Mistral Medium adalah keluarga model dari Mistral AI untuk asisten aplikasi, pekerjaan dokumen, dan agen perangkat lunak. Edisi Medium 3.5 menggabungkan kepatuhan terhadap instruksi, penalaran, dan pemrograman dalam model dense dengan 128 miliar parameter dan jendela konteks 256K. Model ini memahami teks dan materi visual serta menghasilkan teks, kode, atau hasil terstruktur. Encoder visualnya dilatih untuk menangani ukuran dan rasio aspek gambar yang bervariasi, sehingga sebuah tugas dapat menggabungkan persyaratan tertulis dengan tangkapan layar, halaman dokumen, atau bukti visual lainnya.
Fitur model dimulai dari keluaran terstruktur dan pemanggilan fungsi. Keluaran JSON berguna ketika respons harus mempertahankan struktur yang dapat dibaca mesin; skema khusus menetapkan bidang yang diwajibkan beserta tipenya. Tugas dokumen dapat mengembalikan tabel fakta hasil ekstraksi, perbandingan antarbagian, atau ringkasan dengan pertanyaan terbuka. Tanya jawab dokumen menggabungkan ekstraksi teks dan struktur dokumen dengan pemahaman model bahasa, sehingga pertanyaan dapat dikaitkan dengan konten yang relevan alih-alih tebakan bebas.
Dalam tugas berbantuan alat, aplikasi menjelaskan fungsi dan argumen yang diterimanya. Model memilih fungsi, menyiapkan argumen, dan menerima hasil setelah aplikasi menjalankan tindakan. Percakapan dapat dilanjutkan dengan pemanggilan alat berikutnya atau jawaban akhir. Penggunaan alat secara paralel memungkinkan beberapa pemanggilan independen diminta sekaligus jika aplikasi mengizinkannya. Kontrol pemilihan alat dapat membiarkan model memutuskan, mewajibkan alat, atau membatasi tugas pada respons teks.
Medium 3.5 menyesuaikan upaya penalaran untuk setiap permintaan. Pengaturan pemikiran minimal mengembalikan jawaban secara langsung; upaya tinggi menyertakan segmen penalaran sebelum jawaban akhir dan direkomendasikan untuk tugas agen serta pemrograman. Dalam percakapan penalaran beberapa giliran, pesan asisten yang lengkap mempertahankan informasi yang dibutuhkan untuk pekerjaan lanjutan. Predicted outputs membantu saat merevisi kode atau dokumen dengan bagian yang sudah diketahui, dan prefiks yang diberikan dapat menetapkan awal jawaban. Alur batch dapat memproses kumpulan permintaan independen secara asinkron.
Edisi ini dirancang untuk pekerjaan yang berlangsung melalui banyak langkah. Contoh pemrograman mencakup refaktorisasi modul, perbaikan bug, pembuatan pemeriksaan, pembaruan dependensi, dan penyelidikan alur pengembangan yang gagal. Penugasan yang berguna menyertakan berkas yang terdampak, perilaku yang diwajibkan, dan kriteria penyelesaian yang jelas. Model dapat menggunakan hasil eksplorasi repositori dan pemeriksaan yang dijalankan aplikasi untuk merevisi solusi yang diusulkan; alat dan akses berkas dikendalikan oleh lingkungan agen di sekelilingnya.
Untuk pekerjaan pengetahuan, pembuatnya menjelaskan riset, sintesis, dan alur kerja lintas alat yang terhubung. Tugas Ailoot API dapat meminta arahan terstruktur yang disusun dari dokumen yang diberikan, perbandingan opsi teknis, atau draf berdasarkan informasi yang diambil. Tentukan pengamatan mana yang mendukung kesimpulan dan artefak apa yang harus menyelesaikan tugas. Model menyiapkan penalaran dan hasil; aplikasi menyediakan akses informasi, menjalankan tindakan, dan menyajikan hasil kerja. Nama keluarga Medium tetap menjadi pilihan yang diperbarui, sedangkan arsitektur numerik, pemrosesan visual, dan mode penalaran yang dijelaskan di sini berlaku untuk edisi Medium 3.5 yang disebut secara eksplisit.
", "aboutText": "Mistral Medium adalah keluarga model dari Mistral AI untuk asisten aplikasi, pekerjaan dokumen, dan agen perangkat lunak. Edisi Medium 3.5 menggabungkan kepatuhan terhadap instruksi, penalaran, dan pemrograman dalam model dense dengan 128 miliar parameter dan jendela konteks 256K. Model ini memahami teks dan materi visual serta menghasilkan teks, kode, atau hasil terstruktur. Encoder visualnya dilatih untuk menangani ukuran dan rasio aspek gambar yang bervariasi, sehingga sebuah tugas dapat menggabungkan persyaratan tertulis dengan tangkapan layar, halaman dokumen, atau bukti visual lainnya.\n\nFitur model dimulai dari keluaran terstruktur dan pemanggilan fungsi. Keluaran JSON berguna ketika respons harus mempertahankan struktur yang dapat dibaca mesin; skema khusus menetapkan bidang yang diwajibkan beserta tipenya. Tugas dokumen dapat mengembalikan tabel fakta hasil ekstraksi, perbandingan antarbagian, atau ringkasan dengan pertanyaan terbuka. Tanya jawab dokumen menggabungkan ekstraksi teks dan struktur dokumen dengan pemahaman model bahasa, sehingga pertanyaan dapat dikaitkan dengan konten yang relevan alih-alih tebakan bebas.\n\nDalam tugas berbantuan alat, aplikasi menjelaskan fungsi dan argumen yang diterimanya. Model memilih fungsi, menyiapkan argumen, dan menerima hasil setelah aplikasi menjalankan tindakan. Percakapan dapat dilanjutkan dengan pemanggilan alat berikutnya atau jawaban akhir. Penggunaan alat secara paralel memungkinkan beberapa pemanggilan independen diminta sekaligus jika aplikasi mengizinkannya. Kontrol pemilihan alat dapat membiarkan model memutuskan, mewajibkan alat, atau membatasi tugas pada respons teks.\n\nMedium 3.5 menyesuaikan upaya penalaran untuk setiap permintaan. Pengaturan pemikiran minimal mengembalikan jawaban secara langsung; upaya tinggi menyertakan segmen penalaran sebelum jawaban akhir dan direkomendasikan untuk tugas agen serta pemrograman. Dalam percakapan penalaran beberapa giliran, pesan asisten yang lengkap mempertahankan informasi yang dibutuhkan untuk pekerjaan lanjutan. Predicted outputs membantu saat merevisi kode atau dokumen dengan bagian yang sudah diketahui, dan prefiks yang diberikan dapat menetapkan awal jawaban. Alur batch dapat memproses kumpulan permintaan independen secara asinkron.\n\nEdisi ini dirancang untuk pekerjaan yang berlangsung melalui banyak langkah. Contoh pemrograman mencakup refaktorisasi modul, perbaikan bug, pembuatan pemeriksaan, pembaruan dependensi, dan penyelidikan alur pengembangan yang gagal. Penugasan yang berguna menyertakan berkas yang terdampak, perilaku yang diwajibkan, dan kriteria penyelesaian yang jelas. Model dapat menggunakan hasil eksplorasi repositori dan pemeriksaan yang dijalankan aplikasi untuk merevisi solusi yang diusulkan; alat dan akses berkas dikendalikan oleh lingkungan agen di sekelilingnya.\n\nUntuk pekerjaan pengetahuan, pembuatnya menjelaskan riset, sintesis, dan alur kerja lintas alat yang terhubung. Tugas Ailoot API dapat meminta arahan terstruktur yang disusun dari dokumen yang diberikan, perbandingan opsi teknis, atau draf berdasarkan informasi yang diambil. Tentukan pengamatan mana yang mendukung kesimpulan dan artefak apa yang harus menyelesaikan tugas. Model menyiapkan penalaran dan hasil; aplikasi menyediakan akses informasi, menjalankan tindakan, dan menyajikan hasil kerja. Nama keluarga Medium tetap menjadi pilihan yang diperbarui, sedangkan arsitektur numerik, pemrosesan visual, dan mode penalaran yang dijelaskan di sini berlaku untuk edisi Medium 3.5 yang disebut secara eksplisit.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Extract obligations from a supplier note\n\nPrepare a document brief from this note: 'The supplier will send samples by 6 June. The buyer must approve the color before production starts. The production lead time is 20 business days after approval. No shipping date has been agreed.' Return obligations, dependency and unresolved information, preserving the distinction between sample delivery and production timing.A concise obligation table and a separate list of unresolved scheduling information.The brief does not calculate an agreed shipping date from a production lead time alone.mistral-medium-latestKeluarga Medium dari Mistral AI mendukung pemahaman dokumen, pemrograman, dan agen yang bekerja melalui beberapa langkah berbantuan alat. Edisi Medium 3.5 menggabungkan kepatuhan terhadap instruksi dan penalaran yang dapat disesuaikan dalam model multimodal dengan jendela konteks 256K.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mistral Medium adalah keluarga model dari Mistral AI untuk asisten aplikasi, pekerjaan dokumen, dan agen perangkat lunak. Edisi Medium 3.5 menggabungkan kepatuhan terhadap instruksi, penalaran, dan pemrograman dalam model dense dengan 128 miliar parameter dan jendela konteks 256K. Model ini memahami teks dan materi visual serta menghasilkan teks, kode, atau hasil terstruktur. Encoder visualnya dilatih untuk menangani ukuran dan rasio aspek gambar yang bervariasi, sehingga sebuah tugas dapat menggabungkan persyaratan tertulis dengan tangkapan layar, halaman dokumen, atau bukti visual lainnya.
Fitur model dimulai dari keluaran terstruktur dan pemanggilan fungsi. Keluaran JSON berguna ketika respons harus mempertahankan struktur yang dapat dibaca mesin; skema khusus menetapkan bidang yang diwajibkan beserta tipenya. Tugas dokumen dapat mengembalikan tabel fakta hasil ekstraksi, perbandingan antarbagian, atau ringkasan dengan pertanyaan terbuka. Tanya jawab dokumen menggabungkan ekstraksi teks dan struktur dokumen dengan pemahaman model bahasa, sehingga pertanyaan dapat dikaitkan dengan konten yang relevan alih-alih tebakan bebas.
Dalam tugas berbantuan alat, aplikasi menjelaskan fungsi dan argumen yang diterimanya. Model memilih fungsi, menyiapkan argumen, dan menerima hasil setelah aplikasi menjalankan tindakan. Percakapan dapat dilanjutkan dengan pemanggilan alat berikutnya atau jawaban akhir. Penggunaan alat secara paralel memungkinkan beberapa pemanggilan independen diminta sekaligus jika aplikasi mengizinkannya. Kontrol pemilihan alat dapat membiarkan model memutuskan, mewajibkan alat, atau membatasi tugas pada respons teks.
Medium 3.5 menyesuaikan upaya penalaran untuk setiap permintaan. Pengaturan pemikiran minimal mengembalikan jawaban secara langsung; upaya tinggi menyertakan segmen penalaran sebelum jawaban akhir dan direkomendasikan untuk tugas agen serta pemrograman. Dalam percakapan penalaran beberapa giliran, pesan asisten yang lengkap mempertahankan informasi yang dibutuhkan untuk pekerjaan lanjutan. Predicted outputs membantu saat merevisi kode atau dokumen dengan bagian yang sudah diketahui, dan prefiks yang diberikan dapat menetapkan awal jawaban. Alur batch dapat memproses kumpulan permintaan independen secara asinkron.
Edisi ini dirancang untuk pekerjaan yang berlangsung melalui banyak langkah. Contoh pemrograman mencakup refaktorisasi modul, perbaikan bug, pembuatan pemeriksaan, pembaruan dependensi, dan penyelidikan alur pengembangan yang gagal. Penugasan yang berguna menyertakan berkas yang terdampak, perilaku yang diwajibkan, dan kriteria penyelesaian yang jelas. Model dapat menggunakan hasil eksplorasi repositori dan pemeriksaan yang dijalankan aplikasi untuk merevisi solusi yang diusulkan; alat dan akses berkas dikendalikan oleh lingkungan agen di sekelilingnya.
Untuk pekerjaan pengetahuan, pembuatnya menjelaskan riset, sintesis, dan alur kerja lintas alat yang terhubung. Tugas Ailoot API dapat meminta arahan terstruktur yang disusun dari dokumen yang diberikan, perbandingan opsi teknis, atau draf berdasarkan informasi yang diambil. Tentukan pengamatan mana yang mendukung kesimpulan dan artefak apa yang harus menyelesaikan tugas. Model menyiapkan penalaran dan hasil; aplikasi menyediakan akses informasi, menjalankan tindakan, dan menyajikan hasil kerja. Nama keluarga Medium tetap menjadi pilihan yang diperbarui, sedangkan arsitektur numerik, pemrosesan visual, dan mode penalaran yang dijelaskan di sini berlaku untuk edisi Medium 3.5 yang disebut secara eksplisit.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistral-medium-latest | 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 $0.00088 / 1K token Keluaran · Token keluaran $0.0132 / 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": "mistral-medium-latest", "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='mistral-medium-latest',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='mistral-medium-latest',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 mistral-medium-latest
Gunakan jalur metode yang ditampilkan di atas.
mistral-medium-latestKeluarga Medium dari Mistral AI mendukung pemahaman dokumen, pemrograman, dan agen yang bekerja melalui beberapa langkah berbantuan alat. Edisi Medium 3.5 menggabungkan kepatuhan terhadap instruksi dan penalaran yang dapat disesuaikan dalam model multimodal dengan jendela konteks 256K.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mistral Medium adalah keluarga model dari Mistral AI untuk asisten aplikasi, pekerjaan dokumen, dan agen perangkat lunak. Edisi Medium 3.5 menggabungkan kepatuhan terhadap instruksi, penalaran, dan pemrograman dalam model dense dengan 128 miliar parameter dan jendela konteks 256K. Model ini memahami teks dan materi visual serta menghasilkan teks, kode, atau hasil terstruktur. Encoder visualnya dilatih untuk menangani ukuran dan rasio aspek gambar yang bervariasi, sehingga sebuah tugas dapat menggabungkan persyaratan tertulis dengan tangkapan layar, halaman dokumen, atau bukti visual lainnya.
Fitur model dimulai dari keluaran terstruktur dan pemanggilan fungsi. Keluaran JSON berguna ketika respons harus mempertahankan struktur yang dapat dibaca mesin; skema khusus menetapkan bidang yang diwajibkan beserta tipenya. Tugas dokumen dapat mengembalikan tabel fakta hasil ekstraksi, perbandingan antarbagian, atau ringkasan dengan pertanyaan terbuka. Tanya jawab dokumen menggabungkan ekstraksi teks dan struktur dokumen dengan pemahaman model bahasa, sehingga pertanyaan dapat dikaitkan dengan konten yang relevan alih-alih tebakan bebas.
Dalam tugas berbantuan alat, aplikasi menjelaskan fungsi dan argumen yang diterimanya. Model memilih fungsi, menyiapkan argumen, dan menerima hasil setelah aplikasi menjalankan tindakan. Percakapan dapat dilanjutkan dengan pemanggilan alat berikutnya atau jawaban akhir. Penggunaan alat secara paralel memungkinkan beberapa pemanggilan independen diminta sekaligus jika aplikasi mengizinkannya. Kontrol pemilihan alat dapat membiarkan model memutuskan, mewajibkan alat, atau membatasi tugas pada respons teks.
Medium 3.5 menyesuaikan upaya penalaran untuk setiap permintaan. Pengaturan pemikiran minimal mengembalikan jawaban secara langsung; upaya tinggi menyertakan segmen penalaran sebelum jawaban akhir dan direkomendasikan untuk tugas agen serta pemrograman. Dalam percakapan penalaran beberapa giliran, pesan asisten yang lengkap mempertahankan informasi yang dibutuhkan untuk pekerjaan lanjutan. Predicted outputs membantu saat merevisi kode atau dokumen dengan bagian yang sudah diketahui, dan prefiks yang diberikan dapat menetapkan awal jawaban. Alur batch dapat memproses kumpulan permintaan independen secara asinkron.
Edisi ini dirancang untuk pekerjaan yang berlangsung melalui banyak langkah. Contoh pemrograman mencakup refaktorisasi modul, perbaikan bug, pembuatan pemeriksaan, pembaruan dependensi, dan penyelidikan alur pengembangan yang gagal. Penugasan yang berguna menyertakan berkas yang terdampak, perilaku yang diwajibkan, dan kriteria penyelesaian yang jelas. Model dapat menggunakan hasil eksplorasi repositori dan pemeriksaan yang dijalankan aplikasi untuk merevisi solusi yang diusulkan; alat dan akses berkas dikendalikan oleh lingkungan agen di sekelilingnya.
Untuk pekerjaan pengetahuan, pembuatnya menjelaskan riset, sintesis, dan alur kerja lintas alat yang terhubung. Tugas Ailoot API dapat meminta arahan terstruktur yang disusun dari dokumen yang diberikan, perbandingan opsi teknis, atau draf berdasarkan informasi yang diambil. Tentukan pengamatan mana yang mendukung kesimpulan dan artefak apa yang harus menyelesaikan tugas. Model menyiapkan penalaran dan hasil; aplikasi menyediakan akses informasi, menjalankan tindakan, dan menyajikan hasil kerja. Nama keluarga Medium tetap menjadi pilihan yang diperbarui, sedangkan arsitektur numerik, pemrosesan visual, dan mode penalaran yang dijelaskan di sini berlaku untuk edisi Medium 3.5 yang disebut secara eksplisit.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistral-medium-latest | 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 $0.00088 / 1K token Keluaran · Token keluaran $0.0132 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "mistral-medium-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mistral-medium-latest', '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': 'mistral-medium-latest', '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 mistral-medium-latest
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Extract obligations from a supplier note\n\nPrepare a document brief from this note: 'The supplier will send samples by 6 June. The buyer must approve the color before production starts. The production lead time is 20 business days after approval. No shipping date has been agreed.' Return obligations, dependency and unresolved information, preserving the distinction between sample delivery and production timing.A concise obligation table and a separate list of unresolved scheduling information.The brief does not calculate an agreed shipping date from a production lead time alone.