Mixtral 8x22B Instruct v0.1 adalah versi Mistral AI yang disesuaikan untuk mengikuti instruksi dari model dasar bernama terpisah Mixtral 8x22B v0.1. Model ini menerima percakapan teks dan menghasilkan teks, termasuk penjelasan, kode, dan usulan pemanggilan fungsi. Rilis keluarga ini menonjolkan bahasa Inggris, Prancis, Italia, Jerman, dan Spanyol bersama kemampuan matematika serta pemrograman.
Pakar sparse dan konteks
Pembuatnya menjelaskan model sparse mixture-of-experts dengan total 141 miliar parameter dan 39 miliar parameter aktif. Konfigurasi Instruct yang dirilis memuat 8 pakar dengan 2 dipilih per token, 56 lapisan, 48 kepala atensi query, dan 8 kepala key/value. Jumlah parameter total dan pakar terpilih menjelaskan struktur model, bukan panjang respons.
Rilis keluarga mendokumentasikan konteks 64K, dan konfigurasi Instruct yang tepat menetapkan posisi maksimum sebesar 65.536. Gunakan ruang tersebut untuk mempertahankan bagian sumber, percakapan, dan jawaban yang diminta bersama-sama. Pertanyaan dokumen besar dapat menanyakan satu kondisi di beberapa bagian sambil mengembalikan tabel ringkas dengan setiap lokasi sumber. Sertakan materi yang menentukan hasil alih-alih memenuhi jendela dengan konten tak terkait.
Pengodean percakapan instruksi
Kartu model dimulai dengan tokenizer instruksi v3 dari pembuatnya, lalu menunjukkan cara memformat pesan dengan templat percakapan yang sesuai. Kosakata yang dirilis memiliki 32.768 entri. Tokenizer bawaan dan tokenizer yang kompatibel seharusnya menghasilkan representasi pesan yang cocok; kartu model secara eksplisit membahas perbandingan hasil pengodeannya. Ini berbeda dari menganggap format Tekken yang digunakan model Mistral berikutnya dapat dipertukarkan dengan rilis ini.
Untuk percakapan, bedakan pertanyaan pengguna, jawaban asisten sebelumnya, dan hasil alat jika ada. Pertahankan jawaban terdahulu yang relevan saat mengajukan pertanyaan lanjutan. Tugas dapat terlebih dahulu meminta penjelasan suatu bagian sumber, lalu meminta perbandingan yang lebih spesifik, sambil mempertahankan konten sumber dan tujuan pembahasannya.
Untuk penyuntingan multibahasa, identifikasi bahasa sumber, bahasa akhir, dan istilah yang harus tetap sama. Minta bagian teks yang direvisi dengan mempertahankan nama, kondisi, dan satuan. Untuk masalah matematika, tetapkan variabel dan asumsi serta tentukan apakah hasil akhir harus berupa ekspresi eksak, pendekatan numerik, atau pembuktian. Untuk pemrograman, sertakan signature fungsi, deklarasi yang relevan, dan perilaku yang diharapkan sebelum meminta implementasi atau penjelasan.
Pemanggilan fungsi dan hasilnya
Kartu model mendokumentasikan pemanggilan fungsi bawaan dengan deskripsi alat dan skema parameter. Aplikasi menyediakan operasi, model menyiapkan argumen fungsi terpilih, dan aplikasi menjalankannya. Hasil yang dikembalikan kemudian harus ditambahkan ke percakapan agar model dapat menggunakannya dalam jawaban berikutnya. Kartu model memperingatkan bahwa satu contoh kode yang dipersingkat tidak menunjukkan siklus lengkap ini.
Tugas pencarian harus mengidentifikasi informasi apa yang belum tersedia dan fungsi yang diberikan mana yang dapat mengembalikannya. Sertakan nilai yang diwajibkan atau minta informasi yang belum tersedia sebelum aplikasi menjalankan operasi. Pisahkan usulan pemanggilan dari data aktual yang dikembalikan; penjelasan akhir kemudian dapat merujuk hasil yang diperoleh, bukan hasil yang disimpulkan dari nama alat.
Dalam format percakapan bawaan pembuatnya, pemanggilan alat dan hasil yang terkait menggunakan ID dengan tepat sembilan karakter alfanumerik. Tokenizer juga memuat penanda khusus untuk alat yang tersedia, pemanggilan alat, dan hasil alat. Pertahankan representasi yang sesuai saat menyiapkan percakapan berformat bawaan; representasi yang terlihat pada wrapper merupakan pilihan antarmuka tersendiri.
Artefak pemrograman dan dokumen yang praktis
Untuk koreksi pemrograman, berikan fungsi yang terdampak, masukan yang menunjukkan masalah, dan hasil yang diharapkan. Minta fragmen yang direvisi, penyebab perbedaan, dan contoh masukan yang membedakan perilaku yang dimaksud. Menghasilkan kode merupakan artefak teks; kompilasi, menjalankan, atau menerapkannya ke repositori memerlukan lingkungan pengembangan yang terhubung.
Untuk penjelasan dokumen, minta pernyataan yang menjawab pertanyaan dan bagian yang mendukungnya. Perbandingan dapat memisahkan kondisi bersama, perbedaan, dan detail yang belum terselesaikan. Untuk rekaman teks berbatasan, tetapkan nama bidang dan penanganan nilai yang tidak tersedia. Pengumuman keluarga awal menjelaskan pemanggilan fungsi bersama keluaran terkendala dalam layanan terhubung milik pembuatnya; fasilitas pemformatan tersebut tetap berbeda dari menjalankan operasi eksternal.
Batas edisi dan generasi
Kartu model menunjukkan anggaran generasi seperti 64 dan 1.000 token untuk contoh tertentu. Itu adalah pengaturan demonstrasi, bukan kapasitas jawaban maksimum mandiri. Jaga prompt dan jawaban yang diinginkan tetap di dalam konteks aktual yang dikonfigurasi dan minta panjang yang sesuai dengan tugas.
Entri ini adalah checkpoint Instruct v0.1 berbasis teks dengan pemformatan instruksi v3. Kemampuan visual, ucapan, dan kontrol penalaran hibrida yang diperkenalkan pada keluarga Mistral berikutnya tidak boleh dilekatkan padanya. Pertahankan edisi yang tepat dan materi sumber saat menyiapkan penjelasan, usulan kode, atau jawaban berbantuan alat yang dibutuhkan langkah berikutnya.
", "aboutText": "Mixtral 8x22B Instruct v0.1 adalah versi Mistral AI yang disesuaikan untuk mengikuti instruksi dari model dasar bernama terpisah Mixtral 8x22B v0.1. Model ini menerima percakapan teks dan menghasilkan teks, termasuk penjelasan, kode, dan usulan pemanggilan fungsi. Rilis keluarga ini menonjolkan bahasa Inggris, Prancis, Italia, Jerman, dan Spanyol bersama kemampuan matematika serta pemrograman.\n\nPakar sparse dan konteks\n\nPembuatnya menjelaskan model sparse mixture-of-experts dengan total 141 miliar parameter dan 39 miliar parameter aktif. Konfigurasi Instruct yang dirilis memuat 8 pakar dengan 2 dipilih per token, 56 lapisan, 48 kepala atensi query, dan 8 kepala key/value. Jumlah parameter total dan pakar terpilih menjelaskan struktur model, bukan panjang respons.\n\nRilis keluarga mendokumentasikan konteks 64K, dan konfigurasi Instruct yang tepat menetapkan posisi maksimum sebesar 65.536. Gunakan ruang tersebut untuk mempertahankan bagian sumber, percakapan, dan jawaban yang diminta bersama-sama. Pertanyaan dokumen besar dapat menanyakan satu kondisi di beberapa bagian sambil mengembalikan tabel ringkas dengan setiap lokasi sumber. Sertakan materi yang menentukan hasil alih-alih memenuhi jendela dengan konten tak terkait.\n\nPengodean percakapan instruksi\n\nKartu model dimulai dengan tokenizer instruksi v3 dari pembuatnya, lalu menunjukkan cara memformat pesan dengan templat percakapan yang sesuai. Kosakata yang dirilis memiliki 32.768 entri. Tokenizer bawaan dan tokenizer yang kompatibel seharusnya menghasilkan representasi pesan yang cocok; kartu model secara eksplisit membahas perbandingan hasil pengodeannya. Ini berbeda dari menganggap format Tekken yang digunakan model Mistral berikutnya dapat dipertukarkan dengan rilis ini.\n\nUntuk percakapan, bedakan pertanyaan pengguna, jawaban asisten sebelumnya, dan hasil alat jika ada. Pertahankan jawaban terdahulu yang relevan saat mengajukan pertanyaan lanjutan. Tugas dapat terlebih dahulu meminta penjelasan suatu bagian sumber, lalu meminta perbandingan yang lebih spesifik, sambil mempertahankan konten sumber dan tujuan pembahasannya.\n\nUntuk penyuntingan multibahasa, identifikasi bahasa sumber, bahasa akhir, dan istilah yang harus tetap sama. Minta bagian teks yang direvisi dengan mempertahankan nama, kondisi, dan satuan. Untuk masalah matematika, tetapkan variabel dan asumsi serta tentukan apakah hasil akhir harus berupa ekspresi eksak, pendekatan numerik, atau pembuktian. Untuk pemrograman, sertakan signature fungsi, deklarasi yang relevan, dan perilaku yang diharapkan sebelum meminta implementasi atau penjelasan.\n\nPemanggilan fungsi dan hasilnya\n\nKartu model mendokumentasikan pemanggilan fungsi bawaan dengan deskripsi alat dan skema parameter. Aplikasi menyediakan operasi, model menyiapkan argumen fungsi terpilih, dan aplikasi menjalankannya. Hasil yang dikembalikan kemudian harus ditambahkan ke percakapan agar model dapat menggunakannya dalam jawaban berikutnya. Kartu model memperingatkan bahwa satu contoh kode yang dipersingkat tidak menunjukkan siklus lengkap ini.\n\nTugas pencarian harus mengidentifikasi informasi apa yang belum tersedia dan fungsi yang diberikan mana yang dapat mengembalikannya. Sertakan nilai yang diwajibkan atau minta informasi yang belum tersedia sebelum aplikasi menjalankan operasi. Pisahkan usulan pemanggilan dari data aktual yang dikembalikan; penjelasan akhir kemudian dapat merujuk hasil yang diperoleh, bukan hasil yang disimpulkan dari nama alat.\n\nDalam format percakapan bawaan pembuatnya, pemanggilan alat dan hasil yang terkait menggunakan ID dengan tepat sembilan karakter alfanumerik. Tokenizer juga memuat penanda khusus untuk alat yang tersedia, pemanggilan alat, dan hasil alat. Pertahankan representasi yang sesuai saat menyiapkan percakapan berformat bawaan; representasi yang terlihat pada wrapper merupakan pilihan antarmuka tersendiri.\n\nArtefak pemrograman dan dokumen yang praktis\n\nUntuk koreksi pemrograman, berikan fungsi yang terdampak, masukan yang menunjukkan masalah, dan hasil yang diharapkan. Minta fragmen yang direvisi, penyebab perbedaan, dan contoh masukan yang membedakan perilaku yang dimaksud. Menghasilkan kode merupakan artefak teks; kompilasi, menjalankan, atau menerapkannya ke repositori memerlukan lingkungan pengembangan yang terhubung.\n\nUntuk penjelasan dokumen, minta pernyataan yang menjawab pertanyaan dan bagian yang mendukungnya. Perbandingan dapat memisahkan kondisi bersama, perbedaan, dan detail yang belum terselesaikan. Untuk rekaman teks berbatasan, tetapkan nama bidang dan penanganan nilai yang tidak tersedia. Pengumuman keluarga awal menjelaskan pemanggilan fungsi bersama keluaran terkendala dalam layanan terhubung milik pembuatnya; fasilitas pemformatan tersebut tetap berbeda dari menjalankan operasi eksternal.\n\nBatas edisi dan generasi\n\nKartu model menunjukkan anggaran generasi seperti 64 dan 1.000 token untuk contoh tertentu. Itu adalah pengaturan demonstrasi, bukan kapasitas jawaban maksimum mandiri. Jaga prompt dan jawaban yang diinginkan tetap di dalam konteks aktual yang dikonfigurasi dan minta panjang yang sesuai dengan tugas.\n\nEntri ini adalah checkpoint Instruct v0.1 berbasis teks dengan pemformatan instruksi v3. Kemampuan visual, ucapan, dan kontrol penalaran hibrida yang diperkenalkan pada keluarga Mistral berikutnya tidak boleh dilekatkan padanya. Pertahankan edisi yang tepat dan materi sumber saat menyiapkan penjelasan, usulan kode, atau jawaban berbantuan alat yang dibutuhkan langkah berikutnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Repair integer average division\n\nFix this Python function for nonempty numeric lists: def average(values): return sum(values) // len(values). Input [1, 2] must produce 1.5. Return the corrected function and assertions for [1, 2] and [2, 4]. State the nonempty-input assumption rather than inventing an empty-list policy.A focused function correction, two assertions and the retained input assumption.The function must preserve a fractional average and leave the unspecified empty-list behavior undecided.mistralai/mixtral-8x22b-instructMixtral 8x22B Instruct v0.1 adalah model teks multibahasa untuk percakapan, matematika, kode, dan pemanggilan fungsi. Arsitektur sparse mixture-of-experts-nya menggunakan 39B parameter aktif dari total 141B, dengan konteks 64K dari pembuatnya dan format instruksi v3 tersendiri.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mixtral 8x22B Instruct v0.1 adalah versi Mistral AI yang disesuaikan untuk mengikuti instruksi dari model dasar bernama terpisah Mixtral 8x22B v0.1. Model ini menerima percakapan teks dan menghasilkan teks, termasuk penjelasan, kode, dan usulan pemanggilan fungsi. Rilis keluarga ini menonjolkan bahasa Inggris, Prancis, Italia, Jerman, dan Spanyol bersama kemampuan matematika serta pemrograman.
Pakar sparse dan konteks
Pembuatnya menjelaskan model sparse mixture-of-experts dengan total 141 miliar parameter dan 39 miliar parameter aktif. Konfigurasi Instruct yang dirilis memuat 8 pakar dengan 2 dipilih per token, 56 lapisan, 48 kepala atensi query, dan 8 kepala key/value. Jumlah parameter total dan pakar terpilih menjelaskan struktur model, bukan panjang respons.
Rilis keluarga mendokumentasikan konteks 64K, dan konfigurasi Instruct yang tepat menetapkan posisi maksimum sebesar 65.536. Gunakan ruang tersebut untuk mempertahankan bagian sumber, percakapan, dan jawaban yang diminta bersama-sama. Pertanyaan dokumen besar dapat menanyakan satu kondisi di beberapa bagian sambil mengembalikan tabel ringkas dengan setiap lokasi sumber. Sertakan materi yang menentukan hasil alih-alih memenuhi jendela dengan konten tak terkait.
Pengodean percakapan instruksi
Kartu model dimulai dengan tokenizer instruksi v3 dari pembuatnya, lalu menunjukkan cara memformat pesan dengan templat percakapan yang sesuai. Kosakata yang dirilis memiliki 32.768 entri. Tokenizer bawaan dan tokenizer yang kompatibel seharusnya menghasilkan representasi pesan yang cocok; kartu model secara eksplisit membahas perbandingan hasil pengodeannya. Ini berbeda dari menganggap format Tekken yang digunakan model Mistral berikutnya dapat dipertukarkan dengan rilis ini.
Untuk percakapan, bedakan pertanyaan pengguna, jawaban asisten sebelumnya, dan hasil alat jika ada. Pertahankan jawaban terdahulu yang relevan saat mengajukan pertanyaan lanjutan. Tugas dapat terlebih dahulu meminta penjelasan suatu bagian sumber, lalu meminta perbandingan yang lebih spesifik, sambil mempertahankan konten sumber dan tujuan pembahasannya.
Untuk penyuntingan multibahasa, identifikasi bahasa sumber, bahasa akhir, dan istilah yang harus tetap sama. Minta bagian teks yang direvisi dengan mempertahankan nama, kondisi, dan satuan. Untuk masalah matematika, tetapkan variabel dan asumsi serta tentukan apakah hasil akhir harus berupa ekspresi eksak, pendekatan numerik, atau pembuktian. Untuk pemrograman, sertakan signature fungsi, deklarasi yang relevan, dan perilaku yang diharapkan sebelum meminta implementasi atau penjelasan.
Pemanggilan fungsi dan hasilnya
Kartu model mendokumentasikan pemanggilan fungsi bawaan dengan deskripsi alat dan skema parameter. Aplikasi menyediakan operasi, model menyiapkan argumen fungsi terpilih, dan aplikasi menjalankannya. Hasil yang dikembalikan kemudian harus ditambahkan ke percakapan agar model dapat menggunakannya dalam jawaban berikutnya. Kartu model memperingatkan bahwa satu contoh kode yang dipersingkat tidak menunjukkan siklus lengkap ini.
Tugas pencarian harus mengidentifikasi informasi apa yang belum tersedia dan fungsi yang diberikan mana yang dapat mengembalikannya. Sertakan nilai yang diwajibkan atau minta informasi yang belum tersedia sebelum aplikasi menjalankan operasi. Pisahkan usulan pemanggilan dari data aktual yang dikembalikan; penjelasan akhir kemudian dapat merujuk hasil yang diperoleh, bukan hasil yang disimpulkan dari nama alat.
Dalam format percakapan bawaan pembuatnya, pemanggilan alat dan hasil yang terkait menggunakan ID dengan tepat sembilan karakter alfanumerik. Tokenizer juga memuat penanda khusus untuk alat yang tersedia, pemanggilan alat, dan hasil alat. Pertahankan representasi yang sesuai saat menyiapkan percakapan berformat bawaan; representasi yang terlihat pada wrapper merupakan pilihan antarmuka tersendiri.
Artefak pemrograman dan dokumen yang praktis
Untuk koreksi pemrograman, berikan fungsi yang terdampak, masukan yang menunjukkan masalah, dan hasil yang diharapkan. Minta fragmen yang direvisi, penyebab perbedaan, dan contoh masukan yang membedakan perilaku yang dimaksud. Menghasilkan kode merupakan artefak teks; kompilasi, menjalankan, atau menerapkannya ke repositori memerlukan lingkungan pengembangan yang terhubung.
Untuk penjelasan dokumen, minta pernyataan yang menjawab pertanyaan dan bagian yang mendukungnya. Perbandingan dapat memisahkan kondisi bersama, perbedaan, dan detail yang belum terselesaikan. Untuk rekaman teks berbatasan, tetapkan nama bidang dan penanganan nilai yang tidak tersedia. Pengumuman keluarga awal menjelaskan pemanggilan fungsi bersama keluaran terkendala dalam layanan terhubung milik pembuatnya; fasilitas pemformatan tersebut tetap berbeda dari menjalankan operasi eksternal.
Batas edisi dan generasi
Kartu model menunjukkan anggaran generasi seperti 64 dan 1.000 token untuk contoh tertentu. Itu adalah pengaturan demonstrasi, bukan kapasitas jawaban maksimum mandiri. Jaga prompt dan jawaban yang diinginkan tetap di dalam konteks aktual yang dikonfigurasi dan minta panjang yang sesuai dengan tugas.
Entri ini adalah checkpoint Instruct v0.1 berbasis teks dengan pemformatan instruksi v3. Kemampuan visual, ucapan, dan kontrol penalaran hibrida yang diperkenalkan pada keluarga Mistral berikutnya tidak boleh dilekatkan padanya. Pertahankan edisi yang tepat dan materi sumber saat menyiapkan penjelasan, usulan kode, atau jawaban berbantuan alat yang dibutuhkan langkah berikutnya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/mixtral-8x22b-instruct | 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 $0.004 / 1K token Keluaran · Token keluaran $0.012 / 1K token Masukan · Pembacaan cache $0.0004 / 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 $0.004 / 1K token Keluaran · Token keluaran $0.012 / 1K token Masukan · Pembacaan cache $0.0004 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mixtral-8x22b-instruct", "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/mixtral-8x22b-instruct',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/mixtral-8x22b-instruct',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/mixtral-8x22b-instruct
Gunakan jalur metode yang ditampilkan di atas.
mistralai/mixtral-8x22b-instructMixtral 8x22B Instruct v0.1 adalah model teks multibahasa untuk percakapan, matematika, kode, dan pemanggilan fungsi. Arsitektur sparse mixture-of-experts-nya menggunakan 39B parameter aktif dari total 141B, dengan konteks 64K dari pembuatnya dan format instruksi v3 tersendiri.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Mixtral 8x22B Instruct v0.1 adalah versi Mistral AI yang disesuaikan untuk mengikuti instruksi dari model dasar bernama terpisah Mixtral 8x22B v0.1. Model ini menerima percakapan teks dan menghasilkan teks, termasuk penjelasan, kode, dan usulan pemanggilan fungsi. Rilis keluarga ini menonjolkan bahasa Inggris, Prancis, Italia, Jerman, dan Spanyol bersama kemampuan matematika serta pemrograman.
Pakar sparse dan konteks
Pembuatnya menjelaskan model sparse mixture-of-experts dengan total 141 miliar parameter dan 39 miliar parameter aktif. Konfigurasi Instruct yang dirilis memuat 8 pakar dengan 2 dipilih per token, 56 lapisan, 48 kepala atensi query, dan 8 kepala key/value. Jumlah parameter total dan pakar terpilih menjelaskan struktur model, bukan panjang respons.
Rilis keluarga mendokumentasikan konteks 64K, dan konfigurasi Instruct yang tepat menetapkan posisi maksimum sebesar 65.536. Gunakan ruang tersebut untuk mempertahankan bagian sumber, percakapan, dan jawaban yang diminta bersama-sama. Pertanyaan dokumen besar dapat menanyakan satu kondisi di beberapa bagian sambil mengembalikan tabel ringkas dengan setiap lokasi sumber. Sertakan materi yang menentukan hasil alih-alih memenuhi jendela dengan konten tak terkait.
Pengodean percakapan instruksi
Kartu model dimulai dengan tokenizer instruksi v3 dari pembuatnya, lalu menunjukkan cara memformat pesan dengan templat percakapan yang sesuai. Kosakata yang dirilis memiliki 32.768 entri. Tokenizer bawaan dan tokenizer yang kompatibel seharusnya menghasilkan representasi pesan yang cocok; kartu model secara eksplisit membahas perbandingan hasil pengodeannya. Ini berbeda dari menganggap format Tekken yang digunakan model Mistral berikutnya dapat dipertukarkan dengan rilis ini.
Untuk percakapan, bedakan pertanyaan pengguna, jawaban asisten sebelumnya, dan hasil alat jika ada. Pertahankan jawaban terdahulu yang relevan saat mengajukan pertanyaan lanjutan. Tugas dapat terlebih dahulu meminta penjelasan suatu bagian sumber, lalu meminta perbandingan yang lebih spesifik, sambil mempertahankan konten sumber dan tujuan pembahasannya.
Untuk penyuntingan multibahasa, identifikasi bahasa sumber, bahasa akhir, dan istilah yang harus tetap sama. Minta bagian teks yang direvisi dengan mempertahankan nama, kondisi, dan satuan. Untuk masalah matematika, tetapkan variabel dan asumsi serta tentukan apakah hasil akhir harus berupa ekspresi eksak, pendekatan numerik, atau pembuktian. Untuk pemrograman, sertakan signature fungsi, deklarasi yang relevan, dan perilaku yang diharapkan sebelum meminta implementasi atau penjelasan.
Pemanggilan fungsi dan hasilnya
Kartu model mendokumentasikan pemanggilan fungsi bawaan dengan deskripsi alat dan skema parameter. Aplikasi menyediakan operasi, model menyiapkan argumen fungsi terpilih, dan aplikasi menjalankannya. Hasil yang dikembalikan kemudian harus ditambahkan ke percakapan agar model dapat menggunakannya dalam jawaban berikutnya. Kartu model memperingatkan bahwa satu contoh kode yang dipersingkat tidak menunjukkan siklus lengkap ini.
Tugas pencarian harus mengidentifikasi informasi apa yang belum tersedia dan fungsi yang diberikan mana yang dapat mengembalikannya. Sertakan nilai yang diwajibkan atau minta informasi yang belum tersedia sebelum aplikasi menjalankan operasi. Pisahkan usulan pemanggilan dari data aktual yang dikembalikan; penjelasan akhir kemudian dapat merujuk hasil yang diperoleh, bukan hasil yang disimpulkan dari nama alat.
Dalam format percakapan bawaan pembuatnya, pemanggilan alat dan hasil yang terkait menggunakan ID dengan tepat sembilan karakter alfanumerik. Tokenizer juga memuat penanda khusus untuk alat yang tersedia, pemanggilan alat, dan hasil alat. Pertahankan representasi yang sesuai saat menyiapkan percakapan berformat bawaan; representasi yang terlihat pada wrapper merupakan pilihan antarmuka tersendiri.
Artefak pemrograman dan dokumen yang praktis
Untuk koreksi pemrograman, berikan fungsi yang terdampak, masukan yang menunjukkan masalah, dan hasil yang diharapkan. Minta fragmen yang direvisi, penyebab perbedaan, dan contoh masukan yang membedakan perilaku yang dimaksud. Menghasilkan kode merupakan artefak teks; kompilasi, menjalankan, atau menerapkannya ke repositori memerlukan lingkungan pengembangan yang terhubung.
Untuk penjelasan dokumen, minta pernyataan yang menjawab pertanyaan dan bagian yang mendukungnya. Perbandingan dapat memisahkan kondisi bersama, perbedaan, dan detail yang belum terselesaikan. Untuk rekaman teks berbatasan, tetapkan nama bidang dan penanganan nilai yang tidak tersedia. Pengumuman keluarga awal menjelaskan pemanggilan fungsi bersama keluaran terkendala dalam layanan terhubung milik pembuatnya; fasilitas pemformatan tersebut tetap berbeda dari menjalankan operasi eksternal.
Batas edisi dan generasi
Kartu model menunjukkan anggaran generasi seperti 64 dan 1.000 token untuk contoh tertentu. Itu adalah pengaturan demonstrasi, bukan kapasitas jawaban maksimum mandiri. Jaga prompt dan jawaban yang diinginkan tetap di dalam konteks aktual yang dikonfigurasi dan minta panjang yang sesuai dengan tugas.
Entri ini adalah checkpoint Instruct v0.1 berbasis teks dengan pemformatan instruksi v3. Kemampuan visual, ucapan, dan kontrol penalaran hibrida yang diperkenalkan pada keluarga Mistral berikutnya tidak boleh dilekatkan padanya. Pertahankan edisi yang tepat dan materi sumber saat menyiapkan penjelasan, usulan kode, atau jawaban berbantuan alat yang dibutuhkan langkah berikutnya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/mixtral-8x22b-instruct | 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 $0.004 / 1K token Keluaran · Token keluaran $0.012 / 1K token Masukan · Pembacaan cache $0.0004 / 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 $0.004 / 1K token Keluaran · Token keluaran $0.012 / 1K token Masukan · Pembacaan cache $0.0004 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "mistralai/mixtral-8x22b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/mixtral-8x22b-instruct', '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/mixtral-8x22b-instruct', '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/mixtral-8x22b-instruct
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Repair integer average division\n\nFix this Python function for nonempty numeric lists: def average(values): return sum(values) // len(values). Input [1, 2] must produce 1.5. Return the corrected function and assertions for [1, 2] and [2, 4]. State the nonempty-input assumption rather than inventing an empty-list policy.A focused function correction, two assertions and the retained input assumption.The function must preserve a fractional average and leave the unspecified empty-list behavior undecided.