Mistral Medium 3 adalah model multimodal dari Mistral AI untuk pekerjaan profesional yang melibatkan teks, pemahaman visual, dan kode. Rilis awalnya menonjolkan tugas pemrograman dan STEM bersama adaptasi terhadap pengetahuan serta alur kerja perusahaan. Model ini menerima materi teks dan visual serta menghasilkan teks, termasuk penjelasan dokumen, rekaman terstruktur, atau usulan implementasi. Pengenal tetap pembuatnya untuk edisi ini adalah mistral-medium-2505.
Konteks dan materi sumber profesional
Halaman model mencantumkan jendela konteks 128k. Gunakan konteks tersebut untuk mempertahankan bagian sumber, percakapan, dan instruksi yang menentukan artefak yang diminta. Untuk perbandingan dokumen, identifikasi sumber mana yang merupakan persyaratan saat ini, mana yang merupakan usulan revisi, dan pertanyaan apa yang harus diselesaikan. Minta dokumen dan bagian pendukung di samping setiap temuan.
Tugas penjelasan praktis dapat memberikan prosedur dan pertanyaan pengguna, lalu meminta tindakan yang relevan serta kondisi yang membuatnya berlaku. Analisis teknis dapat menyertakan data sumber, definisi, dan kriteria perbandingan. Tujuannya adalah hasil yang terkait dengan materi yang diberikan, bukan deskripsi umum tentang topik tersebut.
Keluaran terstruktur dan fungsi
Halaman model mencantumkan keluaran terstruktur dan pemanggilan fungsi. Untuk ekstraksi, tetapkan nama bidang, tipe, dan representasi bagi informasi yang tidak tersedia dalam sumber. Rekaman yang berguna dapat memisahkan pengenal, pernyataan sumber, penafsiran, dan pertanyaan yang belum terjawab. Panduan bersama Mistral membedakan mode JSON dari skema khusus dan mewajibkan permintaan eksplisit untuk format JSON yang diinginkan.
Pemanggilan fungsi menghubungkan penafsiran model dengan operasi yang dijelaskan aplikasi. Model memilih fungsi dan menyiapkan argumen, aplikasi menjalankan fungsi, dan hasilnya menjadi konteks untuk jawaban berikutnya. Pencarian dapat menyediakan nilai referensi yang belum tersedia; perhitungan dapat menyediakan hasil yang diperlukan penjelasan. Jaga hasil tetap terkait dengan operasi yang menghasilkannya, alih-alih menganggap usulan pemanggilan sebagai tindakan yang telah dijalankan.
Pertanyaan dokumen dan visual
Tanya jawab dokumen juga tercantum untuk edisi ini. Alur yang didokumentasikan pembuatnya menyiapkan teks, struktur, dan pemformatan dokumen dengan OCR sebelum analisis model bahasa. Tanyakan persyaratan, bagian teks, atau hubungan tertentu yang diperlukan tugas. Untuk beberapa dokumen, pertahankan identitasnya dan minta perbandingan dengan lokasi sumber di samping setiap kesimpulan.
Untuk materi visual, pasangkan gambar dengan pertanyaan yang terdefinisi dan pertahankan label, satuan, serta wilayah yang diperlukan untuk menjawabnya. Bagan dapat disertai pertanyaan perbandingan antara seri yang disebutkan; diagram dapat disertai pertanyaan tentang hubungan mana yang mendukung persyaratan yang diberikan. Gambar dokumen yang terbaca dan dokumen yang disiapkan melalui OCR merupakan persiapan masukan yang berbeda, meskipun keduanya melayani tujuan tanya jawab yang sama.
Penyuntingan, prefiks, dan alur kerja
Halaman model mencantumkan predicted outputs, prefiks respons, pemrosesan batch, dan percakapan agen. Predicted outputs menggunakan konten yang diketahui ketika sebagian besar dokumen atau berkas kode harus tetap sama sementara bagian terbatas berubah. Berikan konten yang ada, tentukan penyuntingannya, dan identifikasi materi yang harus dipertahankan. Ini berbeda dari meminta model membuat dokumen yang sepenuhnya baru.
Prefiks respons menyediakan awal yang diketahui bagi teks yang dihasilkan asisten, yang kemudian dilanjutkan dari awal tersebut. Pemrosesan batch mengubah cara tugas dikirimkan, sedangkan antarmuka agen atau percakapan mengelola alur kerja yang terhubung. Alat bawaan yang tercantum merupakan bagian dari antarmuka pembuat tersebut; alat itu tidak menambahkan modalitas konten lain pada model dasar atau melakukan tindakan tanpa lingkungan yang terhubung.
Pemrograman dan adaptasi domain
Untuk permintaan pemrograman, berikan persyaratan, fungsi yang terdampak, deklarasi yang relevan, serta masukan dan keluaran yang diharapkan. Minta usulan perubahan, asumsinya, dan contoh yang membedakan perilaku yang dimaksud. Pertanyaan debugging dapat menyertakan bukti kegagalan dan meminta jalur mana dalam sumber yang menjelaskannya. Akses repositori, eksekusi kode, dan penerapan perubahan berasal dari alat pengembangan di sekelilingnya.
Pengumuman awal menjelaskan pascapelatihan khusus dan fine-tuning untuk konteks serta basis pengetahuan perusahaan pada domain tertentu. Itu adalah proses adaptasi tersendiri, bukan klaim bahwa dokumen organisasi tertentu sudah diketahui model bawaan. Untuk jawaban yang bergantung pada sumber, berikan dokumen dan istilah yang relevan langsung bersama tugas serta tetapkan aturan responsnya.
Batas edisi dan hasil
Entri ini mempertahankan identitas 2505 dan konteks 128k milik Medium 3. Jumlah arsitektur dan kontrol penalaran hibrida yang dapat dikonfigurasi yang kemudian didokumentasikan untuk Medium 3.5 bukan bagian dari spesifikasi yang dinyatakan untuk edisi ini. Halaman khusus model ini tidak memublikasikan jumlah parameter atau batas keras panjang jawaban maksimum tersendiri yang dapat dipinjam dari rilis berikutnya.
Siapkan hasil yang dimaksud sebelum permintaan: penjelasan, ekstraksi terstruktur, bagian yang direvisi, atau usulan kode. Pastikan bukti teks dan visual, identitas sumber, serta hasil alat yang terhubung tetap eksplisit agar jawaban dapat diperiksa dan digunakan pada langkah aplikasi berikutnya.
", "aboutText": "Mistral Medium 3 adalah model multimodal dari Mistral AI untuk pekerjaan profesional yang melibatkan teks, pemahaman visual, dan kode. Rilis awalnya menonjolkan tugas pemrograman dan STEM bersama adaptasi terhadap pengetahuan serta alur kerja perusahaan. Model ini menerima materi teks dan visual serta menghasilkan teks, termasuk penjelasan dokumen, rekaman terstruktur, atau usulan implementasi. Pengenal tetap pembuatnya untuk edisi ini adalah mistral-medium-2505.\n\nKonteks dan materi sumber profesional\n\nHalaman model mencantumkan jendela konteks 128k. Gunakan konteks tersebut untuk mempertahankan bagian sumber, percakapan, dan instruksi yang menentukan artefak yang diminta. Untuk perbandingan dokumen, identifikasi sumber mana yang merupakan persyaratan saat ini, mana yang merupakan usulan revisi, dan pertanyaan apa yang harus diselesaikan. Minta dokumen dan bagian pendukung di samping setiap temuan.\n\nTugas penjelasan praktis dapat memberikan prosedur dan pertanyaan pengguna, lalu meminta tindakan yang relevan serta kondisi yang membuatnya berlaku. Analisis teknis dapat menyertakan data sumber, definisi, dan kriteria perbandingan. Tujuannya adalah hasil yang terkait dengan materi yang diberikan, bukan deskripsi umum tentang topik tersebut.\n\nKeluaran terstruktur dan fungsi\n\nHalaman model mencantumkan keluaran terstruktur dan pemanggilan fungsi. Untuk ekstraksi, tetapkan nama bidang, tipe, dan representasi bagi informasi yang tidak tersedia dalam sumber. Rekaman yang berguna dapat memisahkan pengenal, pernyataan sumber, penafsiran, dan pertanyaan yang belum terjawab. Panduan bersama Mistral membedakan mode JSON dari skema khusus dan mewajibkan permintaan eksplisit untuk format JSON yang diinginkan.\n\nPemanggilan fungsi menghubungkan penafsiran model dengan operasi yang dijelaskan aplikasi. Model memilih fungsi dan menyiapkan argumen, aplikasi menjalankan fungsi, dan hasilnya menjadi konteks untuk jawaban berikutnya. Pencarian dapat menyediakan nilai referensi yang belum tersedia; perhitungan dapat menyediakan hasil yang diperlukan penjelasan. Jaga hasil tetap terkait dengan operasi yang menghasilkannya, alih-alih menganggap usulan pemanggilan sebagai tindakan yang telah dijalankan.\n\nPertanyaan dokumen dan visual\n\nTanya jawab dokumen juga tercantum untuk edisi ini. Alur yang didokumentasikan pembuatnya menyiapkan teks, struktur, dan pemformatan dokumen dengan OCR sebelum analisis model bahasa. Tanyakan persyaratan, bagian teks, atau hubungan tertentu yang diperlukan tugas. Untuk beberapa dokumen, pertahankan identitasnya dan minta perbandingan dengan lokasi sumber di samping setiap kesimpulan.\n\nUntuk materi visual, pasangkan gambar dengan pertanyaan yang terdefinisi dan pertahankan label, satuan, serta wilayah yang diperlukan untuk menjawabnya. Bagan dapat disertai pertanyaan perbandingan antara seri yang disebutkan; diagram dapat disertai pertanyaan tentang hubungan mana yang mendukung persyaratan yang diberikan. Gambar dokumen yang terbaca dan dokumen yang disiapkan melalui OCR merupakan persiapan masukan yang berbeda, meskipun keduanya melayani tujuan tanya jawab yang sama.\n\nPenyuntingan, prefiks, dan alur kerja\n\nHalaman model mencantumkan predicted outputs, prefiks respons, pemrosesan batch, dan percakapan agen. Predicted outputs menggunakan konten yang diketahui ketika sebagian besar dokumen atau berkas kode harus tetap sama sementara bagian terbatas berubah. Berikan konten yang ada, tentukan penyuntingannya, dan identifikasi materi yang harus dipertahankan. Ini berbeda dari meminta model membuat dokumen yang sepenuhnya baru.\n\nPrefiks respons menyediakan awal yang diketahui bagi teks yang dihasilkan asisten, yang kemudian dilanjutkan dari awal tersebut. Pemrosesan batch mengubah cara tugas dikirimkan, sedangkan antarmuka agen atau percakapan mengelola alur kerja yang terhubung. Alat bawaan yang tercantum merupakan bagian dari antarmuka pembuat tersebut; alat itu tidak menambahkan modalitas konten lain pada model dasar atau melakukan tindakan tanpa lingkungan yang terhubung.\n\nPemrograman dan adaptasi domain\n\nUntuk permintaan pemrograman, berikan persyaratan, fungsi yang terdampak, deklarasi yang relevan, serta masukan dan keluaran yang diharapkan. Minta usulan perubahan, asumsinya, dan contoh yang membedakan perilaku yang dimaksud. Pertanyaan debugging dapat menyertakan bukti kegagalan dan meminta jalur mana dalam sumber yang menjelaskannya. Akses repositori, eksekusi kode, dan penerapan perubahan berasal dari alat pengembangan di sekelilingnya.\n\nPengumuman awal menjelaskan pascapelatihan khusus dan fine-tuning untuk konteks serta basis pengetahuan perusahaan pada domain tertentu. Itu adalah proses adaptasi tersendiri, bukan klaim bahwa dokumen organisasi tertentu sudah diketahui model bawaan. Untuk jawaban yang bergantung pada sumber, berikan dokumen dan istilah yang relevan langsung bersama tugas serta tetapkan aturan responsnya.\n\nBatas edisi dan hasil\n\nEntri ini mempertahankan identitas 2505 dan konteks 128k milik Medium 3. Jumlah arsitektur dan kontrol penalaran hibrida yang dapat dikonfigurasi yang kemudian didokumentasikan untuk Medium 3.5 bukan bagian dari spesifikasi yang dinyatakan untuk edisi ini. Halaman khusus model ini tidak memublikasikan jumlah parameter atau batas keras panjang jawaban maksimum tersendiri yang dapat dipinjam dari rilis berikutnya.\n\nSiapkan hasil yang dimaksud sebelum permintaan: penjelasan, ekstraksi terstruktur, bagian yang direvisi, atau usulan kode. Pastikan bukti teks dan visual, identitas sumber, serta hasil alat yang terhubung tetap eksplisit agar jawaban dapat diperiksa dan digunakan pada langkah aplikasi berikutnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Apply a procedure to a concrete case\n\nUse this procedure to answer the employee: 'Requests below 500 credits need team-lead approval. Requests of 500 or more need finance approval. Purchases must wait for approval.' Employee: 'My equipment request is exactly 500 credits; can my team lead approve it and can I order today?' Give the applicable rule and missing information.A short procedural answer citing the threshold and approval-before-purchase requirement.Exactly 500 falls under finance approval, and ordering today depends on approval actually having been received.mistralai/mistral-medium-3Mistral Medium 3 adalah model multimodal untuk tugas teks, visual, dan pemrograman profesional. Konteks 128k dari pembuatnya serta keluaran terstruktur, pemanggilan fungsi, pertanyaan dokumen, dan penyuntingan yang dapat diprediksi yang terdokumentasi mendukung penjelasan berbasis sumber dan alur aplikasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mistral Medium 3 adalah model multimodal dari Mistral AI untuk pekerjaan profesional yang melibatkan teks, pemahaman visual, dan kode. Rilis awalnya menonjolkan tugas pemrograman dan STEM bersama adaptasi terhadap pengetahuan serta alur kerja perusahaan. Model ini menerima materi teks dan visual serta menghasilkan teks, termasuk penjelasan dokumen, rekaman terstruktur, atau usulan implementasi. Pengenal tetap pembuatnya untuk edisi ini adalah mistral-medium-2505.
Konteks dan materi sumber profesional
Halaman model mencantumkan jendela konteks 128k. Gunakan konteks tersebut untuk mempertahankan bagian sumber, percakapan, dan instruksi yang menentukan artefak yang diminta. Untuk perbandingan dokumen, identifikasi sumber mana yang merupakan persyaratan saat ini, mana yang merupakan usulan revisi, dan pertanyaan apa yang harus diselesaikan. Minta dokumen dan bagian pendukung di samping setiap temuan.
Tugas penjelasan praktis dapat memberikan prosedur dan pertanyaan pengguna, lalu meminta tindakan yang relevan serta kondisi yang membuatnya berlaku. Analisis teknis dapat menyertakan data sumber, definisi, dan kriteria perbandingan. Tujuannya adalah hasil yang terkait dengan materi yang diberikan, bukan deskripsi umum tentang topik tersebut.
Keluaran terstruktur dan fungsi
Halaman model mencantumkan keluaran terstruktur dan pemanggilan fungsi. Untuk ekstraksi, tetapkan nama bidang, tipe, dan representasi bagi informasi yang tidak tersedia dalam sumber. Rekaman yang berguna dapat memisahkan pengenal, pernyataan sumber, penafsiran, dan pertanyaan yang belum terjawab. Panduan bersama Mistral membedakan mode JSON dari skema khusus dan mewajibkan permintaan eksplisit untuk format JSON yang diinginkan.
Pemanggilan fungsi menghubungkan penafsiran model dengan operasi yang dijelaskan aplikasi. Model memilih fungsi dan menyiapkan argumen, aplikasi menjalankan fungsi, dan hasilnya menjadi konteks untuk jawaban berikutnya. Pencarian dapat menyediakan nilai referensi yang belum tersedia; perhitungan dapat menyediakan hasil yang diperlukan penjelasan. Jaga hasil tetap terkait dengan operasi yang menghasilkannya, alih-alih menganggap usulan pemanggilan sebagai tindakan yang telah dijalankan.
Pertanyaan dokumen dan visual
Tanya jawab dokumen juga tercantum untuk edisi ini. Alur yang didokumentasikan pembuatnya menyiapkan teks, struktur, dan pemformatan dokumen dengan OCR sebelum analisis model bahasa. Tanyakan persyaratan, bagian teks, atau hubungan tertentu yang diperlukan tugas. Untuk beberapa dokumen, pertahankan identitasnya dan minta perbandingan dengan lokasi sumber di samping setiap kesimpulan.
Untuk materi visual, pasangkan gambar dengan pertanyaan yang terdefinisi dan pertahankan label, satuan, serta wilayah yang diperlukan untuk menjawabnya. Bagan dapat disertai pertanyaan perbandingan antara seri yang disebutkan; diagram dapat disertai pertanyaan tentang hubungan mana yang mendukung persyaratan yang diberikan. Gambar dokumen yang terbaca dan dokumen yang disiapkan melalui OCR merupakan persiapan masukan yang berbeda, meskipun keduanya melayani tujuan tanya jawab yang sama.
Penyuntingan, prefiks, dan alur kerja
Halaman model mencantumkan predicted outputs, prefiks respons, pemrosesan batch, dan percakapan agen. Predicted outputs menggunakan konten yang diketahui ketika sebagian besar dokumen atau berkas kode harus tetap sama sementara bagian terbatas berubah. Berikan konten yang ada, tentukan penyuntingannya, dan identifikasi materi yang harus dipertahankan. Ini berbeda dari meminta model membuat dokumen yang sepenuhnya baru.
Prefiks respons menyediakan awal yang diketahui bagi teks yang dihasilkan asisten, yang kemudian dilanjutkan dari awal tersebut. Pemrosesan batch mengubah cara tugas dikirimkan, sedangkan antarmuka agen atau percakapan mengelola alur kerja yang terhubung. Alat bawaan yang tercantum merupakan bagian dari antarmuka pembuat tersebut; alat itu tidak menambahkan modalitas konten lain pada model dasar atau melakukan tindakan tanpa lingkungan yang terhubung.
Pemrograman dan adaptasi domain
Untuk permintaan pemrograman, berikan persyaratan, fungsi yang terdampak, deklarasi yang relevan, serta masukan dan keluaran yang diharapkan. Minta usulan perubahan, asumsinya, dan contoh yang membedakan perilaku yang dimaksud. Pertanyaan debugging dapat menyertakan bukti kegagalan dan meminta jalur mana dalam sumber yang menjelaskannya. Akses repositori, eksekusi kode, dan penerapan perubahan berasal dari alat pengembangan di sekelilingnya.
Pengumuman awal menjelaskan pascapelatihan khusus dan fine-tuning untuk konteks serta basis pengetahuan perusahaan pada domain tertentu. Itu adalah proses adaptasi tersendiri, bukan klaim bahwa dokumen organisasi tertentu sudah diketahui model bawaan. Untuk jawaban yang bergantung pada sumber, berikan dokumen dan istilah yang relevan langsung bersama tugas serta tetapkan aturan responsnya.
Batas edisi dan hasil
Entri ini mempertahankan identitas 2505 dan konteks 128k milik Medium 3. Jumlah arsitektur dan kontrol penalaran hibrida yang dapat dikonfigurasi yang kemudian didokumentasikan untuk Medium 3.5 bukan bagian dari spesifikasi yang dinyatakan untuk edisi ini. Halaman khusus model ini tidak memublikasikan jumlah parameter atau batas keras panjang jawaban maksimum tersendiri yang dapat dipinjam dari rilis berikutnya.
Siapkan hasil yang dimaksud sebelum permintaan: penjelasan, ekstraksi terstruktur, bagian yang direvisi, atau usulan kode. Pastikan bukti teks dan visual, identitas sumber, serta hasil alat yang terhubung tetap eksplisit agar jawaban dapat diperiksa dan digunakan pada langkah aplikasi berikutnya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/mistral-medium-3 | 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", "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',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',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
Gunakan jalur metode yang ditampilkan di atas.
mistralai/mistral-medium-3Mistral Medium 3 adalah model multimodal untuk tugas teks, visual, dan pemrograman profesional. Konteks 128k dari pembuatnya serta keluaran terstruktur, pemanggilan fungsi, pertanyaan dokumen, dan penyuntingan yang dapat diprediksi yang terdokumentasi mendukung penjelasan berbasis sumber dan alur aplikasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mistral Medium 3 adalah model multimodal dari Mistral AI untuk pekerjaan profesional yang melibatkan teks, pemahaman visual, dan kode. Rilis awalnya menonjolkan tugas pemrograman dan STEM bersama adaptasi terhadap pengetahuan serta alur kerja perusahaan. Model ini menerima materi teks dan visual serta menghasilkan teks, termasuk penjelasan dokumen, rekaman terstruktur, atau usulan implementasi. Pengenal tetap pembuatnya untuk edisi ini adalah mistral-medium-2505.
Konteks dan materi sumber profesional
Halaman model mencantumkan jendela konteks 128k. Gunakan konteks tersebut untuk mempertahankan bagian sumber, percakapan, dan instruksi yang menentukan artefak yang diminta. Untuk perbandingan dokumen, identifikasi sumber mana yang merupakan persyaratan saat ini, mana yang merupakan usulan revisi, dan pertanyaan apa yang harus diselesaikan. Minta dokumen dan bagian pendukung di samping setiap temuan.
Tugas penjelasan praktis dapat memberikan prosedur dan pertanyaan pengguna, lalu meminta tindakan yang relevan serta kondisi yang membuatnya berlaku. Analisis teknis dapat menyertakan data sumber, definisi, dan kriteria perbandingan. Tujuannya adalah hasil yang terkait dengan materi yang diberikan, bukan deskripsi umum tentang topik tersebut.
Keluaran terstruktur dan fungsi
Halaman model mencantumkan keluaran terstruktur dan pemanggilan fungsi. Untuk ekstraksi, tetapkan nama bidang, tipe, dan representasi bagi informasi yang tidak tersedia dalam sumber. Rekaman yang berguna dapat memisahkan pengenal, pernyataan sumber, penafsiran, dan pertanyaan yang belum terjawab. Panduan bersama Mistral membedakan mode JSON dari skema khusus dan mewajibkan permintaan eksplisit untuk format JSON yang diinginkan.
Pemanggilan fungsi menghubungkan penafsiran model dengan operasi yang dijelaskan aplikasi. Model memilih fungsi dan menyiapkan argumen, aplikasi menjalankan fungsi, dan hasilnya menjadi konteks untuk jawaban berikutnya. Pencarian dapat menyediakan nilai referensi yang belum tersedia; perhitungan dapat menyediakan hasil yang diperlukan penjelasan. Jaga hasil tetap terkait dengan operasi yang menghasilkannya, alih-alih menganggap usulan pemanggilan sebagai tindakan yang telah dijalankan.
Pertanyaan dokumen dan visual
Tanya jawab dokumen juga tercantum untuk edisi ini. Alur yang didokumentasikan pembuatnya menyiapkan teks, struktur, dan pemformatan dokumen dengan OCR sebelum analisis model bahasa. Tanyakan persyaratan, bagian teks, atau hubungan tertentu yang diperlukan tugas. Untuk beberapa dokumen, pertahankan identitasnya dan minta perbandingan dengan lokasi sumber di samping setiap kesimpulan.
Untuk materi visual, pasangkan gambar dengan pertanyaan yang terdefinisi dan pertahankan label, satuan, serta wilayah yang diperlukan untuk menjawabnya. Bagan dapat disertai pertanyaan perbandingan antara seri yang disebutkan; diagram dapat disertai pertanyaan tentang hubungan mana yang mendukung persyaratan yang diberikan. Gambar dokumen yang terbaca dan dokumen yang disiapkan melalui OCR merupakan persiapan masukan yang berbeda, meskipun keduanya melayani tujuan tanya jawab yang sama.
Penyuntingan, prefiks, dan alur kerja
Halaman model mencantumkan predicted outputs, prefiks respons, pemrosesan batch, dan percakapan agen. Predicted outputs menggunakan konten yang diketahui ketika sebagian besar dokumen atau berkas kode harus tetap sama sementara bagian terbatas berubah. Berikan konten yang ada, tentukan penyuntingannya, dan identifikasi materi yang harus dipertahankan. Ini berbeda dari meminta model membuat dokumen yang sepenuhnya baru.
Prefiks respons menyediakan awal yang diketahui bagi teks yang dihasilkan asisten, yang kemudian dilanjutkan dari awal tersebut. Pemrosesan batch mengubah cara tugas dikirimkan, sedangkan antarmuka agen atau percakapan mengelola alur kerja yang terhubung. Alat bawaan yang tercantum merupakan bagian dari antarmuka pembuat tersebut; alat itu tidak menambahkan modalitas konten lain pada model dasar atau melakukan tindakan tanpa lingkungan yang terhubung.
Pemrograman dan adaptasi domain
Untuk permintaan pemrograman, berikan persyaratan, fungsi yang terdampak, deklarasi yang relevan, serta masukan dan keluaran yang diharapkan. Minta usulan perubahan, asumsinya, dan contoh yang membedakan perilaku yang dimaksud. Pertanyaan debugging dapat menyertakan bukti kegagalan dan meminta jalur mana dalam sumber yang menjelaskannya. Akses repositori, eksekusi kode, dan penerapan perubahan berasal dari alat pengembangan di sekelilingnya.
Pengumuman awal menjelaskan pascapelatihan khusus dan fine-tuning untuk konteks serta basis pengetahuan perusahaan pada domain tertentu. Itu adalah proses adaptasi tersendiri, bukan klaim bahwa dokumen organisasi tertentu sudah diketahui model bawaan. Untuk jawaban yang bergantung pada sumber, berikan dokumen dan istilah yang relevan langsung bersama tugas serta tetapkan aturan responsnya.
Batas edisi dan hasil
Entri ini mempertahankan identitas 2505 dan konteks 128k milik Medium 3. Jumlah arsitektur dan kontrol penalaran hibrida yang dapat dikonfigurasi yang kemudian didokumentasikan untuk Medium 3.5 bukan bagian dari spesifikasi yang dinyatakan untuk edisi ini. Halaman khusus model ini tidak memublikasikan jumlah parameter atau batas keras panjang jawaban maksimum tersendiri yang dapat dipinjam dari rilis berikutnya.
Siapkan hasil yang dimaksud sebelum permintaan: penjelasan, ekstraksi terstruktur, bagian yang direvisi, atau usulan kode. Pastikan bukti teks dan visual, identitas sumber, serta hasil alat yang terhubung tetap eksplisit agar jawaban dapat diperiksa dan digunakan pada langkah aplikasi berikutnya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/mistral-medium-3 | 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 $0.00008 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "mistralai/mistral-medium-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Apply a procedure to a concrete case\n\nUse this procedure to answer the employee: 'Requests below 500 credits need team-lead approval. Requests of 500 or more need finance approval. Purchases must wait for approval.' Employee: 'My equipment request is exactly 500 credits; can my team lead approve it and can I order today?' Give the applicable rule and missing information.A short procedural answer citing the threshold and approval-before-purchase requirement.Exactly 500 falls under finance approval, and ordering today depends on approval actually having been received.