Mistral Medium 3.1 adalah edisi multimodal Mistral AI untuk pemahaman teks dan visual. Pembuatnya menjelaskan revisi ini sebagai peningkatan nada dan performa dalam lini Medium 3. Model menerima teks dan gambar serta menghasilkan teks: penjelasan, jawaban dokumen, rekaman terstruktur, atau usulan pemanggilan fungsi. Pengenal tetap pembuatnya untuk edisi ini adalah mistral-medium-2508.
Konteks dan edisi spesifik
Halaman model mendokumentasikan jendela konteks 128k. Gunakan konteks tersebut untuk menyatukan bagian sumber terkait, bukti gambar, percakapan, dan tugas pengguna. Identifikasi peran dokumen dan pertanyaan yang harus dijawab sebelum memberikan kumpulan besar. Konteks panjang dapat mendukung perbandingan terarah sementara artefak akhir tetap berupa tabel pendek atau bagian yang direvisi.
Medium 3.1 mempertahankan spesifikasinya sendiri. Konteks 256k, arsitektur dense 128B, dan mode penalaran hibrida yang dapat dikonfigurasi yang dijelaskan untuk Medium 3.5 tidak boleh dilekatkan pada entri ini. Halaman 3.1 tidak menyediakan jumlah parameter atau angka panjang jawaban maksimum terpisah yang dapat diganti secara aman dengan angka dari model berikutnya.
Keluaran terstruktur dan fungsi
Pembuatnya mencantumkan keluaran terstruktur, pemanggilan fungsi, dan predicted outputs di antara fitur edisi ini. Untuk tugas ekstraksi terstruktur, tetapkan bidang yang diwajibkan, tipe yang diharapkan, dan penanganan informasi yang tidak ada dalam sumber. Rekaman dapat memuat pengenal dokumen, pernyataan yang diekstrak, lokasi sumbernya, dan pertanyaan yang masih tersisa. Minta rekaman saja ketika program akan mengurainya, atau pisahkan penjelasan prosa ketika seseorang harus memeriksa penafsirannya.
Dokumentasi keluaran terstruktur bersama Mistral membedakan mode JSON dari skema khusus. Mode JSON memerlukan instruksi eksplisit tentang format JSON yang diinginkan, sedangkan jalur khusus menetapkan struktur yang lebih spesifik. Ini merupakan pemformatan hasil teks, bukan modalitas konten baru atau tindakan eksternal.
Untuk fungsi, aplikasi menetapkan operasi dan argumen yang tersedia, model memilih pemanggilan yang sesuai dan menyiapkan nilai, lalu aplikasi menjalankannya. Hasilnya kemudian menjadi informasi untuk jawaban berikutnya. Asisten dokumen dapat menggunakan pencarian untuk memperoleh data referensi yang belum tersedia, tetapi hanya jika aplikasi di sekelilingnya menyediakan pencarian tersebut dan mengembalikan hasil aktualnya. Jaga usulan pemanggilan dan data yang dikembalikan tetap terkait satu sama lain.
Penyuntingan prediktif dan prefiks respons
Predicted outputs berguna ketika sebagian besar hasil yang diinginkan sudah diketahui, seperti dokumen atau berkas kode yang memerlukan penyuntingan terbatas. Berikan konten yang ada dan jelaskan perubahan secara tepat, termasuk apa yang harus tetap sama. Permintaan dapat memperbarui istilah satu bagian atau mengganti satu detail implementasi sambil mempertahankan sisa dokumen. Prediksi memuat konten keluaran yang diharapkan, bukan perubahan selesai yang diterapkan ke berkas.
Halaman model juga mencantumkan kelanjutan prefiks respons. Dalam dokumentasi percakapan pembuatnya, prefiks menyediakan awal yang diketahui bagi respons asisten, lalu generasi melanjutkannya. Awal yang diketahui dan isi yang diprediksi menyelesaikan masalah persiapan yang berbeda. Pemrosesan batch dan antarmuka agen atau percakapan juga merupakan fitur alur kerja, bukan edisi gambar, audio, atau penalaran terpisah dari Medium 3.1.
Pertanyaan dokumen dan visual
Alur document-QnA yang tercantum menggabungkan teks, struktur, dan pemformatan yang disiapkan melalui OCR dengan analisis model bahasa. Tanyakan kondisi, bagian teks, atau hubungan tertentu yang diperlukan tugas. Perbandingan dapat mengidentifikasi dokumen sumber dan meminta pernyataan bersama, pertentangan, serta detail yang belum terselesaikan, dengan lokasi sumber tetap berada di samping setiap temuan.
Panduan visual pembuatnya secara eksplisit mencakup Medium 3.1. Pertanyaan visual langsung dapat menyediakan bagan, gambar dokumen, atau tangkapan layar yang terbaca dan menanyakan bukti yang terlihat apa yang mendukung kesimpulan. Pertahankan sumbu, satuan, label, dan konteks di sekitar bidang yang dipotong. Jika beberapa gambar diberikan, identifikasi urutan dan perannya alih-alih membiarkan model menyimpulkan mana yang asli, revisi, atau referensi.
Misalnya, pasangkan persyaratan proses tertulis dengan tangkapan layar dan minta tabel kecocokan yang terlihat, perbedaan, serta pertanyaan yang memerlukan informasi tambahan. Tugas lain dapat menyediakan dua versi dokumen dan meminta bagian teks yang direvisi dengan mempertahankan kondisi bersama sambil menyelesaikan ketidakkonsistenan tertentu. Ini adalah usulan penerapan kemampuan visual, dokumen, dan penyuntingan yang terdokumentasi, dengan hasil yang diwajibkan ditentukan terlebih dahulu.
Menyiapkan artefak akhir
Berikan peran yang jelas kepada asisten, materi sumber yang harus digunakan, dan bentuk jawaban. Pisahkan aturan respons yang tetap berlaku dari dokumen yang diperiksa, serta nyatakan bahasa akhir dan istilahnya. Respons yang berguna dapat memisahkan fakta hasil ekstraksi, sumbernya, dan penafsiran, sehingga lebih mudah diperiksa daripada satu ringkasan yang digabungkan.
Hasil yang terdokumentasi tetap berupa teks. Alat eksternal, perubahan berkas, dan pemrosesan dokumen lebih lanjut merupakan bagian dari aplikasi yang terhubung dengan percakapan. Pertahankan edisi Medium 3.1 bernama dan konteks 128k-nya, lalu minta penjelasan, rekaman terstruktur, atau revisi terarah yang benar-benar dibutuhkan langkah berikutnya.
", "aboutText": "Mistral Medium 3.1 adalah edisi multimodal Mistral AI untuk pemahaman teks dan visual. Pembuatnya menjelaskan revisi ini sebagai peningkatan nada dan performa dalam lini Medium 3. Model menerima teks dan gambar serta menghasilkan teks: penjelasan, jawaban dokumen, rekaman terstruktur, atau usulan pemanggilan fungsi. Pengenal tetap pembuatnya untuk edisi ini adalah mistral-medium-2508.\n\nKonteks dan edisi spesifik\n\nHalaman model mendokumentasikan jendela konteks 128k. Gunakan konteks tersebut untuk menyatukan bagian sumber terkait, bukti gambar, percakapan, dan tugas pengguna. Identifikasi peran dokumen dan pertanyaan yang harus dijawab sebelum memberikan kumpulan besar. Konteks panjang dapat mendukung perbandingan terarah sementara artefak akhir tetap berupa tabel pendek atau bagian yang direvisi.\n\nMedium 3.1 mempertahankan spesifikasinya sendiri. Konteks 256k, arsitektur dense 128B, dan mode penalaran hibrida yang dapat dikonfigurasi yang dijelaskan untuk Medium 3.5 tidak boleh dilekatkan pada entri ini. Halaman 3.1 tidak menyediakan jumlah parameter atau angka panjang jawaban maksimum terpisah yang dapat diganti secara aman dengan angka dari model berikutnya.\n\nKeluaran terstruktur dan fungsi\n\nPembuatnya mencantumkan keluaran terstruktur, pemanggilan fungsi, dan predicted outputs di antara fitur edisi ini. Untuk tugas ekstraksi terstruktur, tetapkan bidang yang diwajibkan, tipe yang diharapkan, dan penanganan informasi yang tidak ada dalam sumber. Rekaman dapat memuat pengenal dokumen, pernyataan yang diekstrak, lokasi sumbernya, dan pertanyaan yang masih tersisa. Minta rekaman saja ketika program akan mengurainya, atau pisahkan penjelasan prosa ketika seseorang harus memeriksa penafsirannya.\n\nDokumentasi keluaran terstruktur bersama Mistral membedakan mode JSON dari skema khusus. Mode JSON memerlukan instruksi eksplisit tentang format JSON yang diinginkan, sedangkan jalur khusus menetapkan struktur yang lebih spesifik. Ini merupakan pemformatan hasil teks, bukan modalitas konten baru atau tindakan eksternal.\n\nUntuk fungsi, aplikasi menetapkan operasi dan argumen yang tersedia, model memilih pemanggilan yang sesuai dan menyiapkan nilai, lalu aplikasi menjalankannya. Hasilnya kemudian menjadi informasi untuk jawaban berikutnya. Asisten dokumen dapat menggunakan pencarian untuk memperoleh data referensi yang belum tersedia, tetapi hanya jika aplikasi di sekelilingnya menyediakan pencarian tersebut dan mengembalikan hasil aktualnya. Jaga usulan pemanggilan dan data yang dikembalikan tetap terkait satu sama lain.\n\nPenyuntingan prediktif dan prefiks respons\n\nPredicted outputs berguna ketika sebagian besar hasil yang diinginkan sudah diketahui, seperti dokumen atau berkas kode yang memerlukan penyuntingan terbatas. Berikan konten yang ada dan jelaskan perubahan secara tepat, termasuk apa yang harus tetap sama. Permintaan dapat memperbarui istilah satu bagian atau mengganti satu detail implementasi sambil mempertahankan sisa dokumen. Prediksi memuat konten keluaran yang diharapkan, bukan perubahan selesai yang diterapkan ke berkas.\n\nHalaman model juga mencantumkan kelanjutan prefiks respons. Dalam dokumentasi percakapan pembuatnya, prefiks menyediakan awal yang diketahui bagi respons asisten, lalu generasi melanjutkannya. Awal yang diketahui dan isi yang diprediksi menyelesaikan masalah persiapan yang berbeda. Pemrosesan batch dan antarmuka agen atau percakapan juga merupakan fitur alur kerja, bukan edisi gambar, audio, atau penalaran terpisah dari Medium 3.1.\n\nPertanyaan dokumen dan visual\n\nAlur document-QnA yang tercantum menggabungkan teks, struktur, dan pemformatan yang disiapkan melalui OCR dengan analisis model bahasa. Tanyakan kondisi, bagian teks, atau hubungan tertentu yang diperlukan tugas. Perbandingan dapat mengidentifikasi dokumen sumber dan meminta pernyataan bersama, pertentangan, serta detail yang belum terselesaikan, dengan lokasi sumber tetap berada di samping setiap temuan.\n\nPanduan visual pembuatnya secara eksplisit mencakup Medium 3.1. Pertanyaan visual langsung dapat menyediakan bagan, gambar dokumen, atau tangkapan layar yang terbaca dan menanyakan bukti yang terlihat apa yang mendukung kesimpulan. Pertahankan sumbu, satuan, label, dan konteks di sekitar bidang yang dipotong. Jika beberapa gambar diberikan, identifikasi urutan dan perannya alih-alih membiarkan model menyimpulkan mana yang asli, revisi, atau referensi.\n\nMisalnya, pasangkan persyaratan proses tertulis dengan tangkapan layar dan minta tabel kecocokan yang terlihat, perbedaan, serta pertanyaan yang memerlukan informasi tambahan. Tugas lain dapat menyediakan dua versi dokumen dan meminta bagian teks yang direvisi dengan mempertahankan kondisi bersama sambil menyelesaikan ketidakkonsistenan tertentu. Ini adalah usulan penerapan kemampuan visual, dokumen, dan penyuntingan yang terdokumentasi, dengan hasil yang diwajibkan ditentukan terlebih dahulu.\n\nMenyiapkan artefak akhir\n\nBerikan peran yang jelas kepada asisten, materi sumber yang harus digunakan, dan bentuk jawaban. Pisahkan aturan respons yang tetap berlaku dari dokumen yang diperiksa, serta nyatakan bahasa akhir dan istilahnya. Respons yang berguna dapat memisahkan fakta hasil ekstraksi, sumbernya, dan penafsiran, sehingga lebih mudah diperiksa daripada satu ringkasan yang digabungkan.\n\nHasil yang terdokumentasi tetap berupa teks. Alat eksternal, perubahan berkas, dan pemrosesan dokumen lebih lanjut merupakan bagian dari aplikasi yang terhubung dengan percakapan. Pertahankan edisi Medium 3.1 bernama dan konteks 128k-nya, lalu minta penjelasan, rekaman terstruktur, atau revisi terarah yang benar-benar dibutuhkan langkah berikutnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.mistralai/mistral-medium-3.1Mistral Medium 3.1 adalah model teks dan gambar untuk jawaban percakapan, pertanyaan dokumen, dan ekstraksi terstruktur. Konteks 128k dari pembuatnya serta fitur pemanggilan fungsi, predicted-output, dan prefiks yang tercantum mendukung penjelasan berbasis sumber dan alur penyuntingan terarah.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mistral Medium 3.1 adalah edisi multimodal Mistral AI untuk pemahaman teks dan visual. Pembuatnya menjelaskan revisi ini sebagai peningkatan nada dan performa dalam lini Medium 3. Model menerima teks dan gambar serta menghasilkan teks: penjelasan, jawaban dokumen, rekaman terstruktur, atau usulan pemanggilan fungsi. Pengenal tetap pembuatnya untuk edisi ini adalah mistral-medium-2508.
Konteks dan edisi spesifik
Halaman model mendokumentasikan jendela konteks 128k. Gunakan konteks tersebut untuk menyatukan bagian sumber terkait, bukti gambar, percakapan, dan tugas pengguna. Identifikasi peran dokumen dan pertanyaan yang harus dijawab sebelum memberikan kumpulan besar. Konteks panjang dapat mendukung perbandingan terarah sementara artefak akhir tetap berupa tabel pendek atau bagian yang direvisi.
Medium 3.1 mempertahankan spesifikasinya sendiri. Konteks 256k, arsitektur dense 128B, dan mode penalaran hibrida yang dapat dikonfigurasi yang dijelaskan untuk Medium 3.5 tidak boleh dilekatkan pada entri ini. Halaman 3.1 tidak menyediakan jumlah parameter atau angka panjang jawaban maksimum terpisah yang dapat diganti secara aman dengan angka dari model berikutnya.
Keluaran terstruktur dan fungsi
Pembuatnya mencantumkan keluaran terstruktur, pemanggilan fungsi, dan predicted outputs di antara fitur edisi ini. Untuk tugas ekstraksi terstruktur, tetapkan bidang yang diwajibkan, tipe yang diharapkan, dan penanganan informasi yang tidak ada dalam sumber. Rekaman dapat memuat pengenal dokumen, pernyataan yang diekstrak, lokasi sumbernya, dan pertanyaan yang masih tersisa. Minta rekaman saja ketika program akan mengurainya, atau pisahkan penjelasan prosa ketika seseorang harus memeriksa penafsirannya.
Dokumentasi keluaran terstruktur bersama Mistral membedakan mode JSON dari skema khusus. Mode JSON memerlukan instruksi eksplisit tentang format JSON yang diinginkan, sedangkan jalur khusus menetapkan struktur yang lebih spesifik. Ini merupakan pemformatan hasil teks, bukan modalitas konten baru atau tindakan eksternal.
Untuk fungsi, aplikasi menetapkan operasi dan argumen yang tersedia, model memilih pemanggilan yang sesuai dan menyiapkan nilai, lalu aplikasi menjalankannya. Hasilnya kemudian menjadi informasi untuk jawaban berikutnya. Asisten dokumen dapat menggunakan pencarian untuk memperoleh data referensi yang belum tersedia, tetapi hanya jika aplikasi di sekelilingnya menyediakan pencarian tersebut dan mengembalikan hasil aktualnya. Jaga usulan pemanggilan dan data yang dikembalikan tetap terkait satu sama lain.
Penyuntingan prediktif dan prefiks respons
Predicted outputs berguna ketika sebagian besar hasil yang diinginkan sudah diketahui, seperti dokumen atau berkas kode yang memerlukan penyuntingan terbatas. Berikan konten yang ada dan jelaskan perubahan secara tepat, termasuk apa yang harus tetap sama. Permintaan dapat memperbarui istilah satu bagian atau mengganti satu detail implementasi sambil mempertahankan sisa dokumen. Prediksi memuat konten keluaran yang diharapkan, bukan perubahan selesai yang diterapkan ke berkas.
Halaman model juga mencantumkan kelanjutan prefiks respons. Dalam dokumentasi percakapan pembuatnya, prefiks menyediakan awal yang diketahui bagi respons asisten, lalu generasi melanjutkannya. Awal yang diketahui dan isi yang diprediksi menyelesaikan masalah persiapan yang berbeda. Pemrosesan batch dan antarmuka agen atau percakapan juga merupakan fitur alur kerja, bukan edisi gambar, audio, atau penalaran terpisah dari Medium 3.1.
Pertanyaan dokumen dan visual
Alur document-QnA yang tercantum menggabungkan teks, struktur, dan pemformatan yang disiapkan melalui OCR dengan analisis model bahasa. Tanyakan kondisi, bagian teks, atau hubungan tertentu yang diperlukan tugas. Perbandingan dapat mengidentifikasi dokumen sumber dan meminta pernyataan bersama, pertentangan, serta detail yang belum terselesaikan, dengan lokasi sumber tetap berada di samping setiap temuan.
Panduan visual pembuatnya secara eksplisit mencakup Medium 3.1. Pertanyaan visual langsung dapat menyediakan bagan, gambar dokumen, atau tangkapan layar yang terbaca dan menanyakan bukti yang terlihat apa yang mendukung kesimpulan. Pertahankan sumbu, satuan, label, dan konteks di sekitar bidang yang dipotong. Jika beberapa gambar diberikan, identifikasi urutan dan perannya alih-alih membiarkan model menyimpulkan mana yang asli, revisi, atau referensi.
Misalnya, pasangkan persyaratan proses tertulis dengan tangkapan layar dan minta tabel kecocokan yang terlihat, perbedaan, serta pertanyaan yang memerlukan informasi tambahan. Tugas lain dapat menyediakan dua versi dokumen dan meminta bagian teks yang direvisi dengan mempertahankan kondisi bersama sambil menyelesaikan ketidakkonsistenan tertentu. Ini adalah usulan penerapan kemampuan visual, dokumen, dan penyuntingan yang terdokumentasi, dengan hasil yang diwajibkan ditentukan terlebih dahulu.
Menyiapkan artefak akhir
Berikan peran yang jelas kepada asisten, materi sumber yang harus digunakan, dan bentuk jawaban. Pisahkan aturan respons yang tetap berlaku dari dokumen yang diperiksa, serta nyatakan bahasa akhir dan istilahnya. Respons yang berguna dapat memisahkan fakta hasil ekstraksi, sumbernya, dan penafsiran, sehingga lebih mudah diperiksa daripada satu ringkasan yang digabungkan.
Hasil yang terdokumentasi tetap berupa teks. Alat eksternal, perubahan berkas, dan pemrosesan dokumen lebih lanjut merupakan bagian dari aplikasi yang terhubung dengan percakapan. Pertahankan edisi Medium 3.1 bernama dan konteks 128k-nya, lalu minta penjelasan, rekaman terstruktur, atau revisi terarah yang benar-benar dibutuhkan langkah berikutnya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/mistral-medium-3.1 | 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 $0.0008 / 1K token Keluaran · Token keluaran $0.004 / 1K token Masukan · Pembacaan cache $0.00008 / 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 $0.0008 / 1K token Keluaran · Token keluaran $0.004 / 1K token Masukan · Pembacaan cache $0.00008 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3.1", "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-medium-3.1',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-medium-3.1',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-medium-3.1
Gunakan jalur metode yang ditampilkan di atas.
mistralai/mistral-medium-3.1Mistral Medium 3.1 adalah model teks dan gambar untuk jawaban percakapan, pertanyaan dokumen, dan ekstraksi terstruktur. Konteks 128k dari pembuatnya serta fitur pemanggilan fungsi, predicted-output, dan prefiks yang tercantum mendukung penjelasan berbasis sumber dan alur penyuntingan terarah.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mistral Medium 3.1 adalah edisi multimodal Mistral AI untuk pemahaman teks dan visual. Pembuatnya menjelaskan revisi ini sebagai peningkatan nada dan performa dalam lini Medium 3. Model menerima teks dan gambar serta menghasilkan teks: penjelasan, jawaban dokumen, rekaman terstruktur, atau usulan pemanggilan fungsi. Pengenal tetap pembuatnya untuk edisi ini adalah mistral-medium-2508.
Konteks dan edisi spesifik
Halaman model mendokumentasikan jendela konteks 128k. Gunakan konteks tersebut untuk menyatukan bagian sumber terkait, bukti gambar, percakapan, dan tugas pengguna. Identifikasi peran dokumen dan pertanyaan yang harus dijawab sebelum memberikan kumpulan besar. Konteks panjang dapat mendukung perbandingan terarah sementara artefak akhir tetap berupa tabel pendek atau bagian yang direvisi.
Medium 3.1 mempertahankan spesifikasinya sendiri. Konteks 256k, arsitektur dense 128B, dan mode penalaran hibrida yang dapat dikonfigurasi yang dijelaskan untuk Medium 3.5 tidak boleh dilekatkan pada entri ini. Halaman 3.1 tidak menyediakan jumlah parameter atau angka panjang jawaban maksimum terpisah yang dapat diganti secara aman dengan angka dari model berikutnya.
Keluaran terstruktur dan fungsi
Pembuatnya mencantumkan keluaran terstruktur, pemanggilan fungsi, dan predicted outputs di antara fitur edisi ini. Untuk tugas ekstraksi terstruktur, tetapkan bidang yang diwajibkan, tipe yang diharapkan, dan penanganan informasi yang tidak ada dalam sumber. Rekaman dapat memuat pengenal dokumen, pernyataan yang diekstrak, lokasi sumbernya, dan pertanyaan yang masih tersisa. Minta rekaman saja ketika program akan mengurainya, atau pisahkan penjelasan prosa ketika seseorang harus memeriksa penafsirannya.
Dokumentasi keluaran terstruktur bersama Mistral membedakan mode JSON dari skema khusus. Mode JSON memerlukan instruksi eksplisit tentang format JSON yang diinginkan, sedangkan jalur khusus menetapkan struktur yang lebih spesifik. Ini merupakan pemformatan hasil teks, bukan modalitas konten baru atau tindakan eksternal.
Untuk fungsi, aplikasi menetapkan operasi dan argumen yang tersedia, model memilih pemanggilan yang sesuai dan menyiapkan nilai, lalu aplikasi menjalankannya. Hasilnya kemudian menjadi informasi untuk jawaban berikutnya. Asisten dokumen dapat menggunakan pencarian untuk memperoleh data referensi yang belum tersedia, tetapi hanya jika aplikasi di sekelilingnya menyediakan pencarian tersebut dan mengembalikan hasil aktualnya. Jaga usulan pemanggilan dan data yang dikembalikan tetap terkait satu sama lain.
Penyuntingan prediktif dan prefiks respons
Predicted outputs berguna ketika sebagian besar hasil yang diinginkan sudah diketahui, seperti dokumen atau berkas kode yang memerlukan penyuntingan terbatas. Berikan konten yang ada dan jelaskan perubahan secara tepat, termasuk apa yang harus tetap sama. Permintaan dapat memperbarui istilah satu bagian atau mengganti satu detail implementasi sambil mempertahankan sisa dokumen. Prediksi memuat konten keluaran yang diharapkan, bukan perubahan selesai yang diterapkan ke berkas.
Halaman model juga mencantumkan kelanjutan prefiks respons. Dalam dokumentasi percakapan pembuatnya, prefiks menyediakan awal yang diketahui bagi respons asisten, lalu generasi melanjutkannya. Awal yang diketahui dan isi yang diprediksi menyelesaikan masalah persiapan yang berbeda. Pemrosesan batch dan antarmuka agen atau percakapan juga merupakan fitur alur kerja, bukan edisi gambar, audio, atau penalaran terpisah dari Medium 3.1.
Pertanyaan dokumen dan visual
Alur document-QnA yang tercantum menggabungkan teks, struktur, dan pemformatan yang disiapkan melalui OCR dengan analisis model bahasa. Tanyakan kondisi, bagian teks, atau hubungan tertentu yang diperlukan tugas. Perbandingan dapat mengidentifikasi dokumen sumber dan meminta pernyataan bersama, pertentangan, serta detail yang belum terselesaikan, dengan lokasi sumber tetap berada di samping setiap temuan.
Panduan visual pembuatnya secara eksplisit mencakup Medium 3.1. Pertanyaan visual langsung dapat menyediakan bagan, gambar dokumen, atau tangkapan layar yang terbaca dan menanyakan bukti yang terlihat apa yang mendukung kesimpulan. Pertahankan sumbu, satuan, label, dan konteks di sekitar bidang yang dipotong. Jika beberapa gambar diberikan, identifikasi urutan dan perannya alih-alih membiarkan model menyimpulkan mana yang asli, revisi, atau referensi.
Misalnya, pasangkan persyaratan proses tertulis dengan tangkapan layar dan minta tabel kecocokan yang terlihat, perbedaan, serta pertanyaan yang memerlukan informasi tambahan. Tugas lain dapat menyediakan dua versi dokumen dan meminta bagian teks yang direvisi dengan mempertahankan kondisi bersama sambil menyelesaikan ketidakkonsistenan tertentu. Ini adalah usulan penerapan kemampuan visual, dokumen, dan penyuntingan yang terdokumentasi, dengan hasil yang diwajibkan ditentukan terlebih dahulu.
Menyiapkan artefak akhir
Berikan peran yang jelas kepada asisten, materi sumber yang harus digunakan, dan bentuk jawaban. Pisahkan aturan respons yang tetap berlaku dari dokumen yang diperiksa, serta nyatakan bahasa akhir dan istilahnya. Respons yang berguna dapat memisahkan fakta hasil ekstraksi, sumbernya, dan penafsiran, sehingga lebih mudah diperiksa daripada satu ringkasan yang digabungkan.
Hasil yang terdokumentasi tetap berupa teks. Alat eksternal, perubahan berkas, dan pemrosesan dokumen lebih lanjut merupakan bagian dari aplikasi yang terhubung dengan percakapan. Pertahankan edisi Medium 3.1 bernama dan konteks 128k-nya, lalu minta penjelasan, rekaman terstruktur, atau revisi terarah yang benar-benar dibutuhkan langkah berikutnya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/mistral-medium-3.1 | 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 $0.0008 / 1K token Keluaran · Token keluaran $0.004 / 1K token Masukan · Pembacaan cache $0.00008 / 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 $0.0008 / 1K token Keluaran · Token keluaran $0.004 / 1K token Masukan · Pembacaan cache $0.00008 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "mistralai/mistral-medium-3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-medium-3.1', '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-medium-3.1', '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-medium-3.1
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.