Ministral 3 3B Instruct 2512 adalah edisi terkecil yang disesuaikan untuk mengikuti instruksi dalam keluarga Ministral 3 dari Mistral AI. Pembuatnya menempatkan model ini untuk aplikasi berbasis instruksi yang ringkas, termasuk keterangan gambar, klasifikasi teks, ekstraksi data, penerjemahan, dan konten pendek. Checkpoint yang dirilis menggunakan presisi FP8 dan menggabungkan pemrosesan teks dengan komponen masukan visual.
Komponen dan kemampuan model
Kartu model mencantumkan model bahasa dengan 3,4 miliar parameter dan encoder visual dengan 0,4 miliar parameter. Dokumentasinya menyebut jendela konteks 256k, dengan panjang bawaan yang dikonfigurasi sebesar 262.144 dalam catatan penggunaan. Jumlah komponen tersebut berlaku untuk edisi 3B, bukan anggota keluarga 8B atau 14B. Model ini menerima teks dan gambar serta menghasilkan teks, termasuk rekaman berformat JSON atau usulan pemanggilan fungsi.
Pembuatnya menjelaskan dukungan multibahasa untuk puluhan bahasa, termasuk Inggris, Prancis, Spanyol, Jerman, Italia, Portugis, Belanda, Mandarin, Jepang, Korea, dan Arab. Kepatuhan terhadap prompt sistem juga ditonjolkan. Tentukan bahasa keluaran yang diperlukan serta label atau istilah yang harus tetap sama. Dengan demikian, penjelasan yang diterjemahkan atau rekaman yang diekstrak tetap sesuai dengan tujuan penggunaan aplikasi.
Klasifikasi dan ekstraksi yang terarah
Untuk tugas klasifikasi, berikan label yang diperbolehkan, aturan yang membedakannya, dan pesan yang akan diklasifikasikan. Minta satu label terpilih dan penjelasan singkat berdasarkan pesan yang diberikan. Jika labelnya ambigu, tetapkan informasi yang dapat membedakannya alih-alih hanya mengandalkan namanya. Ini menghasilkan keluaran ringkas yang dapat digunakan secara konsisten dalam alur kerja yang lebih besar.
Untuk ekstraksi, cantumkan bidang beserta tipenya dan jelaskan cara merepresentasikan informasi yang tidak tersedia. Permintaan dapat meminta pengenal item, kondisi yang dijelaskan secara eksplisit, dan tindakan yang diminta pengguna. Wajibkan penggunaan redaksi sumber jika ketepatan redaksi penting, atau nilai yang dinormalisasi jika aplikasi menyediakan aturan normalisasinya. Keluaran JSON menata hasil; rancangan bidang tetap menjadi bagian dari tugas, bukan skema universal bawaan.
Kartu model juga menyebut pembuatan keterangan gambar dan konten pendek. Untuk keterangan gambar, tentukan aspek gambar yang harus dijelaskan dan audiensnya. Untuk penjelasan singkat, berikan fakta yang harus dipertahankan dan panjang yang diinginkan. Balasan bergaya dukungan pelanggan dapat menggunakan pertanyaan asli dan panduan yang diberikan untuk menghasilkan langkah berikutnya yang ringkas beserta kondisi yang membuatnya relevan.
Persiapan visual dan multibahasa
Pasangkan gambar dengan pertanyaan teks yang jelas. Untuk bidang dokumen, pertahankan label, nilai, dan konteks sekitarnya yang diperlukan untuk menafsirkannya. Untuk deskripsi objek, tentukan ciri yang terlihat dan penting. Pembuatnya merekomendasikan proporsi gambar mendekati 1:1 serta menghindari masukan yang terlalu tipis atau lebar; pangkas bila perlu tanpa menghilangkan bukti yang menjadi dasar pertanyaan.
Untuk penerjemahan, berikan teks asli, bahasa tujuan, dan daftar istilah jika ada. Minta bagian yang diterjemahkan secara terpisah dari penjelasan opsional. Tugas klasifikasi multibahasa dapat mempertahankan label aplikasi sambil menjelaskan label terpilih dalam bahasa pembaca. Keluaran ini ditentukan dengan jelas, bukan permintaan untuk membahas pesan atau gambar secara bebas.
Alat dan pengaturan yang direkomendasikan
Pemanggilan fungsi bawaan memungkinkan aplikasi menghubungkan percakapan dengan operasi yang dijelaskan. Model menyiapkan argumen fungsi, aplikasi menjalankan fungsi, dan hasilnya menjadi informasi untuk jawaban berikutnya. Pencarian dapat menyediakan nilai yang belum tersedia, atau alat perhitungan dapat mengolah nilai yang diidentifikasi dari gambar. Model teks itu sendiri tidak menjalankan fungsi hanya dengan menghasilkan nama dan argumennya.
Pembuatnya merekomendasikan instruksi sistem yang mendefinisikan lingkungan dan kasus penggunaan, termasuk panduan alat. Pastikan deskripsi alat jelas dan batasi kumpulannya pada operasi relevan seminimal mungkin. Untuk asisten dengan lingkup sempit, tugas ekstraksi atau pencarian yang eksplisit dapat lebih mudah ditafsirkan daripada prompt yang memuat banyak fungsi tak terkait tanpa aturan pemilihan.
Kartu model memberikan panduan temperature rendah: di bawah 0.1 untuk penggunaan sehari-hari dan penggunaan bergaya produksi, serta temperature awal 0.1 untuk sebagian besar kasus penggunaan dalam catatan sampling terpisah. Nilai yang lebih tinggi dapat dicoba untuk konten kreatif. Rekomendasi ini memiliki lingkup yang dinyatakan berbeda; rekomendasi tersebut bukan jaminan bahwa satu pengaturan sampling membuat setiap nilai hasil ekstraksi atau klasifikasi menjadi benar.
Batas edisi dan konteks
Ministral 3 menyediakan rilis Base, Instruct, dan Reasoning yang terpisah untuk setiap ukuran model. Entri ini mengidentifikasi checkpoint Instruct 2512, bukan mode penalaran yang otomatis aktif atau model dasar yang telah melalui prapelatihan. Pembuatnya mencantumkan spesialisasi dan fine-tuning sebagai kemungkinan penerapan, sementara tugas instruksi saat ini tetap memerlukan masukan, aturan, dan keluaran yang ditentukan dengan jelas.
Jaga materi sumber dan percakapan yang relevan tetap di dalam konteks yang dikonfigurasi, lalu minta hasil ringkas yang dibutuhkan langkah aplikasi berikutnya. Catatan penggunaan memperbolehkan pengurangan panjang konteks yang dikonfigurasi untuk tugas yang tidak memerlukan seluruh jendela. Contoh generasi 512 token dan alokasi generasi besar dalam contoh bukan kapasitas keluaran maksimum yang didokumentasikan secara mandiri. Pembuatan gambar, keluaran audio, dan tindakan eksternal memerlukan komponen lain di luar model yang menghasilkan teks ini.
", "aboutText": "Ministral 3 3B Instruct 2512 adalah edisi terkecil yang disesuaikan untuk mengikuti instruksi dalam keluarga Ministral 3 dari Mistral AI. Pembuatnya menempatkan model ini untuk aplikasi berbasis instruksi yang ringkas, termasuk keterangan gambar, klasifikasi teks, ekstraksi data, penerjemahan, dan konten pendek. Checkpoint yang dirilis menggunakan presisi FP8 dan menggabungkan pemrosesan teks dengan komponen masukan visual.\n\nKomponen dan kemampuan model\n\nKartu model mencantumkan model bahasa dengan 3,4 miliar parameter dan encoder visual dengan 0,4 miliar parameter. Dokumentasinya menyebut jendela konteks 256k, dengan panjang bawaan yang dikonfigurasi sebesar 262.144 dalam catatan penggunaan. Jumlah komponen tersebut berlaku untuk edisi 3B, bukan anggota keluarga 8B atau 14B. Model ini menerima teks dan gambar serta menghasilkan teks, termasuk rekaman berformat JSON atau usulan pemanggilan fungsi.\n\nPembuatnya menjelaskan dukungan multibahasa untuk puluhan bahasa, termasuk Inggris, Prancis, Spanyol, Jerman, Italia, Portugis, Belanda, Mandarin, Jepang, Korea, dan Arab. Kepatuhan terhadap prompt sistem juga ditonjolkan. Tentukan bahasa keluaran yang diperlukan serta label atau istilah yang harus tetap sama. Dengan demikian, penjelasan yang diterjemahkan atau rekaman yang diekstrak tetap sesuai dengan tujuan penggunaan aplikasi.\n\nKlasifikasi dan ekstraksi yang terarah\n\nUntuk tugas klasifikasi, berikan label yang diperbolehkan, aturan yang membedakannya, dan pesan yang akan diklasifikasikan. Minta satu label terpilih dan penjelasan singkat berdasarkan pesan yang diberikan. Jika labelnya ambigu, tetapkan informasi yang dapat membedakannya alih-alih hanya mengandalkan namanya. Ini menghasilkan keluaran ringkas yang dapat digunakan secara konsisten dalam alur kerja yang lebih besar.\n\nUntuk ekstraksi, cantumkan bidang beserta tipenya dan jelaskan cara merepresentasikan informasi yang tidak tersedia. Permintaan dapat meminta pengenal item, kondisi yang dijelaskan secara eksplisit, dan tindakan yang diminta pengguna. Wajibkan penggunaan redaksi sumber jika ketepatan redaksi penting, atau nilai yang dinormalisasi jika aplikasi menyediakan aturan normalisasinya. Keluaran JSON menata hasil; rancangan bidang tetap menjadi bagian dari tugas, bukan skema universal bawaan.\n\nKartu model juga menyebut pembuatan keterangan gambar dan konten pendek. Untuk keterangan gambar, tentukan aspek gambar yang harus dijelaskan dan audiensnya. Untuk penjelasan singkat, berikan fakta yang harus dipertahankan dan panjang yang diinginkan. Balasan bergaya dukungan pelanggan dapat menggunakan pertanyaan asli dan panduan yang diberikan untuk menghasilkan langkah berikutnya yang ringkas beserta kondisi yang membuatnya relevan.\n\nPersiapan visual dan multibahasa\n\nPasangkan gambar dengan pertanyaan teks yang jelas. Untuk bidang dokumen, pertahankan label, nilai, dan konteks sekitarnya yang diperlukan untuk menafsirkannya. Untuk deskripsi objek, tentukan ciri yang terlihat dan penting. Pembuatnya merekomendasikan proporsi gambar mendekati 1:1 serta menghindari masukan yang terlalu tipis atau lebar; pangkas bila perlu tanpa menghilangkan bukti yang menjadi dasar pertanyaan.\n\nUntuk penerjemahan, berikan teks asli, bahasa tujuan, dan daftar istilah jika ada. Minta bagian yang diterjemahkan secara terpisah dari penjelasan opsional. Tugas klasifikasi multibahasa dapat mempertahankan label aplikasi sambil menjelaskan label terpilih dalam bahasa pembaca. Keluaran ini ditentukan dengan jelas, bukan permintaan untuk membahas pesan atau gambar secara bebas.\n\nAlat dan pengaturan yang direkomendasikan\n\nPemanggilan fungsi bawaan memungkinkan aplikasi menghubungkan percakapan dengan operasi yang dijelaskan. Model menyiapkan argumen fungsi, aplikasi menjalankan fungsi, dan hasilnya menjadi informasi untuk jawaban berikutnya. Pencarian dapat menyediakan nilai yang belum tersedia, atau alat perhitungan dapat mengolah nilai yang diidentifikasi dari gambar. Model teks itu sendiri tidak menjalankan fungsi hanya dengan menghasilkan nama dan argumennya.\n\nPembuatnya merekomendasikan instruksi sistem yang mendefinisikan lingkungan dan kasus penggunaan, termasuk panduan alat. Pastikan deskripsi alat jelas dan batasi kumpulannya pada operasi relevan seminimal mungkin. Untuk asisten dengan lingkup sempit, tugas ekstraksi atau pencarian yang eksplisit dapat lebih mudah ditafsirkan daripada prompt yang memuat banyak fungsi tak terkait tanpa aturan pemilihan.\n\nKartu model memberikan panduan temperature rendah: di bawah 0.1 untuk penggunaan sehari-hari dan penggunaan bergaya produksi, serta temperature awal 0.1 untuk sebagian besar kasus penggunaan dalam catatan sampling terpisah. Nilai yang lebih tinggi dapat dicoba untuk konten kreatif. Rekomendasi ini memiliki lingkup yang dinyatakan berbeda; rekomendasi tersebut bukan jaminan bahwa satu pengaturan sampling membuat setiap nilai hasil ekstraksi atau klasifikasi menjadi benar.\n\nBatas edisi dan konteks\n\nMinistral 3 menyediakan rilis Base, Instruct, dan Reasoning yang terpisah untuk setiap ukuran model. Entri ini mengidentifikasi checkpoint Instruct 2512, bukan mode penalaran yang otomatis aktif atau model dasar yang telah melalui prapelatihan. Pembuatnya mencantumkan spesialisasi dan fine-tuning sebagai kemungkinan penerapan, sementara tugas instruksi saat ini tetap memerlukan masukan, aturan, dan keluaran yang ditentukan dengan jelas.\n\nJaga materi sumber dan percakapan yang relevan tetap di dalam konteks yang dikonfigurasi, lalu minta hasil ringkas yang dibutuhkan langkah aplikasi berikutnya. Catatan penggunaan memperbolehkan pengurangan panjang konteks yang dikonfigurasi untuk tugas yang tidak memerlukan seluruh jendela. Contoh generasi 512 token dan alokasi generasi besar dalam contoh bukan kapasitas keluaran maksimum yang didokumentasikan secara mandiri. Pembuatan gambar, keluaran audio, dan tindakan eksternal memerlukan komponen lain di luar model yang menghasilkan teks ini.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Extract a return-request record\n\nExtract the item code, stated condition and requested action from this message: 'Hello, the handle of kettle KT8 is loose. It arrived today. Please arrange an exchange, not a refund.' Return those three fields and quote the wording supporting the requested action. Use 'not supplied' for any field absent from the message.A compact three-field extraction record plus the supporting request quote.Check that exchange is retained as the request and is not rewritten as a completed action.mistralai/ministral-3b-2512Ministral 3 3B Instruct 2512 adalah model teks dan gambar multibahasa yang ringkas untuk klasifikasi, ekstraksi, keterangan gambar, dan konten pendek. Komponen bahasanya sebesar 3,4B dan encoder visualnya sebesar 0,4B mendukung instruksi sistem, JSON, pemanggilan fungsi, dan konteks 256k yang ditetapkan pembuatnya.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Ministral 3 3B Instruct 2512 adalah edisi terkecil yang disesuaikan untuk mengikuti instruksi dalam keluarga Ministral 3 dari Mistral AI. Pembuatnya menempatkan model ini untuk aplikasi berbasis instruksi yang ringkas, termasuk keterangan gambar, klasifikasi teks, ekstraksi data, penerjemahan, dan konten pendek. Checkpoint yang dirilis menggunakan presisi FP8 dan menggabungkan pemrosesan teks dengan komponen masukan visual.
Komponen dan kemampuan model
Kartu model mencantumkan model bahasa dengan 3,4 miliar parameter dan encoder visual dengan 0,4 miliar parameter. Dokumentasinya menyebut jendela konteks 256k, dengan panjang bawaan yang dikonfigurasi sebesar 262.144 dalam catatan penggunaan. Jumlah komponen tersebut berlaku untuk edisi 3B, bukan anggota keluarga 8B atau 14B. Model ini menerima teks dan gambar serta menghasilkan teks, termasuk rekaman berformat JSON atau usulan pemanggilan fungsi.
Pembuatnya menjelaskan dukungan multibahasa untuk puluhan bahasa, termasuk Inggris, Prancis, Spanyol, Jerman, Italia, Portugis, Belanda, Mandarin, Jepang, Korea, dan Arab. Kepatuhan terhadap prompt sistem juga ditonjolkan. Tentukan bahasa keluaran yang diperlukan serta label atau istilah yang harus tetap sama. Dengan demikian, penjelasan yang diterjemahkan atau rekaman yang diekstrak tetap sesuai dengan tujuan penggunaan aplikasi.
Klasifikasi dan ekstraksi yang terarah
Untuk tugas klasifikasi, berikan label yang diperbolehkan, aturan yang membedakannya, dan pesan yang akan diklasifikasikan. Minta satu label terpilih dan penjelasan singkat berdasarkan pesan yang diberikan. Jika labelnya ambigu, tetapkan informasi yang dapat membedakannya alih-alih hanya mengandalkan namanya. Ini menghasilkan keluaran ringkas yang dapat digunakan secara konsisten dalam alur kerja yang lebih besar.
Untuk ekstraksi, cantumkan bidang beserta tipenya dan jelaskan cara merepresentasikan informasi yang tidak tersedia. Permintaan dapat meminta pengenal item, kondisi yang dijelaskan secara eksplisit, dan tindakan yang diminta pengguna. Wajibkan penggunaan redaksi sumber jika ketepatan redaksi penting, atau nilai yang dinormalisasi jika aplikasi menyediakan aturan normalisasinya. Keluaran JSON menata hasil; rancangan bidang tetap menjadi bagian dari tugas, bukan skema universal bawaan.
Kartu model juga menyebut pembuatan keterangan gambar dan konten pendek. Untuk keterangan gambar, tentukan aspek gambar yang harus dijelaskan dan audiensnya. Untuk penjelasan singkat, berikan fakta yang harus dipertahankan dan panjang yang diinginkan. Balasan bergaya dukungan pelanggan dapat menggunakan pertanyaan asli dan panduan yang diberikan untuk menghasilkan langkah berikutnya yang ringkas beserta kondisi yang membuatnya relevan.
Persiapan visual dan multibahasa
Pasangkan gambar dengan pertanyaan teks yang jelas. Untuk bidang dokumen, pertahankan label, nilai, dan konteks sekitarnya yang diperlukan untuk menafsirkannya. Untuk deskripsi objek, tentukan ciri yang terlihat dan penting. Pembuatnya merekomendasikan proporsi gambar mendekati 1:1 serta menghindari masukan yang terlalu tipis atau lebar; pangkas bila perlu tanpa menghilangkan bukti yang menjadi dasar pertanyaan.
Untuk penerjemahan, berikan teks asli, bahasa tujuan, dan daftar istilah jika ada. Minta bagian yang diterjemahkan secara terpisah dari penjelasan opsional. Tugas klasifikasi multibahasa dapat mempertahankan label aplikasi sambil menjelaskan label terpilih dalam bahasa pembaca. Keluaran ini ditentukan dengan jelas, bukan permintaan untuk membahas pesan atau gambar secara bebas.
Alat dan pengaturan yang direkomendasikan
Pemanggilan fungsi bawaan memungkinkan aplikasi menghubungkan percakapan dengan operasi yang dijelaskan. Model menyiapkan argumen fungsi, aplikasi menjalankan fungsi, dan hasilnya menjadi informasi untuk jawaban berikutnya. Pencarian dapat menyediakan nilai yang belum tersedia, atau alat perhitungan dapat mengolah nilai yang diidentifikasi dari gambar. Model teks itu sendiri tidak menjalankan fungsi hanya dengan menghasilkan nama dan argumennya.
Pembuatnya merekomendasikan instruksi sistem yang mendefinisikan lingkungan dan kasus penggunaan, termasuk panduan alat. Pastikan deskripsi alat jelas dan batasi kumpulannya pada operasi relevan seminimal mungkin. Untuk asisten dengan lingkup sempit, tugas ekstraksi atau pencarian yang eksplisit dapat lebih mudah ditafsirkan daripada prompt yang memuat banyak fungsi tak terkait tanpa aturan pemilihan.
Kartu model memberikan panduan temperature rendah: di bawah 0.1 untuk penggunaan sehari-hari dan penggunaan bergaya produksi, serta temperature awal 0.1 untuk sebagian besar kasus penggunaan dalam catatan sampling terpisah. Nilai yang lebih tinggi dapat dicoba untuk konten kreatif. Rekomendasi ini memiliki lingkup yang dinyatakan berbeda; rekomendasi tersebut bukan jaminan bahwa satu pengaturan sampling membuat setiap nilai hasil ekstraksi atau klasifikasi menjadi benar.
Batas edisi dan konteks
Ministral 3 menyediakan rilis Base, Instruct, dan Reasoning yang terpisah untuk setiap ukuran model. Entri ini mengidentifikasi checkpoint Instruct 2512, bukan mode penalaran yang otomatis aktif atau model dasar yang telah melalui prapelatihan. Pembuatnya mencantumkan spesialisasi dan fine-tuning sebagai kemungkinan penerapan, sementara tugas instruksi saat ini tetap memerlukan masukan, aturan, dan keluaran yang ditentukan dengan jelas.
Jaga materi sumber dan percakapan yang relevan tetap di dalam konteks yang dikonfigurasi, lalu minta hasil ringkas yang dibutuhkan langkah aplikasi berikutnya. Catatan penggunaan memperbolehkan pengurangan panjang konteks yang dikonfigurasi untuk tugas yang tidak memerlukan seluruh jendela. Contoh generasi 512 token dan alokasi generasi besar dalam contoh bukan kapasitas keluaran maksimum yang didokumentasikan secara mandiri. Pembuatan gambar, keluaran audio, dan tindakan eksternal memerlukan komponen lain di luar model yang menghasilkan teks ini.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/ministral-3b-2512 | 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 $0.00066 / 1K token Keluaran · Token keluaran $0.00066 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0 / 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 $0.00066 / 1K token Keluaran · Token keluaran $0.00066 / 1K token Masukan · Pembacaan cache $0.00002 / 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": "mistralai/ministral-3b-2512", "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/ministral-3b-2512',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/ministral-3b-2512',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/ministral-3b-2512
Gunakan jalur metode yang ditampilkan di atas.
mistralai/ministral-3b-2512Ministral 3 3B Instruct 2512 adalah model teks dan gambar multibahasa yang ringkas untuk klasifikasi, ekstraksi, keterangan gambar, dan konten pendek. Komponen bahasanya sebesar 3,4B dan encoder visualnya sebesar 0,4B mendukung instruksi sistem, JSON, pemanggilan fungsi, dan konteks 256k yang ditetapkan pembuatnya.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Ministral 3 3B Instruct 2512 adalah edisi terkecil yang disesuaikan untuk mengikuti instruksi dalam keluarga Ministral 3 dari Mistral AI. Pembuatnya menempatkan model ini untuk aplikasi berbasis instruksi yang ringkas, termasuk keterangan gambar, klasifikasi teks, ekstraksi data, penerjemahan, dan konten pendek. Checkpoint yang dirilis menggunakan presisi FP8 dan menggabungkan pemrosesan teks dengan komponen masukan visual.
Komponen dan kemampuan model
Kartu model mencantumkan model bahasa dengan 3,4 miliar parameter dan encoder visual dengan 0,4 miliar parameter. Dokumentasinya menyebut jendela konteks 256k, dengan panjang bawaan yang dikonfigurasi sebesar 262.144 dalam catatan penggunaan. Jumlah komponen tersebut berlaku untuk edisi 3B, bukan anggota keluarga 8B atau 14B. Model ini menerima teks dan gambar serta menghasilkan teks, termasuk rekaman berformat JSON atau usulan pemanggilan fungsi.
Pembuatnya menjelaskan dukungan multibahasa untuk puluhan bahasa, termasuk Inggris, Prancis, Spanyol, Jerman, Italia, Portugis, Belanda, Mandarin, Jepang, Korea, dan Arab. Kepatuhan terhadap prompt sistem juga ditonjolkan. Tentukan bahasa keluaran yang diperlukan serta label atau istilah yang harus tetap sama. Dengan demikian, penjelasan yang diterjemahkan atau rekaman yang diekstrak tetap sesuai dengan tujuan penggunaan aplikasi.
Klasifikasi dan ekstraksi yang terarah
Untuk tugas klasifikasi, berikan label yang diperbolehkan, aturan yang membedakannya, dan pesan yang akan diklasifikasikan. Minta satu label terpilih dan penjelasan singkat berdasarkan pesan yang diberikan. Jika labelnya ambigu, tetapkan informasi yang dapat membedakannya alih-alih hanya mengandalkan namanya. Ini menghasilkan keluaran ringkas yang dapat digunakan secara konsisten dalam alur kerja yang lebih besar.
Untuk ekstraksi, cantumkan bidang beserta tipenya dan jelaskan cara merepresentasikan informasi yang tidak tersedia. Permintaan dapat meminta pengenal item, kondisi yang dijelaskan secara eksplisit, dan tindakan yang diminta pengguna. Wajibkan penggunaan redaksi sumber jika ketepatan redaksi penting, atau nilai yang dinormalisasi jika aplikasi menyediakan aturan normalisasinya. Keluaran JSON menata hasil; rancangan bidang tetap menjadi bagian dari tugas, bukan skema universal bawaan.
Kartu model juga menyebut pembuatan keterangan gambar dan konten pendek. Untuk keterangan gambar, tentukan aspek gambar yang harus dijelaskan dan audiensnya. Untuk penjelasan singkat, berikan fakta yang harus dipertahankan dan panjang yang diinginkan. Balasan bergaya dukungan pelanggan dapat menggunakan pertanyaan asli dan panduan yang diberikan untuk menghasilkan langkah berikutnya yang ringkas beserta kondisi yang membuatnya relevan.
Persiapan visual dan multibahasa
Pasangkan gambar dengan pertanyaan teks yang jelas. Untuk bidang dokumen, pertahankan label, nilai, dan konteks sekitarnya yang diperlukan untuk menafsirkannya. Untuk deskripsi objek, tentukan ciri yang terlihat dan penting. Pembuatnya merekomendasikan proporsi gambar mendekati 1:1 serta menghindari masukan yang terlalu tipis atau lebar; pangkas bila perlu tanpa menghilangkan bukti yang menjadi dasar pertanyaan.
Untuk penerjemahan, berikan teks asli, bahasa tujuan, dan daftar istilah jika ada. Minta bagian yang diterjemahkan secara terpisah dari penjelasan opsional. Tugas klasifikasi multibahasa dapat mempertahankan label aplikasi sambil menjelaskan label terpilih dalam bahasa pembaca. Keluaran ini ditentukan dengan jelas, bukan permintaan untuk membahas pesan atau gambar secara bebas.
Alat dan pengaturan yang direkomendasikan
Pemanggilan fungsi bawaan memungkinkan aplikasi menghubungkan percakapan dengan operasi yang dijelaskan. Model menyiapkan argumen fungsi, aplikasi menjalankan fungsi, dan hasilnya menjadi informasi untuk jawaban berikutnya. Pencarian dapat menyediakan nilai yang belum tersedia, atau alat perhitungan dapat mengolah nilai yang diidentifikasi dari gambar. Model teks itu sendiri tidak menjalankan fungsi hanya dengan menghasilkan nama dan argumennya.
Pembuatnya merekomendasikan instruksi sistem yang mendefinisikan lingkungan dan kasus penggunaan, termasuk panduan alat. Pastikan deskripsi alat jelas dan batasi kumpulannya pada operasi relevan seminimal mungkin. Untuk asisten dengan lingkup sempit, tugas ekstraksi atau pencarian yang eksplisit dapat lebih mudah ditafsirkan daripada prompt yang memuat banyak fungsi tak terkait tanpa aturan pemilihan.
Kartu model memberikan panduan temperature rendah: di bawah 0.1 untuk penggunaan sehari-hari dan penggunaan bergaya produksi, serta temperature awal 0.1 untuk sebagian besar kasus penggunaan dalam catatan sampling terpisah. Nilai yang lebih tinggi dapat dicoba untuk konten kreatif. Rekomendasi ini memiliki lingkup yang dinyatakan berbeda; rekomendasi tersebut bukan jaminan bahwa satu pengaturan sampling membuat setiap nilai hasil ekstraksi atau klasifikasi menjadi benar.
Batas edisi dan konteks
Ministral 3 menyediakan rilis Base, Instruct, dan Reasoning yang terpisah untuk setiap ukuran model. Entri ini mengidentifikasi checkpoint Instruct 2512, bukan mode penalaran yang otomatis aktif atau model dasar yang telah melalui prapelatihan. Pembuatnya mencantumkan spesialisasi dan fine-tuning sebagai kemungkinan penerapan, sementara tugas instruksi saat ini tetap memerlukan masukan, aturan, dan keluaran yang ditentukan dengan jelas.
Jaga materi sumber dan percakapan yang relevan tetap di dalam konteks yang dikonfigurasi, lalu minta hasil ringkas yang dibutuhkan langkah aplikasi berikutnya. Catatan penggunaan memperbolehkan pengurangan panjang konteks yang dikonfigurasi untuk tugas yang tidak memerlukan seluruh jendela. Contoh generasi 512 token dan alokasi generasi besar dalam contoh bukan kapasitas keluaran maksimum yang didokumentasikan secara mandiri. Pembuatan gambar, keluaran audio, dan tindakan eksternal memerlukan komponen lain di luar model yang menghasilkan teks ini.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/ministral-3b-2512 | 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 $0.00066 / 1K token Keluaran · Token keluaran $0.00066 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0 / 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 $0.00066 / 1K token Keluaran · Token keluaran $0.00066 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "mistralai/ministral-3b-2512",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/ministral-3b-2512', '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/ministral-3b-2512', '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/ministral-3b-2512
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Extract a return-request record\n\nExtract the item code, stated condition and requested action from this message: 'Hello, the handle of kettle KT8 is loose. It arrived today. Please arrange an exchange, not a refund.' Return those three fields and quote the wording supporting the requested action. Use 'not supplied' for any field absent from the message.A compact three-field extraction record plus the supporting request quote.Check that exchange is retained as the request and is not rewritten as a completed action.