Mistral Large 4 adalah model multimodal serbaguna dari Mistral AI yang menggabungkan kepatuhan terhadap instruksi, penalaran, pemrograman, dan pekerjaan agen. Model ini menerima teks dan gambar serta menghasilkan teks, termasuk penjelasan, kode, dan bidang terstruktur. Arsitektur mixture-of-experts yang granular menggunakan komponen terpilih untuk setiap token alih-alih mengaktifkan seluruh set parameter sekaligus.
Arsitektur dan konteks
Halaman model saat ini mencantumkan total 1,05 triliun parameter, 52 miliar parameter aktif, dan encoder visual dengan 1,6 miliar parameter. Halaman rilis pembuatnya memperjelas konvensi penghitungannya: 49 miliar parameter aktif per token, atau 52 miliar jika embedding dan lapisan keluaran disertakan. Angka ini menjelaskan struktur model, bukan panjang jawaban.
Pembuatnya mendokumentasikan jendela konteks satu juta token. Gunakan konteks tersebut untuk menyatukan materi sumber yang besar, percakapan, dan instruksi, sambil menetapkan tujuan artefak akhir. Untuk pertanyaan beberapa dokumen, identifikasi setiap dokumen dan perannya, lalu minta lokasi sumber di samping setiap temuan. Konteks besar berguna ketika persyaratan, diagram, dan penjelasan terkait harus dipertimbangkan bersama.
Jawaban terstruktur dan pertanyaan dokumen
Kartu model mencantumkan keluaran terstruktur, pemanggilan fungsi, tanya jawab dokumen, prefiks respons, pengiriman batch, dan percakapan agen. Dokumentasi keluaran terstruktur Mistral membedakan mode JSON dari skema khusus. Tentukan format JSON yang diwajibkan dalam prompt; gunakan skema yang terdefinisi jika antarmuka yang terhubung memerlukan struktur bidang tertentu. Rekaman dapat memisahkan fakta sumber, penafsiran, dan pertanyaan terbuka alih-alih menggabungkannya dalam satu paragraf.
Tanya jawab dokumen adalah alur kerja yang menggabungkan pemrosesan dokumen dengan pemahaman model bahasa. OCR menyiapkan teks, struktur, dan pemformatan, setelah itu model menjawab pertanyaan tentang materi tersebut. Permintaan dapat menemukan persyaratan, membandingkan pernyataan antardokumen, atau merangkum bukti yang relevan bagi keputusan. Pemahaman gambar langsung dan alur dokumen berbantuan OCR adalah cara yang berkaitan untuk menyiapkan bukti; langkah pemrosesan dokumen tetap berbeda dari masukan gambar.
Misalnya, berikan spesifikasi teknis dan gambar teknik, identifikasi revisi yang sedang dipertimbangkan, lalu minta matriks persyaratan. Setiap baris dapat memuat persyaratan, dokumen atau gambar pendukung, perbedaan yang diamati, dan klarifikasi yang masih diperlukan. Pertahankan label, satuan, dan wilayah gambar yang menentukan perbandingan agar hasil tetap terhubung dengan materi sumber.
Pemrograman, agen, dan penalaran visual
Rilis ini menjelaskan analisis keamanan siber, rekayasa perangkat lunak, pemahaman repositori, dan alur kerja yang berorientasi pada terminal. Untuk tinjauan kode defensif, berikan jalur kode yang relevan, perilaku yang diharapkan, dan bukti kegagalan. Minta penyebab, usulan koreksi, dan contoh yang membedakan perilaku lama dari yang dimaksud. Untuk pertanyaan repositori, sertakan modul dan hubungan pemanggilan yang diperlukan untuk menjelaskan perilaku terpilih.
Pemanggilan fungsi menghubungkan penalaran dengan alat yang disediakan aplikasi. Urutan dari pembuatnya menetapkan fungsi, memberikan pertanyaan pengguna, membiarkan model menyiapkan argumen, menjalankan fungsi terpilih dalam aplikasi, dan mengembalikan hasilnya untuk jawaban berikutnya. Usulan pemanggilan berbeda dari eksekusi. Kartu model juga mencantumkan alat bawaan dalam antarmuka agen atau percakapan milik pembuatnya; alat itu merupakan bagian dari alur yang terhubung, bukan penambahan modalitas masukan atau keluaran baru pada model.
Pemahaman visual mencakup dokumen, bagan, pemandangan alami, dan gambar teknik. Tugas gambar teknik dapat menanyakan komponen berlabel mana yang memenuhi persyaratan yang diberikan, dimensi atau anotasi mana yang mendukung temuan, dan wilayah mana yang perlu diperiksa lebih dekat. Contoh agen visual pada rilis ini menggabungkan penafsiran dengan langkah pemeriksaan; pembesaran, pengambilan informasi, dan tindakan lain memerlukan lingkungan alat di sekelilingnya.
Sains, matematika, dan hasil kerja profesional
Pembuatnya menjelaskan pemrograman ilmiah, analisis data, pemodelan, dan penalaran matematika sebagai bagian dari penerapan yang dimaksud. Berikan persamaan, asumsi, satuan, dan bentuk hasil yang diwajibkan. Permintaan pemrograman ilmiah dapat meminta implementasi, makna setiap variabel, dan rencana membandingkan keluarannya dengan kondisi referensi. Menghasilkan implementasi tersebut merupakan hasil teks; menjalankan simulasi atau membuat berkas memerlukan lingkungan aplikasi.
Untuk pekerjaan dokumen profesional, berikan laporan sumber dan tetapkan artefaknya: tabel perbandingan, penjelasan, bagian yang direvisi, atau konten spreadsheet. Nyatakan dasar perhitungan dan pertahankan lokasi dokumen pendukung. Rilis ini juga menjelaskan pelatihan multibahasa dalam lebih dari 160 bahasa, termasuk semua bahasa resmi Uni Eropa; identifikasi bahasa keluaran dan istilah yang diwajibkan saat menyiapkan tugas multibahasa.
Batas yang berguna
Modalitas yang terdokumentasi adalah masukan teks dan gambar dengan keluaran teks. Konteks satu juta token dari pembuatnya bukan spesifikasi panjang jawaban maksimum tersendiri, dan sumber yang dibaca tidak menetapkan batas keluaran keras yang mandiri untuk entri ini. Pastikan edisi Large 4 yang tepat, bukti yang disiapkan, dan alat yang terhubung tetap eksplisit. Rekaman terstruktur, penjelasan, atau usulan tindakan paling berguna ketika bidang, sumber pendukung, dan langkah aplikasi berikutnya ditentukan sebelum permintaan.
", "aboutText": "Mistral Large 4 adalah model multimodal serbaguna dari Mistral AI yang menggabungkan kepatuhan terhadap instruksi, penalaran, pemrograman, dan pekerjaan agen. Model ini menerima teks dan gambar serta menghasilkan teks, termasuk penjelasan, kode, dan bidang terstruktur. Arsitektur mixture-of-experts yang granular menggunakan komponen terpilih untuk setiap token alih-alih mengaktifkan seluruh set parameter sekaligus.\n\nArsitektur dan konteks\n\nHalaman model saat ini mencantumkan total 1,05 triliun parameter, 52 miliar parameter aktif, dan encoder visual dengan 1,6 miliar parameter. Halaman rilis pembuatnya memperjelas konvensi penghitungannya: 49 miliar parameter aktif per token, atau 52 miliar jika embedding dan lapisan keluaran disertakan. Angka ini menjelaskan struktur model, bukan panjang jawaban.\n\nPembuatnya mendokumentasikan jendela konteks satu juta token. Gunakan konteks tersebut untuk menyatukan materi sumber yang besar, percakapan, dan instruksi, sambil menetapkan tujuan artefak akhir. Untuk pertanyaan beberapa dokumen, identifikasi setiap dokumen dan perannya, lalu minta lokasi sumber di samping setiap temuan. Konteks besar berguna ketika persyaratan, diagram, dan penjelasan terkait harus dipertimbangkan bersama.\n\nJawaban terstruktur dan pertanyaan dokumen\n\nKartu model mencantumkan keluaran terstruktur, pemanggilan fungsi, tanya jawab dokumen, prefiks respons, pengiriman batch, dan percakapan agen. Dokumentasi keluaran terstruktur Mistral membedakan mode JSON dari skema khusus. Tentukan format JSON yang diwajibkan dalam prompt; gunakan skema yang terdefinisi jika antarmuka yang terhubung memerlukan struktur bidang tertentu. Rekaman dapat memisahkan fakta sumber, penafsiran, dan pertanyaan terbuka alih-alih menggabungkannya dalam satu paragraf.\n\nTanya jawab dokumen adalah alur kerja yang menggabungkan pemrosesan dokumen dengan pemahaman model bahasa. OCR menyiapkan teks, struktur, dan pemformatan, setelah itu model menjawab pertanyaan tentang materi tersebut. Permintaan dapat menemukan persyaratan, membandingkan pernyataan antardokumen, atau merangkum bukti yang relevan bagi keputusan. Pemahaman gambar langsung dan alur dokumen berbantuan OCR adalah cara yang berkaitan untuk menyiapkan bukti; langkah pemrosesan dokumen tetap berbeda dari masukan gambar.\n\nMisalnya, berikan spesifikasi teknis dan gambar teknik, identifikasi revisi yang sedang dipertimbangkan, lalu minta matriks persyaratan. Setiap baris dapat memuat persyaratan, dokumen atau gambar pendukung, perbedaan yang diamati, dan klarifikasi yang masih diperlukan. Pertahankan label, satuan, dan wilayah gambar yang menentukan perbandingan agar hasil tetap terhubung dengan materi sumber.\n\nPemrograman, agen, dan penalaran visual\n\nRilis ini menjelaskan analisis keamanan siber, rekayasa perangkat lunak, pemahaman repositori, dan alur kerja yang berorientasi pada terminal. Untuk tinjauan kode defensif, berikan jalur kode yang relevan, perilaku yang diharapkan, dan bukti kegagalan. Minta penyebab, usulan koreksi, dan contoh yang membedakan perilaku lama dari yang dimaksud. Untuk pertanyaan repositori, sertakan modul dan hubungan pemanggilan yang diperlukan untuk menjelaskan perilaku terpilih.\n\nPemanggilan fungsi menghubungkan penalaran dengan alat yang disediakan aplikasi. Urutan dari pembuatnya menetapkan fungsi, memberikan pertanyaan pengguna, membiarkan model menyiapkan argumen, menjalankan fungsi terpilih dalam aplikasi, dan mengembalikan hasilnya untuk jawaban berikutnya. Usulan pemanggilan berbeda dari eksekusi. Kartu model juga mencantumkan alat bawaan dalam antarmuka agen atau percakapan milik pembuatnya; alat itu merupakan bagian dari alur yang terhubung, bukan penambahan modalitas masukan atau keluaran baru pada model.\n\nPemahaman visual mencakup dokumen, bagan, pemandangan alami, dan gambar teknik. Tugas gambar teknik dapat menanyakan komponen berlabel mana yang memenuhi persyaratan yang diberikan, dimensi atau anotasi mana yang mendukung temuan, dan wilayah mana yang perlu diperiksa lebih dekat. Contoh agen visual pada rilis ini menggabungkan penafsiran dengan langkah pemeriksaan; pembesaran, pengambilan informasi, dan tindakan lain memerlukan lingkungan alat di sekelilingnya.\n\nSains, matematika, dan hasil kerja profesional\n\nPembuatnya menjelaskan pemrograman ilmiah, analisis data, pemodelan, dan penalaran matematika sebagai bagian dari penerapan yang dimaksud. Berikan persamaan, asumsi, satuan, dan bentuk hasil yang diwajibkan. Permintaan pemrograman ilmiah dapat meminta implementasi, makna setiap variabel, dan rencana membandingkan keluarannya dengan kondisi referensi. Menghasilkan implementasi tersebut merupakan hasil teks; menjalankan simulasi atau membuat berkas memerlukan lingkungan aplikasi.\n\nUntuk pekerjaan dokumen profesional, berikan laporan sumber dan tetapkan artefaknya: tabel perbandingan, penjelasan, bagian yang direvisi, atau konten spreadsheet. Nyatakan dasar perhitungan dan pertahankan lokasi dokumen pendukung. Rilis ini juga menjelaskan pelatihan multibahasa dalam lebih dari 160 bahasa, termasuk semua bahasa resmi Uni Eropa; identifikasi bahasa keluaran dan istilah yang diwajibkan saat menyiapkan tugas multibahasa.\n\nBatas yang berguna\n\nModalitas yang terdokumentasi adalah masukan teks dan gambar dengan keluaran teks. Konteks satu juta token dari pembuatnya bukan spesifikasi panjang jawaban maksimum tersendiri, dan sumber yang dibaca tidak menetapkan batas keluaran keras yang mandiri untuk entri ini. Pastikan edisi Large 4 yang tepat, bukti yang disiapkan, dan alat yang terhubung tetap eksplisit. Rekaman terstruktur, penjelasan, atau usulan tindakan paling berguna ketika bidang, sumber pendukung, dan langkah aplikasi berikutnya ditentukan sebelum permintaan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Build an engineering requirement matrix\n\nCreate a requirements matrix from these text excerpts. Spec S1: the enclosure must fit a 60 mm cable bend radius. Drawing D2: available internal clearance is 45 mm. Note N3: exterior width is 120 mm. For each relevant requirement, show the source evidence, the mismatch and the clarification needed. Do not use exterior width as proof of internal clearance.A source-linked matrix identifying the bend-radius/clearance conflict and the information needed for an engineering decision.The comparison keeps millimetres consistent and does not treat the unrelated exterior dimension as resolving the conflict.mistralai/mistral-large-4-0Mistral Large 4 adalah model teks dan gambar untuk penalaran, pemrograman, analisis dokumen, dan agen berbasis alat. Konteks satu juta token dari pembuatnya mendukung kumpulan sumber yang besar, dengan jawaban terstruktur, pemanggilan fungsi, dan arsitektur mixture-of-experts yang granular.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mistral Large 4 adalah model multimodal serbaguna dari Mistral AI yang menggabungkan kepatuhan terhadap instruksi, penalaran, pemrograman, dan pekerjaan agen. Model ini menerima teks dan gambar serta menghasilkan teks, termasuk penjelasan, kode, dan bidang terstruktur. Arsitektur mixture-of-experts yang granular menggunakan komponen terpilih untuk setiap token alih-alih mengaktifkan seluruh set parameter sekaligus.
Arsitektur dan konteks
Halaman model saat ini mencantumkan total 1,05 triliun parameter, 52 miliar parameter aktif, dan encoder visual dengan 1,6 miliar parameter. Halaman rilis pembuatnya memperjelas konvensi penghitungannya: 49 miliar parameter aktif per token, atau 52 miliar jika embedding dan lapisan keluaran disertakan. Angka ini menjelaskan struktur model, bukan panjang jawaban.
Pembuatnya mendokumentasikan jendela konteks satu juta token. Gunakan konteks tersebut untuk menyatukan materi sumber yang besar, percakapan, dan instruksi, sambil menetapkan tujuan artefak akhir. Untuk pertanyaan beberapa dokumen, identifikasi setiap dokumen dan perannya, lalu minta lokasi sumber di samping setiap temuan. Konteks besar berguna ketika persyaratan, diagram, dan penjelasan terkait harus dipertimbangkan bersama.
Jawaban terstruktur dan pertanyaan dokumen
Kartu model mencantumkan keluaran terstruktur, pemanggilan fungsi, tanya jawab dokumen, prefiks respons, pengiriman batch, dan percakapan agen. Dokumentasi keluaran terstruktur Mistral membedakan mode JSON dari skema khusus. Tentukan format JSON yang diwajibkan dalam prompt; gunakan skema yang terdefinisi jika antarmuka yang terhubung memerlukan struktur bidang tertentu. Rekaman dapat memisahkan fakta sumber, penafsiran, dan pertanyaan terbuka alih-alih menggabungkannya dalam satu paragraf.
Tanya jawab dokumen adalah alur kerja yang menggabungkan pemrosesan dokumen dengan pemahaman model bahasa. OCR menyiapkan teks, struktur, dan pemformatan, setelah itu model menjawab pertanyaan tentang materi tersebut. Permintaan dapat menemukan persyaratan, membandingkan pernyataan antardokumen, atau merangkum bukti yang relevan bagi keputusan. Pemahaman gambar langsung dan alur dokumen berbantuan OCR adalah cara yang berkaitan untuk menyiapkan bukti; langkah pemrosesan dokumen tetap berbeda dari masukan gambar.
Misalnya, berikan spesifikasi teknis dan gambar teknik, identifikasi revisi yang sedang dipertimbangkan, lalu minta matriks persyaratan. Setiap baris dapat memuat persyaratan, dokumen atau gambar pendukung, perbedaan yang diamati, dan klarifikasi yang masih diperlukan. Pertahankan label, satuan, dan wilayah gambar yang menentukan perbandingan agar hasil tetap terhubung dengan materi sumber.
Pemrograman, agen, dan penalaran visual
Rilis ini menjelaskan analisis keamanan siber, rekayasa perangkat lunak, pemahaman repositori, dan alur kerja yang berorientasi pada terminal. Untuk tinjauan kode defensif, berikan jalur kode yang relevan, perilaku yang diharapkan, dan bukti kegagalan. Minta penyebab, usulan koreksi, dan contoh yang membedakan perilaku lama dari yang dimaksud. Untuk pertanyaan repositori, sertakan modul dan hubungan pemanggilan yang diperlukan untuk menjelaskan perilaku terpilih.
Pemanggilan fungsi menghubungkan penalaran dengan alat yang disediakan aplikasi. Urutan dari pembuatnya menetapkan fungsi, memberikan pertanyaan pengguna, membiarkan model menyiapkan argumen, menjalankan fungsi terpilih dalam aplikasi, dan mengembalikan hasilnya untuk jawaban berikutnya. Usulan pemanggilan berbeda dari eksekusi. Kartu model juga mencantumkan alat bawaan dalam antarmuka agen atau percakapan milik pembuatnya; alat itu merupakan bagian dari alur yang terhubung, bukan penambahan modalitas masukan atau keluaran baru pada model.
Pemahaman visual mencakup dokumen, bagan, pemandangan alami, dan gambar teknik. Tugas gambar teknik dapat menanyakan komponen berlabel mana yang memenuhi persyaratan yang diberikan, dimensi atau anotasi mana yang mendukung temuan, dan wilayah mana yang perlu diperiksa lebih dekat. Contoh agen visual pada rilis ini menggabungkan penafsiran dengan langkah pemeriksaan; pembesaran, pengambilan informasi, dan tindakan lain memerlukan lingkungan alat di sekelilingnya.
Sains, matematika, dan hasil kerja profesional
Pembuatnya menjelaskan pemrograman ilmiah, analisis data, pemodelan, dan penalaran matematika sebagai bagian dari penerapan yang dimaksud. Berikan persamaan, asumsi, satuan, dan bentuk hasil yang diwajibkan. Permintaan pemrograman ilmiah dapat meminta implementasi, makna setiap variabel, dan rencana membandingkan keluarannya dengan kondisi referensi. Menghasilkan implementasi tersebut merupakan hasil teks; menjalankan simulasi atau membuat berkas memerlukan lingkungan aplikasi.
Untuk pekerjaan dokumen profesional, berikan laporan sumber dan tetapkan artefaknya: tabel perbandingan, penjelasan, bagian yang direvisi, atau konten spreadsheet. Nyatakan dasar perhitungan dan pertahankan lokasi dokumen pendukung. Rilis ini juga menjelaskan pelatihan multibahasa dalam lebih dari 160 bahasa, termasuk semua bahasa resmi Uni Eropa; identifikasi bahasa keluaran dan istilah yang diwajibkan saat menyiapkan tugas multibahasa.
Batas yang berguna
Modalitas yang terdokumentasi adalah masukan teks dan gambar dengan keluaran teks. Konteks satu juta token dari pembuatnya bukan spesifikasi panjang jawaban maksimum tersendiri, dan sumber yang dibaca tidak menetapkan batas keluaran keras yang mandiri untuk entri ini. Pastikan edisi Large 4 yang tepat, bukti yang disiapkan, dan alat yang terhubung tetap eksplisit. Rekaman terstruktur, penjelasan, atau usulan tindakan paling berguna ketika bidang, sumber pendukung, dan langkah aplikasi berikutnya ditentukan sebelum permintaan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/mistral-large-4-0 | 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 $0.00272 / 1K token Keluaran · Token keluaran $0.00836 / 1K token Masukan · Pembacaan cache $0.00028 / 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 $0.00272 / 1K token Keluaran · Token keluaran $0.00836 / 1K token Masukan · Pembacaan cache $0.00028 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-large-4-0", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-large-4-0',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-large-4-0',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/mistral-large-4-0
Gunakan jalur metode yang ditampilkan di atas.
mistralai/mistral-large-4-0Mistral Large 4 adalah model teks dan gambar untuk penalaran, pemrograman, analisis dokumen, dan agen berbasis alat. Konteks satu juta token dari pembuatnya mendukung kumpulan sumber yang besar, dengan jawaban terstruktur, pemanggilan fungsi, dan arsitektur mixture-of-experts yang granular.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mistral Large 4 adalah model multimodal serbaguna dari Mistral AI yang menggabungkan kepatuhan terhadap instruksi, penalaran, pemrograman, dan pekerjaan agen. Model ini menerima teks dan gambar serta menghasilkan teks, termasuk penjelasan, kode, dan bidang terstruktur. Arsitektur mixture-of-experts yang granular menggunakan komponen terpilih untuk setiap token alih-alih mengaktifkan seluruh set parameter sekaligus.
Arsitektur dan konteks
Halaman model saat ini mencantumkan total 1,05 triliun parameter, 52 miliar parameter aktif, dan encoder visual dengan 1,6 miliar parameter. Halaman rilis pembuatnya memperjelas konvensi penghitungannya: 49 miliar parameter aktif per token, atau 52 miliar jika embedding dan lapisan keluaran disertakan. Angka ini menjelaskan struktur model, bukan panjang jawaban.
Pembuatnya mendokumentasikan jendela konteks satu juta token. Gunakan konteks tersebut untuk menyatukan materi sumber yang besar, percakapan, dan instruksi, sambil menetapkan tujuan artefak akhir. Untuk pertanyaan beberapa dokumen, identifikasi setiap dokumen dan perannya, lalu minta lokasi sumber di samping setiap temuan. Konteks besar berguna ketika persyaratan, diagram, dan penjelasan terkait harus dipertimbangkan bersama.
Jawaban terstruktur dan pertanyaan dokumen
Kartu model mencantumkan keluaran terstruktur, pemanggilan fungsi, tanya jawab dokumen, prefiks respons, pengiriman batch, dan percakapan agen. Dokumentasi keluaran terstruktur Mistral membedakan mode JSON dari skema khusus. Tentukan format JSON yang diwajibkan dalam prompt; gunakan skema yang terdefinisi jika antarmuka yang terhubung memerlukan struktur bidang tertentu. Rekaman dapat memisahkan fakta sumber, penafsiran, dan pertanyaan terbuka alih-alih menggabungkannya dalam satu paragraf.
Tanya jawab dokumen adalah alur kerja yang menggabungkan pemrosesan dokumen dengan pemahaman model bahasa. OCR menyiapkan teks, struktur, dan pemformatan, setelah itu model menjawab pertanyaan tentang materi tersebut. Permintaan dapat menemukan persyaratan, membandingkan pernyataan antardokumen, atau merangkum bukti yang relevan bagi keputusan. Pemahaman gambar langsung dan alur dokumen berbantuan OCR adalah cara yang berkaitan untuk menyiapkan bukti; langkah pemrosesan dokumen tetap berbeda dari masukan gambar.
Misalnya, berikan spesifikasi teknis dan gambar teknik, identifikasi revisi yang sedang dipertimbangkan, lalu minta matriks persyaratan. Setiap baris dapat memuat persyaratan, dokumen atau gambar pendukung, perbedaan yang diamati, dan klarifikasi yang masih diperlukan. Pertahankan label, satuan, dan wilayah gambar yang menentukan perbandingan agar hasil tetap terhubung dengan materi sumber.
Pemrograman, agen, dan penalaran visual
Rilis ini menjelaskan analisis keamanan siber, rekayasa perangkat lunak, pemahaman repositori, dan alur kerja yang berorientasi pada terminal. Untuk tinjauan kode defensif, berikan jalur kode yang relevan, perilaku yang diharapkan, dan bukti kegagalan. Minta penyebab, usulan koreksi, dan contoh yang membedakan perilaku lama dari yang dimaksud. Untuk pertanyaan repositori, sertakan modul dan hubungan pemanggilan yang diperlukan untuk menjelaskan perilaku terpilih.
Pemanggilan fungsi menghubungkan penalaran dengan alat yang disediakan aplikasi. Urutan dari pembuatnya menetapkan fungsi, memberikan pertanyaan pengguna, membiarkan model menyiapkan argumen, menjalankan fungsi terpilih dalam aplikasi, dan mengembalikan hasilnya untuk jawaban berikutnya. Usulan pemanggilan berbeda dari eksekusi. Kartu model juga mencantumkan alat bawaan dalam antarmuka agen atau percakapan milik pembuatnya; alat itu merupakan bagian dari alur yang terhubung, bukan penambahan modalitas masukan atau keluaran baru pada model.
Pemahaman visual mencakup dokumen, bagan, pemandangan alami, dan gambar teknik. Tugas gambar teknik dapat menanyakan komponen berlabel mana yang memenuhi persyaratan yang diberikan, dimensi atau anotasi mana yang mendukung temuan, dan wilayah mana yang perlu diperiksa lebih dekat. Contoh agen visual pada rilis ini menggabungkan penafsiran dengan langkah pemeriksaan; pembesaran, pengambilan informasi, dan tindakan lain memerlukan lingkungan alat di sekelilingnya.
Sains, matematika, dan hasil kerja profesional
Pembuatnya menjelaskan pemrograman ilmiah, analisis data, pemodelan, dan penalaran matematika sebagai bagian dari penerapan yang dimaksud. Berikan persamaan, asumsi, satuan, dan bentuk hasil yang diwajibkan. Permintaan pemrograman ilmiah dapat meminta implementasi, makna setiap variabel, dan rencana membandingkan keluarannya dengan kondisi referensi. Menghasilkan implementasi tersebut merupakan hasil teks; menjalankan simulasi atau membuat berkas memerlukan lingkungan aplikasi.
Untuk pekerjaan dokumen profesional, berikan laporan sumber dan tetapkan artefaknya: tabel perbandingan, penjelasan, bagian yang direvisi, atau konten spreadsheet. Nyatakan dasar perhitungan dan pertahankan lokasi dokumen pendukung. Rilis ini juga menjelaskan pelatihan multibahasa dalam lebih dari 160 bahasa, termasuk semua bahasa resmi Uni Eropa; identifikasi bahasa keluaran dan istilah yang diwajibkan saat menyiapkan tugas multibahasa.
Batas yang berguna
Modalitas yang terdokumentasi adalah masukan teks dan gambar dengan keluaran teks. Konteks satu juta token dari pembuatnya bukan spesifikasi panjang jawaban maksimum tersendiri, dan sumber yang dibaca tidak menetapkan batas keluaran keras yang mandiri untuk entri ini. Pastikan edisi Large 4 yang tepat, bukti yang disiapkan, dan alat yang terhubung tetap eksplisit. Rekaman terstruktur, penjelasan, atau usulan tindakan paling berguna ketika bidang, sumber pendukung, dan langkah aplikasi berikutnya ditentukan sebelum permintaan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/mistral-large-4-0 | 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 $0.00272 / 1K token Keluaran · Token keluaran $0.00836 / 1K token Masukan · Pembacaan cache $0.00028 / 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 $0.00272 / 1K token Keluaran · Token keluaran $0.00836 / 1K token Masukan · Pembacaan cache $0.00028 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "mistralai/mistral-large-4-0",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-large-4-0', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-large-4-0', '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/mistral-large-4-0
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Build an engineering requirement matrix\n\nCreate a requirements matrix from these text excerpts. Spec S1: the enclosure must fit a 60 mm cable bend radius. Drawing D2: available internal clearance is 45 mm. Note N3: exterior width is 120 mm. For each relevant requirement, show the source evidence, the mismatch and the clarification needed. Do not use exterior width as proof of internal clearance.A source-linked matrix identifying the bend-radius/clearance conflict and the information needed for an engineering decision.The comparison keeps millimetres consistent and does not treat the unrelated exterior dimension as resolving the conflict.