Mistral Saba adalah model teks regional khusus dari Mistral AI, yang dibuat melalui fine-tuning model keluarga Small dengan materi terkurasi dari Timur Tengah dan Asia Selatan. Pembuatnya menjelaskan model dengan 24 miliar parameter yang ditujukan untuk mencerminkan bahasa regional, konteks budaya, dan bentuk ekspresi setempat. Model ini menerima tugas tertulis serta materi sumber dan mengembalikan teks.
Bahasa dan konteks regional
Rilis ini secara eksplisit menyebut bahasa Arab dan banyak bahasa asal India, dengan kekuatan khusus pada bahasa asal India Selatan seperti Tamil. Fokusnya lebih spesifik daripada sekadar mengubah bahasa akhir jawaban serbaguna: materi pelatihan dipilih untuk konteks bahasa dan budaya regional tempat respons akan digunakan.
Tentukan audiens, wilayah, bahasa, dan ragam bahasa yang diinginkan sebelum meminta hasil. Penjelasan formal, pesan untuk pelanggan, dan bagian teks pendidikan dapat memerlukan istilah dan sapaan berbeda. Berikan glosarium untuk nama produk atau istilah khusus yang harus tetap konsisten, serta nyatakan apakah hasil harus mempertahankan redaksi sumber atau menyesuaikan penjelasannya dengan pembaca.
Halaman pembuatnya menyebut jendela konteks 32k dan mengidentifikasi edisi sebagai mistral-saba-2502. Gunakan konteks untuk bagian sumber, percakapan, dan instruksi yang relevan bersama-sama. Respons yang disesuaikan secara regional tetap memerlukan kondisi produk, prosedur, atau isi dokumen aktual yang diberikan sebagai bukti; keakraban budaya tidak menyediakan informasi privat perusahaan.
Dukungan percakapan
Pembuatnya menonjolkan asisten percakapan bahasa Arab sebagai kasus penggunaan utama. Permintaan dukungan praktis dapat memberikan pesan pengguna dan materi referensi yang disetujui, lalu meminta respons dalam ragam bahasa tertentu. Minta tindakan berikutnya, kondisi yang membuatnya berlaku, dan detail yang masih perlu diberikan pengguna. Ini menjaga jawaban tetap berpijak pada masalah tertentu alih-alih menghasilkan sapaan regional umum.
Untuk penjelasan dwibahasa, identifikasi bahasa sumber dan bahasa pesan akhir. Pertahankan nama, jumlah, atau satuan yang diberikan dalam materi dan jelaskan audiens yang harus memahami jawaban. Pertanyaan lanjutan dapat meminta versi yang lebih singkat atau klarifikasi satu istilah sambil mempertahankan kondisi yang sama.
Adaptasi domain tertentu
Pengumuman tersebut menjelaskan fine-tuning Saba untuk domain tertentu, termasuk energi dan konteks profesional regional lainnya. Itu merupakan proses adaptasi, bukan klaim bahwa setiap dataset khusus sudah menjadi bagian model bawaan. Untuk tugas teks yang berorientasi pada domain, berikan istilah, dokumen sumber, dan aturan respons yang relevan dengan aplikasi aktual.
Penjelasan teknis dapat meminta model menyatakan kembali prosedur menggunakan istilah regional pembaca sambil mempertahankan langkah dan kondisi asli. Pertanyaan dokumen dapat mengidentifikasi klausul yang harus dijelaskan dan meminta jawaban ringkas beserta bagian pendukung. Bedakan fakta sumber, penjelasan, dan istilah yang belum terselesaikan saat menyiapkan keluaran.
Pembuatan konten budaya
Pembuatnya juga menjelaskan penulisan dan sumber daya pendidikan yang relevan secara budaya. Berikan topik, audiens yang dituju, bahasa, serta fakta atau contoh yang harus muncul. Untuk bagian teks pendidikan, tentukan apa yang harus dipahami pelajar di akhir dan minta penjelasan diikuti contoh praktis. Untuk pesan organisasi, berikan tujuan dan informasi yang harus ditindaklanjuti pembaca.
Ketika idiom lokal atau referensi budaya merupakan bagian dari tugas, nyatakan konteks penggunaannya. Minta redaksi alternatif ketika versi formal atau lebih netral akan melayani audiens lain. Ini merupakan cara praktis menerapkan spesialisasi regional model sambil menjaga konten dan tujuan penggunaan tetap eksplisit.
Batas edisi dan hasil
Spesialisasi Saba yang terdokumentasi adalah pekerjaan bahasa regional berbasis teks dengan konteks 32k. Model ini tidak boleh mewarisi masukan gambar, kontrol penalaran hibrida, atau fitur format alat dari model Small atau Medium berikutnya hanya karena model ini merupakan hasil fine-tuning keluarga Small. Sumber yang dibaca tidak menyatakan kapasitas maksimum token keluaran yang terpisah untuk edisi ini.
Siapkan tugas tertulis lengkap, fakta sumber yang relevan, dan artefak yang diinginkan: balasan dukungan, penjelasan, bagian teks yang disesuaikan, atau teks pendidikan pendek. Pastikan edisi Saba bernama serta bahasa dan ragam bahasa audiens tetap eksplisit agar teks yang dihasilkan menjawab kebutuhan komunikasi regional yang aktual.
", "aboutText": "Mistral Saba adalah model teks regional khusus dari Mistral AI, yang dibuat melalui fine-tuning model keluarga Small dengan materi terkurasi dari Timur Tengah dan Asia Selatan. Pembuatnya menjelaskan model dengan 24 miliar parameter yang ditujukan untuk mencerminkan bahasa regional, konteks budaya, dan bentuk ekspresi setempat. Model ini menerima tugas tertulis serta materi sumber dan mengembalikan teks.\n\nBahasa dan konteks regional\n\nRilis ini secara eksplisit menyebut bahasa Arab dan banyak bahasa asal India, dengan kekuatan khusus pada bahasa asal India Selatan seperti Tamil. Fokusnya lebih spesifik daripada sekadar mengubah bahasa akhir jawaban serbaguna: materi pelatihan dipilih untuk konteks bahasa dan budaya regional tempat respons akan digunakan.\n\nTentukan audiens, wilayah, bahasa, dan ragam bahasa yang diinginkan sebelum meminta hasil. Penjelasan formal, pesan untuk pelanggan, dan bagian teks pendidikan dapat memerlukan istilah dan sapaan berbeda. Berikan glosarium untuk nama produk atau istilah khusus yang harus tetap konsisten, serta nyatakan apakah hasil harus mempertahankan redaksi sumber atau menyesuaikan penjelasannya dengan pembaca.\n\nHalaman pembuatnya menyebut jendela konteks 32k dan mengidentifikasi edisi sebagai mistral-saba-2502. Gunakan konteks untuk bagian sumber, percakapan, dan instruksi yang relevan bersama-sama. Respons yang disesuaikan secara regional tetap memerlukan kondisi produk, prosedur, atau isi dokumen aktual yang diberikan sebagai bukti; keakraban budaya tidak menyediakan informasi privat perusahaan.\n\nDukungan percakapan\n\nPembuatnya menonjolkan asisten percakapan bahasa Arab sebagai kasus penggunaan utama. Permintaan dukungan praktis dapat memberikan pesan pengguna dan materi referensi yang disetujui, lalu meminta respons dalam ragam bahasa tertentu. Minta tindakan berikutnya, kondisi yang membuatnya berlaku, dan detail yang masih perlu diberikan pengguna. Ini menjaga jawaban tetap berpijak pada masalah tertentu alih-alih menghasilkan sapaan regional umum.\n\nUntuk penjelasan dwibahasa, identifikasi bahasa sumber dan bahasa pesan akhir. Pertahankan nama, jumlah, atau satuan yang diberikan dalam materi dan jelaskan audiens yang harus memahami jawaban. Pertanyaan lanjutan dapat meminta versi yang lebih singkat atau klarifikasi satu istilah sambil mempertahankan kondisi yang sama.\n\nAdaptasi domain tertentu\n\nPengumuman tersebut menjelaskan fine-tuning Saba untuk domain tertentu, termasuk energi dan konteks profesional regional lainnya. Itu merupakan proses adaptasi, bukan klaim bahwa setiap dataset khusus sudah menjadi bagian model bawaan. Untuk tugas teks yang berorientasi pada domain, berikan istilah, dokumen sumber, dan aturan respons yang relevan dengan aplikasi aktual.\n\nPenjelasan teknis dapat meminta model menyatakan kembali prosedur menggunakan istilah regional pembaca sambil mempertahankan langkah dan kondisi asli. Pertanyaan dokumen dapat mengidentifikasi klausul yang harus dijelaskan dan meminta jawaban ringkas beserta bagian pendukung. Bedakan fakta sumber, penjelasan, dan istilah yang belum terselesaikan saat menyiapkan keluaran.\n\nPembuatan konten budaya\n\nPembuatnya juga menjelaskan penulisan dan sumber daya pendidikan yang relevan secara budaya. Berikan topik, audiens yang dituju, bahasa, serta fakta atau contoh yang harus muncul. Untuk bagian teks pendidikan, tentukan apa yang harus dipahami pelajar di akhir dan minta penjelasan diikuti contoh praktis. Untuk pesan organisasi, berikan tujuan dan informasi yang harus ditindaklanjuti pembaca.\n\nKetika idiom lokal atau referensi budaya merupakan bagian dari tugas, nyatakan konteks penggunaannya. Minta redaksi alternatif ketika versi formal atau lebih netral akan melayani audiens lain. Ini merupakan cara praktis menerapkan spesialisasi regional model sambil menjaga konten dan tujuan penggunaan tetap eksplisit.\n\nBatas edisi dan hasil\n\nSpesialisasi Saba yang terdokumentasi adalah pekerjaan bahasa regional berbasis teks dengan konteks 32k. Model ini tidak boleh mewarisi masukan gambar, kontrol penalaran hibrida, atau fitur format alat dari model Small atau Medium berikutnya hanya karena model ini merupakan hasil fine-tuning keluarga Small. Sumber yang dibaca tidak menyatakan kapasitas maksimum token keluaran yang terpisah untuk edisi ini.\n\nSiapkan tugas tertulis lengkap, fakta sumber yang relevan, dan artefak yang diinginkan: balasan dukungan, penjelasan, bagian teks yang disesuaikan, atau teks pendidikan pendek. Pastikan edisi Saba bernama serta bahasa dan ragam bahasa audiens tetap eksplisit agar teks yang dihasilkan menjawab kebutuhan komunikasi regional yang aktual.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.mistralai/mistral-sabaMistral Saba adalah model teks 24B yang dilatih dengan materi terkurasi dari Timur Tengah dan Asia Selatan. Fokusnya adalah bahasa dan konteks budaya regional, termasuk bahasa Arab dan bahasa asal India seperti Tamil, dengan konteks 32k dari pembuatnya untuk tugas tertulis.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mistral Saba adalah model teks regional khusus dari Mistral AI, yang dibuat melalui fine-tuning model keluarga Small dengan materi terkurasi dari Timur Tengah dan Asia Selatan. Pembuatnya menjelaskan model dengan 24 miliar parameter yang ditujukan untuk mencerminkan bahasa regional, konteks budaya, dan bentuk ekspresi setempat. Model ini menerima tugas tertulis serta materi sumber dan mengembalikan teks.
Bahasa dan konteks regional
Rilis ini secara eksplisit menyebut bahasa Arab dan banyak bahasa asal India, dengan kekuatan khusus pada bahasa asal India Selatan seperti Tamil. Fokusnya lebih spesifik daripada sekadar mengubah bahasa akhir jawaban serbaguna: materi pelatihan dipilih untuk konteks bahasa dan budaya regional tempat respons akan digunakan.
Tentukan audiens, wilayah, bahasa, dan ragam bahasa yang diinginkan sebelum meminta hasil. Penjelasan formal, pesan untuk pelanggan, dan bagian teks pendidikan dapat memerlukan istilah dan sapaan berbeda. Berikan glosarium untuk nama produk atau istilah khusus yang harus tetap konsisten, serta nyatakan apakah hasil harus mempertahankan redaksi sumber atau menyesuaikan penjelasannya dengan pembaca.
Halaman pembuatnya menyebut jendela konteks 32k dan mengidentifikasi edisi sebagai mistral-saba-2502. Gunakan konteks untuk bagian sumber, percakapan, dan instruksi yang relevan bersama-sama. Respons yang disesuaikan secara regional tetap memerlukan kondisi produk, prosedur, atau isi dokumen aktual yang diberikan sebagai bukti; keakraban budaya tidak menyediakan informasi privat perusahaan.
Dukungan percakapan
Pembuatnya menonjolkan asisten percakapan bahasa Arab sebagai kasus penggunaan utama. Permintaan dukungan praktis dapat memberikan pesan pengguna dan materi referensi yang disetujui, lalu meminta respons dalam ragam bahasa tertentu. Minta tindakan berikutnya, kondisi yang membuatnya berlaku, dan detail yang masih perlu diberikan pengguna. Ini menjaga jawaban tetap berpijak pada masalah tertentu alih-alih menghasilkan sapaan regional umum.
Untuk penjelasan dwibahasa, identifikasi bahasa sumber dan bahasa pesan akhir. Pertahankan nama, jumlah, atau satuan yang diberikan dalam materi dan jelaskan audiens yang harus memahami jawaban. Pertanyaan lanjutan dapat meminta versi yang lebih singkat atau klarifikasi satu istilah sambil mempertahankan kondisi yang sama.
Adaptasi domain tertentu
Pengumuman tersebut menjelaskan fine-tuning Saba untuk domain tertentu, termasuk energi dan konteks profesional regional lainnya. Itu merupakan proses adaptasi, bukan klaim bahwa setiap dataset khusus sudah menjadi bagian model bawaan. Untuk tugas teks yang berorientasi pada domain, berikan istilah, dokumen sumber, dan aturan respons yang relevan dengan aplikasi aktual.
Penjelasan teknis dapat meminta model menyatakan kembali prosedur menggunakan istilah regional pembaca sambil mempertahankan langkah dan kondisi asli. Pertanyaan dokumen dapat mengidentifikasi klausul yang harus dijelaskan dan meminta jawaban ringkas beserta bagian pendukung. Bedakan fakta sumber, penjelasan, dan istilah yang belum terselesaikan saat menyiapkan keluaran.
Pembuatan konten budaya
Pembuatnya juga menjelaskan penulisan dan sumber daya pendidikan yang relevan secara budaya. Berikan topik, audiens yang dituju, bahasa, serta fakta atau contoh yang harus muncul. Untuk bagian teks pendidikan, tentukan apa yang harus dipahami pelajar di akhir dan minta penjelasan diikuti contoh praktis. Untuk pesan organisasi, berikan tujuan dan informasi yang harus ditindaklanjuti pembaca.
Ketika idiom lokal atau referensi budaya merupakan bagian dari tugas, nyatakan konteks penggunaannya. Minta redaksi alternatif ketika versi formal atau lebih netral akan melayani audiens lain. Ini merupakan cara praktis menerapkan spesialisasi regional model sambil menjaga konten dan tujuan penggunaan tetap eksplisit.
Batas edisi dan hasil
Spesialisasi Saba yang terdokumentasi adalah pekerjaan bahasa regional berbasis teks dengan konteks 32k. Model ini tidak boleh mewarisi masukan gambar, kontrol penalaran hibrida, atau fitur format alat dari model Small atau Medium berikutnya hanya karena model ini merupakan hasil fine-tuning keluarga Small. Sumber yang dibaca tidak menyatakan kapasitas maksimum token keluaran yang terpisah untuk edisi ini.
Siapkan tugas tertulis lengkap, fakta sumber yang relevan, dan artefak yang diinginkan: balasan dukungan, penjelasan, bagian teks yang disesuaikan, atau teks pendidikan pendek. Pastikan edisi Saba bernama serta bahasa dan ragam bahasa audiens tetap eksplisit agar teks yang dihasilkan menjawab kebutuhan komunikasi regional yang aktual.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/mistral-saba | 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 $0.0004 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00004 / 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 $0.0004 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00004 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-saba", "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-saba',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-saba',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-saba
Gunakan jalur metode yang ditampilkan di atas.
mistralai/mistral-sabaMistral Saba adalah model teks 24B yang dilatih dengan materi terkurasi dari Timur Tengah dan Asia Selatan. Fokusnya adalah bahasa dan konteks budaya regional, termasuk bahasa Arab dan bahasa asal India seperti Tamil, dengan konteks 32k dari pembuatnya untuk tugas tertulis.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mistral Saba adalah model teks regional khusus dari Mistral AI, yang dibuat melalui fine-tuning model keluarga Small dengan materi terkurasi dari Timur Tengah dan Asia Selatan. Pembuatnya menjelaskan model dengan 24 miliar parameter yang ditujukan untuk mencerminkan bahasa regional, konteks budaya, dan bentuk ekspresi setempat. Model ini menerima tugas tertulis serta materi sumber dan mengembalikan teks.
Bahasa dan konteks regional
Rilis ini secara eksplisit menyebut bahasa Arab dan banyak bahasa asal India, dengan kekuatan khusus pada bahasa asal India Selatan seperti Tamil. Fokusnya lebih spesifik daripada sekadar mengubah bahasa akhir jawaban serbaguna: materi pelatihan dipilih untuk konteks bahasa dan budaya regional tempat respons akan digunakan.
Tentukan audiens, wilayah, bahasa, dan ragam bahasa yang diinginkan sebelum meminta hasil. Penjelasan formal, pesan untuk pelanggan, dan bagian teks pendidikan dapat memerlukan istilah dan sapaan berbeda. Berikan glosarium untuk nama produk atau istilah khusus yang harus tetap konsisten, serta nyatakan apakah hasil harus mempertahankan redaksi sumber atau menyesuaikan penjelasannya dengan pembaca.
Halaman pembuatnya menyebut jendela konteks 32k dan mengidentifikasi edisi sebagai mistral-saba-2502. Gunakan konteks untuk bagian sumber, percakapan, dan instruksi yang relevan bersama-sama. Respons yang disesuaikan secara regional tetap memerlukan kondisi produk, prosedur, atau isi dokumen aktual yang diberikan sebagai bukti; keakraban budaya tidak menyediakan informasi privat perusahaan.
Dukungan percakapan
Pembuatnya menonjolkan asisten percakapan bahasa Arab sebagai kasus penggunaan utama. Permintaan dukungan praktis dapat memberikan pesan pengguna dan materi referensi yang disetujui, lalu meminta respons dalam ragam bahasa tertentu. Minta tindakan berikutnya, kondisi yang membuatnya berlaku, dan detail yang masih perlu diberikan pengguna. Ini menjaga jawaban tetap berpijak pada masalah tertentu alih-alih menghasilkan sapaan regional umum.
Untuk penjelasan dwibahasa, identifikasi bahasa sumber dan bahasa pesan akhir. Pertahankan nama, jumlah, atau satuan yang diberikan dalam materi dan jelaskan audiens yang harus memahami jawaban. Pertanyaan lanjutan dapat meminta versi yang lebih singkat atau klarifikasi satu istilah sambil mempertahankan kondisi yang sama.
Adaptasi domain tertentu
Pengumuman tersebut menjelaskan fine-tuning Saba untuk domain tertentu, termasuk energi dan konteks profesional regional lainnya. Itu merupakan proses adaptasi, bukan klaim bahwa setiap dataset khusus sudah menjadi bagian model bawaan. Untuk tugas teks yang berorientasi pada domain, berikan istilah, dokumen sumber, dan aturan respons yang relevan dengan aplikasi aktual.
Penjelasan teknis dapat meminta model menyatakan kembali prosedur menggunakan istilah regional pembaca sambil mempertahankan langkah dan kondisi asli. Pertanyaan dokumen dapat mengidentifikasi klausul yang harus dijelaskan dan meminta jawaban ringkas beserta bagian pendukung. Bedakan fakta sumber, penjelasan, dan istilah yang belum terselesaikan saat menyiapkan keluaran.
Pembuatan konten budaya
Pembuatnya juga menjelaskan penulisan dan sumber daya pendidikan yang relevan secara budaya. Berikan topik, audiens yang dituju, bahasa, serta fakta atau contoh yang harus muncul. Untuk bagian teks pendidikan, tentukan apa yang harus dipahami pelajar di akhir dan minta penjelasan diikuti contoh praktis. Untuk pesan organisasi, berikan tujuan dan informasi yang harus ditindaklanjuti pembaca.
Ketika idiom lokal atau referensi budaya merupakan bagian dari tugas, nyatakan konteks penggunaannya. Minta redaksi alternatif ketika versi formal atau lebih netral akan melayani audiens lain. Ini merupakan cara praktis menerapkan spesialisasi regional model sambil menjaga konten dan tujuan penggunaan tetap eksplisit.
Batas edisi dan hasil
Spesialisasi Saba yang terdokumentasi adalah pekerjaan bahasa regional berbasis teks dengan konteks 32k. Model ini tidak boleh mewarisi masukan gambar, kontrol penalaran hibrida, atau fitur format alat dari model Small atau Medium berikutnya hanya karena model ini merupakan hasil fine-tuning keluarga Small. Sumber yang dibaca tidak menyatakan kapasitas maksimum token keluaran yang terpisah untuk edisi ini.
Siapkan tugas tertulis lengkap, fakta sumber yang relevan, dan artefak yang diinginkan: balasan dukungan, penjelasan, bagian teks yang disesuaikan, atau teks pendidikan pendek. Pastikan edisi Saba bernama serta bahasa dan ragam bahasa audiens tetap eksplisit agar teks yang dihasilkan menjawab kebutuhan komunikasi regional yang aktual.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/mistral-saba | 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 $0.0004 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00004 / 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 $0.0004 / 1K token Keluaran · Token keluaran $0.0012 / 1K token Masukan · Pembacaan cache $0.00004 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "mistralai/mistral-saba",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-saba', '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-saba', '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-saba
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.