Voxtral Small 1.0 24B 2507 menambahkan masukan audio dan pemahaman ucapan pada fondasi model bahasa Mistral Small. Model ini menerima audio dan teks serta mengembalikan teks, termasuk transkrip, jawaban tentang rekaman, terjemahan, atau ringkasan terstruktur. Ini adalah edisi pemahaman ucapan 24B bernama, yang berbeda dari Voxtral Mini, varian layanan yang dioptimalkan untuk transkripsi, serta rilis Voxtral untuk pembuatan ucapan atau real-time yang hadir kemudian.
Transkripsi dan pemahaman audio
Model memiliki mode khusus transkripsi murni. Pembuatnya menyatakan bahwa secara bawaan model otomatis memprediksi bahasa audio sumber dan mentranskripsikannya sesuai bahasa tersebut. Gunakan mode ini ketika artefak yang diinginkan adalah redaksi ucapan itu sendiri, bukan penafsiran atau ringkasan. Tentukan apakah hasil harus mempertahankan bahasa asli atau diikuti terjemahan yang diminta secara terpisah.
Pemahaman audio memungkinkan pertanyaan diajukan langsung tentang rekaman tanpa terlebih dahulu merangkai model pengenalan ucapan terpisah dan model teks. Permintaan dapat menanyakan topik apa yang dibahas, keputusan apa yang dinyatakan, atau informasi apa dalam rekaman yang menjawab pertanyaan spesifik. Hasilnya dapat berupa respons ringkas atau ringkasan tertata, bukan transkrip lengkap setiap kata yang diucapkan.
Untuk ringkasan rapat, berikan rekaman dan tetapkan bidang yang harus dikembalikan: topik, keputusan yang dinyatakan secara eksplisit, dan tindakan tindak lanjut. Minta nama atau tanggal hanya ketika rekaman benar-benar menyebutkannya, dan pisahkan detail yang belum terselesaikan dari keputusan. Untuk wawancara, minta jawaban atas pertanyaan tertentu dan konteks sekitarnya yang membuatnya dapat dipahami. Rancangan keluaran ini menghubungkan tugas audio dengan dokumen yang dapat digunakan seseorang setelahnya.
Konteks, durasi, dan bahasa
Pembuatnya mendokumentasikan konteks 32k token dan audio hingga 30 menit untuk transkripsi, atau 40 menit untuk pemahaman. Kedua angka durasi memiliki lingkup tugas berbeda. Pilih operasi yang diinginkan sebelum memilih rekaman, serta sertakan instruksi teks dan percakapan saat merencanakan konteks yang tersedia. Rekaman panjang dan jawaban tertulis panjang sama-sama mengonsumsi sumber daya; pernyataan durasi bukan janji panjang jawaban tak terbatas yang terpisah.
Rilis ini menyebut bahasa Inggris, Spanyol, Prancis, Portugis, Hindi, Jerman, Belanda, dan Italia di antara bahasa utama yang didukung, serta menyediakan deteksi bahasa otomatis. Untuk penerjemahan ucapan, tetapkan bahasa akhir dan istilah yang harus mempertahankan bentuk aslinya. Untuk pertanyaan tentang audio dalam satu bahasa, bedakan bahasa rekaman dari bahasa yang harus digunakan untuk menulis jawaban.
Beberapa rekaman dan pertanyaan lanjutan
Kartu model mendukung beberapa masukan audio dalam satu pesan dan audio dalam beberapa giliran pengguna. Berikan pengenal pada setiap rekaman dan nyatakan perannya ketika membandingkannya. Permintaan praktis dapat membandingkan dua versi penjelasan lisan, menanyakan kondisi mana yang berubah, dan mengembalikan tabel dengan kolom terpisah untuk setiap rekaman. Pengenal membantu menjaga temuan model tetap terkait dengan sumber yang tepat.
Tindak lanjut dapat mempertahankan pertanyaan dan jawaban sebelumnya sambil meminta detail yang lebih sempit atau memberikan rekaman lain. Misalnya, pertama minta keputusan dari diskusi, lalu tanyakan keputusan mana yang berkaitan dengan persyaratan tertentu. Rilis yang sama juga mendemonstrasikan permintaan teks saja dan audio saja. Fondasi teksnya dapat mengolah pertanyaan atau hasil tertulis, sementara kemampuan audio menyediakan bukti dari ucapan.
Fungsi yang dipandu suara
Pembuatnya menjelaskan pemanggilan fungsi dari maksud yang diucapkan dan menandai contoh pemanggilan fungsi dalam kartu yang dirilis sebagai dukungan eksperimental. Dalam alur ini, aplikasi menetapkan fungsi beserta argumennya, model menyiapkan pemanggilan dari permintaan, lalu aplikasi menjalankannya dan menyediakan hasil. Dengan demikian, pencarian berbasis suara dapat mengembalikan jawaban tertulis menggunakan informasi dari alat yang terhubung. Pemanggilan fungsi tidak berarti model otomatis memiliki layanan eksternal atau menjalankan tindakan hanya dengan menyebut namanya.
Pastikan tujuan fungsi dan informasi yang diwajibkan tetap eksplisit. Jika rekaman meminta operasi tetapi tidak menyebut nilai wajib, aplikasi tetap memerlukan nilai tersebut untuk menjalankan fungsi. Pisahkan permintaan lisan, usulan argumen, dan hasil yang dikembalikan agar respons berikutnya dapat merujuk hasil operasi aktual.
Pengaturan yang direkomendasikan dan batas yang berguna
Untuk pemahaman audio dan chat completion, kartu model merekomendasikan temperature 0.2 dan top-p 0.95. Untuk transkripsi, rekomendasinya adalah temperature 0.0. Kartu itu secara eksplisit menyatakan bahwa prompt sistem tidak didukung dalam alur penggunaan yang dirilis ini, jadi tempatkan tugas dan persyaratan respons dalam masukan pengguna alih-alih memindahkan konvensi prompt sistem dari model Mistral lain.
Pilih rekaman yang memuat materi relevan dengan pertanyaan, pastikan ucapan terdengar jelas, dan tentukan apakah hasil harus berupa transkrip, terjemahan, jawaban, atau ringkasan. Keluaran yang terdokumentasi adalah teks. Respons lisan memerlukan komponen text-to-speech, dan identifikasi pembicara, diarisasi terperinci, atau cap waktu tingkat kata tidak boleh disimpulkan dari klaim umum pemahaman audio untuk rilis yang tepat ini.
Contoh generasi 500 token dalam kartu model adalah pengaturan contoh, bukan kapasitas keluaran maksimum yang dinyatakan terpisah. Pertahankan edisi 2507, panduan durasi khusus tugas, dan bahasa masukan saat menyiapkan alur yang dapat diulang. Artefak akhir yang berguna adalah teks yang diminta, terhubung dengan rekaman dan diformat untuk langkah dokumen atau aplikasi berikutnya.
", "aboutText": "Voxtral Small 1.0 24B 2507 menambahkan masukan audio dan pemahaman ucapan pada fondasi model bahasa Mistral Small. Model ini menerima audio dan teks serta mengembalikan teks, termasuk transkrip, jawaban tentang rekaman, terjemahan, atau ringkasan terstruktur. Ini adalah edisi pemahaman ucapan 24B bernama, yang berbeda dari Voxtral Mini, varian layanan yang dioptimalkan untuk transkripsi, serta rilis Voxtral untuk pembuatan ucapan atau real-time yang hadir kemudian.\n\nTranskripsi dan pemahaman audio\n\nModel memiliki mode khusus transkripsi murni. Pembuatnya menyatakan bahwa secara bawaan model otomatis memprediksi bahasa audio sumber dan mentranskripsikannya sesuai bahasa tersebut. Gunakan mode ini ketika artefak yang diinginkan adalah redaksi ucapan itu sendiri, bukan penafsiran atau ringkasan. Tentukan apakah hasil harus mempertahankan bahasa asli atau diikuti terjemahan yang diminta secara terpisah.\n\nPemahaman audio memungkinkan pertanyaan diajukan langsung tentang rekaman tanpa terlebih dahulu merangkai model pengenalan ucapan terpisah dan model teks. Permintaan dapat menanyakan topik apa yang dibahas, keputusan apa yang dinyatakan, atau informasi apa dalam rekaman yang menjawab pertanyaan spesifik. Hasilnya dapat berupa respons ringkas atau ringkasan tertata, bukan transkrip lengkap setiap kata yang diucapkan.\n\nUntuk ringkasan rapat, berikan rekaman dan tetapkan bidang yang harus dikembalikan: topik, keputusan yang dinyatakan secara eksplisit, dan tindakan tindak lanjut. Minta nama atau tanggal hanya ketika rekaman benar-benar menyebutkannya, dan pisahkan detail yang belum terselesaikan dari keputusan. Untuk wawancara, minta jawaban atas pertanyaan tertentu dan konteks sekitarnya yang membuatnya dapat dipahami. Rancangan keluaran ini menghubungkan tugas audio dengan dokumen yang dapat digunakan seseorang setelahnya.\n\nKonteks, durasi, dan bahasa\n\nPembuatnya mendokumentasikan konteks 32k token dan audio hingga 30 menit untuk transkripsi, atau 40 menit untuk pemahaman. Kedua angka durasi memiliki lingkup tugas berbeda. Pilih operasi yang diinginkan sebelum memilih rekaman, serta sertakan instruksi teks dan percakapan saat merencanakan konteks yang tersedia. Rekaman panjang dan jawaban tertulis panjang sama-sama mengonsumsi sumber daya; pernyataan durasi bukan janji panjang jawaban tak terbatas yang terpisah.\n\nRilis ini menyebut bahasa Inggris, Spanyol, Prancis, Portugis, Hindi, Jerman, Belanda, dan Italia di antara bahasa utama yang didukung, serta menyediakan deteksi bahasa otomatis. Untuk penerjemahan ucapan, tetapkan bahasa akhir dan istilah yang harus mempertahankan bentuk aslinya. Untuk pertanyaan tentang audio dalam satu bahasa, bedakan bahasa rekaman dari bahasa yang harus digunakan untuk menulis jawaban.\n\nBeberapa rekaman dan pertanyaan lanjutan\n\nKartu model mendukung beberapa masukan audio dalam satu pesan dan audio dalam beberapa giliran pengguna. Berikan pengenal pada setiap rekaman dan nyatakan perannya ketika membandingkannya. Permintaan praktis dapat membandingkan dua versi penjelasan lisan, menanyakan kondisi mana yang berubah, dan mengembalikan tabel dengan kolom terpisah untuk setiap rekaman. Pengenal membantu menjaga temuan model tetap terkait dengan sumber yang tepat.\n\nTindak lanjut dapat mempertahankan pertanyaan dan jawaban sebelumnya sambil meminta detail yang lebih sempit atau memberikan rekaman lain. Misalnya, pertama minta keputusan dari diskusi, lalu tanyakan keputusan mana yang berkaitan dengan persyaratan tertentu. Rilis yang sama juga mendemonstrasikan permintaan teks saja dan audio saja. Fondasi teksnya dapat mengolah pertanyaan atau hasil tertulis, sementara kemampuan audio menyediakan bukti dari ucapan.\n\nFungsi yang dipandu suara\n\nPembuatnya menjelaskan pemanggilan fungsi dari maksud yang diucapkan dan menandai contoh pemanggilan fungsi dalam kartu yang dirilis sebagai dukungan eksperimental. Dalam alur ini, aplikasi menetapkan fungsi beserta argumennya, model menyiapkan pemanggilan dari permintaan, lalu aplikasi menjalankannya dan menyediakan hasil. Dengan demikian, pencarian berbasis suara dapat mengembalikan jawaban tertulis menggunakan informasi dari alat yang terhubung. Pemanggilan fungsi tidak berarti model otomatis memiliki layanan eksternal atau menjalankan tindakan hanya dengan menyebut namanya.\n\nPastikan tujuan fungsi dan informasi yang diwajibkan tetap eksplisit. Jika rekaman meminta operasi tetapi tidak menyebut nilai wajib, aplikasi tetap memerlukan nilai tersebut untuk menjalankan fungsi. Pisahkan permintaan lisan, usulan argumen, dan hasil yang dikembalikan agar respons berikutnya dapat merujuk hasil operasi aktual.\n\nPengaturan yang direkomendasikan dan batas yang berguna\n\nUntuk pemahaman audio dan chat completion, kartu model merekomendasikan temperature 0.2 dan top-p 0.95. Untuk transkripsi, rekomendasinya adalah temperature 0.0. Kartu itu secara eksplisit menyatakan bahwa prompt sistem tidak didukung dalam alur penggunaan yang dirilis ini, jadi tempatkan tugas dan persyaratan respons dalam masukan pengguna alih-alih memindahkan konvensi prompt sistem dari model Mistral lain.\n\nPilih rekaman yang memuat materi relevan dengan pertanyaan, pastikan ucapan terdengar jelas, dan tentukan apakah hasil harus berupa transkrip, terjemahan, jawaban, atau ringkasan. Keluaran yang terdokumentasi adalah teks. Respons lisan memerlukan komponen text-to-speech, dan identifikasi pembicara, diarisasi terperinci, atau cap waktu tingkat kata tidak boleh disimpulkan dari klaim umum pemahaman audio untuk rilis yang tepat ini.\n\nContoh generasi 500 token dalam kartu model adalah pengaturan contoh, bukan kapasitas keluaran maksimum yang dinyatakan terpisah. Pertahankan edisi 2507, panduan durasi khusus tugas, dan bahasa masukan saat menyiapkan alur yang dapat diulang. Artefak akhir yang berguna adalah teks yang diminta, terhubung dengan rekaman dan diformat untuk langkah dokumen atau aplikasi berikutnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 adalah model teks dan audio untuk transkripsi, penerjemahan ucapan, pertanyaan, dan ringkasan. Pembuatnya mendokumentasikan konteks 32k, hingga 30 menit untuk transkripsi atau 40 menit untuk pemahaman, beberapa masukan audio, dan hasil teks.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Voxtral Small 1.0 24B 2507 menambahkan masukan audio dan pemahaman ucapan pada fondasi model bahasa Mistral Small. Model ini menerima audio dan teks serta mengembalikan teks, termasuk transkrip, jawaban tentang rekaman, terjemahan, atau ringkasan terstruktur. Ini adalah edisi pemahaman ucapan 24B bernama, yang berbeda dari Voxtral Mini, varian layanan yang dioptimalkan untuk transkripsi, serta rilis Voxtral untuk pembuatan ucapan atau real-time yang hadir kemudian.
Transkripsi dan pemahaman audio
Model memiliki mode khusus transkripsi murni. Pembuatnya menyatakan bahwa secara bawaan model otomatis memprediksi bahasa audio sumber dan mentranskripsikannya sesuai bahasa tersebut. Gunakan mode ini ketika artefak yang diinginkan adalah redaksi ucapan itu sendiri, bukan penafsiran atau ringkasan. Tentukan apakah hasil harus mempertahankan bahasa asli atau diikuti terjemahan yang diminta secara terpisah.
Pemahaman audio memungkinkan pertanyaan diajukan langsung tentang rekaman tanpa terlebih dahulu merangkai model pengenalan ucapan terpisah dan model teks. Permintaan dapat menanyakan topik apa yang dibahas, keputusan apa yang dinyatakan, atau informasi apa dalam rekaman yang menjawab pertanyaan spesifik. Hasilnya dapat berupa respons ringkas atau ringkasan tertata, bukan transkrip lengkap setiap kata yang diucapkan.
Untuk ringkasan rapat, berikan rekaman dan tetapkan bidang yang harus dikembalikan: topik, keputusan yang dinyatakan secara eksplisit, dan tindakan tindak lanjut. Minta nama atau tanggal hanya ketika rekaman benar-benar menyebutkannya, dan pisahkan detail yang belum terselesaikan dari keputusan. Untuk wawancara, minta jawaban atas pertanyaan tertentu dan konteks sekitarnya yang membuatnya dapat dipahami. Rancangan keluaran ini menghubungkan tugas audio dengan dokumen yang dapat digunakan seseorang setelahnya.
Konteks, durasi, dan bahasa
Pembuatnya mendokumentasikan konteks 32k token dan audio hingga 30 menit untuk transkripsi, atau 40 menit untuk pemahaman. Kedua angka durasi memiliki lingkup tugas berbeda. Pilih operasi yang diinginkan sebelum memilih rekaman, serta sertakan instruksi teks dan percakapan saat merencanakan konteks yang tersedia. Rekaman panjang dan jawaban tertulis panjang sama-sama mengonsumsi sumber daya; pernyataan durasi bukan janji panjang jawaban tak terbatas yang terpisah.
Rilis ini menyebut bahasa Inggris, Spanyol, Prancis, Portugis, Hindi, Jerman, Belanda, dan Italia di antara bahasa utama yang didukung, serta menyediakan deteksi bahasa otomatis. Untuk penerjemahan ucapan, tetapkan bahasa akhir dan istilah yang harus mempertahankan bentuk aslinya. Untuk pertanyaan tentang audio dalam satu bahasa, bedakan bahasa rekaman dari bahasa yang harus digunakan untuk menulis jawaban.
Beberapa rekaman dan pertanyaan lanjutan
Kartu model mendukung beberapa masukan audio dalam satu pesan dan audio dalam beberapa giliran pengguna. Berikan pengenal pada setiap rekaman dan nyatakan perannya ketika membandingkannya. Permintaan praktis dapat membandingkan dua versi penjelasan lisan, menanyakan kondisi mana yang berubah, dan mengembalikan tabel dengan kolom terpisah untuk setiap rekaman. Pengenal membantu menjaga temuan model tetap terkait dengan sumber yang tepat.
Tindak lanjut dapat mempertahankan pertanyaan dan jawaban sebelumnya sambil meminta detail yang lebih sempit atau memberikan rekaman lain. Misalnya, pertama minta keputusan dari diskusi, lalu tanyakan keputusan mana yang berkaitan dengan persyaratan tertentu. Rilis yang sama juga mendemonstrasikan permintaan teks saja dan audio saja. Fondasi teksnya dapat mengolah pertanyaan atau hasil tertulis, sementara kemampuan audio menyediakan bukti dari ucapan.
Fungsi yang dipandu suara
Pembuatnya menjelaskan pemanggilan fungsi dari maksud yang diucapkan dan menandai contoh pemanggilan fungsi dalam kartu yang dirilis sebagai dukungan eksperimental. Dalam alur ini, aplikasi menetapkan fungsi beserta argumennya, model menyiapkan pemanggilan dari permintaan, lalu aplikasi menjalankannya dan menyediakan hasil. Dengan demikian, pencarian berbasis suara dapat mengembalikan jawaban tertulis menggunakan informasi dari alat yang terhubung. Pemanggilan fungsi tidak berarti model otomatis memiliki layanan eksternal atau menjalankan tindakan hanya dengan menyebut namanya.
Pastikan tujuan fungsi dan informasi yang diwajibkan tetap eksplisit. Jika rekaman meminta operasi tetapi tidak menyebut nilai wajib, aplikasi tetap memerlukan nilai tersebut untuk menjalankan fungsi. Pisahkan permintaan lisan, usulan argumen, dan hasil yang dikembalikan agar respons berikutnya dapat merujuk hasil operasi aktual.
Pengaturan yang direkomendasikan dan batas yang berguna
Untuk pemahaman audio dan chat completion, kartu model merekomendasikan temperature 0.2 dan top-p 0.95. Untuk transkripsi, rekomendasinya adalah temperature 0.0. Kartu itu secara eksplisit menyatakan bahwa prompt sistem tidak didukung dalam alur penggunaan yang dirilis ini, jadi tempatkan tugas dan persyaratan respons dalam masukan pengguna alih-alih memindahkan konvensi prompt sistem dari model Mistral lain.
Pilih rekaman yang memuat materi relevan dengan pertanyaan, pastikan ucapan terdengar jelas, dan tentukan apakah hasil harus berupa transkrip, terjemahan, jawaban, atau ringkasan. Keluaran yang terdokumentasi adalah teks. Respons lisan memerlukan komponen text-to-speech, dan identifikasi pembicara, diarisasi terperinci, atau cap waktu tingkat kata tidak boleh disimpulkan dari klaim umum pemahaman audio untuk rilis yang tepat ini.
Contoh generasi 500 token dalam kartu model adalah pengaturan contoh, bukan kapasitas keluaran maksimum yang dinyatakan terpisah. Pertahankan edisi 2507, panduan durasi khusus tugas, dan bahasa masukan saat menyiapkan alur yang dapat diulang. Artefak akhir yang berguna adalah teks yang diminta, terhubung dengan rekaman dan diformat untuk langkah dokumen atau aplikasi berikutnya.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/voxtral-small-24b-2507 | 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0006 / 1K token Masukan · Pembacaan cache $0.00002 / 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0006 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/voxtral-small-24b-2507", "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/voxtral-small-24b-2507',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/voxtral-small-24b-2507',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/voxtral-small-24b-2507
Gunakan jalur metode yang ditampilkan di atas.
mistralai/voxtral-small-24b-2507Voxtral Small 1.0 24B 2507 adalah model teks dan audio untuk transkripsi, penerjemahan ucapan, pertanyaan, dan ringkasan. Pembuatnya mendokumentasikan konteks 32k, hingga 30 menit untuk transkripsi atau 40 menit untuk pemahaman, beberapa masukan audio, dan hasil teks.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Voxtral Small 1.0 24B 2507 menambahkan masukan audio dan pemahaman ucapan pada fondasi model bahasa Mistral Small. Model ini menerima audio dan teks serta mengembalikan teks, termasuk transkrip, jawaban tentang rekaman, terjemahan, atau ringkasan terstruktur. Ini adalah edisi pemahaman ucapan 24B bernama, yang berbeda dari Voxtral Mini, varian layanan yang dioptimalkan untuk transkripsi, serta rilis Voxtral untuk pembuatan ucapan atau real-time yang hadir kemudian.
Transkripsi dan pemahaman audio
Model memiliki mode khusus transkripsi murni. Pembuatnya menyatakan bahwa secara bawaan model otomatis memprediksi bahasa audio sumber dan mentranskripsikannya sesuai bahasa tersebut. Gunakan mode ini ketika artefak yang diinginkan adalah redaksi ucapan itu sendiri, bukan penafsiran atau ringkasan. Tentukan apakah hasil harus mempertahankan bahasa asli atau diikuti terjemahan yang diminta secara terpisah.
Pemahaman audio memungkinkan pertanyaan diajukan langsung tentang rekaman tanpa terlebih dahulu merangkai model pengenalan ucapan terpisah dan model teks. Permintaan dapat menanyakan topik apa yang dibahas, keputusan apa yang dinyatakan, atau informasi apa dalam rekaman yang menjawab pertanyaan spesifik. Hasilnya dapat berupa respons ringkas atau ringkasan tertata, bukan transkrip lengkap setiap kata yang diucapkan.
Untuk ringkasan rapat, berikan rekaman dan tetapkan bidang yang harus dikembalikan: topik, keputusan yang dinyatakan secara eksplisit, dan tindakan tindak lanjut. Minta nama atau tanggal hanya ketika rekaman benar-benar menyebutkannya, dan pisahkan detail yang belum terselesaikan dari keputusan. Untuk wawancara, minta jawaban atas pertanyaan tertentu dan konteks sekitarnya yang membuatnya dapat dipahami. Rancangan keluaran ini menghubungkan tugas audio dengan dokumen yang dapat digunakan seseorang setelahnya.
Konteks, durasi, dan bahasa
Pembuatnya mendokumentasikan konteks 32k token dan audio hingga 30 menit untuk transkripsi, atau 40 menit untuk pemahaman. Kedua angka durasi memiliki lingkup tugas berbeda. Pilih operasi yang diinginkan sebelum memilih rekaman, serta sertakan instruksi teks dan percakapan saat merencanakan konteks yang tersedia. Rekaman panjang dan jawaban tertulis panjang sama-sama mengonsumsi sumber daya; pernyataan durasi bukan janji panjang jawaban tak terbatas yang terpisah.
Rilis ini menyebut bahasa Inggris, Spanyol, Prancis, Portugis, Hindi, Jerman, Belanda, dan Italia di antara bahasa utama yang didukung, serta menyediakan deteksi bahasa otomatis. Untuk penerjemahan ucapan, tetapkan bahasa akhir dan istilah yang harus mempertahankan bentuk aslinya. Untuk pertanyaan tentang audio dalam satu bahasa, bedakan bahasa rekaman dari bahasa yang harus digunakan untuk menulis jawaban.
Beberapa rekaman dan pertanyaan lanjutan
Kartu model mendukung beberapa masukan audio dalam satu pesan dan audio dalam beberapa giliran pengguna. Berikan pengenal pada setiap rekaman dan nyatakan perannya ketika membandingkannya. Permintaan praktis dapat membandingkan dua versi penjelasan lisan, menanyakan kondisi mana yang berubah, dan mengembalikan tabel dengan kolom terpisah untuk setiap rekaman. Pengenal membantu menjaga temuan model tetap terkait dengan sumber yang tepat.
Tindak lanjut dapat mempertahankan pertanyaan dan jawaban sebelumnya sambil meminta detail yang lebih sempit atau memberikan rekaman lain. Misalnya, pertama minta keputusan dari diskusi, lalu tanyakan keputusan mana yang berkaitan dengan persyaratan tertentu. Rilis yang sama juga mendemonstrasikan permintaan teks saja dan audio saja. Fondasi teksnya dapat mengolah pertanyaan atau hasil tertulis, sementara kemampuan audio menyediakan bukti dari ucapan.
Fungsi yang dipandu suara
Pembuatnya menjelaskan pemanggilan fungsi dari maksud yang diucapkan dan menandai contoh pemanggilan fungsi dalam kartu yang dirilis sebagai dukungan eksperimental. Dalam alur ini, aplikasi menetapkan fungsi beserta argumennya, model menyiapkan pemanggilan dari permintaan, lalu aplikasi menjalankannya dan menyediakan hasil. Dengan demikian, pencarian berbasis suara dapat mengembalikan jawaban tertulis menggunakan informasi dari alat yang terhubung. Pemanggilan fungsi tidak berarti model otomatis memiliki layanan eksternal atau menjalankan tindakan hanya dengan menyebut namanya.
Pastikan tujuan fungsi dan informasi yang diwajibkan tetap eksplisit. Jika rekaman meminta operasi tetapi tidak menyebut nilai wajib, aplikasi tetap memerlukan nilai tersebut untuk menjalankan fungsi. Pisahkan permintaan lisan, usulan argumen, dan hasil yang dikembalikan agar respons berikutnya dapat merujuk hasil operasi aktual.
Pengaturan yang direkomendasikan dan batas yang berguna
Untuk pemahaman audio dan chat completion, kartu model merekomendasikan temperature 0.2 dan top-p 0.95. Untuk transkripsi, rekomendasinya adalah temperature 0.0. Kartu itu secara eksplisit menyatakan bahwa prompt sistem tidak didukung dalam alur penggunaan yang dirilis ini, jadi tempatkan tugas dan persyaratan respons dalam masukan pengguna alih-alih memindahkan konvensi prompt sistem dari model Mistral lain.
Pilih rekaman yang memuat materi relevan dengan pertanyaan, pastikan ucapan terdengar jelas, dan tentukan apakah hasil harus berupa transkrip, terjemahan, jawaban, atau ringkasan. Keluaran yang terdokumentasi adalah teks. Respons lisan memerlukan komponen text-to-speech, dan identifikasi pembicara, diarisasi terperinci, atau cap waktu tingkat kata tidak boleh disimpulkan dari klaim umum pemahaman audio untuk rilis yang tepat ini.
Contoh generasi 500 token dalam kartu model adalah pengaturan contoh, bukan kapasitas keluaran maksimum yang dinyatakan terpisah. Pertahankan edisi 2507, panduan durasi khusus tugas, dan bahasa masukan saat menyiapkan alur yang dapat diulang. Artefak akhir yang berguna adalah teks yang diminta, terhubung dengan rekaman dan diformat untuk langkah dokumen atau aplikasi berikutnya.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mistralai/voxtral-small-24b-2507 | 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0006 / 1K token Masukan · Pembacaan cache $0.00002 / 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 $0.0002 / 1K token Keluaran · Token keluaran $0.0006 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "mistralai/voxtral-small-24b-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/voxtral-small-24b-2507', '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/voxtral-small-24b-2507', '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/voxtral-small-24b-2507
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Summarize a supplied meeting transcript\n\nSummarize this supplied transcript text: 'Ana: We will keep the current label. Ben: I will check the revised barcode by Tuesday. Ana: Shipping timing is still unconfirmed. Ben: Agreed.' Return topics, explicit decisions and follow-up actions. Separate the unresolved shipping date from decisions, and include owners or deadlines only when stated in the transcript.A meeting summary with topics, one decision, an owned action and an unresolved timing item.Check that keeping the label is the decision and shipping timing remains unconfirmed.