A Mistral Small 3.2 24B Instruct 2506 a Mistral Small 3.1 24B Instruct 2503 célzott frissítése. A gyártó három konkrét változtatást azonosít: a pontos utasítások szorosabb követését, az ismétlődő vagy elszaladó válaszok csökkentését és a függvényhívási sablon robusztusabbá tételét. A modell továbbra is utasításkövetésre finomhangolt, szöveget és képet fogadó modell, amely szöveget generál, nem új hang- vagy képgeneráló kiadás.
Mi változik és mi marad meg
A 3.2 kártya kifejezetten kijelenti, hogy fő funkciói megegyeznek a megnevezett Small 3.1 kiadáséival. Ezek közé tartozik a látás, a többnyelvű munka, a rendszerprompt támogatása, a natív függvényhívás, a JSON-kimenet és a 128 ezer tokenes kontextusablak. A hivatkozott 3.1 kártya 24 milliárd paraméteres modellt és 131 ezer eleműként jelölt szókészlettel rendelkező Tekken tokenizert ír le. Ez a dokumentált kapcsolat alátámasztja e funkciók továbbvitelét a 3.2-be, miközben a 2506 frissítés saját kiadás marad.
Az utasításkövetési hangsúly akkor számít, ha az eredménynek több pontos követelményt kell teljesítenie. Add meg a forrásanyagot, sorold fel a kimeneti szabályokat, és nevezd meg a visszaadandó eredményanyagot. Dokumentumkinyerési kérés előírhat meghatározott mezőket, eredeti azonosítókat, rögzített hiányzóérték-jelölést és a rekordon kívüli próza mellőzését. Írásfeladat előírhat adott közönséget és szakaszsorrendet, a megadott feltételek változatlan megőrzésével.
Az ismétlést érintő változás a generálási viselkedést kezeli, nem új következtetési módot ad. Hosszú válaszhoz határozd meg a szükséges szakaszokat és céljukat, hogy a kérésnek egyértelmű lezárási pontja legyen. A függvénysablon változása az eszközös beszélgetés ábrázolását érinti; a megfelelő kiadás beszélgetési és tokenizerbeállításait használd, ne kezeld felcserélhetőként egy régebbi formázási példával.
Vizuális és többnyelvű feladatok
Az örökölt látási funkció szöveges kérdés és kép párosítását teszi lehetővé. Adj olvasható oldalt, diagramot vagy ábrát, és azonosítsd a feladathoz szükséges részletet. Diagram-összehasonlításnál őrizd meg a tengelyeket, mértékegységeket és jelmagyarázatot, és minden következtetéshez kérd az alátámasztó megfigyelést. Dokumentummezőnél tartsd meg a címkét és környező kontextust, hogy a visszaadott érték helyesen legyen értelmezhető.
A dokumentált nyelvi lefedettség az oroszt, angolt, franciát, németet, spanyolt, olaszt, portugált, kínait, japánt, koreait, arabot, perzsát, hindit, bengálit és a gyártó által felsorolt más nyelveket tartalmazza. Add meg a célnyelvet és a változatlanul megőrzendő terminológiát. Kétnyelvű dokumentumfeladat megőrizheti az azonosítókat és mértékegységeket, miközben a környező magyarázatot az olvasóhoz igazítja.
Gyakorlati vizuális adatkinyeréshez kérd a dokumentumazonosítót, a mezőcímkét, a kinyert szöveget és az azt alátámasztó képrészletet. Ha az olvasónak értelmezésre van szüksége, a magyarázat külön következhet. Így az átírás, a strukturált mezők és a modell következtetése nem olvadnak egyetlen megkülönböztethetetlen eredménnyé.
Rendszerutasítások és eszközök
A 3.2 kártya a felhasználási esethez igazított rendszerpromptot és viszonylag alacsony, például 0.15 temperature értéket ajánl. Kifejezetten határozd meg az asszisztens szerepét, a válaszszabályokat és a forrásanyag kezelését. A tényleges dokumentumot vagy kódot a felhasználói feladathoz tedd, megőrizve a válaszra vonatkozó utasítások és a forrásban idézett utasítások közötti határt.
Függvényhíváshoz az alkalmazásnak eszközleírásokat és kötelező argumentumokat kell biztosítania. A modell előkészít egy hívást, az alkalmazás végrehajtja a függvényt és visszaadja eredményét, a következő válasz pedig ezt az információt használja. A kiadott példák vizuális következtetést, eszközhívásokat és csak szöveges utasításokat tartalmaznak. Lekérdezési feladat ezért kérheti a modelltől egy leírt művelet kiválasztását, a tényleges lekérdezést és eredményét a környező alkalmazásra hagyva.
Programozási kéréshez add meg a releváns függvényt, a problémát előidéző bemenetet és az elvárt működést. Kérj az eredeti interfészt megőrző javítási javaslatot, majd a kívánt működést megkülönböztető példákat. Matematikai kérésnél határozd meg a változókat és feltételezéseket, és kérd a fontos indokolt lépéseket, valamint külön a végső kifejezést. Ezek az örökölt programozási és következtetési képességek alkalmazásai; a javasolt kód végrehajtása külön lépés marad.
Kontextus és kiadási határok
A 128 ezer tokenes ablakban együtt kezeld a forrásrészleteket, képeket, beszélgetést és elvárt választ. Nagy dokumentumok összehasonlításánál megtarthatod a kapcsolódó szakaszokat, miközben rövid megállapításmátrixot kérsz vissza. Egy kiszolgálási példában megjelenő nagy képi keret vagy generálási érték nem a modell önállóan megadott maximális kapacitása.
A Small 3.2 dokumentált vizuális bemenettel rendelkező utasításos frissítés, nem a csak szöveges Small 3 2501 vagy a hibrid következtető Small 4 kiadás. A gyártó kártyája nem ad meg külön, szigorú kimenetitoken-plafont ehhez a bejegyzéshez. Őrizd meg pontos 2506 azonosságát és formázását, és határozd meg a következő lépéshez szükséges strukturált rekordot, magyarázatot vagy kódjavaslatot.
", "aboutText": "A Mistral Small 3.2 24B Instruct 2506 a Mistral Small 3.1 24B Instruct 2503 célzott frissítése. A gyártó három konkrét változtatást azonosít: a pontos utasítások szorosabb követését, az ismétlődő vagy elszaladó válaszok csökkentését és a függvényhívási sablon robusztusabbá tételét. A modell továbbra is utasításkövetésre finomhangolt, szöveget és képet fogadó modell, amely szöveget generál, nem új hang- vagy képgeneráló kiadás.\n\nMi változik és mi marad meg\n\nA 3.2 kártya kifejezetten kijelenti, hogy fő funkciói megegyeznek a megnevezett Small 3.1 kiadáséival. Ezek közé tartozik a látás, a többnyelvű munka, a rendszerprompt támogatása, a natív függvényhívás, a JSON-kimenet és a 128 ezer tokenes kontextusablak. A hivatkozott 3.1 kártya 24 milliárd paraméteres modellt és 131 ezer eleműként jelölt szókészlettel rendelkező Tekken tokenizert ír le. Ez a dokumentált kapcsolat alátámasztja e funkciók továbbvitelét a 3.2-be, miközben a 2506 frissítés saját kiadás marad.\n\nAz utasításkövetési hangsúly akkor számít, ha az eredménynek több pontos követelményt kell teljesítenie. Add meg a forrásanyagot, sorold fel a kimeneti szabályokat, és nevezd meg a visszaadandó eredményanyagot. Dokumentumkinyerési kérés előírhat meghatározott mezőket, eredeti azonosítókat, rögzített hiányzóérték-jelölést és a rekordon kívüli próza mellőzését. Írásfeladat előírhat adott közönséget és szakaszsorrendet, a megadott feltételek változatlan megőrzésével.\n\nAz ismétlést érintő változás a generálási viselkedést kezeli, nem új következtetési módot ad. Hosszú válaszhoz határozd meg a szükséges szakaszokat és céljukat, hogy a kérésnek egyértelmű lezárási pontja legyen. A függvénysablon változása az eszközös beszélgetés ábrázolását érinti; a megfelelő kiadás beszélgetési és tokenizerbeállításait használd, ne kezeld felcserélhetőként egy régebbi formázási példával.\n\nVizuális és többnyelvű feladatok\n\nAz örökölt látási funkció szöveges kérdés és kép párosítását teszi lehetővé. Adj olvasható oldalt, diagramot vagy ábrát, és azonosítsd a feladathoz szükséges részletet. Diagram-összehasonlításnál őrizd meg a tengelyeket, mértékegységeket és jelmagyarázatot, és minden következtetéshez kérd az alátámasztó megfigyelést. Dokumentummezőnél tartsd meg a címkét és környező kontextust, hogy a visszaadott érték helyesen legyen értelmezhető.\n\nA dokumentált nyelvi lefedettség az oroszt, angolt, franciát, németet, spanyolt, olaszt, portugált, kínait, japánt, koreait, arabot, perzsát, hindit, bengálit és a gyártó által felsorolt más nyelveket tartalmazza. Add meg a célnyelvet és a változatlanul megőrzendő terminológiát. Kétnyelvű dokumentumfeladat megőrizheti az azonosítókat és mértékegységeket, miközben a környező magyarázatot az olvasóhoz igazítja.\n\nGyakorlati vizuális adatkinyeréshez kérd a dokumentumazonosítót, a mezőcímkét, a kinyert szöveget és az azt alátámasztó képrészletet. Ha az olvasónak értelmezésre van szüksége, a magyarázat külön következhet. Így az átírás, a strukturált mezők és a modell következtetése nem olvadnak egyetlen megkülönböztethetetlen eredménnyé.\n\nRendszerutasítások és eszközök\n\nA 3.2 kártya a felhasználási esethez igazított rendszerpromptot és viszonylag alacsony, például 0.15 temperature értéket ajánl. Kifejezetten határozd meg az asszisztens szerepét, a válaszszabályokat és a forrásanyag kezelését. A tényleges dokumentumot vagy kódot a felhasználói feladathoz tedd, megőrizve a válaszra vonatkozó utasítások és a forrásban idézett utasítások közötti határt.\n\nFüggvényhíváshoz az alkalmazásnak eszközleírásokat és kötelező argumentumokat kell biztosítania. A modell előkészít egy hívást, az alkalmazás végrehajtja a függvényt és visszaadja eredményét, a következő válasz pedig ezt az információt használja. A kiadott példák vizuális következtetést, eszközhívásokat és csak szöveges utasításokat tartalmaznak. Lekérdezési feladat ezért kérheti a modelltől egy leírt művelet kiválasztását, a tényleges lekérdezést és eredményét a környező alkalmazásra hagyva.\n\nProgramozási kéréshez add meg a releváns függvényt, a problémát előidéző bemenetet és az elvárt működést. Kérj az eredeti interfészt megőrző javítási javaslatot, majd a kívánt működést megkülönböztető példákat. Matematikai kérésnél határozd meg a változókat és feltételezéseket, és kérd a fontos indokolt lépéseket, valamint külön a végső kifejezést. Ezek az örökölt programozási és következtetési képességek alkalmazásai; a javasolt kód végrehajtása külön lépés marad.\n\nKontextus és kiadási határok\n\nA 128 ezer tokenes ablakban együtt kezeld a forrásrészleteket, képeket, beszélgetést és elvárt választ. Nagy dokumentumok összehasonlításánál megtarthatod a kapcsolódó szakaszokat, miközben rövid megállapításmátrixot kérsz vissza. Egy kiszolgálási példában megjelenő nagy képi keret vagy generálási érték nem a modell önállóan megadott maximális kapacitása.\n\nA Small 3.2 dokumentált vizuális bemenettel rendelkező utasításos frissítés, nem a csak szöveges Small 3 2501 vagy a hibrid következtető Small 4 kiadás. A gyártó kártyája nem ad meg külön, szigorú kimenetitoken-plafont ehhez a bejegyzéshez. Őrizd meg pontos 2506 azonosságát és formázását, és határozd meg a következő lépéshez szükséges strukturált rekordot, magyarázatot vagy kódjavaslatot.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.mistralai/mistral-small-3.2-24b-instructA Mistral Small 3.2 24B Instruct szöveget és képet fogadó utasításkövető modell, a gyártó szerint 128 ezer tokenes kontextussal. A 2506 frissítés célzottan javítja a pontos utasításkövetést, csökkenti az ismétlést és megerősíti a függvényhívási sablont, miközben megtartja a Small 3.1 alapfunkcióit.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Small 3.2 24B Instruct 2506 a Mistral Small 3.1 24B Instruct 2503 célzott frissítése. A gyártó három konkrét változtatást azonosít: a pontos utasítások szorosabb követését, az ismétlődő vagy elszaladó válaszok csökkentését és a függvényhívási sablon robusztusabbá tételét. A modell továbbra is utasításkövetésre finomhangolt, szöveget és képet fogadó modell, amely szöveget generál, nem új hang- vagy képgeneráló kiadás.
Mi változik és mi marad meg
A 3.2 kártya kifejezetten kijelenti, hogy fő funkciói megegyeznek a megnevezett Small 3.1 kiadáséival. Ezek közé tartozik a látás, a többnyelvű munka, a rendszerprompt támogatása, a natív függvényhívás, a JSON-kimenet és a 128 ezer tokenes kontextusablak. A hivatkozott 3.1 kártya 24 milliárd paraméteres modellt és 131 ezer eleműként jelölt szókészlettel rendelkező Tekken tokenizert ír le. Ez a dokumentált kapcsolat alátámasztja e funkciók továbbvitelét a 3.2-be, miközben a 2506 frissítés saját kiadás marad.
Az utasításkövetési hangsúly akkor számít, ha az eredménynek több pontos követelményt kell teljesítenie. Add meg a forrásanyagot, sorold fel a kimeneti szabályokat, és nevezd meg a visszaadandó eredményanyagot. Dokumentumkinyerési kérés előírhat meghatározott mezőket, eredeti azonosítókat, rögzített hiányzóérték-jelölést és a rekordon kívüli próza mellőzését. Írásfeladat előírhat adott közönséget és szakaszsorrendet, a megadott feltételek változatlan megőrzésével.
Az ismétlést érintő változás a generálási viselkedést kezeli, nem új következtetési módot ad. Hosszú válaszhoz határozd meg a szükséges szakaszokat és céljukat, hogy a kérésnek egyértelmű lezárási pontja legyen. A függvénysablon változása az eszközös beszélgetés ábrázolását érinti; a megfelelő kiadás beszélgetési és tokenizerbeállításait használd, ne kezeld felcserélhetőként egy régebbi formázási példával.
Vizuális és többnyelvű feladatok
Az örökölt látási funkció szöveges kérdés és kép párosítását teszi lehetővé. Adj olvasható oldalt, diagramot vagy ábrát, és azonosítsd a feladathoz szükséges részletet. Diagram-összehasonlításnál őrizd meg a tengelyeket, mértékegységeket és jelmagyarázatot, és minden következtetéshez kérd az alátámasztó megfigyelést. Dokumentummezőnél tartsd meg a címkét és környező kontextust, hogy a visszaadott érték helyesen legyen értelmezhető.
A dokumentált nyelvi lefedettség az oroszt, angolt, franciát, németet, spanyolt, olaszt, portugált, kínait, japánt, koreait, arabot, perzsát, hindit, bengálit és a gyártó által felsorolt más nyelveket tartalmazza. Add meg a célnyelvet és a változatlanul megőrzendő terminológiát. Kétnyelvű dokumentumfeladat megőrizheti az azonosítókat és mértékegységeket, miközben a környező magyarázatot az olvasóhoz igazítja.
Gyakorlati vizuális adatkinyeréshez kérd a dokumentumazonosítót, a mezőcímkét, a kinyert szöveget és az azt alátámasztó képrészletet. Ha az olvasónak értelmezésre van szüksége, a magyarázat külön következhet. Így az átírás, a strukturált mezők és a modell következtetése nem olvadnak egyetlen megkülönböztethetetlen eredménnyé.
Rendszerutasítások és eszközök
A 3.2 kártya a felhasználási esethez igazított rendszerpromptot és viszonylag alacsony, például 0.15 temperature értéket ajánl. Kifejezetten határozd meg az asszisztens szerepét, a válaszszabályokat és a forrásanyag kezelését. A tényleges dokumentumot vagy kódot a felhasználói feladathoz tedd, megőrizve a válaszra vonatkozó utasítások és a forrásban idézett utasítások közötti határt.
Függvényhíváshoz az alkalmazásnak eszközleírásokat és kötelező argumentumokat kell biztosítania. A modell előkészít egy hívást, az alkalmazás végrehajtja a függvényt és visszaadja eredményét, a következő válasz pedig ezt az információt használja. A kiadott példák vizuális következtetést, eszközhívásokat és csak szöveges utasításokat tartalmaznak. Lekérdezési feladat ezért kérheti a modelltől egy leírt művelet kiválasztását, a tényleges lekérdezést és eredményét a környező alkalmazásra hagyva.
Programozási kéréshez add meg a releváns függvényt, a problémát előidéző bemenetet és az elvárt működést. Kérj az eredeti interfészt megőrző javítási javaslatot, majd a kívánt működést megkülönböztető példákat. Matematikai kérésnél határozd meg a változókat és feltételezéseket, és kérd a fontos indokolt lépéseket, valamint külön a végső kifejezést. Ezek az örökölt programozási és következtetési képességek alkalmazásai; a javasolt kód végrehajtása külön lépés marad.
Kontextus és kiadási határok
A 128 ezer tokenes ablakban együtt kezeld a forrásrészleteket, képeket, beszélgetést és elvárt választ. Nagy dokumentumok összehasonlításánál megtarthatod a kapcsolódó szakaszokat, miközben rövid megállapításmátrixot kérsz vissza. Egy kiszolgálási példában megjelenő nagy képi keret vagy generálási érték nem a modell önállóan megadott maximális kapacitása.
A Small 3.2 dokumentált vizuális bemenettel rendelkező utasításos frissítés, nem a csak szöveges Small 3 2501 vagy a hibrid következtető Small 4 kiadás. A gyártó kártyája nem ad meg külön, szigorú kimenetitoken-plafont ehhez a bejegyzéshez. Őrizd meg pontos 2506 azonosságát és formázását, és határozd meg a következő lépéshez szükséges strukturált rekordot, magyarázatot vagy kódjavaslatot.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0006 / 1K token Bemenet · Gyorsítótár olvasása $0.00002 / 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 $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0006 / 1K token Bemenet · Gyorsítótár olvasása $0.00002 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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-3.2-24b-instruct", "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-3.2-24b-instruct',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-3.2-24b-instruct',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-3.2-24b-instruct
Használja a fent látható metódusútvonalakat.
mistralai/mistral-small-3.2-24b-instructA Mistral Small 3.2 24B Instruct szöveget és képet fogadó utasításkövető modell, a gyártó szerint 128 ezer tokenes kontextussal. A 2506 frissítés célzottan javítja a pontos utasításkövetést, csökkenti az ismétlést és megerősíti a függvényhívási sablont, miközben megtartja a Small 3.1 alapfunkcióit.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Mistral Small 3.2 24B Instruct 2506 a Mistral Small 3.1 24B Instruct 2503 célzott frissítése. A gyártó három konkrét változtatást azonosít: a pontos utasítások szorosabb követését, az ismétlődő vagy elszaladó válaszok csökkentését és a függvényhívási sablon robusztusabbá tételét. A modell továbbra is utasításkövetésre finomhangolt, szöveget és képet fogadó modell, amely szöveget generál, nem új hang- vagy képgeneráló kiadás.
Mi változik és mi marad meg
A 3.2 kártya kifejezetten kijelenti, hogy fő funkciói megegyeznek a megnevezett Small 3.1 kiadáséival. Ezek közé tartozik a látás, a többnyelvű munka, a rendszerprompt támogatása, a natív függvényhívás, a JSON-kimenet és a 128 ezer tokenes kontextusablak. A hivatkozott 3.1 kártya 24 milliárd paraméteres modellt és 131 ezer eleműként jelölt szókészlettel rendelkező Tekken tokenizert ír le. Ez a dokumentált kapcsolat alátámasztja e funkciók továbbvitelét a 3.2-be, miközben a 2506 frissítés saját kiadás marad.
Az utasításkövetési hangsúly akkor számít, ha az eredménynek több pontos követelményt kell teljesítenie. Add meg a forrásanyagot, sorold fel a kimeneti szabályokat, és nevezd meg a visszaadandó eredményanyagot. Dokumentumkinyerési kérés előírhat meghatározott mezőket, eredeti azonosítókat, rögzített hiányzóérték-jelölést és a rekordon kívüli próza mellőzését. Írásfeladat előírhat adott közönséget és szakaszsorrendet, a megadott feltételek változatlan megőrzésével.
Az ismétlést érintő változás a generálási viselkedést kezeli, nem új következtetési módot ad. Hosszú válaszhoz határozd meg a szükséges szakaszokat és céljukat, hogy a kérésnek egyértelmű lezárási pontja legyen. A függvénysablon változása az eszközös beszélgetés ábrázolását érinti; a megfelelő kiadás beszélgetési és tokenizerbeállításait használd, ne kezeld felcserélhetőként egy régebbi formázási példával.
Vizuális és többnyelvű feladatok
Az örökölt látási funkció szöveges kérdés és kép párosítását teszi lehetővé. Adj olvasható oldalt, diagramot vagy ábrát, és azonosítsd a feladathoz szükséges részletet. Diagram-összehasonlításnál őrizd meg a tengelyeket, mértékegységeket és jelmagyarázatot, és minden következtetéshez kérd az alátámasztó megfigyelést. Dokumentummezőnél tartsd meg a címkét és környező kontextust, hogy a visszaadott érték helyesen legyen értelmezhető.
A dokumentált nyelvi lefedettség az oroszt, angolt, franciát, németet, spanyolt, olaszt, portugált, kínait, japánt, koreait, arabot, perzsát, hindit, bengálit és a gyártó által felsorolt más nyelveket tartalmazza. Add meg a célnyelvet és a változatlanul megőrzendő terminológiát. Kétnyelvű dokumentumfeladat megőrizheti az azonosítókat és mértékegységeket, miközben a környező magyarázatot az olvasóhoz igazítja.
Gyakorlati vizuális adatkinyeréshez kérd a dokumentumazonosítót, a mezőcímkét, a kinyert szöveget és az azt alátámasztó képrészletet. Ha az olvasónak értelmezésre van szüksége, a magyarázat külön következhet. Így az átírás, a strukturált mezők és a modell következtetése nem olvadnak egyetlen megkülönböztethetetlen eredménnyé.
Rendszerutasítások és eszközök
A 3.2 kártya a felhasználási esethez igazított rendszerpromptot és viszonylag alacsony, például 0.15 temperature értéket ajánl. Kifejezetten határozd meg az asszisztens szerepét, a válaszszabályokat és a forrásanyag kezelését. A tényleges dokumentumot vagy kódot a felhasználói feladathoz tedd, megőrizve a válaszra vonatkozó utasítások és a forrásban idézett utasítások közötti határt.
Függvényhíváshoz az alkalmazásnak eszközleírásokat és kötelező argumentumokat kell biztosítania. A modell előkészít egy hívást, az alkalmazás végrehajtja a függvényt és visszaadja eredményét, a következő válasz pedig ezt az információt használja. A kiadott példák vizuális következtetést, eszközhívásokat és csak szöveges utasításokat tartalmaznak. Lekérdezési feladat ezért kérheti a modelltől egy leírt művelet kiválasztását, a tényleges lekérdezést és eredményét a környező alkalmazásra hagyva.
Programozási kéréshez add meg a releváns függvényt, a problémát előidéző bemenetet és az elvárt működést. Kérj az eredeti interfészt megőrző javítási javaslatot, majd a kívánt működést megkülönböztető példákat. Matematikai kérésnél határozd meg a változókat és feltételezéseket, és kérd a fontos indokolt lépéseket, valamint külön a végső kifejezést. Ezek az örökölt programozási és következtetési képességek alkalmazásai; a javasolt kód végrehajtása külön lépés marad.
Kontextus és kiadási határok
A 128 ezer tokenes ablakban együtt kezeld a forrásrészleteket, képeket, beszélgetést és elvárt választ. Nagy dokumentumok összehasonlításánál megtarthatod a kapcsolódó szakaszokat, miközben rövid megállapításmátrixot kérsz vissza. Egy kiszolgálási példában megjelenő nagy képi keret vagy generálási érték nem a modell önállóan megadott maximális kapacitása.
A Small 3.2 dokumentált vizuális bemenettel rendelkező utasításos frissítés, nem a csak szöveges Small 3 2501 vagy a hibrid következtető Small 4 kiadás. A gyártó kártyája nem ad meg külön, szigorú kimenetitoken-plafont ehhez a bejegyzéshez. Őrizd meg pontos 2506 azonosságát és formázását, és határozd meg a következő lépéshez szükséges strukturált rekordot, magyarázatot vagy kódjavaslatot.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0006 / 1K token Bemenet · Gyorsítótár olvasása $0.00002 / 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 $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0006 / 1K token Bemenet · Gyorsítótár olvasása $0.00002 / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "mistralai/mistral-small-3.2-24b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.2-24b-instruct', '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-3.2-24b-instruct', '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-3.2-24b-instruct
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.