Codestral 2508 adalah model pemrograman dari Mistral AI untuk tugas pelengkapan dan generasi yang sering dilakukan serta peka terhadap latensi. Model ini menerima kode sumber dan persyaratan tertulis, lalu mengembalikan teks yang dapat memuat implementasi, pelengkapan, koreksi, atau penjelasan. Edisi bernama 2508 berfokus pada konteks penyuntingan pengembang saat ini, bukan sebagai model embedding atau agen repositori lengkap yang berdiri sendiri.
Pelengkapan kode dan pembaruan 2508
Pembuatnya menempatkan Codestral untuk pelengkapan fill-in-the-middle dan penyuntingan beberapa baris. Rilis ini menjelaskan peningkatan perilaku pelengkapan, termasuk mengurangi generasi yang terus berlanjut tanpa kendali, serta peningkatan kepatuhan terhadap instruksi dan tugas kode dalam mode percakapan. Ini adalah perubahan pada edisi Codestral ini; fitur pengambilan informasi dan agen otonom dalam perangkat pemrograman di sekelilingnya dimiliki oleh komponen terpisah yang bernama lain.
Untuk tugas pelengkapan, sertakan signature fungsi, deklarasi, dan konteks pemanggilan yang relevan bersama posisi kursor. Tentukan apakah hasil yang diinginkan hanya kode yang hilang atau fungsi lengkap yang telah direvisi. Permintaan bergaya editor dapat meminta isi perulangan yang mempertahankan tipe nilai kembalian yang ada, mempertahankan nilai duplikat, dan tidak mengubah masukan milik pemanggil. Hasilnya kemudian memiliki titik penyisipan konkret dan perilaku yang terdefinisi.
Persiapan fill-in-the-middle
Dalam antarmuka FIM dari pembuatnya, prompt menyediakan teks atau kode yang harus dilengkapi, sedangkan sufiks opsional menyediakan materi setelah celah. Jika keduanya diberikan, model mengisi ruang di antaranya. Tanpa sufiks, model melanjutkan dari prompt. Ini berbeda dari permintaan percakapan biasa yang meminta perubahan kode dan penjelasan; setiap cara persiapan menetapkan kontrak keluaran yang berbeda.
Masukan pelengkapan celah yang berguna mencakup awal fungsi, kode yang harus mengikuti sisipan, serta definisi tipe atau fungsi bantu yang relevan. Pertahankan indentasi dan pembatas agar teks yang dikembalikan dapat menyatu dengan fragmen yang ada. Jika tugas hanya memerlukan isi yang hilang, minta isi tersebut alih-alih penulisan ulang seluruh berkas. Pertanyaan percakapan terpisah dapat menjelaskan mengapa fragmen yang telah dilengkapi memenuhi persyaratan.
Dokumentasi FIM resmi memperbolehkan anggaran token keluaran dan mewajibkan prompt beserta anggaran tersebut tetap berada dalam konteks model. Dokumentasi itu juga menjelaskan urutan penghenti dan streaming konten yang dihasilkan. Pilih alur kerja pelengkapan ketika hasil harus sesuai dengan celah kode, dan alur kerja percakapan ketika tugas meminta kode beserta penjelasannya.
Konteks dan fitur pendukung
Halaman model menyebut jendela konteks 128k. Gunakan konteks untuk mempertahankan sumber dan deklarasi yang menentukan perubahan yang dimaksud, sambil memastikan tugas penyuntingan tetap eksplisit. Untuk permintaan perbaikan bug, berikan fungsi yang terdampak, masukan konkret yang gagal, hasil yang diharapkan, serta kesalahan atau perilaku yang diamati. Minta usulan koreksi secara terpisah dari penjelasan dan contohnya.
Halaman itu juga mencantumkan keluaran terstruktur, pemanggilan fungsi, predicted outputs, tanya jawab dokumen, prefiks respons, dan pemrosesan batch di samping kemampuan percakapan dan FIM. Untuk hasil tinjauan kode terstruktur, tetapkan bidang seperti simbol yang terdampak, ketidaksesuaian yang diamati, perubahan yang diusulkan, dan asumsi yang masih memerlukan klarifikasi. Panduan keluaran terstruktur Mistral membedakan mode JSON dari skema khusus, dengan format JSON yang diinginkan dinyatakan dalam prompt.
Predicted outputs ditujukan untuk konten yang sebagian besar jawabannya sudah diketahui. Fitur ini dapat digunakan saat menghasilkan ulang dokumen atau berkas kode dengan penyuntingan terbatas sambil mempertahankan konten lainnya. Tentukan perubahan persis dan materi yang harus tetap sama. Sebaliknya, prefiks respons menyediakan awal yang sudah diketahui untuk dilanjutkan oleh generasi; ini berbeda dari isi lengkap yang sudah diketahui maupun sufiks FIM.
Pertanyaan dokumentasi dapat menggunakan alur pemrosesan dokumen dari pembuatnya untuk menyiapkan teks dan struktur dengan OCR sebelum analisis model bahasa. Untuk materi pemrograman yang sudah tersedia sebagai teks, berikan bagian dokumentasi yang relevan dan tanyakan kondisi mana yang mengatur implementasinya. Jaga setiap persyaratan yang diekstrak tetap terkait dengan bagian sumbernya agar kode atau penjelasan yang dihasilkan tetap terhubung dengan spesifikasi yang diberikan.
Alat dan hasil praktis
Pemanggilan fungsi memungkinkan aplikasi menyediakan operasi yang dijelaskan beserta parameternya. Model menyiapkan pemanggilan, aplikasi menjalankannya, dan hasil yang dikembalikan menjadi konteks untuk jawaban berikutnya. Asisten pemrograman dapat menerima hasil pencarian atau perhitungan melalui siklus tersebut, tetapi kompilasi, pengujian, atau penerapan perubahan yang diusulkan tetap memerlukan lingkungan pengembangan di sekelilingnya.
Untuk koreksi praktis, tetapkan antarmuka publik yang harus tetap kompatibel dan minta fragmen yang telah direvisi, penjelasan ringkas, serta contoh masukan beserta keluaran yang diharapkan. Untuk fungsi yang dihasilkan, nyatakan tipe yang diterima dan kondisi batasnya. Untuk penjelasan, berikan masukan yang harus ditelusuri agar jawaban menghubungkan jalur eksekusi konkret dengan nilai yang dikembalikan.
Codestral menghasilkan teks. Model ini tidak mewarisi vektor pencarian kode dari Codestral Embed, otomasi repositori dari Devstral, atau pembuatan gambar dari model visual. Halaman khusus model 2508 tidak memublikasikan jumlah parameter atau panjang jawaban maksimum mandiri yang dapat dipinjam dari rilis lain. Pertahankan edisi bernama, konteks pemrograman, dan artefak yang diwajibkan saat menyiapkan alur editor atau percakapan yang dapat diulang.
", "aboutText": "Codestral 2508 adalah model pemrograman dari Mistral AI untuk tugas pelengkapan dan generasi yang sering dilakukan serta peka terhadap latensi. Model ini menerima kode sumber dan persyaratan tertulis, lalu mengembalikan teks yang dapat memuat implementasi, pelengkapan, koreksi, atau penjelasan. Edisi bernama 2508 berfokus pada konteks penyuntingan pengembang saat ini, bukan sebagai model embedding atau agen repositori lengkap yang berdiri sendiri.\n\nPelengkapan kode dan pembaruan 2508\n\nPembuatnya menempatkan Codestral untuk pelengkapan fill-in-the-middle dan penyuntingan beberapa baris. Rilis ini menjelaskan peningkatan perilaku pelengkapan, termasuk mengurangi generasi yang terus berlanjut tanpa kendali, serta peningkatan kepatuhan terhadap instruksi dan tugas kode dalam mode percakapan. Ini adalah perubahan pada edisi Codestral ini; fitur pengambilan informasi dan agen otonom dalam perangkat pemrograman di sekelilingnya dimiliki oleh komponen terpisah yang bernama lain.\n\nUntuk tugas pelengkapan, sertakan signature fungsi, deklarasi, dan konteks pemanggilan yang relevan bersama posisi kursor. Tentukan apakah hasil yang diinginkan hanya kode yang hilang atau fungsi lengkap yang telah direvisi. Permintaan bergaya editor dapat meminta isi perulangan yang mempertahankan tipe nilai kembalian yang ada, mempertahankan nilai duplikat, dan tidak mengubah masukan milik pemanggil. Hasilnya kemudian memiliki titik penyisipan konkret dan perilaku yang terdefinisi.\n\nPersiapan fill-in-the-middle\n\nDalam antarmuka FIM dari pembuatnya, prompt menyediakan teks atau kode yang harus dilengkapi, sedangkan sufiks opsional menyediakan materi setelah celah. Jika keduanya diberikan, model mengisi ruang di antaranya. Tanpa sufiks, model melanjutkan dari prompt. Ini berbeda dari permintaan percakapan biasa yang meminta perubahan kode dan penjelasan; setiap cara persiapan menetapkan kontrak keluaran yang berbeda.\n\nMasukan pelengkapan celah yang berguna mencakup awal fungsi, kode yang harus mengikuti sisipan, serta definisi tipe atau fungsi bantu yang relevan. Pertahankan indentasi dan pembatas agar teks yang dikembalikan dapat menyatu dengan fragmen yang ada. Jika tugas hanya memerlukan isi yang hilang, minta isi tersebut alih-alih penulisan ulang seluruh berkas. Pertanyaan percakapan terpisah dapat menjelaskan mengapa fragmen yang telah dilengkapi memenuhi persyaratan.\n\nDokumentasi FIM resmi memperbolehkan anggaran token keluaran dan mewajibkan prompt beserta anggaran tersebut tetap berada dalam konteks model. Dokumentasi itu juga menjelaskan urutan penghenti dan streaming konten yang dihasilkan. Pilih alur kerja pelengkapan ketika hasil harus sesuai dengan celah kode, dan alur kerja percakapan ketika tugas meminta kode beserta penjelasannya.\n\nKonteks dan fitur pendukung\n\nHalaman model menyebut jendela konteks 128k. Gunakan konteks untuk mempertahankan sumber dan deklarasi yang menentukan perubahan yang dimaksud, sambil memastikan tugas penyuntingan tetap eksplisit. Untuk permintaan perbaikan bug, berikan fungsi yang terdampak, masukan konkret yang gagal, hasil yang diharapkan, serta kesalahan atau perilaku yang diamati. Minta usulan koreksi secara terpisah dari penjelasan dan contohnya.\n\nHalaman itu juga mencantumkan keluaran terstruktur, pemanggilan fungsi, predicted outputs, tanya jawab dokumen, prefiks respons, dan pemrosesan batch di samping kemampuan percakapan dan FIM. Untuk hasil tinjauan kode terstruktur, tetapkan bidang seperti simbol yang terdampak, ketidaksesuaian yang diamati, perubahan yang diusulkan, dan asumsi yang masih memerlukan klarifikasi. Panduan keluaran terstruktur Mistral membedakan mode JSON dari skema khusus, dengan format JSON yang diinginkan dinyatakan dalam prompt.\n\nPredicted outputs ditujukan untuk konten yang sebagian besar jawabannya sudah diketahui. Fitur ini dapat digunakan saat menghasilkan ulang dokumen atau berkas kode dengan penyuntingan terbatas sambil mempertahankan konten lainnya. Tentukan perubahan persis dan materi yang harus tetap sama. Sebaliknya, prefiks respons menyediakan awal yang sudah diketahui untuk dilanjutkan oleh generasi; ini berbeda dari isi lengkap yang sudah diketahui maupun sufiks FIM.\n\nPertanyaan dokumentasi dapat menggunakan alur pemrosesan dokumen dari pembuatnya untuk menyiapkan teks dan struktur dengan OCR sebelum analisis model bahasa. Untuk materi pemrograman yang sudah tersedia sebagai teks, berikan bagian dokumentasi yang relevan dan tanyakan kondisi mana yang mengatur implementasinya. Jaga setiap persyaratan yang diekstrak tetap terkait dengan bagian sumbernya agar kode atau penjelasan yang dihasilkan tetap terhubung dengan spesifikasi yang diberikan.\n\nAlat dan hasil praktis\n\nPemanggilan fungsi memungkinkan aplikasi menyediakan operasi yang dijelaskan beserta parameternya. Model menyiapkan pemanggilan, aplikasi menjalankannya, dan hasil yang dikembalikan menjadi konteks untuk jawaban berikutnya. Asisten pemrograman dapat menerima hasil pencarian atau perhitungan melalui siklus tersebut, tetapi kompilasi, pengujian, atau penerapan perubahan yang diusulkan tetap memerlukan lingkungan pengembangan di sekelilingnya.\n\nUntuk koreksi praktis, tetapkan antarmuka publik yang harus tetap kompatibel dan minta fragmen yang telah direvisi, penjelasan ringkas, serta contoh masukan beserta keluaran yang diharapkan. Untuk fungsi yang dihasilkan, nyatakan tipe yang diterima dan kondisi batasnya. Untuk penjelasan, berikan masukan yang harus ditelusuri agar jawaban menghubungkan jalur eksekusi konkret dengan nilai yang dikembalikan.\n\nCodestral menghasilkan teks. Model ini tidak mewarisi vektor pencarian kode dari Codestral Embed, otomasi repositori dari Devstral, atau pembuatan gambar dari model visual. Halaman khusus model 2508 tidak memublikasikan jumlah parameter atau panjang jawaban maksimum mandiri yang dapat dipinjam dari rilis lain. Pertahankan edisi bernama, konteks pemrograman, dan artefak yang diwajibkan saat menyiapkan alur editor atau percakapan yang dapat diulang.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Fill a nonmutating loop body\n\nComplete only the missing body in this Python function: 'def doubled(values):\n result = []\n # missing body\n return result'. It must append twice every input value, preserve order and duplicate values, and leave values unchanged. Return the indented insertion followed by assert tests for [2, 2, -1] and []. This is a chat completion request, not a FIM transport request.Only the missing indented loop body, then two tests verifying [4, 4, -2] and an empty result.The insertion fits before return result and never deduplicates or mutates the input.mistralai/codestral-2508Codestral 2508 adalah model teks dari Mistral AI untuk pembuatan kode dan pelengkapan yang memahami konteks. Model ini dioptimalkan untuk tugas editor yang sering dilakukan, termasuk fill-in-the-middle dan penyuntingan beberapa baris, dengan konteks 128k dari pembuatnya serta fitur percakapan, keluaran terstruktur, dan alat yang terdokumentasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Codestral 2508 adalah model pemrograman dari Mistral AI untuk tugas pelengkapan dan generasi yang sering dilakukan serta peka terhadap latensi. Model ini menerima kode sumber dan persyaratan tertulis, lalu mengembalikan teks yang dapat memuat implementasi, pelengkapan, koreksi, atau penjelasan. Edisi bernama 2508 berfokus pada konteks penyuntingan pengembang saat ini, bukan sebagai model embedding atau agen repositori lengkap yang berdiri sendiri.
Pelengkapan kode dan pembaruan 2508
Pembuatnya menempatkan Codestral untuk pelengkapan fill-in-the-middle dan penyuntingan beberapa baris. Rilis ini menjelaskan peningkatan perilaku pelengkapan, termasuk mengurangi generasi yang terus berlanjut tanpa kendali, serta peningkatan kepatuhan terhadap instruksi dan tugas kode dalam mode percakapan. Ini adalah perubahan pada edisi Codestral ini; fitur pengambilan informasi dan agen otonom dalam perangkat pemrograman di sekelilingnya dimiliki oleh komponen terpisah yang bernama lain.
Untuk tugas pelengkapan, sertakan signature fungsi, deklarasi, dan konteks pemanggilan yang relevan bersama posisi kursor. Tentukan apakah hasil yang diinginkan hanya kode yang hilang atau fungsi lengkap yang telah direvisi. Permintaan bergaya editor dapat meminta isi perulangan yang mempertahankan tipe nilai kembalian yang ada, mempertahankan nilai duplikat, dan tidak mengubah masukan milik pemanggil. Hasilnya kemudian memiliki titik penyisipan konkret dan perilaku yang terdefinisi.
Persiapan fill-in-the-middle
Dalam antarmuka FIM dari pembuatnya, prompt menyediakan teks atau kode yang harus dilengkapi, sedangkan sufiks opsional menyediakan materi setelah celah. Jika keduanya diberikan, model mengisi ruang di antaranya. Tanpa sufiks, model melanjutkan dari prompt. Ini berbeda dari permintaan percakapan biasa yang meminta perubahan kode dan penjelasan; setiap cara persiapan menetapkan kontrak keluaran yang berbeda.
Masukan pelengkapan celah yang berguna mencakup awal fungsi, kode yang harus mengikuti sisipan, serta definisi tipe atau fungsi bantu yang relevan. Pertahankan indentasi dan pembatas agar teks yang dikembalikan dapat menyatu dengan fragmen yang ada. Jika tugas hanya memerlukan isi yang hilang, minta isi tersebut alih-alih penulisan ulang seluruh berkas. Pertanyaan percakapan terpisah dapat menjelaskan mengapa fragmen yang telah dilengkapi memenuhi persyaratan.
Dokumentasi FIM resmi memperbolehkan anggaran token keluaran dan mewajibkan prompt beserta anggaran tersebut tetap berada dalam konteks model. Dokumentasi itu juga menjelaskan urutan penghenti dan streaming konten yang dihasilkan. Pilih alur kerja pelengkapan ketika hasil harus sesuai dengan celah kode, dan alur kerja percakapan ketika tugas meminta kode beserta penjelasannya.
Konteks dan fitur pendukung
Halaman model menyebut jendela konteks 128k. Gunakan konteks untuk mempertahankan sumber dan deklarasi yang menentukan perubahan yang dimaksud, sambil memastikan tugas penyuntingan tetap eksplisit. Untuk permintaan perbaikan bug, berikan fungsi yang terdampak, masukan konkret yang gagal, hasil yang diharapkan, serta kesalahan atau perilaku yang diamati. Minta usulan koreksi secara terpisah dari penjelasan dan contohnya.
Halaman itu juga mencantumkan keluaran terstruktur, pemanggilan fungsi, predicted outputs, tanya jawab dokumen, prefiks respons, dan pemrosesan batch di samping kemampuan percakapan dan FIM. Untuk hasil tinjauan kode terstruktur, tetapkan bidang seperti simbol yang terdampak, ketidaksesuaian yang diamati, perubahan yang diusulkan, dan asumsi yang masih memerlukan klarifikasi. Panduan keluaran terstruktur Mistral membedakan mode JSON dari skema khusus, dengan format JSON yang diinginkan dinyatakan dalam prompt.
Predicted outputs ditujukan untuk konten yang sebagian besar jawabannya sudah diketahui. Fitur ini dapat digunakan saat menghasilkan ulang dokumen atau berkas kode dengan penyuntingan terbatas sambil mempertahankan konten lainnya. Tentukan perubahan persis dan materi yang harus tetap sama. Sebaliknya, prefiks respons menyediakan awal yang sudah diketahui untuk dilanjutkan oleh generasi; ini berbeda dari isi lengkap yang sudah diketahui maupun sufiks FIM.
Pertanyaan dokumentasi dapat menggunakan alur pemrosesan dokumen dari pembuatnya untuk menyiapkan teks dan struktur dengan OCR sebelum analisis model bahasa. Untuk materi pemrograman yang sudah tersedia sebagai teks, berikan bagian dokumentasi yang relevan dan tanyakan kondisi mana yang mengatur implementasinya. Jaga setiap persyaratan yang diekstrak tetap terkait dengan bagian sumbernya agar kode atau penjelasan yang dihasilkan tetap terhubung dengan spesifikasi yang diberikan.
Alat dan hasil praktis
Pemanggilan fungsi memungkinkan aplikasi menyediakan operasi yang dijelaskan beserta parameternya. Model menyiapkan pemanggilan, aplikasi menjalankannya, dan hasil yang dikembalikan menjadi konteks untuk jawaban berikutnya. Asisten pemrograman dapat menerima hasil pencarian atau perhitungan melalui siklus tersebut, tetapi kompilasi, pengujian, atau penerapan perubahan yang diusulkan tetap memerlukan lingkungan pengembangan di sekelilingnya.
Untuk koreksi praktis, tetapkan antarmuka publik yang harus tetap kompatibel dan minta fragmen yang telah direvisi, penjelasan ringkas, serta contoh masukan beserta keluaran yang diharapkan. Untuk fungsi yang dihasilkan, nyatakan tipe yang diterima dan kondisi batasnya. Untuk penjelasan, berikan masukan yang harus ditelusuri agar jawaban menghubungkan jalur eksekusi konkret dengan nilai yang dikembalikan.
Codestral menghasilkan teks. Model ini tidak mewarisi vektor pencarian kode dari Codestral Embed, otomasi repositori dari Devstral, atau pembuatan gambar dari model visual. Halaman khusus model 2508 tidak memublikasikan jumlah parameter atau panjang jawaban maksimum mandiri yang dapat dipinjam dari rilis lain. Pertahankan edisi bernama, konteks pemrograman, dan artefak yang diwajibkan saat menyiapkan alur editor atau percakapan yang dapat diulang.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/codestral-2508 | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0006 / 1K token Keluaran · Token keluaran $0.0018 / 1K token Masukan · Pembacaan cache $0.00006 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0006 / 1K token Keluaran · Token keluaran $0.0018 / 1K token Masukan · Pembacaan cache $0.00006 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/codestral-2508", "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/codestral-2508',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/codestral-2508',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 mistralai/codestral-2508
Gunakan jalur metode yang ditampilkan di atas.
mistralai/codestral-2508Codestral 2508 adalah model teks dari Mistral AI untuk pembuatan kode dan pelengkapan yang memahami konteks. Model ini dioptimalkan untuk tugas editor yang sering dilakukan, termasuk fill-in-the-middle dan penyuntingan beberapa baris, dengan konteks 128k dari pembuatnya serta fitur percakapan, keluaran terstruktur, dan alat yang terdokumentasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Codestral 2508 adalah model pemrograman dari Mistral AI untuk tugas pelengkapan dan generasi yang sering dilakukan serta peka terhadap latensi. Model ini menerima kode sumber dan persyaratan tertulis, lalu mengembalikan teks yang dapat memuat implementasi, pelengkapan, koreksi, atau penjelasan. Edisi bernama 2508 berfokus pada konteks penyuntingan pengembang saat ini, bukan sebagai model embedding atau agen repositori lengkap yang berdiri sendiri.
Pelengkapan kode dan pembaruan 2508
Pembuatnya menempatkan Codestral untuk pelengkapan fill-in-the-middle dan penyuntingan beberapa baris. Rilis ini menjelaskan peningkatan perilaku pelengkapan, termasuk mengurangi generasi yang terus berlanjut tanpa kendali, serta peningkatan kepatuhan terhadap instruksi dan tugas kode dalam mode percakapan. Ini adalah perubahan pada edisi Codestral ini; fitur pengambilan informasi dan agen otonom dalam perangkat pemrograman di sekelilingnya dimiliki oleh komponen terpisah yang bernama lain.
Untuk tugas pelengkapan, sertakan signature fungsi, deklarasi, dan konteks pemanggilan yang relevan bersama posisi kursor. Tentukan apakah hasil yang diinginkan hanya kode yang hilang atau fungsi lengkap yang telah direvisi. Permintaan bergaya editor dapat meminta isi perulangan yang mempertahankan tipe nilai kembalian yang ada, mempertahankan nilai duplikat, dan tidak mengubah masukan milik pemanggil. Hasilnya kemudian memiliki titik penyisipan konkret dan perilaku yang terdefinisi.
Persiapan fill-in-the-middle
Dalam antarmuka FIM dari pembuatnya, prompt menyediakan teks atau kode yang harus dilengkapi, sedangkan sufiks opsional menyediakan materi setelah celah. Jika keduanya diberikan, model mengisi ruang di antaranya. Tanpa sufiks, model melanjutkan dari prompt. Ini berbeda dari permintaan percakapan biasa yang meminta perubahan kode dan penjelasan; setiap cara persiapan menetapkan kontrak keluaran yang berbeda.
Masukan pelengkapan celah yang berguna mencakup awal fungsi, kode yang harus mengikuti sisipan, serta definisi tipe atau fungsi bantu yang relevan. Pertahankan indentasi dan pembatas agar teks yang dikembalikan dapat menyatu dengan fragmen yang ada. Jika tugas hanya memerlukan isi yang hilang, minta isi tersebut alih-alih penulisan ulang seluruh berkas. Pertanyaan percakapan terpisah dapat menjelaskan mengapa fragmen yang telah dilengkapi memenuhi persyaratan.
Dokumentasi FIM resmi memperbolehkan anggaran token keluaran dan mewajibkan prompt beserta anggaran tersebut tetap berada dalam konteks model. Dokumentasi itu juga menjelaskan urutan penghenti dan streaming konten yang dihasilkan. Pilih alur kerja pelengkapan ketika hasil harus sesuai dengan celah kode, dan alur kerja percakapan ketika tugas meminta kode beserta penjelasannya.
Konteks dan fitur pendukung
Halaman model menyebut jendela konteks 128k. Gunakan konteks untuk mempertahankan sumber dan deklarasi yang menentukan perubahan yang dimaksud, sambil memastikan tugas penyuntingan tetap eksplisit. Untuk permintaan perbaikan bug, berikan fungsi yang terdampak, masukan konkret yang gagal, hasil yang diharapkan, serta kesalahan atau perilaku yang diamati. Minta usulan koreksi secara terpisah dari penjelasan dan contohnya.
Halaman itu juga mencantumkan keluaran terstruktur, pemanggilan fungsi, predicted outputs, tanya jawab dokumen, prefiks respons, dan pemrosesan batch di samping kemampuan percakapan dan FIM. Untuk hasil tinjauan kode terstruktur, tetapkan bidang seperti simbol yang terdampak, ketidaksesuaian yang diamati, perubahan yang diusulkan, dan asumsi yang masih memerlukan klarifikasi. Panduan keluaran terstruktur Mistral membedakan mode JSON dari skema khusus, dengan format JSON yang diinginkan dinyatakan dalam prompt.
Predicted outputs ditujukan untuk konten yang sebagian besar jawabannya sudah diketahui. Fitur ini dapat digunakan saat menghasilkan ulang dokumen atau berkas kode dengan penyuntingan terbatas sambil mempertahankan konten lainnya. Tentukan perubahan persis dan materi yang harus tetap sama. Sebaliknya, prefiks respons menyediakan awal yang sudah diketahui untuk dilanjutkan oleh generasi; ini berbeda dari isi lengkap yang sudah diketahui maupun sufiks FIM.
Pertanyaan dokumentasi dapat menggunakan alur pemrosesan dokumen dari pembuatnya untuk menyiapkan teks dan struktur dengan OCR sebelum analisis model bahasa. Untuk materi pemrograman yang sudah tersedia sebagai teks, berikan bagian dokumentasi yang relevan dan tanyakan kondisi mana yang mengatur implementasinya. Jaga setiap persyaratan yang diekstrak tetap terkait dengan bagian sumbernya agar kode atau penjelasan yang dihasilkan tetap terhubung dengan spesifikasi yang diberikan.
Alat dan hasil praktis
Pemanggilan fungsi memungkinkan aplikasi menyediakan operasi yang dijelaskan beserta parameternya. Model menyiapkan pemanggilan, aplikasi menjalankannya, dan hasil yang dikembalikan menjadi konteks untuk jawaban berikutnya. Asisten pemrograman dapat menerima hasil pencarian atau perhitungan melalui siklus tersebut, tetapi kompilasi, pengujian, atau penerapan perubahan yang diusulkan tetap memerlukan lingkungan pengembangan di sekelilingnya.
Untuk koreksi praktis, tetapkan antarmuka publik yang harus tetap kompatibel dan minta fragmen yang telah direvisi, penjelasan ringkas, serta contoh masukan beserta keluaran yang diharapkan. Untuk fungsi yang dihasilkan, nyatakan tipe yang diterima dan kondisi batasnya. Untuk penjelasan, berikan masukan yang harus ditelusuri agar jawaban menghubungkan jalur eksekusi konkret dengan nilai yang dikembalikan.
Codestral menghasilkan teks. Model ini tidak mewarisi vektor pencarian kode dari Codestral Embed, otomasi repositori dari Devstral, atau pembuatan gambar dari model visual. Halaman khusus model 2508 tidak memublikasikan jumlah parameter atau panjang jawaban maksimum mandiri yang dapat dipinjam dari rilis lain. Pertahankan edisi bernama, konteks pemrograman, dan artefak yang diwajibkan saat menyiapkan alur editor atau percakapan yang dapat diulang.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/codestral-2508 | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0006 / 1K token Keluaran · Token keluaran $0.0018 / 1K token Masukan · Pembacaan cache $0.00006 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0006 / 1K token Keluaran · Token keluaran $0.0018 / 1K token Masukan · Pembacaan cache $0.00006 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "mistralai/codestral-2508",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/codestral-2508', '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/codestral-2508', '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 mistralai/codestral-2508
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Fill a nonmutating loop body\n\nComplete only the missing body in this Python function: 'def doubled(values):\n result = []\n # missing body\n return result'. It must append twice every input value, preserve order and duplicate values, and leave values unchanged. Return the indented insertion followed by assert tests for [2, 2, -1] and []. This is a chat completion request, not a FIM transport request.Only the missing indented loop body, then two tests verifying [4, 4, -2] and an empty result.The insertion fits before return result and never deduplicates or mutates the input.