Mistral Small 3.2 24B Instruct 2506 è un aggiornamento mirato di Mistral Small 3.1 24B Instruct 2503. Il produttore identifica tre modifiche specifiche: seguire più fedelmente istruzioni precise, ridurre risposte ripetitive o incontrollate e rendere più robusto il template delle chiamate di funzione. Il modello resta ottimizzato per seguire istruzioni con testo e immagini e genera testo; non è una nuova edizione per audio o generazione di immagini.
Cosa cambia e cosa viene mantenuto
La scheda 3.2 afferma esplicitamente che le funzionalità principali sono le stesse del rilascio denominato Small 3.1. Comprendono visione, lavoro multilingue, supporto ai prompt di sistema, chiamate di funzione native, output JSON e una finestra di contesto di 128k. La scheda 3.1 citata descrive un modello da 24 miliardi di parametri e un tokenizer Tekken con vocabolario indicato come 131k. Questo collegamento documentato supporta il trasferimento di tali funzionalità a 3.2, preservando l’aggiornamento 2506 come edizione autonoma.
L’attenzione al rispetto delle istruzioni conta quando il risultato ha più requisiti esatti. Fornisci il materiale sorgente, elenca le regole che l’output deve soddisfare e specifica l’elaborato da restituire. Una richiesta di estrazione documentale può imporre campi specificati, identificatori originali, una rappresentazione definita dei valori mancanti e nessuna prosa fuori dal record. Un compito di scrittura può richiedere un pubblico particolare e un ordine delle sezioni, mantenendo invariate le condizioni fornite.
La modifica sulle ripetizioni riguarda il comportamento di generazione, non aggiunge una nuova modalità di ragionamento. Per una risposta lunga, definisci le sezioni richieste e lo scopo di ciascuna, così la richiesta ha un punto di arresto chiaro. La modifica al template delle funzioni riguarda la rappresentazione della conversazione abilitata agli strumenti; usa le impostazioni di conversazione e tokenizer dell’edizione corrispondente, anziché trattare un vecchio esempio di formattazione come intercambiabile.
Compiti visivi e multilingue
La funzionalità visiva ereditata consente di abbinare una domanda testuale a un’immagine. Fornisci una pagina, un grafico o un diagramma leggibili e identifica il dettaglio necessario al compito. Per confrontare un grafico, conserva assi, unità e legenda e chiedi l’osservazione che supporta ogni conclusione. Per un campo documentale, mantieni etichetta e contesto circostante, affinché il valore restituito possa essere interpretato correttamente.
La copertura linguistica documentata include russo, inglese, francese, tedesco, spagnolo, italiano, portoghese, cinese, giapponese, coreano, arabo, farsi, hindi, bengalese e altre lingue elencate dal produttore. Specifica la lingua finale e la terminologia che deve restare invariata. Un compito documentale bilingue può preservare identificatori e unità adattando la spiegazione circostante al lettore.
Per un’estrazione visiva pratica, chiedi identificatore del documento, etichetta del campo, testo estratto e parte dell’immagine che lo supporta. Una spiegazione può seguire separatamente se il lettore necessita di interpretazione. Questo evita che trascrizione, campi strutturati e conclusione del modello diventino un unico risultato indistinguibile.
Istruzioni di sistema e strumenti
La scheda 3.2 raccomanda un prompt di sistema adattato al caso d’uso e una temperatura relativamente bassa, come 0.15. Imposta esplicitamente ruolo dell’assistente, regole della risposta e trattamento del materiale sorgente. Inserisci il documento o codice effettivo con il compito dell’utente, preservando il confine tra le istruzioni sulla risposta e quelle citate all’interno della fonte.
Le chiamate di funzione richiedono che l’applicazione fornisca descrizioni degli strumenti e argomenti obbligatori. Il modello prepara una chiamata, l’applicazione esegue la funzione e restituisce il risultato, e la risposta successiva usa quelle informazioni. Gli esempi rilasciati includono ragionamento visivo, chiamate di strumenti e istruzioni solo testuali. Un compito di ricerca può quindi chiedere al modello di selezionare un’operazione descritta, lasciando la ricerca effettiva e il relativo risultato all’applicazione circostante.
Per una richiesta di programmazione, fornisci la funzione pertinente, l’input che rivela il problema e il comportamento che deve risultarne. Chiedi una correzione proposta che preservi l’interfaccia originale, poi esempi che distinguano il comportamento previsto. Per una richiesta matematica, definisci variabili e ipotesi e chiedi i passaggi importanti giustificati e un’espressione finale separata. Sono applicazioni delle capacità ereditate di programmazione e ragionamento; l’esecuzione del codice proposto resta un passaggio separato.
Contesto e limiti dell’edizione
Usa la finestra di 128k per brani sorgente, immagini, conversazione e risposta attesa insieme. Un confronto di documenti ampi può conservare sezioni correlate e restituire una breve matrice di risultati. Un’elevata disponibilità configurata di immagini o un valore di generazione presente in un esempio di erogazione non sono capacità massime dichiarate autonomamente per il modello.
Small 3.2 è un aggiornamento del modello basato su istruzioni con input visivo documentato, non Small 3 2501 solo testuale né il rilascio ibrido Small 4 per il ragionamento. La scheda del produttore non fornisce un limite rigido separato dei token di output per questa voce. Conserva l’identità esatta 2506 e la sua formattazione e definisci il record strutturato, la spiegazione o la proposta di codice necessari al passaggio successivo.
", "aboutText": "Mistral Small 3.2 24B Instruct 2506 è un aggiornamento mirato di Mistral Small 3.1 24B Instruct 2503. Il produttore identifica tre modifiche specifiche: seguire più fedelmente istruzioni precise, ridurre risposte ripetitive o incontrollate e rendere più robusto il template delle chiamate di funzione. Il modello resta ottimizzato per seguire istruzioni con testo e immagini e genera testo; non è una nuova edizione per audio o generazione di immagini.\n\nCosa cambia e cosa viene mantenuto\n\nLa scheda 3.2 afferma esplicitamente che le funzionalità principali sono le stesse del rilascio denominato Small 3.1. Comprendono visione, lavoro multilingue, supporto ai prompt di sistema, chiamate di funzione native, output JSON e una finestra di contesto di 128k. La scheda 3.1 citata descrive un modello da 24 miliardi di parametri e un tokenizer Tekken con vocabolario indicato come 131k. Questo collegamento documentato supporta il trasferimento di tali funzionalità a 3.2, preservando l’aggiornamento 2506 come edizione autonoma.\n\nL’attenzione al rispetto delle istruzioni conta quando il risultato ha più requisiti esatti. Fornisci il materiale sorgente, elenca le regole che l’output deve soddisfare e specifica l’elaborato da restituire. Una richiesta di estrazione documentale può imporre campi specificati, identificatori originali, una rappresentazione definita dei valori mancanti e nessuna prosa fuori dal record. Un compito di scrittura può richiedere un pubblico particolare e un ordine delle sezioni, mantenendo invariate le condizioni fornite.\n\nLa modifica sulle ripetizioni riguarda il comportamento di generazione, non aggiunge una nuova modalità di ragionamento. Per una risposta lunga, definisci le sezioni richieste e lo scopo di ciascuna, così la richiesta ha un punto di arresto chiaro. La modifica al template delle funzioni riguarda la rappresentazione della conversazione abilitata agli strumenti; usa le impostazioni di conversazione e tokenizer dell’edizione corrispondente, anziché trattare un vecchio esempio di formattazione come intercambiabile.\n\nCompiti visivi e multilingue\n\nLa funzionalità visiva ereditata consente di abbinare una domanda testuale a un’immagine. Fornisci una pagina, un grafico o un diagramma leggibili e identifica il dettaglio necessario al compito. Per confrontare un grafico, conserva assi, unità e legenda e chiedi l’osservazione che supporta ogni conclusione. Per un campo documentale, mantieni etichetta e contesto circostante, affinché il valore restituito possa essere interpretato correttamente.\n\nLa copertura linguistica documentata include russo, inglese, francese, tedesco, spagnolo, italiano, portoghese, cinese, giapponese, coreano, arabo, farsi, hindi, bengalese e altre lingue elencate dal produttore. Specifica la lingua finale e la terminologia che deve restare invariata. Un compito documentale bilingue può preservare identificatori e unità adattando la spiegazione circostante al lettore.\n\nPer un’estrazione visiva pratica, chiedi identificatore del documento, etichetta del campo, testo estratto e parte dell’immagine che lo supporta. Una spiegazione può seguire separatamente se il lettore necessita di interpretazione. Questo evita che trascrizione, campi strutturati e conclusione del modello diventino un unico risultato indistinguibile.\n\nIstruzioni di sistema e strumenti\n\nLa scheda 3.2 raccomanda un prompt di sistema adattato al caso d’uso e una temperatura relativamente bassa, come 0.15. Imposta esplicitamente ruolo dell’assistente, regole della risposta e trattamento del materiale sorgente. Inserisci il documento o codice effettivo con il compito dell’utente, preservando il confine tra le istruzioni sulla risposta e quelle citate all’interno della fonte.\n\nLe chiamate di funzione richiedono che l’applicazione fornisca descrizioni degli strumenti e argomenti obbligatori. Il modello prepara una chiamata, l’applicazione esegue la funzione e restituisce il risultato, e la risposta successiva usa quelle informazioni. Gli esempi rilasciati includono ragionamento visivo, chiamate di strumenti e istruzioni solo testuali. Un compito di ricerca può quindi chiedere al modello di selezionare un’operazione descritta, lasciando la ricerca effettiva e il relativo risultato all’applicazione circostante.\n\nPer una richiesta di programmazione, fornisci la funzione pertinente, l’input che rivela il problema e il comportamento che deve risultarne. Chiedi una correzione proposta che preservi l’interfaccia originale, poi esempi che distinguano il comportamento previsto. Per una richiesta matematica, definisci variabili e ipotesi e chiedi i passaggi importanti giustificati e un’espressione finale separata. Sono applicazioni delle capacità ereditate di programmazione e ragionamento; l’esecuzione del codice proposto resta un passaggio separato.\n\nContesto e limiti dell’edizione\n\nUsa la finestra di 128k per brani sorgente, immagini, conversazione e risposta attesa insieme. Un confronto di documenti ampi può conservare sezioni correlate e restituire una breve matrice di risultati. Un’elevata disponibilità configurata di immagini o un valore di generazione presente in un esempio di erogazione non sono capacità massime dichiarate autonomamente per il modello.\n\nSmall 3.2 è un aggiornamento del modello basato su istruzioni con input visivo documentato, non Small 3 2501 solo testuale né il rilascio ibrido Small 4 per il ragionamento. La scheda del produttore non fornisce un limite rigido separato dei token di output per questa voce. Conserva l’identità esatta 2506 e la sua formattazione e definisci il record strutturato, la spiegazione o la proposta di codice necessari al passaggio successivo.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.mistralai/mistral-small-3.2-24b-instructMistral Small 3.2 24B Instruct è un modello basato su istruzioni per testo e immagini con un contesto di 128k dichiarato dal produttore. L’aggiornamento 2506 migliora specificamente il rispetto preciso delle istruzioni, riduce le ripetizioni e rafforza il template delle chiamate di funzione, mantenendo le funzionalità principali di Small 3.1.
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 Small 3.2 24B Instruct 2506 è un aggiornamento mirato di Mistral Small 3.1 24B Instruct 2503. Il produttore identifica tre modifiche specifiche: seguire più fedelmente istruzioni precise, ridurre risposte ripetitive o incontrollate e rendere più robusto il template delle chiamate di funzione. Il modello resta ottimizzato per seguire istruzioni con testo e immagini e genera testo; non è una nuova edizione per audio o generazione di immagini.
Cosa cambia e cosa viene mantenuto
La scheda 3.2 afferma esplicitamente che le funzionalità principali sono le stesse del rilascio denominato Small 3.1. Comprendono visione, lavoro multilingue, supporto ai prompt di sistema, chiamate di funzione native, output JSON e una finestra di contesto di 128k. La scheda 3.1 citata descrive un modello da 24 miliardi di parametri e un tokenizer Tekken con vocabolario indicato come 131k. Questo collegamento documentato supporta il trasferimento di tali funzionalità a 3.2, preservando l’aggiornamento 2506 come edizione autonoma.
L’attenzione al rispetto delle istruzioni conta quando il risultato ha più requisiti esatti. Fornisci il materiale sorgente, elenca le regole che l’output deve soddisfare e specifica l’elaborato da restituire. Una richiesta di estrazione documentale può imporre campi specificati, identificatori originali, una rappresentazione definita dei valori mancanti e nessuna prosa fuori dal record. Un compito di scrittura può richiedere un pubblico particolare e un ordine delle sezioni, mantenendo invariate le condizioni fornite.
La modifica sulle ripetizioni riguarda il comportamento di generazione, non aggiunge una nuova modalità di ragionamento. Per una risposta lunga, definisci le sezioni richieste e lo scopo di ciascuna, così la richiesta ha un punto di arresto chiaro. La modifica al template delle funzioni riguarda la rappresentazione della conversazione abilitata agli strumenti; usa le impostazioni di conversazione e tokenizer dell’edizione corrispondente, anziché trattare un vecchio esempio di formattazione come intercambiabile.
Compiti visivi e multilingue
La funzionalità visiva ereditata consente di abbinare una domanda testuale a un’immagine. Fornisci una pagina, un grafico o un diagramma leggibili e identifica il dettaglio necessario al compito. Per confrontare un grafico, conserva assi, unità e legenda e chiedi l’osservazione che supporta ogni conclusione. Per un campo documentale, mantieni etichetta e contesto circostante, affinché il valore restituito possa essere interpretato correttamente.
La copertura linguistica documentata include russo, inglese, francese, tedesco, spagnolo, italiano, portoghese, cinese, giapponese, coreano, arabo, farsi, hindi, bengalese e altre lingue elencate dal produttore. Specifica la lingua finale e la terminologia che deve restare invariata. Un compito documentale bilingue può preservare identificatori e unità adattando la spiegazione circostante al lettore.
Per un’estrazione visiva pratica, chiedi identificatore del documento, etichetta del campo, testo estratto e parte dell’immagine che lo supporta. Una spiegazione può seguire separatamente se il lettore necessita di interpretazione. Questo evita che trascrizione, campi strutturati e conclusione del modello diventino un unico risultato indistinguibile.
Istruzioni di sistema e strumenti
La scheda 3.2 raccomanda un prompt di sistema adattato al caso d’uso e una temperatura relativamente bassa, come 0.15. Imposta esplicitamente ruolo dell’assistente, regole della risposta e trattamento del materiale sorgente. Inserisci il documento o codice effettivo con il compito dell’utente, preservando il confine tra le istruzioni sulla risposta e quelle citate all’interno della fonte.
Le chiamate di funzione richiedono che l’applicazione fornisca descrizioni degli strumenti e argomenti obbligatori. Il modello prepara una chiamata, l’applicazione esegue la funzione e restituisce il risultato, e la risposta successiva usa quelle informazioni. Gli esempi rilasciati includono ragionamento visivo, chiamate di strumenti e istruzioni solo testuali. Un compito di ricerca può quindi chiedere al modello di selezionare un’operazione descritta, lasciando la ricerca effettiva e il relativo risultato all’applicazione circostante.
Per una richiesta di programmazione, fornisci la funzione pertinente, l’input che rivela il problema e il comportamento che deve risultarne. Chiedi una correzione proposta che preservi l’interfaccia originale, poi esempi che distinguano il comportamento previsto. Per una richiesta matematica, definisci variabili e ipotesi e chiedi i passaggi importanti giustificati e un’espressione finale separata. Sono applicazioni delle capacità ereditate di programmazione e ragionamento; l’esecuzione del codice proposto resta un passaggio separato.
Contesto e limiti dell’edizione
Usa la finestra di 128k per brani sorgente, immagini, conversazione e risposta attesa insieme. Un confronto di documenti ampi può conservare sezioni correlate e restituire una breve matrice di risultati. Un’elevata disponibilità configurata di immagini o un valore di generazione presente in un esempio di erogazione non sono capacità massime dichiarate autonomamente per il modello.
Small 3.2 è un aggiornamento del modello basato su istruzioni con input visivo documentato, non Small 3 2501 solo testuale né il rilascio ibrido Small 4 per il ragionamento. La scheda del produttore non fornisce un limite rigido separato dei token di output per questa voce. Conserva l’identità esatta 2506 e la sua formattazione e definisci il record strutturato, la spiegazione o la proposta di codice necessari al passaggio successivo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K token Output · Token in output $0.0006 / 1K token Input · Lettura dalla cache $0.00002 / 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 $0.0002 / 1K token Output · Token in output $0.0006 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-small-3.2-24b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-small-3.2-24b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-small-3.2-24b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-small-3.2-24b-instruct
Usa i percorsi dei metodi indicati sopra.
mistralai/mistral-small-3.2-24b-instructMistral Small 3.2 24B Instruct è un modello basato su istruzioni per testo e immagini con un contesto di 128k dichiarato dal produttore. L’aggiornamento 2506 migliora specificamente il rispetto preciso delle istruzioni, riduce le ripetizioni e rafforza il template delle chiamate di funzione, mantenendo le funzionalità principali di Small 3.1.
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 Small 3.2 24B Instruct 2506 è un aggiornamento mirato di Mistral Small 3.1 24B Instruct 2503. Il produttore identifica tre modifiche specifiche: seguire più fedelmente istruzioni precise, ridurre risposte ripetitive o incontrollate e rendere più robusto il template delle chiamate di funzione. Il modello resta ottimizzato per seguire istruzioni con testo e immagini e genera testo; non è una nuova edizione per audio o generazione di immagini.
Cosa cambia e cosa viene mantenuto
La scheda 3.2 afferma esplicitamente che le funzionalità principali sono le stesse del rilascio denominato Small 3.1. Comprendono visione, lavoro multilingue, supporto ai prompt di sistema, chiamate di funzione native, output JSON e una finestra di contesto di 128k. La scheda 3.1 citata descrive un modello da 24 miliardi di parametri e un tokenizer Tekken con vocabolario indicato come 131k. Questo collegamento documentato supporta il trasferimento di tali funzionalità a 3.2, preservando l’aggiornamento 2506 come edizione autonoma.
L’attenzione al rispetto delle istruzioni conta quando il risultato ha più requisiti esatti. Fornisci il materiale sorgente, elenca le regole che l’output deve soddisfare e specifica l’elaborato da restituire. Una richiesta di estrazione documentale può imporre campi specificati, identificatori originali, una rappresentazione definita dei valori mancanti e nessuna prosa fuori dal record. Un compito di scrittura può richiedere un pubblico particolare e un ordine delle sezioni, mantenendo invariate le condizioni fornite.
La modifica sulle ripetizioni riguarda il comportamento di generazione, non aggiunge una nuova modalità di ragionamento. Per una risposta lunga, definisci le sezioni richieste e lo scopo di ciascuna, così la richiesta ha un punto di arresto chiaro. La modifica al template delle funzioni riguarda la rappresentazione della conversazione abilitata agli strumenti; usa le impostazioni di conversazione e tokenizer dell’edizione corrispondente, anziché trattare un vecchio esempio di formattazione come intercambiabile.
Compiti visivi e multilingue
La funzionalità visiva ereditata consente di abbinare una domanda testuale a un’immagine. Fornisci una pagina, un grafico o un diagramma leggibili e identifica il dettaglio necessario al compito. Per confrontare un grafico, conserva assi, unità e legenda e chiedi l’osservazione che supporta ogni conclusione. Per un campo documentale, mantieni etichetta e contesto circostante, affinché il valore restituito possa essere interpretato correttamente.
La copertura linguistica documentata include russo, inglese, francese, tedesco, spagnolo, italiano, portoghese, cinese, giapponese, coreano, arabo, farsi, hindi, bengalese e altre lingue elencate dal produttore. Specifica la lingua finale e la terminologia che deve restare invariata. Un compito documentale bilingue può preservare identificatori e unità adattando la spiegazione circostante al lettore.
Per un’estrazione visiva pratica, chiedi identificatore del documento, etichetta del campo, testo estratto e parte dell’immagine che lo supporta. Una spiegazione può seguire separatamente se il lettore necessita di interpretazione. Questo evita che trascrizione, campi strutturati e conclusione del modello diventino un unico risultato indistinguibile.
Istruzioni di sistema e strumenti
La scheda 3.2 raccomanda un prompt di sistema adattato al caso d’uso e una temperatura relativamente bassa, come 0.15. Imposta esplicitamente ruolo dell’assistente, regole della risposta e trattamento del materiale sorgente. Inserisci il documento o codice effettivo con il compito dell’utente, preservando il confine tra le istruzioni sulla risposta e quelle citate all’interno della fonte.
Le chiamate di funzione richiedono che l’applicazione fornisca descrizioni degli strumenti e argomenti obbligatori. Il modello prepara una chiamata, l’applicazione esegue la funzione e restituisce il risultato, e la risposta successiva usa quelle informazioni. Gli esempi rilasciati includono ragionamento visivo, chiamate di strumenti e istruzioni solo testuali. Un compito di ricerca può quindi chiedere al modello di selezionare un’operazione descritta, lasciando la ricerca effettiva e il relativo risultato all’applicazione circostante.
Per una richiesta di programmazione, fornisci la funzione pertinente, l’input che rivela il problema e il comportamento che deve risultarne. Chiedi una correzione proposta che preservi l’interfaccia originale, poi esempi che distinguano il comportamento previsto. Per una richiesta matematica, definisci variabili e ipotesi e chiedi i passaggi importanti giustificati e un’espressione finale separata. Sono applicazioni delle capacità ereditate di programmazione e ragionamento; l’esecuzione del codice proposto resta un passaggio separato.
Contesto e limiti dell’edizione
Usa la finestra di 128k per brani sorgente, immagini, conversazione e risposta attesa insieme. Un confronto di documenti ampi può conservare sezioni correlate e restituire una breve matrice di risultati. Un’elevata disponibilità configurata di immagini o un valore di generazione presente in un esempio di erogazione non sono capacità massime dichiarate autonomamente per il modello.
Small 3.2 è un aggiornamento del modello basato su istruzioni con input visivo documentato, non Small 3 2501 solo testuale né il rilascio ibrido Small 4 per il ragionamento. La scheda del produttore non fornisce un limite rigido separato dei token di output per questa voce. Conserva l’identità esatta 2506 e la sua formattazione e definisci il record strutturato, la spiegazione o la proposta di codice necessari al passaggio successivo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K token Output · Token in output $0.0006 / 1K token Input · Lettura dalla cache $0.00002 / 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 $0.0002 / 1K token Output · Token in output $0.0006 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "mistralai/mistral-small-3.2-24b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-small-3.2-24b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-small-3.2-24b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-small-3.2-24b-instruct
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.