Mistral Medium 3.1 è un’edizione multimodale di Mistral AI per la comprensione testuale e visiva. Il produttore descrive questa revisione come un miglioramento del tono e delle prestazioni nella linea Medium 3. Accetta testo e immagini e produce testo: una spiegazione, una risposta documentale, un record strutturato o una chiamata di funzione proposta. L’identificatore fisso del produttore per questa edizione è mistral-medium-2508.
Contesto ed edizione specifica
La pagina del modello documenta una finestra di contesto di 128k. Usala per mantenere insieme brani sorgente correlati, evidenze visive, conversazione e compito dell’utente. Identifica ruoli dei documenti e domanda a cui rispondere prima di fornire una raccolta ampia. Un contesto lungo può supportare un confronto mirato mentre l’elaborato finale resta una breve tabella o una sezione revisionata.
Medium 3.1 mantiene una propria specifica. Il contesto di 256k, l’architettura densa da 128 miliardi di parametri e le modalità configurabili di ragionamento ibrido descritte per Medium 3.5 non devono essere attribuiti a questa voce. La pagina 3.1 non fornisce un conteggio dei parametri o un dato separato sulla lunghezza massima della risposta che possano essere sostituiti in sicurezza con quelli del modello successivo.
Output strutturati e funzioni
Il produttore elenca output strutturati, chiamate di funzione e output predetti tra le funzionalità di questa edizione. Per un compito di estrazione strutturata, definisci campi richiesti, tipi attesi e trattamento delle informazioni assenti dalla fonte. Un record può contenere identificatore del documento, affermazione estratta, posizione nella fonte e domanda che resta aperta. Chiedi soltanto il record quando verrà analizzato da un programma, oppure mantieni separata una spiegazione in prosa quando qualcuno deve esaminare l’interpretazione.
La documentazione condivisa di Mistral sugli output strutturati distingue la modalità JSON da uno schema personalizzato. La modalità JSON richiede un’istruzione esplicita sul formato JSON desiderato, mentre il percorso personalizzato definisce una struttura più specifica. È una formattazione del risultato testuale, non una nuova modalità di contenuto o un’azione esterna.
Per le funzioni, l’applicazione definisce operazione disponibile e argomenti, il modello seleziona una chiamata appropriata e prepara i valori, e l’applicazione la esegue. Il risultato diventa poi un’informazione per la risposta successiva. Un assistente documentale può usare una ricerca per ottenere dati di riferimento mancanti, ma soltanto se l’applicazione circostante fornisce quella ricerca e ne restituisce il risultato effettivo. Mantieni associati la chiamata proposta e i dati restituiti.
Modifiche predette e prefissi di risposta
Gli output predetti sono utili quando gran parte del risultato desiderato è già nota, come per un documento o file di codice che necessita di una modifica limitata. Fornisci il contenuto esistente e descrivi precisamente la modifica, incluso ciò che deve restare invariato. Una richiesta può aggiornare la terminologia di una sezione o sostituire un dettaglio implementativo preservando il resto del documento. La predizione contiene il contenuto di output atteso, non una modifica completata e applicata a un file.
La pagina del modello elenca anche la continuazione da un prefisso di risposta. Nella documentazione chat del produttore, un prefisso fornisce un inizio noto per la risposta dell’assistente, dopo il quale prosegue la generazione. Un inizio noto e un corpo predetto risolvono problemi di preparazione diversi. Anche batch e interfacce per agenti o conversazioni sono funzionalità del flusso di lavoro, non edizioni separate di Medium 3.1 per immagini, audio o ragionamento.
Domande documentali e visive
Il flusso document-QnA elencato combina testo, struttura e formattazione preparati tramite OCR con l’analisi del modello linguistico. Chiedi la condizione, il brano o la relazione specifici richiesti dal compito. Un confronto può identificare i documenti sorgente e richiedere affermazioni condivise, conflitti e dettagli irrisolti, conservando la posizione nella fonte accanto a ogni risultato.
La guida alla visione del produttore include esplicitamente Medium 3.1. Una domanda visiva diretta può fornire un grafico, un’immagine documentale o uno screenshot leggibili e chiedere quali evidenze visibili supportino una conclusione. Conserva assi, unità, etichette e contesto intorno a un campo ritagliato. Se fornisci più immagini, identifica il loro ordine e ruolo, invece di lasciare che il modello deduca quale sia originale, revisione o riferimento.
Per esempio, abbina un requisito scritto di processo a uno screenshot e chiedi una tabella di corrispondenze visibili, differenze e domande che richiedono ulteriori informazioni. Un altro compito può fornire due versioni di un documento e chiedere un brano revisionato che preservi le condizioni condivise, risolvendo un’incoerenza nominata. Sono applicazioni proposte delle capacità documentate di visione, lavoro documentale e modifica, con il risultato richiesto definito in anticipo.
Preparazione dell’elaborato finale
Assegna all’assistente un ruolo chiaro, il materiale sorgente da usare e la forma della risposta. Mantieni le regole di risposta durature distinte dal documento esaminato e indica lingua finale e terminologia. Una risposta utile può separare fatto estratto, fonte e interpretazione, rendendo l’esame più semplice rispetto a un unico riepilogo fuso.
Il risultato documentato resta testo. Strumenti esterni, modifiche dei file e ulteriori elaborazioni documentali appartengono all’applicazione collegata alla conversazione. Conserva l’edizione denominata Medium 3.1 e il suo contesto di 128k e chiedi la spiegazione, il record strutturato o la revisione mirata di cui il passaggio successivo ha effettivamente bisogno.
", "aboutText": "Mistral Medium 3.1 è un’edizione multimodale di Mistral AI per la comprensione testuale e visiva. Il produttore descrive questa revisione come un miglioramento del tono e delle prestazioni nella linea Medium 3. Accetta testo e immagini e produce testo: una spiegazione, una risposta documentale, un record strutturato o una chiamata di funzione proposta. L’identificatore fisso del produttore per questa edizione è mistral-medium-2508.\n\nContesto ed edizione specifica\n\nLa pagina del modello documenta una finestra di contesto di 128k. Usala per mantenere insieme brani sorgente correlati, evidenze visive, conversazione e compito dell’utente. Identifica ruoli dei documenti e domanda a cui rispondere prima di fornire una raccolta ampia. Un contesto lungo può supportare un confronto mirato mentre l’elaborato finale resta una breve tabella o una sezione revisionata.\n\nMedium 3.1 mantiene una propria specifica. Il contesto di 256k, l’architettura densa da 128 miliardi di parametri e le modalità configurabili di ragionamento ibrido descritte per Medium 3.5 non devono essere attribuiti a questa voce. La pagina 3.1 non fornisce un conteggio dei parametri o un dato separato sulla lunghezza massima della risposta che possano essere sostituiti in sicurezza con quelli del modello successivo.\n\nOutput strutturati e funzioni\n\nIl produttore elenca output strutturati, chiamate di funzione e output predetti tra le funzionalità di questa edizione. Per un compito di estrazione strutturata, definisci campi richiesti, tipi attesi e trattamento delle informazioni assenti dalla fonte. Un record può contenere identificatore del documento, affermazione estratta, posizione nella fonte e domanda che resta aperta. Chiedi soltanto il record quando verrà analizzato da un programma, oppure mantieni separata una spiegazione in prosa quando qualcuno deve esaminare l’interpretazione.\n\nLa documentazione condivisa di Mistral sugli output strutturati distingue la modalità JSON da uno schema personalizzato. La modalità JSON richiede un’istruzione esplicita sul formato JSON desiderato, mentre il percorso personalizzato definisce una struttura più specifica. È una formattazione del risultato testuale, non una nuova modalità di contenuto o un’azione esterna.\n\nPer le funzioni, l’applicazione definisce operazione disponibile e argomenti, il modello seleziona una chiamata appropriata e prepara i valori, e l’applicazione la esegue. Il risultato diventa poi un’informazione per la risposta successiva. Un assistente documentale può usare una ricerca per ottenere dati di riferimento mancanti, ma soltanto se l’applicazione circostante fornisce quella ricerca e ne restituisce il risultato effettivo. Mantieni associati la chiamata proposta e i dati restituiti.\n\nModifiche predette e prefissi di risposta\n\nGli output predetti sono utili quando gran parte del risultato desiderato è già nota, come per un documento o file di codice che necessita di una modifica limitata. Fornisci il contenuto esistente e descrivi precisamente la modifica, incluso ciò che deve restare invariato. Una richiesta può aggiornare la terminologia di una sezione o sostituire un dettaglio implementativo preservando il resto del documento. La predizione contiene il contenuto di output atteso, non una modifica completata e applicata a un file.\n\nLa pagina del modello elenca anche la continuazione da un prefisso di risposta. Nella documentazione chat del produttore, un prefisso fornisce un inizio noto per la risposta dell’assistente, dopo il quale prosegue la generazione. Un inizio noto e un corpo predetto risolvono problemi di preparazione diversi. Anche batch e interfacce per agenti o conversazioni sono funzionalità del flusso di lavoro, non edizioni separate di Medium 3.1 per immagini, audio o ragionamento.\n\nDomande documentali e visive\n\nIl flusso document-QnA elencato combina testo, struttura e formattazione preparati tramite OCR con l’analisi del modello linguistico. Chiedi la condizione, il brano o la relazione specifici richiesti dal compito. Un confronto può identificare i documenti sorgente e richiedere affermazioni condivise, conflitti e dettagli irrisolti, conservando la posizione nella fonte accanto a ogni risultato.\n\nLa guida alla visione del produttore include esplicitamente Medium 3.1. Una domanda visiva diretta può fornire un grafico, un’immagine documentale o uno screenshot leggibili e chiedere quali evidenze visibili supportino una conclusione. Conserva assi, unità, etichette e contesto intorno a un campo ritagliato. Se fornisci più immagini, identifica il loro ordine e ruolo, invece di lasciare che il modello deduca quale sia originale, revisione o riferimento.\n\nPer esempio, abbina un requisito scritto di processo a uno screenshot e chiedi una tabella di corrispondenze visibili, differenze e domande che richiedono ulteriori informazioni. Un altro compito può fornire due versioni di un documento e chiedere un brano revisionato che preservi le condizioni condivise, risolvendo un’incoerenza nominata. Sono applicazioni proposte delle capacità documentate di visione, lavoro documentale e modifica, con il risultato richiesto definito in anticipo.\n\nPreparazione dell’elaborato finale\n\nAssegna all’assistente un ruolo chiaro, il materiale sorgente da usare e la forma della risposta. Mantieni le regole di risposta durature distinte dal documento esaminato e indica lingua finale e terminologia. Una risposta utile può separare fatto estratto, fonte e interpretazione, rendendo l’esame più semplice rispetto a un unico riepilogo fuso.\n\nIl risultato documentato resta testo. Strumenti esterni, modifiche dei file e ulteriori elaborazioni documentali appartengono all’applicazione collegata alla conversazione. Conserva l’edizione denominata Medium 3.1 e il suo contesto di 128k e chiedi la spiegazione, il record strutturato o la revisione mirata di cui il passaggio successivo ha effettivamente bisogno.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.mistralai/mistral-medium-3.1Mistral Medium 3.1 è un modello per testo e immagini destinato a risposte conversazionali, domande sui documenti ed estrazione strutturata. Il contesto di 128k dichiarato dal produttore e le funzionalità elencate di chiamata di funzione, output predetti e prefissi supportano spiegazioni basate sulle fonti e flussi di modifica mirati.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Mistral Medium 3.1 è un’edizione multimodale di Mistral AI per la comprensione testuale e visiva. Il produttore descrive questa revisione come un miglioramento del tono e delle prestazioni nella linea Medium 3. Accetta testo e immagini e produce testo: una spiegazione, una risposta documentale, un record strutturato o una chiamata di funzione proposta. L’identificatore fisso del produttore per questa edizione è mistral-medium-2508.
Contesto ed edizione specifica
La pagina del modello documenta una finestra di contesto di 128k. Usala per mantenere insieme brani sorgente correlati, evidenze visive, conversazione e compito dell’utente. Identifica ruoli dei documenti e domanda a cui rispondere prima di fornire una raccolta ampia. Un contesto lungo può supportare un confronto mirato mentre l’elaborato finale resta una breve tabella o una sezione revisionata.
Medium 3.1 mantiene una propria specifica. Il contesto di 256k, l’architettura densa da 128 miliardi di parametri e le modalità configurabili di ragionamento ibrido descritte per Medium 3.5 non devono essere attribuiti a questa voce. La pagina 3.1 non fornisce un conteggio dei parametri o un dato separato sulla lunghezza massima della risposta che possano essere sostituiti in sicurezza con quelli del modello successivo.
Output strutturati e funzioni
Il produttore elenca output strutturati, chiamate di funzione e output predetti tra le funzionalità di questa edizione. Per un compito di estrazione strutturata, definisci campi richiesti, tipi attesi e trattamento delle informazioni assenti dalla fonte. Un record può contenere identificatore del documento, affermazione estratta, posizione nella fonte e domanda che resta aperta. Chiedi soltanto il record quando verrà analizzato da un programma, oppure mantieni separata una spiegazione in prosa quando qualcuno deve esaminare l’interpretazione.
La documentazione condivisa di Mistral sugli output strutturati distingue la modalità JSON da uno schema personalizzato. La modalità JSON richiede un’istruzione esplicita sul formato JSON desiderato, mentre il percorso personalizzato definisce una struttura più specifica. È una formattazione del risultato testuale, non una nuova modalità di contenuto o un’azione esterna.
Per le funzioni, l’applicazione definisce operazione disponibile e argomenti, il modello seleziona una chiamata appropriata e prepara i valori, e l’applicazione la esegue. Il risultato diventa poi un’informazione per la risposta successiva. Un assistente documentale può usare una ricerca per ottenere dati di riferimento mancanti, ma soltanto se l’applicazione circostante fornisce quella ricerca e ne restituisce il risultato effettivo. Mantieni associati la chiamata proposta e i dati restituiti.
Modifiche predette e prefissi di risposta
Gli output predetti sono utili quando gran parte del risultato desiderato è già nota, come per un documento o file di codice che necessita di una modifica limitata. Fornisci il contenuto esistente e descrivi precisamente la modifica, incluso ciò che deve restare invariato. Una richiesta può aggiornare la terminologia di una sezione o sostituire un dettaglio implementativo preservando il resto del documento. La predizione contiene il contenuto di output atteso, non una modifica completata e applicata a un file.
La pagina del modello elenca anche la continuazione da un prefisso di risposta. Nella documentazione chat del produttore, un prefisso fornisce un inizio noto per la risposta dell’assistente, dopo il quale prosegue la generazione. Un inizio noto e un corpo predetto risolvono problemi di preparazione diversi. Anche batch e interfacce per agenti o conversazioni sono funzionalità del flusso di lavoro, non edizioni separate di Medium 3.1 per immagini, audio o ragionamento.
Domande documentali e visive
Il flusso document-QnA elencato combina testo, struttura e formattazione preparati tramite OCR con l’analisi del modello linguistico. Chiedi la condizione, il brano o la relazione specifici richiesti dal compito. Un confronto può identificare i documenti sorgente e richiedere affermazioni condivise, conflitti e dettagli irrisolti, conservando la posizione nella fonte accanto a ogni risultato.
La guida alla visione del produttore include esplicitamente Medium 3.1. Una domanda visiva diretta può fornire un grafico, un’immagine documentale o uno screenshot leggibili e chiedere quali evidenze visibili supportino una conclusione. Conserva assi, unità, etichette e contesto intorno a un campo ritagliato. Se fornisci più immagini, identifica il loro ordine e ruolo, invece di lasciare che il modello deduca quale sia originale, revisione o riferimento.
Per esempio, abbina un requisito scritto di processo a uno screenshot e chiedi una tabella di corrispondenze visibili, differenze e domande che richiedono ulteriori informazioni. Un altro compito può fornire due versioni di un documento e chiedere un brano revisionato che preservi le condizioni condivise, risolvendo un’incoerenza nominata. Sono applicazioni proposte delle capacità documentate di visione, lavoro documentale e modifica, con il risultato richiesto definito in anticipo.
Preparazione dell’elaborato finale
Assegna all’assistente un ruolo chiaro, il materiale sorgente da usare e la forma della risposta. Mantieni le regole di risposta durature distinte dal documento esaminato e indica lingua finale e terminologia. Una risposta utile può separare fatto estratto, fonte e interpretazione, rendendo l’esame più semplice rispetto a un unico riepilogo fuso.
Il risultato documentato resta testo. Strumenti esterni, modifiche dei file e ulteriori elaborazioni documentali appartengono all’applicazione collegata alla conversazione. Conserva l’edizione denominata Medium 3.1 e il suo contesto di 128k e chiedi la spiegazione, il record strutturato o la revisione mirata di cui il passaggio successivo ha effettivamente bisogno.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti mistralai/mistral-medium-3.1 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0008 / 1K token Output · Token in output $0.004 / 1K token Input · Lettura dalla cache $0.00008 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0008 / 1K token Output · Token in output $0.004 / 1K token Input · Lettura dalla cache $0.00008 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3.1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-medium-3.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-medium-3.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra mistralai/mistral-medium-3.1
Usa i percorsi dei metodi indicati sopra.
mistralai/mistral-medium-3.1Mistral Medium 3.1 è un modello per testo e immagini destinato a risposte conversazionali, domande sui documenti ed estrazione strutturata. Il contesto di 128k dichiarato dal produttore e le funzionalità elencate di chiamata di funzione, output predetti e prefissi supportano spiegazioni basate sulle fonti e flussi di modifica mirati.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Mistral Medium 3.1 è un’edizione multimodale di Mistral AI per la comprensione testuale e visiva. Il produttore descrive questa revisione come un miglioramento del tono e delle prestazioni nella linea Medium 3. Accetta testo e immagini e produce testo: una spiegazione, una risposta documentale, un record strutturato o una chiamata di funzione proposta. L’identificatore fisso del produttore per questa edizione è mistral-medium-2508.
Contesto ed edizione specifica
La pagina del modello documenta una finestra di contesto di 128k. Usala per mantenere insieme brani sorgente correlati, evidenze visive, conversazione e compito dell’utente. Identifica ruoli dei documenti e domanda a cui rispondere prima di fornire una raccolta ampia. Un contesto lungo può supportare un confronto mirato mentre l’elaborato finale resta una breve tabella o una sezione revisionata.
Medium 3.1 mantiene una propria specifica. Il contesto di 256k, l’architettura densa da 128 miliardi di parametri e le modalità configurabili di ragionamento ibrido descritte per Medium 3.5 non devono essere attribuiti a questa voce. La pagina 3.1 non fornisce un conteggio dei parametri o un dato separato sulla lunghezza massima della risposta che possano essere sostituiti in sicurezza con quelli del modello successivo.
Output strutturati e funzioni
Il produttore elenca output strutturati, chiamate di funzione e output predetti tra le funzionalità di questa edizione. Per un compito di estrazione strutturata, definisci campi richiesti, tipi attesi e trattamento delle informazioni assenti dalla fonte. Un record può contenere identificatore del documento, affermazione estratta, posizione nella fonte e domanda che resta aperta. Chiedi soltanto il record quando verrà analizzato da un programma, oppure mantieni separata una spiegazione in prosa quando qualcuno deve esaminare l’interpretazione.
La documentazione condivisa di Mistral sugli output strutturati distingue la modalità JSON da uno schema personalizzato. La modalità JSON richiede un’istruzione esplicita sul formato JSON desiderato, mentre il percorso personalizzato definisce una struttura più specifica. È una formattazione del risultato testuale, non una nuova modalità di contenuto o un’azione esterna.
Per le funzioni, l’applicazione definisce operazione disponibile e argomenti, il modello seleziona una chiamata appropriata e prepara i valori, e l’applicazione la esegue. Il risultato diventa poi un’informazione per la risposta successiva. Un assistente documentale può usare una ricerca per ottenere dati di riferimento mancanti, ma soltanto se l’applicazione circostante fornisce quella ricerca e ne restituisce il risultato effettivo. Mantieni associati la chiamata proposta e i dati restituiti.
Modifiche predette e prefissi di risposta
Gli output predetti sono utili quando gran parte del risultato desiderato è già nota, come per un documento o file di codice che necessita di una modifica limitata. Fornisci il contenuto esistente e descrivi precisamente la modifica, incluso ciò che deve restare invariato. Una richiesta può aggiornare la terminologia di una sezione o sostituire un dettaglio implementativo preservando il resto del documento. La predizione contiene il contenuto di output atteso, non una modifica completata e applicata a un file.
La pagina del modello elenca anche la continuazione da un prefisso di risposta. Nella documentazione chat del produttore, un prefisso fornisce un inizio noto per la risposta dell’assistente, dopo il quale prosegue la generazione. Un inizio noto e un corpo predetto risolvono problemi di preparazione diversi. Anche batch e interfacce per agenti o conversazioni sono funzionalità del flusso di lavoro, non edizioni separate di Medium 3.1 per immagini, audio o ragionamento.
Domande documentali e visive
Il flusso document-QnA elencato combina testo, struttura e formattazione preparati tramite OCR con l’analisi del modello linguistico. Chiedi la condizione, il brano o la relazione specifici richiesti dal compito. Un confronto può identificare i documenti sorgente e richiedere affermazioni condivise, conflitti e dettagli irrisolti, conservando la posizione nella fonte accanto a ogni risultato.
La guida alla visione del produttore include esplicitamente Medium 3.1. Una domanda visiva diretta può fornire un grafico, un’immagine documentale o uno screenshot leggibili e chiedere quali evidenze visibili supportino una conclusione. Conserva assi, unità, etichette e contesto intorno a un campo ritagliato. Se fornisci più immagini, identifica il loro ordine e ruolo, invece di lasciare che il modello deduca quale sia originale, revisione o riferimento.
Per esempio, abbina un requisito scritto di processo a uno screenshot e chiedi una tabella di corrispondenze visibili, differenze e domande che richiedono ulteriori informazioni. Un altro compito può fornire due versioni di un documento e chiedere un brano revisionato che preservi le condizioni condivise, risolvendo un’incoerenza nominata. Sono applicazioni proposte delle capacità documentate di visione, lavoro documentale e modifica, con il risultato richiesto definito in anticipo.
Preparazione dell’elaborato finale
Assegna all’assistente un ruolo chiaro, il materiale sorgente da usare e la forma della risposta. Mantieni le regole di risposta durature distinte dal documento esaminato e indica lingua finale e terminologia. Una risposta utile può separare fatto estratto, fonte e interpretazione, rendendo l’esame più semplice rispetto a un unico riepilogo fuso.
Il risultato documentato resta testo. Strumenti esterni, modifiche dei file e ulteriori elaborazioni documentali appartengono all’applicazione collegata alla conversazione. Conserva l’edizione denominata Medium 3.1 e il suo contesto di 128k e chiedi la spiegazione, il record strutturato o la revisione mirata di cui il passaggio successivo ha effettivamente bisogno.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti mistralai/mistral-medium-3.1 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0008 / 1K token Output · Token in output $0.004 / 1K token Input · Lettura dalla cache $0.00008 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0008 / 1K token Output · Token in output $0.004 / 1K token Input · Lettura dalla cache $0.00008 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "mistralai/mistral-medium-3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-medium-3.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-medium-3.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra mistralai/mistral-medium-3.1
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.