltől egy eljárás újrafogalmazását az olvasó regionális terminológiájával, az eredeti lépések és feltételek megtartásával. Dokumentumkérdés azonosíthatja a magyarázandó kikötést, és tömör választ kérhet az alátámasztó részlettel. A kimenet előkészítésekor különböztesd meg a forrástényt, a magyarázatot és az esetleges tisztázatlan kifejezést.
Kulturális tartalomkészítés
A gyártó kulturálisan releváns írást és oktatási anyagokat is leír. Add meg a témát, a célközönséget, a nyelvet és a szerepeltetendő tényeket vagy példákat. Oktatási részletnél határozd meg, mit kell a tanulónak a végén megértenie, és kérj magyarázatot, majd gyakorlati példát. Szervezeti üzenethez add meg a célt és azt az információt, amely alapján az olvasónak cselekednie kell.
Ha helyi szólások vagy kulturális utalások a feladat részei, add meg használatuk kontextusát. Kérj alternatív megfogalmazást, ha hivatalos vagy semlegesebb változat más közönséget szolgálna. Ezek gyakorlati módjai a modell regionális specializációja alkalmazásának, miközben a tartalom és a tervezett használat egyértelmű marad.
Kiadási és eredményhatárok
A Saba dokumentált specializációja szöveges regionális nyelvi munka, 32 ezer tokenes kontextussal. Nem örökölhet képi bemenetet, hibrid következtetési vezérlőket vagy eszközformátum-funkciókat későbbi Small vagy Medium modellektől pusztán azért, mert Small-családbeli finomhangolás. A feldolgozott források nem adnak meg külön maximális kimenetitoken-kapacitást ehhez a kiadáshoz.
Készítsd elő a teljes írott feladatot, a releváns forrástényeket és a kívánt eredményanyagot: támogatási választ, magyarázatot, adaptált részletet vagy rövid oktatási szöveget. A megnevezett Saba-kiadás és a közönség nyelve és regisztere maradjon egyértelmű, hogy az elkészült szöveg a tényleges regionális kommunikációs igényre válaszoljon.
", "aboutText": "A Mistral Saba a Mistral AI speciális regionális szöveges modellje, amelyet egy Small-családbeli modell válogatott közel-keleti és dél-ázsiai anyaggal történő finomhangolásával hoztak létre. A gyártó 24 milliárd paraméteres modellt ír le, amely regionális nyelvet, kulturális kontextust és helyi kifejezésmódokat hivatott tükrözni. Írott feladatot és forrásanyagot fogad, és szöveget ad vissza.\n\nRegionális nyelv és kontextus\n\nA kiadás kifejezetten azonosítja az arabot és számos indiai eredetű nyelvet, különös erősséggel a dél-indiai eredetű nyelvekben, például a tamilban. Fókusza konkrétabb annál, mint hogy egy általános célú válasz célnyelvét megváltoztassuk: a tanítási anyagot a válasz használatának regionális nyelvi és kulturális kontextusához választották.\n\nAz eredmény kérése előtt add meg a közönséget, régiót, nyelvet és kívánt nyelvi regisztert. Hivatalos magyarázat, ügyfeleknek szóló üzenet és oktatási részlet eltérő terminológiát és megszólításokat igényelhet. Adj szójegyzéket a következetesen használandó terméknevekhez vagy szakkifejezésekhez, és add meg, hogy az eredmény őrizze-e meg a forrás megfogalmazását, vagy a magyarázatot igazítsa az olvasóhoz.\n\nA gyártó oldala 32 ezer tokenes kontextusablakot ad meg, és a kiadást mistral-saba-2502 néven azonosítja. A kontextusban együtt kezeld a releváns forrásrészleteket, beszélgetést és utasításokat. Egy regionálisan igazított válaszhoz továbbra is bizonyítékként meg kell adni a tényleges termékfeltételeket, eljárást vagy dokumentumtartalmat; a kulturális jártasság nem biztosítja egy vállalat belső információit.\n\nTársalgási támogatás\n\nA gyártó az arab társalgási asszisztenseket központi felhasználási esetként emeli ki. Gyakorlati támogatási kéréshez megadhatod a felhasználó üzenetét és a jóváhagyott referenciaanyagot, majd megnevezett regiszterű választ kérhetsz. Kérd a következő műveletet, az alkalmazhatóságát meghatározó feltételt és a felhasználó által még megadandó részleteket. Így a válasz a konkrét problémához kötődik egy általános regionális üdvözlés előállítása helyett.\n\nKétnyelvű magyarázathoz azonosítsd a forrás nyelvét és a végső üzenet nyelvét. Őrizd meg az anyagban megadott neveket, összegeket vagy mértékegységeket, és írd le a választ megértő célközönséget. További kérdésben rövidebb változatot vagy egy kifejezés tisztázását kérheted, ugyanazon feltételek megtartásával.\n\nSzakterületi alkalmazkodás\n\nA bejelentés a Saba adott szakterületekre, köztük az energetikára és más regionális szakmai környezetekre történő finomhangolását írja le. Ez alkalmazkodási folyamat, nem annak állítása, hogy minden speciális adatkészlet már része az alapértelmezett modellnek. Szakterületi szöveges feladathoz add meg a tényleges alkalmazás szempontjából releváns terminológiát, forrásdokumentumokat és válaszszabályokat.\n\nMűszaki magyarázatban kérheted a modelltől egy eljárás újrafogalmazását az olvasó regionális terminológiájával, az eredeti lépések és feltételek megtartásával. Dokumentumkérdés azonosíthatja a magyarázandó kikötést, és tömör választ kérhet az alátámasztó részlettel. A kimenet előkészítésekor különböztesd meg a forrástényt, a magyarázatot és az esetleges tisztázatlan kifejezést.\n\nKulturális tartalomkészítés\n\nA gyártó kulturálisan releváns írást és oktatási anyagokat is leír. Add meg a témát, a célközönséget, a nyelvet és a szerepeltetendő tényeket vagy példákat. Oktatási részletnél határozd meg, mit kell a tanulónak a végén megértenie, és kérj magyarázatot, majd gyakorlati példát. Szervezeti üzenethez add meg a célt és azt az információt, amely alapján az olvasónak cselekednie kell.\n\nHa helyi szólások vagy kulturális utalások a feladat részei, add meg használatuk kontextusát. Kérj alternatív megfogalmazást, ha hivatalos vagy semlegesebb változat más közönséget szolgálna. Ezek gyakorlati módjai a modell regionális specializációja alkalmazásának, miközben a tartalom és a tervezett használat egyértelmű marad.\n\nKiadási és eredményhatárok\n\nA Saba dokumentált specializációja szöveges regionális nyelvi munka, 32 ezer tokenes kontextussal. Nem örökölhet képi bemenetet, hibrid következtetési vezérlőket vagy eszközformátum-funkciókat későbbi Small vagy Medium modellektől pusztán azért, mert Small-családbeli finomhangolás. A feldolgozott források nem adnak meg külön maximális kimenetitoken-kapacitást ehhez a kiadáshoz.\n\nKészítsd elő a teljes írott feladatot, a releváns forrástényeket és a kívánt eredményanyagot: támogatási választ, magyarázatot, adaptált részletet vagy rövid oktatási szöveget. A megnevezett Saba-kiadás és a közönség nyelve és regisztere maradjon egyértelmű, hogy az elkészült szöveg a tényleges regionális kommunikációs igényre válaszoljon.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.mistralai/mistral-sabaA Mistral Saba 24 milliárd paraméteres szöveges modell, válogatott közel-keleti és dél-ázsiai anyaggal tanítva. A regionális nyelvi és kulturális kontextusra összpontosít, beleértve az arabot és az indiai eredetű nyelveket, például a tamilt; a gyártó írott feladatokhoz 32 ezer tokenes kontextust ad meg.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Saba a Mistral AI speciális regionális szöveges modellje, amelyet egy Small-családbeli modell válogatott közel-keleti és dél-ázsiai anyaggal történő finomhangolásával hoztak létre. A gyártó 24 milliárd paraméteres modellt ír le, amely regionális nyelvet, kulturális kontextust és helyi kifejezésmódokat hivatott tükrözni. Írott feladatot és forrásanyagot fogad, és szöveget ad vissza.
Regionális nyelv és kontextus
A kiadás kifejezetten azonosítja az arabot és számos indiai eredetű nyelvet, különös erősséggel a dél-indiai eredetű nyelvekben, például a tamilban. Fókusza konkrétabb annál, mint hogy egy általános célú válasz célnyelvét megváltoztassuk: a tanítási anyagot a válasz használatának regionális nyelvi és kulturális kontextusához választották.
Az eredmény kérése előtt add meg a közönséget, régiót, nyelvet és kívánt nyelvi regisztert. Hivatalos magyarázat, ügyfeleknek szóló üzenet és oktatási részlet eltérő terminológiát és megszólításokat igényelhet. Adj szójegyzéket a következetesen használandó terméknevekhez vagy szakkifejezésekhez, és add meg, hogy az eredmény őrizze-e meg a forrás megfogalmazását, vagy a magyarázatot igazítsa az olvasóhoz.
A gyártó oldala 32 ezer tokenes kontextusablakot ad meg, és a kiadást mistral-saba-2502 néven azonosítja. A kontextusban együtt kezeld a releváns forrásrészleteket, beszélgetést és utasításokat. Egy regionálisan igazított válaszhoz továbbra is bizonyítékként meg kell adni a tényleges termékfeltételeket, eljárást vagy dokumentumtartalmat; a kulturális jártasság nem biztosítja egy vállalat belső információit.
Társalgási támogatás
A gyártó az arab társalgási asszisztenseket központi felhasználási esetként emeli ki. Gyakorlati támogatási kéréshez megadhatod a felhasználó üzenetét és a jóváhagyott referenciaanyagot, majd megnevezett regiszterű választ kérhetsz. Kérd a következő műveletet, az alkalmazhatóságát meghatározó feltételt és a felhasználó által még megadandó részleteket. Így a válasz a konkrét problémához kötődik egy általános regionális üdvözlés előállítása helyett.
Kétnyelvű magyarázathoz azonosítsd a forrás nyelvét és a végső üzenet nyelvét. Őrizd meg az anyagban megadott neveket, összegeket vagy mértékegységeket, és írd le a választ megértő célközönséget. További kérdésben rövidebb változatot vagy egy kifejezés tisztázását kérheted, ugyanazon feltételek megtartásával.
Szakterületi alkalmazkodás
A bejelentés a Saba adott szakterületekre, köztük az energetikára és más regionális szakmai környezetekre történő finomhangolását írja le. Ez alkalmazkodási folyamat, nem annak állítása, hogy minden speciális adatkészlet már része az alapértelmezett modellnek. Szakterületi szöveges feladathoz add meg a tényleges alkalmazás szempontjából releváns terminológiát, forrásdokumentumokat és válaszszabályokat.
Műszaki magyarázatban kérheted a modelltől egy eljárás újrafogalmazását az olvasó regionális terminológiájával, az eredeti lépések és feltételek megtartásával. Dokumentumkérdés azonosíthatja a magyarázandó kikötést, és tömör választ kérhet az alátámasztó részlettel. A kimenet előkészítésekor különböztesd meg a forrástényt, a magyarázatot és az esetleges tisztázatlan kifejezést.
Kulturális tartalomkészítés
A gyártó kulturálisan releváns írást és oktatási anyagokat is leír. Add meg a témát, a célközönséget, a nyelvet és a szerepeltetendő tényeket vagy példákat. Oktatási részletnél határozd meg, mit kell a tanulónak a végén megértenie, és kérj magyarázatot, majd gyakorlati példát. Szervezeti üzenethez add meg a célt és azt az információt, amely alapján az olvasónak cselekednie kell.
Ha helyi szólások vagy kulturális utalások a feladat részei, add meg használatuk kontextusát. Kérj alternatív megfogalmazást, ha hivatalos vagy semlegesebb változat más közönséget szolgálna. Ezek gyakorlati módjai a modell regionális specializációja alkalmazásának, miközben a tartalom és a tervezett használat egyértelmű marad.
Kiadási és eredményhatárok
A Saba dokumentált specializációja szöveges regionális nyelvi munka, 32 ezer tokenes kontextussal. Nem örökölhet képi bemenetet, hibrid következtetési vezérlőket vagy eszközformátum-funkciókat későbbi Small vagy Medium modellektől pusztán azért, mert Small-családbeli finomhangolás. A feldolgozott források nem adnak meg külön maximális kimenetitoken-kapacitást ehhez a kiadáshoz.
Készítsd elő a teljes írott feladatot, a releváns forrástényeket és a kívánt eredményanyagot: támogatási választ, magyarázatot, adaptált részletet vagy rövid oktatási szöveget. A megnevezett Saba-kiadás és a közönség nyelve és regisztere maradjon egyértelmű, hogy az elkészült szöveg a tényleges regionális kommunikációs igényre válaszoljon.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/mistral-saba | 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 $0.0004 / 1K token Kimenet · Kimeneti tokenek $0.0012 / 1K token Bemenet · Gyorsítótár olvasása $0.00004 / 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 $0.0004 / 1K token Kimenet · Kimeneti tokenek $0.0012 / 1K token Bemenet · Gyorsítótár olvasása $0.00004 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-saba", "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-saba',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-saba',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-saba
Használja a fent látható metódusútvonalakat.
mistralai/mistral-sabaA Mistral Saba 24 milliárd paraméteres szöveges modell, válogatott közel-keleti és dél-ázsiai anyaggal tanítva. A regionális nyelvi és kulturális kontextusra összpontosít, beleértve az arabot és az indiai eredetű nyelveket, például a tamilt; a gyártó írott feladatokhoz 32 ezer tokenes kontextust ad meg.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Saba a Mistral AI speciális regionális szöveges modellje, amelyet egy Small-családbeli modell válogatott közel-keleti és dél-ázsiai anyaggal történő finomhangolásával hoztak létre. A gyártó 24 milliárd paraméteres modellt ír le, amely regionális nyelvet, kulturális kontextust és helyi kifejezésmódokat hivatott tükrözni. Írott feladatot és forrásanyagot fogad, és szöveget ad vissza.
Regionális nyelv és kontextus
A kiadás kifejezetten azonosítja az arabot és számos indiai eredetű nyelvet, különös erősséggel a dél-indiai eredetű nyelvekben, például a tamilban. Fókusza konkrétabb annál, mint hogy egy általános célú válasz célnyelvét megváltoztassuk: a tanítási anyagot a válasz használatának regionális nyelvi és kulturális kontextusához választották.
Az eredmény kérése előtt add meg a közönséget, régiót, nyelvet és kívánt nyelvi regisztert. Hivatalos magyarázat, ügyfeleknek szóló üzenet és oktatási részlet eltérő terminológiát és megszólításokat igényelhet. Adj szójegyzéket a következetesen használandó terméknevekhez vagy szakkifejezésekhez, és add meg, hogy az eredmény őrizze-e meg a forrás megfogalmazását, vagy a magyarázatot igazítsa az olvasóhoz.
A gyártó oldala 32 ezer tokenes kontextusablakot ad meg, és a kiadást mistral-saba-2502 néven azonosítja. A kontextusban együtt kezeld a releváns forrásrészleteket, beszélgetést és utasításokat. Egy regionálisan igazított válaszhoz továbbra is bizonyítékként meg kell adni a tényleges termékfeltételeket, eljárást vagy dokumentumtartalmat; a kulturális jártasság nem biztosítja egy vállalat belső információit.
Társalgási támogatás
A gyártó az arab társalgási asszisztenseket központi felhasználási esetként emeli ki. Gyakorlati támogatási kéréshez megadhatod a felhasználó üzenetét és a jóváhagyott referenciaanyagot, majd megnevezett regiszterű választ kérhetsz. Kérd a következő műveletet, az alkalmazhatóságát meghatározó feltételt és a felhasználó által még megadandó részleteket. Így a válasz a konkrét problémához kötődik egy általános regionális üdvözlés előállítása helyett.
Kétnyelvű magyarázathoz azonosítsd a forrás nyelvét és a végső üzenet nyelvét. Őrizd meg az anyagban megadott neveket, összegeket vagy mértékegységeket, és írd le a választ megértő célközönséget. További kérdésben rövidebb változatot vagy egy kifejezés tisztázását kérheted, ugyanazon feltételek megtartásával.
Szakterületi alkalmazkodás
A bejelentés a Saba adott szakterületekre, köztük az energetikára és más regionális szakmai környezetekre történő finomhangolását írja le. Ez alkalmazkodási folyamat, nem annak állítása, hogy minden speciális adatkészlet már része az alapértelmezett modellnek. Szakterületi szöveges feladathoz add meg a tényleges alkalmazás szempontjából releváns terminológiát, forrásdokumentumokat és válaszszabályokat.
Műszaki magyarázatban kérheted a modelltől egy eljárás újrafogalmazását az olvasó regionális terminológiájával, az eredeti lépések és feltételek megtartásával. Dokumentumkérdés azonosíthatja a magyarázandó kikötést, és tömör választ kérhet az alátámasztó részlettel. A kimenet előkészítésekor különböztesd meg a forrástényt, a magyarázatot és az esetleges tisztázatlan kifejezést.
Kulturális tartalomkészítés
A gyártó kulturálisan releváns írást és oktatási anyagokat is leír. Add meg a témát, a célközönséget, a nyelvet és a szerepeltetendő tényeket vagy példákat. Oktatási részletnél határozd meg, mit kell a tanulónak a végén megértenie, és kérj magyarázatot, majd gyakorlati példát. Szervezeti üzenethez add meg a célt és azt az információt, amely alapján az olvasónak cselekednie kell.
Ha helyi szólások vagy kulturális utalások a feladat részei, add meg használatuk kontextusát. Kérj alternatív megfogalmazást, ha hivatalos vagy semlegesebb változat más közönséget szolgálna. Ezek gyakorlati módjai a modell regionális specializációja alkalmazásának, miközben a tartalom és a tervezett használat egyértelmű marad.
Kiadási és eredményhatárok
A Saba dokumentált specializációja szöveges regionális nyelvi munka, 32 ezer tokenes kontextussal. Nem örökölhet képi bemenetet, hibrid következtetési vezérlőket vagy eszközformátum-funkciókat későbbi Small vagy Medium modellektől pusztán azért, mert Small-családbeli finomhangolás. A feldolgozott források nem adnak meg külön maximális kimenetitoken-kapacitást ehhez a kiadáshoz.
Készítsd elő a teljes írott feladatot, a releváns forrástényeket és a kívánt eredményanyagot: támogatási választ, magyarázatot, adaptált részletet vagy rövid oktatási szöveget. A megnevezett Saba-kiadás és a közönség nyelve és regisztere maradjon egyértelmű, hogy az elkészült szöveg a tényleges regionális kommunikációs igényre válaszoljon.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/mistral-saba | 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 $0.0004 / 1K token Kimenet · Kimeneti tokenek $0.0012 / 1K token Bemenet · Gyorsítótár olvasása $0.00004 / 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 $0.0004 / 1K token Kimenet · Kimeneti tokenek $0.0012 / 1K token Bemenet · Gyorsítótár olvasása $0.00004 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "mistralai/mistral-saba",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-saba', '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-saba', '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-saba
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.