Mistral Mediumは、アプリケーションのアシスタント、文書作業、ソフトウェアエージェント向けのMistral AIのファミリーです。Medium 3.5版は、1,280億パラメータと256Kのコンテキストウィンドウを備えた密モデルに、指示追従、推論、コーディングを組み合わせています。テキストと視覚資料を理解し、テキスト、コード、構造化された結果を生成します。視覚エンコーダーはさまざまな画像サイズと縦横比に対応するよう学習されており、文章の要件とスクリーンショット、文書ページ、その他の視覚的根拠を組み合わせられます。
機能の中心となるのは構造化出力と関数呼び出しです。JSON出力は、応答を機械可読の構造に保つ必要がある場合に有用です。カスタムスキーマは必須フィールドとその型を定義します。文書のタスクでは、抽出した事実の表、節の比較、未解決の質問を含む要約を返せます。文書への質問応答は、文書の文章・構造の抽出と言語モデルの理解を組み合わせるため、自由な推測ではなく関連する内容に質問を結び付けられます。
ツールを使うタスクでは、アプリケーションが関数と受け付ける引数を説明します。モデルが関数を選び、引数を準備し、アプリケーションによる実行後に結果を受け取ります。その後、別のツール呼び出しか最終回答へ会話を進められます。並列ツール利用では、アプリケーションが許可する範囲で独立した呼び出しをまとめて要求できます。ツール選択の制御では、モデルに判断を任せる、ツールを必須にする、タスクをテキスト回答内に収める、といった指定ができます。
Medium 3.5は、リクエストごとに推論の労力を調整します。思考を最小限にする設定は直接回答し、高い労力の設定は最終回答の前に推論部分を含み、エージェントやコーディングのタスクに推奨されます。複数ターンの推論会話では、完全なアシスタントメッセージにより、後続作業に必要な情報を保持します。predicted outputsは既知の文章を含むコードや文書の修正を助け、プレフィックスの指定で回答の冒頭を固定できます。バッチのワークフローは、独立したリクエストの集合を非同期に処理できます。
この版は、多くの手順にわたって継続する作業向けに設計されています。コーディングの例には、モジュールのリファクタリング、不具合修正、確認処理の生成、依存関係の更新、失敗した開発ワークフローの調査があります。有用な依頼には、影響するファイル、求める動作、明確な完了条件を含めます。モデルはリポジトリの調査やアプリケーションが実行した確認の結果を使い、解決案を修正できます。ツールとファイルアクセスは、周辺のエージェント環境が制御します。
知識業務について、開発元は調査、情報の統合、接続されたツールを横断するワークフローを説明しています。Ailoot APIのタスクでは、提示した文書から組み立てる構造化された概要、技術的な選択肢の比較、取得情報に基づく草案を求められます。どの観測が結論を支えるか、どの成果物でタスクを完了するかを指定してください。モデルは推論と結果を準備し、アプリケーションが情報へのアクセスを提供し、操作を実行し、成果物を提示します。Mediumというファミリー名は更新に追従する選択であり、ここで説明した数値上のアーキテクチャ、視覚処理、推論モードは、明記したMedium 3.5版の特性です。
", "aboutText": "Mistral Mediumは、アプリケーションのアシスタント、文書作業、ソフトウェアエージェント向けのMistral AIのファミリーです。Medium 3.5版は、1,280億パラメータと256Kのコンテキストウィンドウを備えた密モデルに、指示追従、推論、コーディングを組み合わせています。テキストと視覚資料を理解し、テキスト、コード、構造化された結果を生成します。視覚エンコーダーはさまざまな画像サイズと縦横比に対応するよう学習されており、文章の要件とスクリーンショット、文書ページ、その他の視覚的根拠を組み合わせられます。\n\n機能の中心となるのは構造化出力と関数呼び出しです。JSON出力は、応答を機械可読の構造に保つ必要がある場合に有用です。カスタムスキーマは必須フィールドとその型を定義します。文書のタスクでは、抽出した事実の表、節の比較、未解決の質問を含む要約を返せます。文書への質問応答は、文書の文章・構造の抽出と言語モデルの理解を組み合わせるため、自由な推測ではなく関連する内容に質問を結び付けられます。\n\nツールを使うタスクでは、アプリケーションが関数と受け付ける引数を説明します。モデルが関数を選び、引数を準備し、アプリケーションによる実行後に結果を受け取ります。その後、別のツール呼び出しか最終回答へ会話を進められます。並列ツール利用では、アプリケーションが許可する範囲で独立した呼び出しをまとめて要求できます。ツール選択の制御では、モデルに判断を任せる、ツールを必須にする、タスクをテキスト回答内に収める、といった指定ができます。\n\nMedium 3.5は、リクエストごとに推論の労力を調整します。思考を最小限にする設定は直接回答し、高い労力の設定は最終回答の前に推論部分を含み、エージェントやコーディングのタスクに推奨されます。複数ターンの推論会話では、完全なアシスタントメッセージにより、後続作業に必要な情報を保持します。predicted outputsは既知の文章を含むコードや文書の修正を助け、プレフィックスの指定で回答の冒頭を固定できます。バッチのワークフローは、独立したリクエストの集合を非同期に処理できます。\n\nこの版は、多くの手順にわたって継続する作業向けに設計されています。コーディングの例には、モジュールのリファクタリング、不具合修正、確認処理の生成、依存関係の更新、失敗した開発ワークフローの調査があります。有用な依頼には、影響するファイル、求める動作、明確な完了条件を含めます。モデルはリポジトリの調査やアプリケーションが実行した確認の結果を使い、解決案を修正できます。ツールとファイルアクセスは、周辺のエージェント環境が制御します。\n\n知識業務について、開発元は調査、情報の統合、接続されたツールを横断するワークフローを説明しています。Ailoot APIのタスクでは、提示した文書から組み立てる構造化された概要、技術的な選択肢の比較、取得情報に基づく草案を求められます。どの観測が結論を支えるか、どの成果物でタスクを完了するかを指定してください。モデルは推論と結果を準備し、アプリケーションが情報へのアクセスを提供し、操作を実行し、成果物を提示します。Mediumというファミリー名は更新に追従する選択であり、ここで説明した数値上のアーキテクチャ、視覚処理、推論モードは、明記したMedium 3.5版の特性です。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Extract obligations from a supplier note\n\nPrepare a document brief from this note: 'The supplier will send samples by 6 June. The buyer must approve the color before production starts. The production lead time is 20 business days after approval. No shipping date has been agreed.' Return obligations, dependency and unresolved information, preserving the distinction between sample delivery and production timing.A concise obligation table and a separate list of unresolved scheduling information.The brief does not calculate an agreed shipping date from a production lead time alone.mistral-medium-latestMistral AIのMediumファミリーは、文書理解、コーディング、ツールを使って複数の手順を進めるエージェントに対応します。Medium 3.5版は、256Kのコンテキストウィンドウを備えたマルチモーダルモデルで、指示追従と調整可能な推論を組み合わせています。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Mistral Mediumは、アプリケーションのアシスタント、文書作業、ソフトウェアエージェント向けのMistral AIのファミリーです。Medium 3.5版は、1,280億パラメータと256Kのコンテキストウィンドウを備えた密モデルに、指示追従、推論、コーディングを組み合わせています。テキストと視覚資料を理解し、テキスト、コード、構造化された結果を生成します。視覚エンコーダーはさまざまな画像サイズと縦横比に対応するよう学習されており、文章の要件とスクリーンショット、文書ページ、その他の視覚的根拠を組み合わせられます。
機能の中心となるのは構造化出力と関数呼び出しです。JSON出力は、応答を機械可読の構造に保つ必要がある場合に有用です。カスタムスキーマは必須フィールドとその型を定義します。文書のタスクでは、抽出した事実の表、節の比較、未解決の質問を含む要約を返せます。文書への質問応答は、文書の文章・構造の抽出と言語モデルの理解を組み合わせるため、自由な推測ではなく関連する内容に質問を結び付けられます。
ツールを使うタスクでは、アプリケーションが関数と受け付ける引数を説明します。モデルが関数を選び、引数を準備し、アプリケーションによる実行後に結果を受け取ります。その後、別のツール呼び出しか最終回答へ会話を進められます。並列ツール利用では、アプリケーションが許可する範囲で独立した呼び出しをまとめて要求できます。ツール選択の制御では、モデルに判断を任せる、ツールを必須にする、タスクをテキスト回答内に収める、といった指定ができます。
Medium 3.5は、リクエストごとに推論の労力を調整します。思考を最小限にする設定は直接回答し、高い労力の設定は最終回答の前に推論部分を含み、エージェントやコーディングのタスクに推奨されます。複数ターンの推論会話では、完全なアシスタントメッセージにより、後続作業に必要な情報を保持します。predicted outputsは既知の文章を含むコードや文書の修正を助け、プレフィックスの指定で回答の冒頭を固定できます。バッチのワークフローは、独立したリクエストの集合を非同期に処理できます。
この版は、多くの手順にわたって継続する作業向けに設計されています。コーディングの例には、モジュールのリファクタリング、不具合修正、確認処理の生成、依存関係の更新、失敗した開発ワークフローの調査があります。有用な依頼には、影響するファイル、求める動作、明確な完了条件を含めます。モデルはリポジトリの調査やアプリケーションが実行した確認の結果を使い、解決案を修正できます。ツールとファイルアクセスは、周辺のエージェント環境が制御します。
知識業務について、開発元は調査、情報の統合、接続されたツールを横断するワークフローを説明しています。Ailoot APIのタスクでは、提示した文書から組み立てる構造化された概要、技術的な選択肢の比較、取得情報に基づく草案を求められます。どの観測が結論を支えるか、どの成果物でタスクを完了するかを指定してください。モデルは推論と結果を準備し、アプリケーションが情報へのアクセスを提供し、操作を実行し、成果物を提示します。Mediumというファミリー名は更新に追従する選択であり、ここで説明した数値上のアーキテクチャ、視覚処理、推論モードは、明記したMedium 3.5版の特性です。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 mistral-medium-latest | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.00088 / 1K トークン 出力 · 出力トークン $0.0132 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistral-medium-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='mistral-medium-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='mistral-medium-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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra mistral-medium-latest
上記に表示されたメソッドパスを使用してください。
mistral-medium-latestMistral AIのMediumファミリーは、文書理解、コーディング、ツールを使って複数の手順を進めるエージェントに対応します。Medium 3.5版は、256Kのコンテキストウィンドウを備えたマルチモーダルモデルで、指示追従と調整可能な推論を組み合わせています。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Mistral Mediumは、アプリケーションのアシスタント、文書作業、ソフトウェアエージェント向けのMistral AIのファミリーです。Medium 3.5版は、1,280億パラメータと256Kのコンテキストウィンドウを備えた密モデルに、指示追従、推論、コーディングを組み合わせています。テキストと視覚資料を理解し、テキスト、コード、構造化された結果を生成します。視覚エンコーダーはさまざまな画像サイズと縦横比に対応するよう学習されており、文章の要件とスクリーンショット、文書ページ、その他の視覚的根拠を組み合わせられます。
機能の中心となるのは構造化出力と関数呼び出しです。JSON出力は、応答を機械可読の構造に保つ必要がある場合に有用です。カスタムスキーマは必須フィールドとその型を定義します。文書のタスクでは、抽出した事実の表、節の比較、未解決の質問を含む要約を返せます。文書への質問応答は、文書の文章・構造の抽出と言語モデルの理解を組み合わせるため、自由な推測ではなく関連する内容に質問を結び付けられます。
ツールを使うタスクでは、アプリケーションが関数と受け付ける引数を説明します。モデルが関数を選び、引数を準備し、アプリケーションによる実行後に結果を受け取ります。その後、別のツール呼び出しか最終回答へ会話を進められます。並列ツール利用では、アプリケーションが許可する範囲で独立した呼び出しをまとめて要求できます。ツール選択の制御では、モデルに判断を任せる、ツールを必須にする、タスクをテキスト回答内に収める、といった指定ができます。
Medium 3.5は、リクエストごとに推論の労力を調整します。思考を最小限にする設定は直接回答し、高い労力の設定は最終回答の前に推論部分を含み、エージェントやコーディングのタスクに推奨されます。複数ターンの推論会話では、完全なアシスタントメッセージにより、後続作業に必要な情報を保持します。predicted outputsは既知の文章を含むコードや文書の修正を助け、プレフィックスの指定で回答の冒頭を固定できます。バッチのワークフローは、独立したリクエストの集合を非同期に処理できます。
この版は、多くの手順にわたって継続する作業向けに設計されています。コーディングの例には、モジュールのリファクタリング、不具合修正、確認処理の生成、依存関係の更新、失敗した開発ワークフローの調査があります。有用な依頼には、影響するファイル、求める動作、明確な完了条件を含めます。モデルはリポジトリの調査やアプリケーションが実行した確認の結果を使い、解決案を修正できます。ツールとファイルアクセスは、周辺のエージェント環境が制御します。
知識業務について、開発元は調査、情報の統合、接続されたツールを横断するワークフローを説明しています。Ailoot APIのタスクでは、提示した文書から組み立てる構造化された概要、技術的な選択肢の比較、取得情報に基づく草案を求められます。どの観測が結論を支えるか、どの成果物でタスクを完了するかを指定してください。モデルは推論と結果を準備し、アプリケーションが情報へのアクセスを提供し、操作を実行し、成果物を提示します。Mediumというファミリー名は更新に追従する選択であり、ここで説明した数値上のアーキテクチャ、視覚処理、推論モードは、明記したMedium 3.5版の特性です。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 mistral-medium-latest | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.00088 / 1K トークン 出力 · 出力トークン $0.0132 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "mistral-medium-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mistral-medium-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': 'mistral-medium-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またはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra mistral-medium-latest
上記に表示されたメソッドパスを使用してください。
英語の技術例
Extract obligations from a supplier note\n\nPrepare a document brief from this note: 'The supplier will send samples by 6 June. The buyer must approve the color before production starts. The production lead time is 20 business days after approval. No shipping date has been agreed.' Return obligations, dependency and unresolved information, preserving the distinction between sample delivery and production timing.A concise obligation table and a separate list of unresolved scheduling information.The brief does not calculate an agreed shipping date from a production lead time alone.