A Mistral Small 4 egyetlen multimodális modellben egyesíti az általános utasításkövetést, a következtetést és a programozást. A gyártó az Instruct, a következtető Magistral és a programozó Devstral családok egyesítéseként írja le. Szöveget és képeket fogad, és szöveget ad vissza, az eszközzel támogatott alkalmazásokhoz pedig függvényhívások és JSON-kimenet érhető el.
Architektúra és fő funkciók
A kiadás összesen 119 milliárd paraméterrel rendelkezik, és tokenenként 6,5 milliárdot aktivál. Szakértőkeverék-architektúrája 128 szakértőt tartalmaz, amelyekből 4 aktív, a gyártó pedig 256 ezer tokenes kontextusablakot dokumentál. Az aktív paraméterszám és a szakértők száma a modell felépítését írja le; eltérnek az egy feladatban szereplő szöveges vagy képi tartalom mennyiségétől.
A modell ugyanabban a modellállapotban biztosít utasításos és következtetési funkciót. A gyártó látást, rendszerprompt-követést és több tucat nyelv támogatását is azonosítja, köztük az angolét, franciáét, spanyolét, németét, olaszét, portugálét, hollandét, kínaiét, japánét, koreaiét és arabét. Szöveges utasítás így kérdezhet képről, vagy írott követelményt látható bizonyítékkal egyesíthet, a válasz pedig szövegként tér vissza.
Vizuális feladathoz megadhatsz dokumentumoldalt, és kérheted egy megnevezett feltételhez releváns értékeket. A címkék és mértékegységek maradjanak olvashatók, és add meg, hogy az eredmény az eredeti megfogalmazást őrizze meg, összefoglalja azt, vagy másik forrással hasonlítsa össze. Felületi feladat a képernyőképet a felhasználó céljával párosíthatja, és kérheti a releváns látható vezérlőt és a javasolt következő lépést alátámasztó bizonyítékot.
Utasításos vagy következtetési mód választása
A kiadott kártya azonnali, utasításos válaszhoz none következtetési erőfeszítést, következtetéshez pedig high értéket dokumentál; a high összetett promptokhoz ajánlott. A választás kérésenként történik ugyanazon Small 4 modellen belül. Egyszerű osztályozás vagy rövid átírás más válaszszerződést igényelhet, mint egy kidolgozott magyarázatot kívánó matematikai, vizuális vagy programozási probléma.
A gyártó nagy következtetési erőfeszítéshez 0.7 temperature értéket ajánl. A none esetén a feladattól függően 0.0 és 0.7 közötti temperature értékeket ad meg. E beállítások a dokumentált módokat írják le, és nem teszik a következtetési erőfeszítést a helyes eredmény garanciájává. Határozd meg a feltételezéseket, kimeneti formát és releváns forrásanyagot, mielőtt eldöntenéd, mennyi következtetést igényel a feladat.
Kidolgozandó problémához add meg a teljes feltételt, és kérd a fontos indokolt lépéseket, majd a végső kifejezést. Kódfeladathoz add meg a követelményt, az érintett függvényt és egy konkrét bemenetet; a javasolt megvalósítást külön kérd a magyarázattól és a példáktól. A gyártó használati bemutatói utasításkövetést, képre alkalmazott számítási eszközt és vizuális következtetést tartalmaznak, szemléltetve, hogyan kerülhet szöveges és vizuális bizonyíték e különböző feladatokba.
Programozás, dokumentumok és eszközök
A modellt kódbázis-feltáráshoz és szoftverfejlesztő ügynökökhöz, általános asszisztensekhez, dokumentumértelmezéshez és kutatáshoz ajánlják. Programozóügynök-kérés megnevezheti a módosítandó modult, a megőrzendő interfészt és az elvárt működést. Mellékeld a releváns forrást és a hiba bizonyítékát. A modell javasolhat következő műveletet vagy kódmódosítást, míg az alkalmazás biztosítja a kódtárhozzáférést, a végrehajtást és a visszajelzést.
Dokumentumkinyeréshez azonosítsd a kötelező mezőket és a hiányzó információ jelölését. Egy hasznos rekord elkülönítheti a dokumentumazonosítót, a forrás állítását, az értelmezett követelményt és a nyitott kérdést. A gyártó szolgáltatási kártyája egyéni strukturált kimenetet és dokumentumalapú kérdésmegválaszolást sorol fel; utóbbi dokumentumfeldolgozással és OCR-rel készít elő szöveget és szerkezetet a nyelvimodell-elemzés előtt. A közvetlen képi kérdés és az OCR-rel támogatott dokumentum-munkafolyamat őrizze meg saját bemenet-előkészítését.
Függvényhíváshoz világosan leírt eszközök szükségesek. A modell kiválaszt egy függvényt és argumentumokat készít; az alkalmazás végrehajtja a műveletet és visszaadja eredményét a következő válaszhoz. Ugyanez a logika érvényes lekérdezésre, számításra vagy programozási műveletre. A JSON-formázás választ rendez, míg az eszközhívás külső műveletet kér; a kettőt nem szabad felcserélhető eredményként kezelni.
A szolgáltatási kártya előre megadott kimeneteket, válaszprefixeket, kötegelt feldolgozást és ügynökbeszélgetéseket is felsorol. Az előre megadott kimenetek akkor hasznosak, ha dokumentumot vagy kódfájlt csak korlátozott változtatással kell újragenerálni, és a többi tartalom ismert. Add meg a módosítást és a megőrzendő anyagot. A prefixfolytatás a válasz ismert kezdetét használja, míg a kötegelt feldolgozás a munka beküldésére vonatkozik, nem további következtetési mód.
Kontextus és kiadási határok
Az írott feladatot, vizuális anyagot, beszélgetést és kívánt választ a dokumentált 256 ezer tokenes kontextushoz igazítva tervezd meg. A kiadott használati példa 262 144 tokenes kontextust állít be, míg az 1024 tokenes generálási példája nem külön maximális kimeneti kapacitás. A feldolgozott források nem adnak meg a kiválasztott feladathossz helyére állítható önálló, szigorú válaszhosszkorlátot.
A Small 4 saját, 119 milliárd paraméteres szakértőkeverék-architektúrával és hibrid módokkal rendelkezik. Nem örökölheti a Medium 3.5 sűrű, 128 milliárd paraméteres architektúráját vagy a Ministral 3 külön Instruct és Reasoning kiadásait. A gyártó külön kvantált és spekulatív dekódolási anyagokat is kiad; ezek külön telepítési anyagok, nem eltérő tartalmi modalitások. Őrizd meg a megnevezett Small 4 kiadást és a tényleges magyarázathoz, strukturált rekordhoz vagy kóderedményhez kért módot.
", "aboutText": "A Mistral Small 4 egyetlen multimodális modellben egyesíti az általános utasításkövetést, a következtetést és a programozást. A gyártó az Instruct, a következtető Magistral és a programozó Devstral családok egyesítéseként írja le. Szöveget és képeket fogad, és szöveget ad vissza, az eszközzel támogatott alkalmazásokhoz pedig függvényhívások és JSON-kimenet érhető el.\n\nArchitektúra és fő funkciók\n\nA kiadás összesen 119 milliárd paraméterrel rendelkezik, és tokenenként 6,5 milliárdot aktivál. Szakértőkeverék-architektúrája 128 szakértőt tartalmaz, amelyekből 4 aktív, a gyártó pedig 256 ezer tokenes kontextusablakot dokumentál. Az aktív paraméterszám és a szakértők száma a modell felépítését írja le; eltérnek az egy feladatban szereplő szöveges vagy képi tartalom mennyiségétől.\n\nA modell ugyanabban a modellállapotban biztosít utasításos és következtetési funkciót. A gyártó látást, rendszerprompt-követést és több tucat nyelv támogatását is azonosítja, köztük az angolét, franciáét, spanyolét, németét, olaszét, portugálét, hollandét, kínaiét, japánét, koreaiét és arabét. Szöveges utasítás így kérdezhet képről, vagy írott követelményt látható bizonyítékkal egyesíthet, a válasz pedig szövegként tér vissza.\n\nVizuális feladathoz megadhatsz dokumentumoldalt, és kérheted egy megnevezett feltételhez releváns értékeket. A címkék és mértékegységek maradjanak olvashatók, és add meg, hogy az eredmény az eredeti megfogalmazást őrizze meg, összefoglalja azt, vagy másik forrással hasonlítsa össze. Felületi feladat a képernyőképet a felhasználó céljával párosíthatja, és kérheti a releváns látható vezérlőt és a javasolt következő lépést alátámasztó bizonyítékot.\n\nUtasításos vagy következtetési mód választása\n\nA kiadott kártya azonnali, utasításos válaszhoz none következtetési erőfeszítést, következtetéshez pedig high értéket dokumentál; a high összetett promptokhoz ajánlott. A választás kérésenként történik ugyanazon Small 4 modellen belül. Egyszerű osztályozás vagy rövid átírás más válaszszerződést igényelhet, mint egy kidolgozott magyarázatot kívánó matematikai, vizuális vagy programozási probléma.\n\nA gyártó nagy következtetési erőfeszítéshez 0.7 temperature értéket ajánl. A none esetén a feladattól függően 0.0 és 0.7 közötti temperature értékeket ad meg. E beállítások a dokumentált módokat írják le, és nem teszik a következtetési erőfeszítést a helyes eredmény garanciájává. Határozd meg a feltételezéseket, kimeneti formát és releváns forrásanyagot, mielőtt eldöntenéd, mennyi következtetést igényel a feladat.\n\nKidolgozandó problémához add meg a teljes feltételt, és kérd a fontos indokolt lépéseket, majd a végső kifejezést. Kódfeladathoz add meg a követelményt, az érintett függvényt és egy konkrét bemenetet; a javasolt megvalósítást külön kérd a magyarázattól és a példáktól. A gyártó használati bemutatói utasításkövetést, képre alkalmazott számítási eszközt és vizuális következtetést tartalmaznak, szemléltetve, hogyan kerülhet szöveges és vizuális bizonyíték e különböző feladatokba.\n\nProgramozás, dokumentumok és eszközök\n\nA modellt kódbázis-feltáráshoz és szoftverfejlesztő ügynökökhöz, általános asszisztensekhez, dokumentumértelmezéshez és kutatáshoz ajánlják. Programozóügynök-kérés megnevezheti a módosítandó modult, a megőrzendő interfészt és az elvárt működést. Mellékeld a releváns forrást és a hiba bizonyítékát. A modell javasolhat következő műveletet vagy kódmódosítást, míg az alkalmazás biztosítja a kódtárhozzáférést, a végrehajtást és a visszajelzést.\n\nDokumentumkinyeréshez azonosítsd a kötelező mezőket és a hiányzó információ jelölését. Egy hasznos rekord elkülönítheti a dokumentumazonosítót, a forrás állítását, az értelmezett követelményt és a nyitott kérdést. A gyártó szolgáltatási kártyája egyéni strukturált kimenetet és dokumentumalapú kérdésmegválaszolást sorol fel; utóbbi dokumentumfeldolgozással és OCR-rel készít elő szöveget és szerkezetet a nyelvimodell-elemzés előtt. A közvetlen képi kérdés és az OCR-rel támogatott dokumentum-munkafolyamat őrizze meg saját bemenet-előkészítését.\n\nFüggvényhíváshoz világosan leírt eszközök szükségesek. A modell kiválaszt egy függvényt és argumentumokat készít; az alkalmazás végrehajtja a műveletet és visszaadja eredményét a következő válaszhoz. Ugyanez a logika érvényes lekérdezésre, számításra vagy programozási műveletre. A JSON-formázás választ rendez, míg az eszközhívás külső műveletet kér; a kettőt nem szabad felcserélhető eredményként kezelni.\n\nA szolgáltatási kártya előre megadott kimeneteket, válaszprefixeket, kötegelt feldolgozást és ügynökbeszélgetéseket is felsorol. Az előre megadott kimenetek akkor hasznosak, ha dokumentumot vagy kódfájlt csak korlátozott változtatással kell újragenerálni, és a többi tartalom ismert. Add meg a módosítást és a megőrzendő anyagot. A prefixfolytatás a válasz ismert kezdetét használja, míg a kötegelt feldolgozás a munka beküldésére vonatkozik, nem további következtetési mód.\n\nKontextus és kiadási határok\n\nAz írott feladatot, vizuális anyagot, beszélgetést és kívánt választ a dokumentált 256 ezer tokenes kontextushoz igazítva tervezd meg. A kiadott használati példa 262 144 tokenes kontextust állít be, míg az 1024 tokenes generálási példája nem külön maximális kimeneti kapacitás. A feldolgozott források nem adnak meg a kiválasztott feladathossz helyére állítható önálló, szigorú válaszhosszkorlátot.\n\nA Small 4 saját, 119 milliárd paraméteres szakértőkeverék-architektúrával és hibrid módokkal rendelkezik. Nem örökölheti a Medium 3.5 sűrű, 128 milliárd paraméteres architektúráját vagy a Ministral 3 külön Instruct és Reasoning kiadásait. A gyártó külön kvantált és spekulatív dekódolási anyagokat is kiad; ezek külön telepítési anyagok, nem eltérő tartalmi modalitások. Őrizd meg a megnevezett Small 4 kiadást és a tényleges magyarázathoz, strukturált rekordhoz vagy kóderedményhez kért módot.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Repair a last-line parser\n\nThis Python parser loses a final line without a trailing newline: def lines(text):\n return text.split("\\n")[:-1]\nReturn a corrected function that preserves nonempty final lines, avoids an artificial last empty line when text ends in a newline and returns [] for empty text. Include tests for all three cases.A corrected Python function, a short explanation and tests for newline, no-newline and empty input.Check that the last real line is retained and that only a trailing separator’s artificial empty entry is removed.mistralai/mistral-small-2603A Mistral Small 4 hibrid, szöveget és képet fogadó modell utasításkövetési, következtetési és programozási képességekkel. A 119 milliárd paraméteres szakértőkeverék-kiadás tokenenként 6,5 milliárd paramétert aktivál, és a gyártó szerint 256 ezer tokenes kontextust, választható következtetési erőfeszítést, JSON-t és függvényhívásokat támogat.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Small 4 egyetlen multimodális modellben egyesíti az általános utasításkövetést, a következtetést és a programozást. A gyártó az Instruct, a következtető Magistral és a programozó Devstral családok egyesítéseként írja le. Szöveget és képeket fogad, és szöveget ad vissza, az eszközzel támogatott alkalmazásokhoz pedig függvényhívások és JSON-kimenet érhető el.
Architektúra és fő funkciók
A kiadás összesen 119 milliárd paraméterrel rendelkezik, és tokenenként 6,5 milliárdot aktivál. Szakértőkeverék-architektúrája 128 szakértőt tartalmaz, amelyekből 4 aktív, a gyártó pedig 256 ezer tokenes kontextusablakot dokumentál. Az aktív paraméterszám és a szakértők száma a modell felépítését írja le; eltérnek az egy feladatban szereplő szöveges vagy képi tartalom mennyiségétől.
A modell ugyanabban a modellállapotban biztosít utasításos és következtetési funkciót. A gyártó látást, rendszerprompt-követést és több tucat nyelv támogatását is azonosítja, köztük az angolét, franciáét, spanyolét, németét, olaszét, portugálét, hollandét, kínaiét, japánét, koreaiét és arabét. Szöveges utasítás így kérdezhet képről, vagy írott követelményt látható bizonyítékkal egyesíthet, a válasz pedig szövegként tér vissza.
Vizuális feladathoz megadhatsz dokumentumoldalt, és kérheted egy megnevezett feltételhez releváns értékeket. A címkék és mértékegységek maradjanak olvashatók, és add meg, hogy az eredmény az eredeti megfogalmazást őrizze meg, összefoglalja azt, vagy másik forrással hasonlítsa össze. Felületi feladat a képernyőképet a felhasználó céljával párosíthatja, és kérheti a releváns látható vezérlőt és a javasolt következő lépést alátámasztó bizonyítékot.
Utasításos vagy következtetési mód választása
A kiadott kártya azonnali, utasításos válaszhoz none következtetési erőfeszítést, következtetéshez pedig high értéket dokumentál; a high összetett promptokhoz ajánlott. A választás kérésenként történik ugyanazon Small 4 modellen belül. Egyszerű osztályozás vagy rövid átírás más válaszszerződést igényelhet, mint egy kidolgozott magyarázatot kívánó matematikai, vizuális vagy programozási probléma.
A gyártó nagy következtetési erőfeszítéshez 0.7 temperature értéket ajánl. A none esetén a feladattól függően 0.0 és 0.7 közötti temperature értékeket ad meg. E beállítások a dokumentált módokat írják le, és nem teszik a következtetési erőfeszítést a helyes eredmény garanciájává. Határozd meg a feltételezéseket, kimeneti formát és releváns forrásanyagot, mielőtt eldöntenéd, mennyi következtetést igényel a feladat.
Kidolgozandó problémához add meg a teljes feltételt, és kérd a fontos indokolt lépéseket, majd a végső kifejezést. Kódfeladathoz add meg a követelményt, az érintett függvényt és egy konkrét bemenetet; a javasolt megvalósítást külön kérd a magyarázattól és a példáktól. A gyártó használati bemutatói utasításkövetést, képre alkalmazott számítási eszközt és vizuális következtetést tartalmaznak, szemléltetve, hogyan kerülhet szöveges és vizuális bizonyíték e különböző feladatokba.
Programozás, dokumentumok és eszközök
A modellt kódbázis-feltáráshoz és szoftverfejlesztő ügynökökhöz, általános asszisztensekhez, dokumentumértelmezéshez és kutatáshoz ajánlják. Programozóügynök-kérés megnevezheti a módosítandó modult, a megőrzendő interfészt és az elvárt működést. Mellékeld a releváns forrást és a hiba bizonyítékát. A modell javasolhat következő műveletet vagy kódmódosítást, míg az alkalmazás biztosítja a kódtárhozzáférést, a végrehajtást és a visszajelzést.
Dokumentumkinyeréshez azonosítsd a kötelező mezőket és a hiányzó információ jelölését. Egy hasznos rekord elkülönítheti a dokumentumazonosítót, a forrás állítását, az értelmezett követelményt és a nyitott kérdést. A gyártó szolgáltatási kártyája egyéni strukturált kimenetet és dokumentumalapú kérdésmegválaszolást sorol fel; utóbbi dokumentumfeldolgozással és OCR-rel készít elő szöveget és szerkezetet a nyelvimodell-elemzés előtt. A közvetlen képi kérdés és az OCR-rel támogatott dokumentum-munkafolyamat őrizze meg saját bemenet-előkészítését.
Függvényhíváshoz világosan leírt eszközök szükségesek. A modell kiválaszt egy függvényt és argumentumokat készít; az alkalmazás végrehajtja a műveletet és visszaadja eredményét a következő válaszhoz. Ugyanez a logika érvényes lekérdezésre, számításra vagy programozási műveletre. A JSON-formázás választ rendez, míg az eszközhívás külső műveletet kér; a kettőt nem szabad felcserélhető eredményként kezelni.
A szolgáltatási kártya előre megadott kimeneteket, válaszprefixeket, kötegelt feldolgozást és ügynökbeszélgetéseket is felsorol. Az előre megadott kimenetek akkor hasznosak, ha dokumentumot vagy kódfájlt csak korlátozott változtatással kell újragenerálni, és a többi tartalom ismert. Add meg a módosítást és a megőrzendő anyagot. A prefixfolytatás a válasz ismert kezdetét használja, míg a kötegelt feldolgozás a munka beküldésére vonatkozik, nem további következtetési mód.
Kontextus és kiadási határok
Az írott feladatot, vizuális anyagot, beszélgetést és kívánt választ a dokumentált 256 ezer tokenes kontextushoz igazítva tervezd meg. A kiadott használati példa 262 144 tokenes kontextust állít be, míg az 1024 tokenes generálási példája nem külön maximális kimeneti kapacitás. A feldolgozott források nem adnak meg a kiválasztott feladathossz helyére állítható önálló, szigorú válaszhosszkorlátot.
A Small 4 saját, 119 milliárd paraméteres szakértőkeverék-architektúrával és hibrid módokkal rendelkezik. Nem örökölheti a Medium 3.5 sűrű, 128 milliárd paraméteres architektúráját vagy a Ministral 3 külön Instruct és Reasoning kiadásait. A gyártó külön kvantált és spekulatív dekódolási anyagokat is kiad; ezek külön telepítési anyagok, nem eltérő tartalmi modalitások. Őrizd meg a megnevezett Small 4 kiadást és a tényleges magyarázathoz, strukturált rekordhoz vagy kóderedményhez kért módot.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/mistral-small-2603 | 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 $0.0003 / 1K token Kimenet · Kimeneti tokenek $0.0012 / 1K token Bemenet · Gyorsítótár olvasása $0.00003 / 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 $0.0003 / 1K token Kimenet · Kimeneti tokenek $0.0012 / 1K token Bemenet · Gyorsítótár olvasása $0.00003 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-small-2603", "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-small-2603',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-small-2603',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-small-2603
Használja a fent látható metódusútvonalakat.
mistralai/mistral-small-2603A Mistral Small 4 hibrid, szöveget és képet fogadó modell utasításkövetési, következtetési és programozási képességekkel. A 119 milliárd paraméteres szakértőkeverék-kiadás tokenenként 6,5 milliárd paramétert aktivál, és a gyártó szerint 256 ezer tokenes kontextust, választható következtetési erőfeszítést, JSON-t és függvényhívásokat támogat.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Small 4 egyetlen multimodális modellben egyesíti az általános utasításkövetést, a következtetést és a programozást. A gyártó az Instruct, a következtető Magistral és a programozó Devstral családok egyesítéseként írja le. Szöveget és képeket fogad, és szöveget ad vissza, az eszközzel támogatott alkalmazásokhoz pedig függvényhívások és JSON-kimenet érhető el.
Architektúra és fő funkciók
A kiadás összesen 119 milliárd paraméterrel rendelkezik, és tokenenként 6,5 milliárdot aktivál. Szakértőkeverék-architektúrája 128 szakértőt tartalmaz, amelyekből 4 aktív, a gyártó pedig 256 ezer tokenes kontextusablakot dokumentál. Az aktív paraméterszám és a szakértők száma a modell felépítését írja le; eltérnek az egy feladatban szereplő szöveges vagy képi tartalom mennyiségétől.
A modell ugyanabban a modellállapotban biztosít utasításos és következtetési funkciót. A gyártó látást, rendszerprompt-követést és több tucat nyelv támogatását is azonosítja, köztük az angolét, franciáét, spanyolét, németét, olaszét, portugálét, hollandét, kínaiét, japánét, koreaiét és arabét. Szöveges utasítás így kérdezhet képről, vagy írott követelményt látható bizonyítékkal egyesíthet, a válasz pedig szövegként tér vissza.
Vizuális feladathoz megadhatsz dokumentumoldalt, és kérheted egy megnevezett feltételhez releváns értékeket. A címkék és mértékegységek maradjanak olvashatók, és add meg, hogy az eredmény az eredeti megfogalmazást őrizze meg, összefoglalja azt, vagy másik forrással hasonlítsa össze. Felületi feladat a képernyőképet a felhasználó céljával párosíthatja, és kérheti a releváns látható vezérlőt és a javasolt következő lépést alátámasztó bizonyítékot.
Utasításos vagy következtetési mód választása
A kiadott kártya azonnali, utasításos válaszhoz none következtetési erőfeszítést, következtetéshez pedig high értéket dokumentál; a high összetett promptokhoz ajánlott. A választás kérésenként történik ugyanazon Small 4 modellen belül. Egyszerű osztályozás vagy rövid átírás más válaszszerződést igényelhet, mint egy kidolgozott magyarázatot kívánó matematikai, vizuális vagy programozási probléma.
A gyártó nagy következtetési erőfeszítéshez 0.7 temperature értéket ajánl. A none esetén a feladattól függően 0.0 és 0.7 közötti temperature értékeket ad meg. E beállítások a dokumentált módokat írják le, és nem teszik a következtetési erőfeszítést a helyes eredmény garanciájává. Határozd meg a feltételezéseket, kimeneti formát és releváns forrásanyagot, mielőtt eldöntenéd, mennyi következtetést igényel a feladat.
Kidolgozandó problémához add meg a teljes feltételt, és kérd a fontos indokolt lépéseket, majd a végső kifejezést. Kódfeladathoz add meg a követelményt, az érintett függvényt és egy konkrét bemenetet; a javasolt megvalósítást külön kérd a magyarázattól és a példáktól. A gyártó használati bemutatói utasításkövetést, képre alkalmazott számítási eszközt és vizuális következtetést tartalmaznak, szemléltetve, hogyan kerülhet szöveges és vizuális bizonyíték e különböző feladatokba.
Programozás, dokumentumok és eszközök
A modellt kódbázis-feltáráshoz és szoftverfejlesztő ügynökökhöz, általános asszisztensekhez, dokumentumértelmezéshez és kutatáshoz ajánlják. Programozóügynök-kérés megnevezheti a módosítandó modult, a megőrzendő interfészt és az elvárt működést. Mellékeld a releváns forrást és a hiba bizonyítékát. A modell javasolhat következő műveletet vagy kódmódosítást, míg az alkalmazás biztosítja a kódtárhozzáférést, a végrehajtást és a visszajelzést.
Dokumentumkinyeréshez azonosítsd a kötelező mezőket és a hiányzó információ jelölését. Egy hasznos rekord elkülönítheti a dokumentumazonosítót, a forrás állítását, az értelmezett követelményt és a nyitott kérdést. A gyártó szolgáltatási kártyája egyéni strukturált kimenetet és dokumentumalapú kérdésmegválaszolást sorol fel; utóbbi dokumentumfeldolgozással és OCR-rel készít elő szöveget és szerkezetet a nyelvimodell-elemzés előtt. A közvetlen képi kérdés és az OCR-rel támogatott dokumentum-munkafolyamat őrizze meg saját bemenet-előkészítését.
Függvényhíváshoz világosan leírt eszközök szükségesek. A modell kiválaszt egy függvényt és argumentumokat készít; az alkalmazás végrehajtja a műveletet és visszaadja eredményét a következő válaszhoz. Ugyanez a logika érvényes lekérdezésre, számításra vagy programozási műveletre. A JSON-formázás választ rendez, míg az eszközhívás külső műveletet kér; a kettőt nem szabad felcserélhető eredményként kezelni.
A szolgáltatási kártya előre megadott kimeneteket, válaszprefixeket, kötegelt feldolgozást és ügynökbeszélgetéseket is felsorol. Az előre megadott kimenetek akkor hasznosak, ha dokumentumot vagy kódfájlt csak korlátozott változtatással kell újragenerálni, és a többi tartalom ismert. Add meg a módosítást és a megőrzendő anyagot. A prefixfolytatás a válasz ismert kezdetét használja, míg a kötegelt feldolgozás a munka beküldésére vonatkozik, nem további következtetési mód.
Kontextus és kiadási határok
Az írott feladatot, vizuális anyagot, beszélgetést és kívánt választ a dokumentált 256 ezer tokenes kontextushoz igazítva tervezd meg. A kiadott használati példa 262 144 tokenes kontextust állít be, míg az 1024 tokenes generálási példája nem külön maximális kimeneti kapacitás. A feldolgozott források nem adnak meg a kiválasztott feladathossz helyére állítható önálló, szigorú válaszhosszkorlátot.
A Small 4 saját, 119 milliárd paraméteres szakértőkeverék-architektúrával és hibrid módokkal rendelkezik. Nem örökölheti a Medium 3.5 sűrű, 128 milliárd paraméteres architektúráját vagy a Ministral 3 külön Instruct és Reasoning kiadásait. A gyártó külön kvantált és spekulatív dekódolási anyagokat is kiad; ezek külön telepítési anyagok, nem eltérő tartalmi modalitások. Őrizd meg a megnevezett Small 4 kiadást és a tényleges magyarázathoz, strukturált rekordhoz vagy kóderedményhez kért módot.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/mistral-small-2603 | 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 $0.0003 / 1K token Kimenet · Kimeneti tokenek $0.0012 / 1K token Bemenet · Gyorsítótár olvasása $0.00003 / 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 $0.0003 / 1K token Kimenet · Kimeneti tokenek $0.0012 / 1K token Bemenet · Gyorsítótár olvasása $0.00003 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "mistralai/mistral-small-2603",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-small-2603', '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-small-2603', '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-small-2603
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Repair a last-line parser\n\nThis Python parser loses a final line without a trailing newline: def lines(text):\n return text.split("\\n")[:-1]\nReturn a corrected function that preserves nonempty final lines, avoids an artificial last empty line when text ends in a newline and returns [] for empty text. Include tests for all three cases.A corrected Python function, a short explanation and tests for newline, no-newline and empty input.Check that the last real line is retained and that only a trailing separator’s artificial empty entry is removed.