Devstral Small 1.1 adalah model khusus teks versi tetap dari Mistral AI untuk agen rekayasa perangkat lunak. Model di-fine-tune dari Mistral Small 3.1 dengan enkoder visual dihapus, sehingga berfokus pada penelusuran repositori, alat, dan perubahan kode beberapa berkas. Rilis ini memiliki 24 miliar parameter dan jendela konteks hingga 128K token. Keluarannya berupa teks, kode, atau instruksi untuk fungsi yang disediakan aplikasi agen.
Versi 1.1 mempertahankan arsitektur rilis Small sebelumnya sambil memperluas cara bekerja dengan prompt dan lingkungan pemrograman. Pembuat menjelaskan generalisasi yang lebih baik lintas kerangka agen berbeda dan menambahkan dukungan format pemanggilan fungsi Mistral di samping format berbasis XML. Ini merupakan cara menyatakan dan menafsirkan interaksi agen; alat dan lingkungan eksekusi yang disediakan menentukan tindakan repositori yang tersedia.
Sifat utama model mencakup ukuran 24B, bobot berlisensi Apache 2.0, dan tokenizer Tekken dengan kosakata sekitar 131K entri. Edisi tetap 1.1 diidentifikasi dengan nama rilisnya sendiri dan mempertahankan konteks 128K. Materi proyek tekstual dapat mencakup berkas sumber, persyaratan tugas, tindakan sebelumnya, dan hasil pencarian atau perintah yang dikembalikan. Ini memungkinkan usulan perubahan berikutnya didasarkan pada hal yang dipelajari agen tentang proyek.
Alur praktis dimulai dengan tujuan rekayasa spesifik. Minta agen menemukan jalur yang menangani permintaan, mengidentifikasi fungsi relevan, dan mengusulkan penyuntingan terkoordinasi pada berkas terkait. Berikan perilaku yang diharapkan, persyaratan kompatibilitas, dan contoh yang membedakan hasil benar. Untuk cacat, sertakan kesalahan teramati serta masukan yang mereproduksinya. Untuk refaktor, sebutkan antarmuka dan perilaku yang harus tetap stabil. Artefak yang berguna adalah usulan patch beserta penjelasan dependensinya dan pemeriksaan yang diperlukan untuk memvalidasinya.
Model juga mendukung respons terstruktur dan pertanyaan dokumen. Tugas tinjauan kode dapat mengembalikan bidang terpisah untuk komponen terdampak, usulan perubahan, dan pemeriksaan lanjutan. Tugas dokumen teknis dapat mengidentifikasi persyaratan yang relevan bagi implementasi. Kelanjutan prefiks dapat menetapkan awal respons, sementara alur batch asinkron dapat menangani tugas analisis kode independen. Fitur ini melengkapi spesialisasi utama pada repositori dan alat.
Dalam agen Ailoot API, berikan deskripsi alat dan skema argumennya bersama tugas. Devstral dapat memilih fungsi dan menyiapkan argumen; aplikasi menjalankan fungsi, mengembalikan keluarannya, dan melanjutkan percakapan. Model tidak memperoleh akses berkas atau mengeksekusi kode sarannya secara mandiri. Gunakan hasil alat yang dikembalikan untuk menyempurnakan usulan suntingan dan akhiri dengan artefak kode, penjelasan, serta bukti dari lingkungan. Identitas Small 1.1 tetap terpisah dari edisi Devstral lebih baru dan rilis Mistral Small serbaguna.
", "aboutText": "Devstral Small 1.1 adalah model khusus teks versi tetap dari Mistral AI untuk agen rekayasa perangkat lunak. Model di-fine-tune dari Mistral Small 3.1 dengan enkoder visual dihapus, sehingga berfokus pada penelusuran repositori, alat, dan perubahan kode beberapa berkas. Rilis ini memiliki 24 miliar parameter dan jendela konteks hingga 128K token. Keluarannya berupa teks, kode, atau instruksi untuk fungsi yang disediakan aplikasi agen.\n\nVersi 1.1 mempertahankan arsitektur rilis Small sebelumnya sambil memperluas cara bekerja dengan prompt dan lingkungan pemrograman. Pembuat menjelaskan generalisasi yang lebih baik lintas kerangka agen berbeda dan menambahkan dukungan format pemanggilan fungsi Mistral di samping format berbasis XML. Ini merupakan cara menyatakan dan menafsirkan interaksi agen; alat dan lingkungan eksekusi yang disediakan menentukan tindakan repositori yang tersedia.\n\nSifat utama model mencakup ukuran 24B, bobot berlisensi Apache 2.0, dan tokenizer Tekken dengan kosakata sekitar 131K entri. Edisi tetap 1.1 diidentifikasi dengan nama rilisnya sendiri dan mempertahankan konteks 128K. Materi proyek tekstual dapat mencakup berkas sumber, persyaratan tugas, tindakan sebelumnya, dan hasil pencarian atau perintah yang dikembalikan. Ini memungkinkan usulan perubahan berikutnya didasarkan pada hal yang dipelajari agen tentang proyek.\n\nAlur praktis dimulai dengan tujuan rekayasa spesifik. Minta agen menemukan jalur yang menangani permintaan, mengidentifikasi fungsi relevan, dan mengusulkan penyuntingan terkoordinasi pada berkas terkait. Berikan perilaku yang diharapkan, persyaratan kompatibilitas, dan contoh yang membedakan hasil benar. Untuk cacat, sertakan kesalahan teramati serta masukan yang mereproduksinya. Untuk refaktor, sebutkan antarmuka dan perilaku yang harus tetap stabil. Artefak yang berguna adalah usulan patch beserta penjelasan dependensinya dan pemeriksaan yang diperlukan untuk memvalidasinya.\n\nModel juga mendukung respons terstruktur dan pertanyaan dokumen. Tugas tinjauan kode dapat mengembalikan bidang terpisah untuk komponen terdampak, usulan perubahan, dan pemeriksaan lanjutan. Tugas dokumen teknis dapat mengidentifikasi persyaratan yang relevan bagi implementasi. Kelanjutan prefiks dapat menetapkan awal respons, sementara alur batch asinkron dapat menangani tugas analisis kode independen. Fitur ini melengkapi spesialisasi utama pada repositori dan alat.\n\nDalam agen Ailoot API, berikan deskripsi alat dan skema argumennya bersama tugas. Devstral dapat memilih fungsi dan menyiapkan argumen; aplikasi menjalankan fungsi, mengembalikan keluarannya, dan melanjutkan percakapan. Model tidak memperoleh akses berkas atau mengeksekusi kode sarannya secara mandiri. Gunakan hasil alat yang dikembalikan untuk menyempurnakan usulan suntingan dan akhiri dengan artefak kode, penjelasan, serta bukti dari lingkungan. Identitas Small 1.1 tetap terpisah dari edisi Devstral lebih baru dan rilis Mistral Small serbaguna.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Coordinate a renamed function\n\nTwo Python files contain: service.py: def load_user(uid): return {'id': uid}; handler.py: from service import load_user; def handle(uid): return load_user(uid). Rename load_user to fetch_user in both files while preserving handle's interface and returned value. Return separate changed file blocks and one regression assertion for handle(7).Two named Python file blocks and an assertion preserving handle behavior.The import, definition and call must all use fetch_user while handle remains callable by its original name.devstral-small-2507Devstral Small 1.1 adalah model agen pemrograman khusus teks 24B dari Mistral AI untuk menelusuri repositori dan menyiapkan penyuntingan terkoordinasi lintas berkas. Versi 1.1 menambah kompatibilitas prompt yang lebih luas dan mendukung format agen berbasis pemanggilan fungsi serta XML, dengan jendela konteks 128K.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Devstral Small 1.1 adalah model khusus teks versi tetap dari Mistral AI untuk agen rekayasa perangkat lunak. Model di-fine-tune dari Mistral Small 3.1 dengan enkoder visual dihapus, sehingga berfokus pada penelusuran repositori, alat, dan perubahan kode beberapa berkas. Rilis ini memiliki 24 miliar parameter dan jendela konteks hingga 128K token. Keluarannya berupa teks, kode, atau instruksi untuk fungsi yang disediakan aplikasi agen.
Versi 1.1 mempertahankan arsitektur rilis Small sebelumnya sambil memperluas cara bekerja dengan prompt dan lingkungan pemrograman. Pembuat menjelaskan generalisasi yang lebih baik lintas kerangka agen berbeda dan menambahkan dukungan format pemanggilan fungsi Mistral di samping format berbasis XML. Ini merupakan cara menyatakan dan menafsirkan interaksi agen; alat dan lingkungan eksekusi yang disediakan menentukan tindakan repositori yang tersedia.
Sifat utama model mencakup ukuran 24B, bobot berlisensi Apache 2.0, dan tokenizer Tekken dengan kosakata sekitar 131K entri. Edisi tetap 1.1 diidentifikasi dengan nama rilisnya sendiri dan mempertahankan konteks 128K. Materi proyek tekstual dapat mencakup berkas sumber, persyaratan tugas, tindakan sebelumnya, dan hasil pencarian atau perintah yang dikembalikan. Ini memungkinkan usulan perubahan berikutnya didasarkan pada hal yang dipelajari agen tentang proyek.
Alur praktis dimulai dengan tujuan rekayasa spesifik. Minta agen menemukan jalur yang menangani permintaan, mengidentifikasi fungsi relevan, dan mengusulkan penyuntingan terkoordinasi pada berkas terkait. Berikan perilaku yang diharapkan, persyaratan kompatibilitas, dan contoh yang membedakan hasil benar. Untuk cacat, sertakan kesalahan teramati serta masukan yang mereproduksinya. Untuk refaktor, sebutkan antarmuka dan perilaku yang harus tetap stabil. Artefak yang berguna adalah usulan patch beserta penjelasan dependensinya dan pemeriksaan yang diperlukan untuk memvalidasinya.
Model juga mendukung respons terstruktur dan pertanyaan dokumen. Tugas tinjauan kode dapat mengembalikan bidang terpisah untuk komponen terdampak, usulan perubahan, dan pemeriksaan lanjutan. Tugas dokumen teknis dapat mengidentifikasi persyaratan yang relevan bagi implementasi. Kelanjutan prefiks dapat menetapkan awal respons, sementara alur batch asinkron dapat menangani tugas analisis kode independen. Fitur ini melengkapi spesialisasi utama pada repositori dan alat.
Dalam agen Ailoot API, berikan deskripsi alat dan skema argumennya bersama tugas. Devstral dapat memilih fungsi dan menyiapkan argumen; aplikasi menjalankan fungsi, mengembalikan keluarannya, dan melanjutkan percakapan. Model tidak memperoleh akses berkas atau mengeksekusi kode sarannya secara mandiri. Gunakan hasil alat yang dikembalikan untuk menyempurnakan usulan suntingan dan akhiri dengan artefak kode, penjelasan, serta bukti dari lingkungan. Identitas Small 1.1 tetap terpisah dari edisi Devstral lebih baru dan rilis Mistral Small serbaguna.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan devstral-small-2507 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00022 / 1K token Keluaran · Token keluaran $0.00066 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "devstral-small-2507", "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='devstral-small-2507',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='devstral-small-2507',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra devstral-small-2507
Gunakan jalur metode yang ditampilkan di atas.
devstral-small-2507Devstral Small 1.1 adalah model agen pemrograman khusus teks 24B dari Mistral AI untuk menelusuri repositori dan menyiapkan penyuntingan terkoordinasi lintas berkas. Versi 1.1 menambah kompatibilitas prompt yang lebih luas dan mendukung format agen berbasis pemanggilan fungsi serta XML, dengan jendela konteks 128K.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Devstral Small 1.1 adalah model khusus teks versi tetap dari Mistral AI untuk agen rekayasa perangkat lunak. Model di-fine-tune dari Mistral Small 3.1 dengan enkoder visual dihapus, sehingga berfokus pada penelusuran repositori, alat, dan perubahan kode beberapa berkas. Rilis ini memiliki 24 miliar parameter dan jendela konteks hingga 128K token. Keluarannya berupa teks, kode, atau instruksi untuk fungsi yang disediakan aplikasi agen.
Versi 1.1 mempertahankan arsitektur rilis Small sebelumnya sambil memperluas cara bekerja dengan prompt dan lingkungan pemrograman. Pembuat menjelaskan generalisasi yang lebih baik lintas kerangka agen berbeda dan menambahkan dukungan format pemanggilan fungsi Mistral di samping format berbasis XML. Ini merupakan cara menyatakan dan menafsirkan interaksi agen; alat dan lingkungan eksekusi yang disediakan menentukan tindakan repositori yang tersedia.
Sifat utama model mencakup ukuran 24B, bobot berlisensi Apache 2.0, dan tokenizer Tekken dengan kosakata sekitar 131K entri. Edisi tetap 1.1 diidentifikasi dengan nama rilisnya sendiri dan mempertahankan konteks 128K. Materi proyek tekstual dapat mencakup berkas sumber, persyaratan tugas, tindakan sebelumnya, dan hasil pencarian atau perintah yang dikembalikan. Ini memungkinkan usulan perubahan berikutnya didasarkan pada hal yang dipelajari agen tentang proyek.
Alur praktis dimulai dengan tujuan rekayasa spesifik. Minta agen menemukan jalur yang menangani permintaan, mengidentifikasi fungsi relevan, dan mengusulkan penyuntingan terkoordinasi pada berkas terkait. Berikan perilaku yang diharapkan, persyaratan kompatibilitas, dan contoh yang membedakan hasil benar. Untuk cacat, sertakan kesalahan teramati serta masukan yang mereproduksinya. Untuk refaktor, sebutkan antarmuka dan perilaku yang harus tetap stabil. Artefak yang berguna adalah usulan patch beserta penjelasan dependensinya dan pemeriksaan yang diperlukan untuk memvalidasinya.
Model juga mendukung respons terstruktur dan pertanyaan dokumen. Tugas tinjauan kode dapat mengembalikan bidang terpisah untuk komponen terdampak, usulan perubahan, dan pemeriksaan lanjutan. Tugas dokumen teknis dapat mengidentifikasi persyaratan yang relevan bagi implementasi. Kelanjutan prefiks dapat menetapkan awal respons, sementara alur batch asinkron dapat menangani tugas analisis kode independen. Fitur ini melengkapi spesialisasi utama pada repositori dan alat.
Dalam agen Ailoot API, berikan deskripsi alat dan skema argumennya bersama tugas. Devstral dapat memilih fungsi dan menyiapkan argumen; aplikasi menjalankan fungsi, mengembalikan keluarannya, dan melanjutkan percakapan. Model tidak memperoleh akses berkas atau mengeksekusi kode sarannya secara mandiri. Gunakan hasil alat yang dikembalikan untuk menyempurnakan usulan suntingan dan akhiri dengan artefak kode, penjelasan, serta bukti dari lingkungan. Identitas Small 1.1 tetap terpisah dari edisi Devstral lebih baru dan rilis Mistral Small serbaguna.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan devstral-small-2507 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00022 / 1K token Keluaran · Token keluaran $0.00066 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "devstral-small-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'devstral-small-2507', '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': 'devstral-small-2507', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra devstral-small-2507
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Coordinate a renamed function\n\nTwo Python files contain: service.py: def load_user(uid): return {'id': uid}; handler.py: from service import load_user; def handle(uid): return load_user(uid). Rename load_user to fetch_user in both files while preserving handle's interface and returned value. Return separate changed file blocks and one regression assertion for handle(7).Two named Python file blocks and an assertion preserving handle behavior.The import, definition and call must all use fetch_user while handle remains callable by its original name.