Pixtral Large è il modello multimodale di Mistral AI costruito su Mistral Large 2. Combina un decoder multimodale da 123 miliardi di parametri con un encoder visivo da un miliardo di parametri, per un modello da 124 miliardi di parametri. Lo scopo è conservare una capacità linguistica sostanziale comprendendo al contempo le prove visive necessarie a una risposta: una pagina di documento, un grafico, una fotografia o una schermata. Gli input possono combinare testo e immagini; il risultato è testo.
Mistral descrive una finestra di contesto di 128K token e afferma che può contenere almeno 30 immagini ad alta risoluzione. Questa dichiarazione descrive la capacità di contesto, non un'impostazione universale del numero di immagini per richiesta. Il valore pratico è poter mettere in relazione più fonti visive con una domanda. Un'attività di confronto utile potrebbe fornire pagine etichettate di due rapporti e chiedere quali cifre, etichette e conclusioni differiscano. Mantieni insieme il testo della domanda, il ruolo di ogni immagine e la struttura richiesta per la risposta.
Il produttore illustra lettura di testo multilingue, domande su documenti, interpretazione di grafici e normale comprensione di immagini. Per un assistente documentale, richiedi nomi e valori dei campi visibili, una descrizione dell'impaginazione o una spiegazione che colleghi il testo a una tabella o figura. Per un grafico, specifica gli assi, le serie o l'intervallo da esaminare. Una richiesta esemplificativa è: «Confronta questi grafici. Separa i valori leggibili direttamente dalle interpretazioni, identifica il cambiamento mostrato ed elenca le informazioni necessarie a verificare la conclusione». Il risultato potrebbe essere una tabella di campi, un insieme di osservazioni o una spiegazione scritta.
La scheda del modello dedica particolare attenzione al prompt di sistema. Mistral raccomanda di includere un'istruzione che definisca lo scopo dell'assistente, anche se breve. È utile per un'attività visiva perché la stessa immagine può sostenere incarichi diversi: estrarre voci, descrivere una scena, spiegare un diagramma o confrontarlo con un requisito scritto. Indica l'incarico e le regole per i dettagli incerti o illeggibili. Quando fornisci più immagini, etichettale e identificane l'ordine o la relazione, così che la risposta possa collegare le osservazioni al materiale corretto.
La pagina del modello di Mistral elenca risposte a domande su documenti, output strutturati e chiamate a funzioni. L'interfaccia del produttore supporta anche l'elaborazione batch. Le indicazioni sull'output strutturato distinguono un formato di oggetto JSON da uno schema personalizzato; la modalità JSON richiede comunque un'istruzione esplicita a produrre JSON. Per l'estrazione, definisci campi, trattamento dei valori mancanti e differenza tra testo trascritto e conclusione. Una risposta strutturata è utile quando un'applicazione deve elaborare il risultato, mentre una spiegazione libera è utile quando una persona deve comprendere il ragionamento alla sua base.
Per le chiamate a funzioni, l'applicazione fornisce le definizioni degli strumenti e il modello propone una funzione con argomenti. Il flusso Mistral prevede poi che l'applicazione esegua l'operazione e ne restituisca il risultato prima che il modello scriva la risposta successiva. Un flusso documentale potrebbe usare uno strumento per cercare un identificativo letto da un'immagine, quindi richiedere una spiegazione usando il record restituito. Il modello visivo non acquisisce accesso arbitrario a dati esterni solo perché un'immagine menziona un record: l'operazione consentita e il suo risultato provengono dall'applicazione.
Il produttore elenca anche le funzionalità di output previsto e prefisso. Gli output previsti consentono al chiamante di fornire il testo atteso quando rigenera un documento o un file di codice con una piccola modifica; un prefisso definisce il testo iniziale della risposta. Sono controlli di preparazione distinti, non modalità visive aggiuntive. L'output utile resta una descrizione, estrazione o spiegazione testuale, non un'immagine appena renderizzata. Scegli immagini originali chiare, specifica cosa vada conservato e verifica le letture critiche sulla pagina originale.
L'etichetta latest è un alias di famiglia, mentre Pixtral-Large-Instruct-2411 è la versione fissa del produttore documentata dalla scheda del modello. Mantieni distinti questi nomi quando prepari un'attività ripetibile. Il valore di contesto pubblicato descrive il modello del produttore; le pagine consultate non stabiliscono un tetto universale separato per i token di output. Seleziona insieme l'insieme di immagini, la domanda testuale e la lunghezza desiderata della risposta e mantieni separati i limiti delle richieste specifici di versione dalle capacità visive generali descritte qui.
", "aboutText": "Pixtral Large è il modello multimodale di Mistral AI costruito su Mistral Large 2. Combina un decoder multimodale da 123 miliardi di parametri con un encoder visivo da un miliardo di parametri, per un modello da 124 miliardi di parametri. Lo scopo è conservare una capacità linguistica sostanziale comprendendo al contempo le prove visive necessarie a una risposta: una pagina di documento, un grafico, una fotografia o una schermata. Gli input possono combinare testo e immagini; il risultato è testo.\n\nMistral descrive una finestra di contesto di 128K token e afferma che può contenere almeno 30 immagini ad alta risoluzione. Questa dichiarazione descrive la capacità di contesto, non un'impostazione universale del numero di immagini per richiesta. Il valore pratico è poter mettere in relazione più fonti visive con una domanda. Un'attività di confronto utile potrebbe fornire pagine etichettate di due rapporti e chiedere quali cifre, etichette e conclusioni differiscano. Mantieni insieme il testo della domanda, il ruolo di ogni immagine e la struttura richiesta per la risposta.\n\nIl produttore illustra lettura di testo multilingue, domande su documenti, interpretazione di grafici e normale comprensione di immagini. Per un assistente documentale, richiedi nomi e valori dei campi visibili, una descrizione dell'impaginazione o una spiegazione che colleghi il testo a una tabella o figura. Per un grafico, specifica gli assi, le serie o l'intervallo da esaminare. Una richiesta esemplificativa è: «Confronta questi grafici. Separa i valori leggibili direttamente dalle interpretazioni, identifica il cambiamento mostrato ed elenca le informazioni necessarie a verificare la conclusione». Il risultato potrebbe essere una tabella di campi, un insieme di osservazioni o una spiegazione scritta.\n\nLa scheda del modello dedica particolare attenzione al prompt di sistema. Mistral raccomanda di includere un'istruzione che definisca lo scopo dell'assistente, anche se breve. È utile per un'attività visiva perché la stessa immagine può sostenere incarichi diversi: estrarre voci, descrivere una scena, spiegare un diagramma o confrontarlo con un requisito scritto. Indica l'incarico e le regole per i dettagli incerti o illeggibili. Quando fornisci più immagini, etichettale e identificane l'ordine o la relazione, così che la risposta possa collegare le osservazioni al materiale corretto.\n\nLa pagina del modello di Mistral elenca risposte a domande su documenti, output strutturati e chiamate a funzioni. L'interfaccia del produttore supporta anche l'elaborazione batch. Le indicazioni sull'output strutturato distinguono un formato di oggetto JSON da uno schema personalizzato; la modalità JSON richiede comunque un'istruzione esplicita a produrre JSON. Per l'estrazione, definisci campi, trattamento dei valori mancanti e differenza tra testo trascritto e conclusione. Una risposta strutturata è utile quando un'applicazione deve elaborare il risultato, mentre una spiegazione libera è utile quando una persona deve comprendere il ragionamento alla sua base.\n\nPer le chiamate a funzioni, l'applicazione fornisce le definizioni degli strumenti e il modello propone una funzione con argomenti. Il flusso Mistral prevede poi che l'applicazione esegua l'operazione e ne restituisca il risultato prima che il modello scriva la risposta successiva. Un flusso documentale potrebbe usare uno strumento per cercare un identificativo letto da un'immagine, quindi richiedere una spiegazione usando il record restituito. Il modello visivo non acquisisce accesso arbitrario a dati esterni solo perché un'immagine menziona un record: l'operazione consentita e il suo risultato provengono dall'applicazione.\n\nIl produttore elenca anche le funzionalità di output previsto e prefisso. Gli output previsti consentono al chiamante di fornire il testo atteso quando rigenera un documento o un file di codice con una piccola modifica; un prefisso definisce il testo iniziale della risposta. Sono controlli di preparazione distinti, non modalità visive aggiuntive. L'output utile resta una descrizione, estrazione o spiegazione testuale, non un'immagine appena renderizzata. Scegli immagini originali chiare, specifica cosa vada conservato e verifica le letture critiche sulla pagina originale.\n\nL'etichetta latest è un alias di famiglia, mentre Pixtral-Large-Instruct-2411 è la versione fissa del produttore documentata dalla scheda del modello. Mantieni distinti questi nomi quando prepari un'attività ripetibile. Il valore di contesto pubblicato descrive il modello del produttore; le pagine consultate non stabiliscono un tetto universale separato per i token di output. Seleziona insieme l'insieme di immagini, la domanda testuale e la lunghezza desiderata della risposta e mantieni separati i limiti delle richieste specifici di versione dalle capacità visive generali descritte qui.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.pixtral-large-latestPixtral Large combina le capacità linguistiche di Mistral con la comprensione delle immagini per documenti, grafici e fotografie. Produce risposte testuali e supporta risultati strutturati e strumenti definiti dall'applicazione nelle interfacce documentate dal produttore.
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.
Pixtral Large è il modello multimodale di Mistral AI costruito su Mistral Large 2. Combina un decoder multimodale da 123 miliardi di parametri con un encoder visivo da un miliardo di parametri, per un modello da 124 miliardi di parametri. Lo scopo è conservare una capacità linguistica sostanziale comprendendo al contempo le prove visive necessarie a una risposta: una pagina di documento, un grafico, una fotografia o una schermata. Gli input possono combinare testo e immagini; il risultato è testo.
Mistral descrive una finestra di contesto di 128K token e afferma che può contenere almeno 30 immagini ad alta risoluzione. Questa dichiarazione descrive la capacità di contesto, non un'impostazione universale del numero di immagini per richiesta. Il valore pratico è poter mettere in relazione più fonti visive con una domanda. Un'attività di confronto utile potrebbe fornire pagine etichettate di due rapporti e chiedere quali cifre, etichette e conclusioni differiscano. Mantieni insieme il testo della domanda, il ruolo di ogni immagine e la struttura richiesta per la risposta.
Il produttore illustra lettura di testo multilingue, domande su documenti, interpretazione di grafici e normale comprensione di immagini. Per un assistente documentale, richiedi nomi e valori dei campi visibili, una descrizione dell'impaginazione o una spiegazione che colleghi il testo a una tabella o figura. Per un grafico, specifica gli assi, le serie o l'intervallo da esaminare. Una richiesta esemplificativa è: «Confronta questi grafici. Separa i valori leggibili direttamente dalle interpretazioni, identifica il cambiamento mostrato ed elenca le informazioni necessarie a verificare la conclusione». Il risultato potrebbe essere una tabella di campi, un insieme di osservazioni o una spiegazione scritta.
La scheda del modello dedica particolare attenzione al prompt di sistema. Mistral raccomanda di includere un'istruzione che definisca lo scopo dell'assistente, anche se breve. È utile per un'attività visiva perché la stessa immagine può sostenere incarichi diversi: estrarre voci, descrivere una scena, spiegare un diagramma o confrontarlo con un requisito scritto. Indica l'incarico e le regole per i dettagli incerti o illeggibili. Quando fornisci più immagini, etichettale e identificane l'ordine o la relazione, così che la risposta possa collegare le osservazioni al materiale corretto.
La pagina del modello di Mistral elenca risposte a domande su documenti, output strutturati e chiamate a funzioni. L'interfaccia del produttore supporta anche l'elaborazione batch. Le indicazioni sull'output strutturato distinguono un formato di oggetto JSON da uno schema personalizzato; la modalità JSON richiede comunque un'istruzione esplicita a produrre JSON. Per l'estrazione, definisci campi, trattamento dei valori mancanti e differenza tra testo trascritto e conclusione. Una risposta strutturata è utile quando un'applicazione deve elaborare il risultato, mentre una spiegazione libera è utile quando una persona deve comprendere il ragionamento alla sua base.
Per le chiamate a funzioni, l'applicazione fornisce le definizioni degli strumenti e il modello propone una funzione con argomenti. Il flusso Mistral prevede poi che l'applicazione esegua l'operazione e ne restituisca il risultato prima che il modello scriva la risposta successiva. Un flusso documentale potrebbe usare uno strumento per cercare un identificativo letto da un'immagine, quindi richiedere una spiegazione usando il record restituito. Il modello visivo non acquisisce accesso arbitrario a dati esterni solo perché un'immagine menziona un record: l'operazione consentita e il suo risultato provengono dall'applicazione.
Il produttore elenca anche le funzionalità di output previsto e prefisso. Gli output previsti consentono al chiamante di fornire il testo atteso quando rigenera un documento o un file di codice con una piccola modifica; un prefisso definisce il testo iniziale della risposta. Sono controlli di preparazione distinti, non modalità visive aggiuntive. L'output utile resta una descrizione, estrazione o spiegazione testuale, non un'immagine appena renderizzata. Scegli immagini originali chiare, specifica cosa vada conservato e verifica le letture critiche sulla pagina originale.
L'etichetta latest è un alias di famiglia, mentre Pixtral-Large-Instruct-2411 è la versione fissa del produttore documentata dalla scheda del modello. Mantieni distinti questi nomi quando prepari un'attività ripetibile. Il valore di contesto pubblicato descrive il modello del produttore; le pagine consultate non stabiliscono un tetto universale separato per i token di output. Seleziona insieme l'insieme di immagini, la domanda testuale e la lunghezza desiderata della risposta e mantieni separati i limiti delle richieste specifici di versione dalle capacità visive generali descritte qui.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti pixtral-large-latest | 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.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.0044 / 1K token Output · Token in output $0.0132 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "pixtral-large-latest", "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='pixtral-large-latest',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='pixtral-large-latest',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 pixtral-large-latest
Usa i percorsi dei metodi indicati sopra.
pixtral-large-latestPixtral Large combina le capacità linguistiche di Mistral con la comprensione delle immagini per documenti, grafici e fotografie. Produce risposte testuali e supporta risultati strutturati e strumenti definiti dall'applicazione nelle interfacce documentate dal produttore.
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.
Pixtral Large è il modello multimodale di Mistral AI costruito su Mistral Large 2. Combina un decoder multimodale da 123 miliardi di parametri con un encoder visivo da un miliardo di parametri, per un modello da 124 miliardi di parametri. Lo scopo è conservare una capacità linguistica sostanziale comprendendo al contempo le prove visive necessarie a una risposta: una pagina di documento, un grafico, una fotografia o una schermata. Gli input possono combinare testo e immagini; il risultato è testo.
Mistral descrive una finestra di contesto di 128K token e afferma che può contenere almeno 30 immagini ad alta risoluzione. Questa dichiarazione descrive la capacità di contesto, non un'impostazione universale del numero di immagini per richiesta. Il valore pratico è poter mettere in relazione più fonti visive con una domanda. Un'attività di confronto utile potrebbe fornire pagine etichettate di due rapporti e chiedere quali cifre, etichette e conclusioni differiscano. Mantieni insieme il testo della domanda, il ruolo di ogni immagine e la struttura richiesta per la risposta.
Il produttore illustra lettura di testo multilingue, domande su documenti, interpretazione di grafici e normale comprensione di immagini. Per un assistente documentale, richiedi nomi e valori dei campi visibili, una descrizione dell'impaginazione o una spiegazione che colleghi il testo a una tabella o figura. Per un grafico, specifica gli assi, le serie o l'intervallo da esaminare. Una richiesta esemplificativa è: «Confronta questi grafici. Separa i valori leggibili direttamente dalle interpretazioni, identifica il cambiamento mostrato ed elenca le informazioni necessarie a verificare la conclusione». Il risultato potrebbe essere una tabella di campi, un insieme di osservazioni o una spiegazione scritta.
La scheda del modello dedica particolare attenzione al prompt di sistema. Mistral raccomanda di includere un'istruzione che definisca lo scopo dell'assistente, anche se breve. È utile per un'attività visiva perché la stessa immagine può sostenere incarichi diversi: estrarre voci, descrivere una scena, spiegare un diagramma o confrontarlo con un requisito scritto. Indica l'incarico e le regole per i dettagli incerti o illeggibili. Quando fornisci più immagini, etichettale e identificane l'ordine o la relazione, così che la risposta possa collegare le osservazioni al materiale corretto.
La pagina del modello di Mistral elenca risposte a domande su documenti, output strutturati e chiamate a funzioni. L'interfaccia del produttore supporta anche l'elaborazione batch. Le indicazioni sull'output strutturato distinguono un formato di oggetto JSON da uno schema personalizzato; la modalità JSON richiede comunque un'istruzione esplicita a produrre JSON. Per l'estrazione, definisci campi, trattamento dei valori mancanti e differenza tra testo trascritto e conclusione. Una risposta strutturata è utile quando un'applicazione deve elaborare il risultato, mentre una spiegazione libera è utile quando una persona deve comprendere il ragionamento alla sua base.
Per le chiamate a funzioni, l'applicazione fornisce le definizioni degli strumenti e il modello propone una funzione con argomenti. Il flusso Mistral prevede poi che l'applicazione esegua l'operazione e ne restituisca il risultato prima che il modello scriva la risposta successiva. Un flusso documentale potrebbe usare uno strumento per cercare un identificativo letto da un'immagine, quindi richiedere una spiegazione usando il record restituito. Il modello visivo non acquisisce accesso arbitrario a dati esterni solo perché un'immagine menziona un record: l'operazione consentita e il suo risultato provengono dall'applicazione.
Il produttore elenca anche le funzionalità di output previsto e prefisso. Gli output previsti consentono al chiamante di fornire il testo atteso quando rigenera un documento o un file di codice con una piccola modifica; un prefisso definisce il testo iniziale della risposta. Sono controlli di preparazione distinti, non modalità visive aggiuntive. L'output utile resta una descrizione, estrazione o spiegazione testuale, non un'immagine appena renderizzata. Scegli immagini originali chiare, specifica cosa vada conservato e verifica le letture critiche sulla pagina originale.
L'etichetta latest è un alias di famiglia, mentre Pixtral-Large-Instruct-2411 è la versione fissa del produttore documentata dalla scheda del modello. Mantieni distinti questi nomi quando prepari un'attività ripetibile. Il valore di contesto pubblicato descrive il modello del produttore; le pagine consultate non stabiliscono un tetto universale separato per i token di output. Seleziona insieme l'insieme di immagini, la domanda testuale e la lunghezza desiderata della risposta e mantieni separati i limiti delle richieste specifici di versione dalle capacità visive generali descritte qui.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti pixtral-large-latest | 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.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.0044 / 1K token Output · Token in output $0.0132 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "pixtral-large-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'pixtral-large-latest', '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': 'pixtral-large-latest', '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 pixtral-large-latest
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.