Codestral 2508은 빈번하고 지연 시간에 민감한 코드 완성과 생성 작업을 위한 Mistral AI의 코딩 모델입니다. 소스 코드와 텍스트 요구 사항을 입력받아 구현, 완성 코드, 수정 또는 설명이 포함될 수 있는 텍스트를 반환합니다. 2508 버전은 임베딩 모델이나 그 자체로 완전한 저장소 에이전트가 아니라 개발자의 현재 편집 맥락에 초점을 맞춥니다.
코드 완성과 2508 업데이트
제조사는 Codestral을 중간 부분 채우기와 여러 줄 편집을 위한 모델로 소개합니다. 릴리스 설명에는 과도하게 이어지는 생성의 감소 등 완성 동작의 개선과 채팅 모드에서의 지시 준수 및 코드 작업 개선이 포함되어 있습니다. 이는 이 Codestral 버전의 변경 사항입니다. 주변 코딩 스택의 검색 및 자율 에이전트 기능은 별도로 명명된 구성 요소에 속합니다.
완성 작업에서는 관련 함수 시그니처, 선언, 호출 맥락을 커서 위치와 함께 유지하세요. 원하는 결과가 누락된 코드만인지 수정된 전체 함수인지 명시하세요. 편집기 방식의 요청에서는 기존 반환 유형을 보존하고 중복값을 유지하며 호출자의 입력을 변경하지 않는 반복문 본문을 요청할 수 있습니다. 그러면 결과에 구체적인 삽입 위치와 정의된 동작이 생깁니다.
중간 부분 채우기 준비
제조사의 FIM 인터페이스에서는 prompt에 완성할 텍스트나 코드를 제공하고, 선택 사항인 suffix에 빈칸 뒤의 내용을 제공합니다. 둘 다 제공하면 모델이 그 사이를 채웁니다. suffix가 없으면 prompt 뒤를 이어서 생성합니다. 이는 코드 변경과 설명을 함께 요청하는 일반적인 대화와 다르며, 각 준비 방식은 서로 다른 출력 계약을 정의합니다.
유용한 빈칸 완성 입력에는 함수의 시작 부분, 삽입 뒤에 이어져야 할 코드, 관련 유형 또는 헬퍼 정의가 포함됩니다. 반환된 텍스트가 기존 코드 조각에 들어맞도록 들여쓰기와 구분 기호를 보존하세요. 누락된 본문만 필요하다면 전체 파일 재작성 대신 해당 본문을 요청하세요. 완성된 코드 조각이 요구 사항을 충족하는 이유는 별도의 채팅 질문으로 설명받을 수 있습니다.
공식 FIM 문서에서는 출력 토큰 예산을 지정할 수 있으며 prompt와 해당 예산의 합이 모델 컨텍스트 안에 있어야 한다고 명시합니다. 중단 시퀀스와 생성 콘텐츠의 스트리밍도 문서화되어 있습니다. 결과가 코드의 빈칸에 들어맞아야 한다면 완성 워크플로를 선택하고, 코드와 설명을 함께 요구한다면 대화형 워크플로를 선택하세요.
컨텍스트와 보조 기능
모델 페이지에 기재된 컨텍스트 창은 128k입니다. 의도한 변경을 결정하는 소스와 선언을 컨텍스트에 유지하되 실제 편집 작업을 명시적으로 제시하세요. 버그 수정 요청에서는 문제가 있는 함수, 구체적인 실패 입력, 예상 결과, 오류 또는 관찰된 동작을 제공하세요. 제안된 수정은 설명 및 예시와 구분해서 요청하세요.
페이지에는 채팅과 FIM 외에도 구조화된 출력, 함수 호출, 예측 출력, 문서 질의응답, 응답 접두사, 배치 기능이 나열되어 있습니다. 구조화된 코드 검토 결과에서는 영향을 받는 심볼, 관찰된 불일치, 제안된 변경, 추가 확인이 필요한 가정 등의 필드를 정의하세요. Mistral의 구조화된 출력 안내는 JSON 모드와 사용자 지정 스키마를 구분하며, 원하는 JSON 형식은 프롬프트에 명시하도록 합니다.
예측 출력은 답변의 상당 부분을 이미 알고 있는 콘텐츠를 위한 기능입니다. 문서나 코드 파일에서 나머지 내용을 유지하면서 제한된 편집을 반영해 재생성할 때 사용할 수 있습니다. 정확한 변경 사항과 유지할 자료를 지정하세요. 반면 응답 접두사는 생성이 이어질 이미 알려진 시작 부분을 제공하며, 이미 알려진 전체 본문이나 FIM suffix와는 별개입니다.
문서 관련 질문에서는 제조사의 문서 처리 워크플로로 OCR을 통해 텍스트와 구조를 준비한 다음 언어 모델로 분석할 수 있습니다. 이미 텍스트로 제공되는 프로그래밍 자료에서는 관련 문서 구절을 제공하고 어떤 조건이 구현을 결정하는지 질문하세요. 생성된 코드나 설명이 제공된 명세와 연결되도록 추출된 각 요구 사항을 원본 섹션과 연결해 유지하세요.
도구와 실용적인 결과
함수 호출을 통해 애플리케이션은 설명된 작업과 매개변수를 제공할 수 있습니다. 모델이 호출을 준비하면 애플리케이션이 이를 실행하고 반환 결과가 다음 답변의 컨텍스트가 됩니다. 코드 어시스턴트는 이 과정을 통해 조회 결과나 계산 결과를 받을 수 있지만 제안된 변경의 컴파일, 테스트, 적용에는 여전히 주변 개발 환경이 필요합니다.
실용적인 수정에서는 호환성을 유지해야 할 공개 인터페이스를 정의하고 수정된 코드 조각, 간결한 설명, 예상 출력이 포함된 입력 예시를 요청하세요. 함수를 생성할 때는 허용되는 유형과 경계 조건을 명시하세요. 설명을 요청할 때는 추적할 입력을 제공하여 구체적인 실행 경로와 반환값의 관계를 설명하도록 하세요.
Codestral은 텍스트를 생성합니다. Codestral Embed의 코드 검색 벡터, Devstral의 저장소 자동화, 시각 모델의 이미지 생성을 물려받지 않습니다. 정확한 2508 모델 페이지에는 다른 릴리스에서 가져올 수 있는 파라미터 수나 독립적인 최대 답변 길이가 공개되어 있지 않습니다. 반복 가능한 편집기 또는 채팅 워크플로를 준비할 때 명명된 버전, 코딩 맥락, 필요한 산출물을 유지하세요.
", "aboutText": "Codestral 2508은 빈번하고 지연 시간에 민감한 코드 완성과 생성 작업을 위한 Mistral AI의 코딩 모델입니다. 소스 코드와 텍스트 요구 사항을 입력받아 구현, 완성 코드, 수정 또는 설명이 포함될 수 있는 텍스트를 반환합니다. 2508 버전은 임베딩 모델이나 그 자체로 완전한 저장소 에이전트가 아니라 개발자의 현재 편집 맥락에 초점을 맞춥니다.\n\n코드 완성과 2508 업데이트\n\n제조사는 Codestral을 중간 부분 채우기와 여러 줄 편집을 위한 모델로 소개합니다. 릴리스 설명에는 과도하게 이어지는 생성의 감소 등 완성 동작의 개선과 채팅 모드에서의 지시 준수 및 코드 작업 개선이 포함되어 있습니다. 이는 이 Codestral 버전의 변경 사항입니다. 주변 코딩 스택의 검색 및 자율 에이전트 기능은 별도로 명명된 구성 요소에 속합니다.\n\n완성 작업에서는 관련 함수 시그니처, 선언, 호출 맥락을 커서 위치와 함께 유지하세요. 원하는 결과가 누락된 코드만인지 수정된 전체 함수인지 명시하세요. 편집기 방식의 요청에서는 기존 반환 유형을 보존하고 중복값을 유지하며 호출자의 입력을 변경하지 않는 반복문 본문을 요청할 수 있습니다. 그러면 결과에 구체적인 삽입 위치와 정의된 동작이 생깁니다.\n\n중간 부분 채우기 준비\n\n제조사의 FIM 인터페이스에서는 prompt에 완성할 텍스트나 코드를 제공하고, 선택 사항인 suffix에 빈칸 뒤의 내용을 제공합니다. 둘 다 제공하면 모델이 그 사이를 채웁니다. suffix가 없으면 prompt 뒤를 이어서 생성합니다. 이는 코드 변경과 설명을 함께 요청하는 일반적인 대화와 다르며, 각 준비 방식은 서로 다른 출력 계약을 정의합니다.\n\n유용한 빈칸 완성 입력에는 함수의 시작 부분, 삽입 뒤에 이어져야 할 코드, 관련 유형 또는 헬퍼 정의가 포함됩니다. 반환된 텍스트가 기존 코드 조각에 들어맞도록 들여쓰기와 구분 기호를 보존하세요. 누락된 본문만 필요하다면 전체 파일 재작성 대신 해당 본문을 요청하세요. 완성된 코드 조각이 요구 사항을 충족하는 이유는 별도의 채팅 질문으로 설명받을 수 있습니다.\n\n공식 FIM 문서에서는 출력 토큰 예산을 지정할 수 있으며 prompt와 해당 예산의 합이 모델 컨텍스트 안에 있어야 한다고 명시합니다. 중단 시퀀스와 생성 콘텐츠의 스트리밍도 문서화되어 있습니다. 결과가 코드의 빈칸에 들어맞아야 한다면 완성 워크플로를 선택하고, 코드와 설명을 함께 요구한다면 대화형 워크플로를 선택하세요.\n\n컨텍스트와 보조 기능\n\n모델 페이지에 기재된 컨텍스트 창은 128k입니다. 의도한 변경을 결정하는 소스와 선언을 컨텍스트에 유지하되 실제 편집 작업을 명시적으로 제시하세요. 버그 수정 요청에서는 문제가 있는 함수, 구체적인 실패 입력, 예상 결과, 오류 또는 관찰된 동작을 제공하세요. 제안된 수정은 설명 및 예시와 구분해서 요청하세요.\n\n페이지에는 채팅과 FIM 외에도 구조화된 출력, 함수 호출, 예측 출력, 문서 질의응답, 응답 접두사, 배치 기능이 나열되어 있습니다. 구조화된 코드 검토 결과에서는 영향을 받는 심볼, 관찰된 불일치, 제안된 변경, 추가 확인이 필요한 가정 등의 필드를 정의하세요. Mistral의 구조화된 출력 안내는 JSON 모드와 사용자 지정 스키마를 구분하며, 원하는 JSON 형식은 프롬프트에 명시하도록 합니다.\n\n예측 출력은 답변의 상당 부분을 이미 알고 있는 콘텐츠를 위한 기능입니다. 문서나 코드 파일에서 나머지 내용을 유지하면서 제한된 편집을 반영해 재생성할 때 사용할 수 있습니다. 정확한 변경 사항과 유지할 자료를 지정하세요. 반면 응답 접두사는 생성이 이어질 이미 알려진 시작 부분을 제공하며, 이미 알려진 전체 본문이나 FIM suffix와는 별개입니다.\n\n문서 관련 질문에서는 제조사의 문서 처리 워크플로로 OCR을 통해 텍스트와 구조를 준비한 다음 언어 모델로 분석할 수 있습니다. 이미 텍스트로 제공되는 프로그래밍 자료에서는 관련 문서 구절을 제공하고 어떤 조건이 구현을 결정하는지 질문하세요. 생성된 코드나 설명이 제공된 명세와 연결되도록 추출된 각 요구 사항을 원본 섹션과 연결해 유지하세요.\n\n도구와 실용적인 결과\n\n함수 호출을 통해 애플리케이션은 설명된 작업과 매개변수를 제공할 수 있습니다. 모델이 호출을 준비하면 애플리케이션이 이를 실행하고 반환 결과가 다음 답변의 컨텍스트가 됩니다. 코드 어시스턴트는 이 과정을 통해 조회 결과나 계산 결과를 받을 수 있지만 제안된 변경의 컴파일, 테스트, 적용에는 여전히 주변 개발 환경이 필요합니다.\n\n실용적인 수정에서는 호환성을 유지해야 할 공개 인터페이스를 정의하고 수정된 코드 조각, 간결한 설명, 예상 출력이 포함된 입력 예시를 요청하세요. 함수를 생성할 때는 허용되는 유형과 경계 조건을 명시하세요. 설명을 요청할 때는 추적할 입력을 제공하여 구체적인 실행 경로와 반환값의 관계를 설명하도록 하세요.\n\nCodestral은 텍스트를 생성합니다. Codestral Embed의 코드 검색 벡터, Devstral의 저장소 자동화, 시각 모델의 이미지 생성을 물려받지 않습니다. 정확한 2508 모델 페이지에는 다른 릴리스에서 가져올 수 있는 파라미터 수나 독립적인 최대 답변 길이가 공개되어 있지 않습니다. 반복 가능한 편집기 또는 채팅 워크플로를 준비할 때 명명된 버전, 코딩 맥락, 필요한 산출물을 유지하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Fill a nonmutating loop body\n\nComplete only the missing body in this Python function: 'def doubled(values):\n result = []\n # missing body\n return result'. It must append twice every input value, preserve order and duplicate values, and leave values unchanged. Return the indented insertion followed by assert tests for [2, 2, -1] and []. This is a chat completion request, not a FIM transport request.Only the missing indented loop body, then two tests verifying [4, 4, -2] and an empty result.The insertion fits before return result and never deduplicates or mutates the input.mistralai/codestral-2508Codestral 2508은 코드 생성과 컨텍스트를 고려한 완성을 위한 Mistral AI의 텍스트 모델입니다. 중간 부분 채우기와 여러 줄 편집을 비롯한 빈번한 편집기 작업에 최적화되어 있으며 제조사 기준 128k 컨텍스트와 문서화된 채팅, 구조화된 출력, 도구 기능을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Codestral 2508은 빈번하고 지연 시간에 민감한 코드 완성과 생성 작업을 위한 Mistral AI의 코딩 모델입니다. 소스 코드와 텍스트 요구 사항을 입력받아 구현, 완성 코드, 수정 또는 설명이 포함될 수 있는 텍스트를 반환합니다. 2508 버전은 임베딩 모델이나 그 자체로 완전한 저장소 에이전트가 아니라 개발자의 현재 편집 맥락에 초점을 맞춥니다.
코드 완성과 2508 업데이트
제조사는 Codestral을 중간 부분 채우기와 여러 줄 편집을 위한 모델로 소개합니다. 릴리스 설명에는 과도하게 이어지는 생성의 감소 등 완성 동작의 개선과 채팅 모드에서의 지시 준수 및 코드 작업 개선이 포함되어 있습니다. 이는 이 Codestral 버전의 변경 사항입니다. 주변 코딩 스택의 검색 및 자율 에이전트 기능은 별도로 명명된 구성 요소에 속합니다.
완성 작업에서는 관련 함수 시그니처, 선언, 호출 맥락을 커서 위치와 함께 유지하세요. 원하는 결과가 누락된 코드만인지 수정된 전체 함수인지 명시하세요. 편집기 방식의 요청에서는 기존 반환 유형을 보존하고 중복값을 유지하며 호출자의 입력을 변경하지 않는 반복문 본문을 요청할 수 있습니다. 그러면 결과에 구체적인 삽입 위치와 정의된 동작이 생깁니다.
중간 부분 채우기 준비
제조사의 FIM 인터페이스에서는 prompt에 완성할 텍스트나 코드를 제공하고, 선택 사항인 suffix에 빈칸 뒤의 내용을 제공합니다. 둘 다 제공하면 모델이 그 사이를 채웁니다. suffix가 없으면 prompt 뒤를 이어서 생성합니다. 이는 코드 변경과 설명을 함께 요청하는 일반적인 대화와 다르며, 각 준비 방식은 서로 다른 출력 계약을 정의합니다.
유용한 빈칸 완성 입력에는 함수의 시작 부분, 삽입 뒤에 이어져야 할 코드, 관련 유형 또는 헬퍼 정의가 포함됩니다. 반환된 텍스트가 기존 코드 조각에 들어맞도록 들여쓰기와 구분 기호를 보존하세요. 누락된 본문만 필요하다면 전체 파일 재작성 대신 해당 본문을 요청하세요. 완성된 코드 조각이 요구 사항을 충족하는 이유는 별도의 채팅 질문으로 설명받을 수 있습니다.
공식 FIM 문서에서는 출력 토큰 예산을 지정할 수 있으며 prompt와 해당 예산의 합이 모델 컨텍스트 안에 있어야 한다고 명시합니다. 중단 시퀀스와 생성 콘텐츠의 스트리밍도 문서화되어 있습니다. 결과가 코드의 빈칸에 들어맞아야 한다면 완성 워크플로를 선택하고, 코드와 설명을 함께 요구한다면 대화형 워크플로를 선택하세요.
컨텍스트와 보조 기능
모델 페이지에 기재된 컨텍스트 창은 128k입니다. 의도한 변경을 결정하는 소스와 선언을 컨텍스트에 유지하되 실제 편집 작업을 명시적으로 제시하세요. 버그 수정 요청에서는 문제가 있는 함수, 구체적인 실패 입력, 예상 결과, 오류 또는 관찰된 동작을 제공하세요. 제안된 수정은 설명 및 예시와 구분해서 요청하세요.
페이지에는 채팅과 FIM 외에도 구조화된 출력, 함수 호출, 예측 출력, 문서 질의응답, 응답 접두사, 배치 기능이 나열되어 있습니다. 구조화된 코드 검토 결과에서는 영향을 받는 심볼, 관찰된 불일치, 제안된 변경, 추가 확인이 필요한 가정 등의 필드를 정의하세요. Mistral의 구조화된 출력 안내는 JSON 모드와 사용자 지정 스키마를 구분하며, 원하는 JSON 형식은 프롬프트에 명시하도록 합니다.
예측 출력은 답변의 상당 부분을 이미 알고 있는 콘텐츠를 위한 기능입니다. 문서나 코드 파일에서 나머지 내용을 유지하면서 제한된 편집을 반영해 재생성할 때 사용할 수 있습니다. 정확한 변경 사항과 유지할 자료를 지정하세요. 반면 응답 접두사는 생성이 이어질 이미 알려진 시작 부분을 제공하며, 이미 알려진 전체 본문이나 FIM suffix와는 별개입니다.
문서 관련 질문에서는 제조사의 문서 처리 워크플로로 OCR을 통해 텍스트와 구조를 준비한 다음 언어 모델로 분석할 수 있습니다. 이미 텍스트로 제공되는 프로그래밍 자료에서는 관련 문서 구절을 제공하고 어떤 조건이 구현을 결정하는지 질문하세요. 생성된 코드나 설명이 제공된 명세와 연결되도록 추출된 각 요구 사항을 원본 섹션과 연결해 유지하세요.
도구와 실용적인 결과
함수 호출을 통해 애플리케이션은 설명된 작업과 매개변수를 제공할 수 있습니다. 모델이 호출을 준비하면 애플리케이션이 이를 실행하고 반환 결과가 다음 답변의 컨텍스트가 됩니다. 코드 어시스턴트는 이 과정을 통해 조회 결과나 계산 결과를 받을 수 있지만 제안된 변경의 컴파일, 테스트, 적용에는 여전히 주변 개발 환경이 필요합니다.
실용적인 수정에서는 호환성을 유지해야 할 공개 인터페이스를 정의하고 수정된 코드 조각, 간결한 설명, 예상 출력이 포함된 입력 예시를 요청하세요. 함수를 생성할 때는 허용되는 유형과 경계 조건을 명시하세요. 설명을 요청할 때는 추적할 입력을 제공하여 구체적인 실행 경로와 반환값의 관계를 설명하도록 하세요.
Codestral은 텍스트를 생성합니다. Codestral Embed의 코드 검색 벡터, Devstral의 저장소 자동화, 시각 모델의 이미지 생성을 물려받지 않습니다. 정확한 2508 모델 페이지에는 다른 릴리스에서 가져올 수 있는 파라미터 수나 독립적인 최대 답변 길이가 공개되어 있지 않습니다. 반복 가능한 편집기 또는 채팅 워크플로를 준비할 때 명명된 버전, 코딩 맥락, 필요한 산출물을 유지하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/codestral-2508 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.0018 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.0018 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/codestral-2508", "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/codestral-2508',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/codestral-2508',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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra mistralai/codestral-2508
위에 표시된 메서드 경로를 사용하세요.
mistralai/codestral-2508Codestral 2508은 코드 생성과 컨텍스트를 고려한 완성을 위한 Mistral AI의 텍스트 모델입니다. 중간 부분 채우기와 여러 줄 편집을 비롯한 빈번한 편집기 작업에 최적화되어 있으며 제조사 기준 128k 컨텍스트와 문서화된 채팅, 구조화된 출력, 도구 기능을 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Codestral 2508은 빈번하고 지연 시간에 민감한 코드 완성과 생성 작업을 위한 Mistral AI의 코딩 모델입니다. 소스 코드와 텍스트 요구 사항을 입력받아 구현, 완성 코드, 수정 또는 설명이 포함될 수 있는 텍스트를 반환합니다. 2508 버전은 임베딩 모델이나 그 자체로 완전한 저장소 에이전트가 아니라 개발자의 현재 편집 맥락에 초점을 맞춥니다.
코드 완성과 2508 업데이트
제조사는 Codestral을 중간 부분 채우기와 여러 줄 편집을 위한 모델로 소개합니다. 릴리스 설명에는 과도하게 이어지는 생성의 감소 등 완성 동작의 개선과 채팅 모드에서의 지시 준수 및 코드 작업 개선이 포함되어 있습니다. 이는 이 Codestral 버전의 변경 사항입니다. 주변 코딩 스택의 검색 및 자율 에이전트 기능은 별도로 명명된 구성 요소에 속합니다.
완성 작업에서는 관련 함수 시그니처, 선언, 호출 맥락을 커서 위치와 함께 유지하세요. 원하는 결과가 누락된 코드만인지 수정된 전체 함수인지 명시하세요. 편집기 방식의 요청에서는 기존 반환 유형을 보존하고 중복값을 유지하며 호출자의 입력을 변경하지 않는 반복문 본문을 요청할 수 있습니다. 그러면 결과에 구체적인 삽입 위치와 정의된 동작이 생깁니다.
중간 부분 채우기 준비
제조사의 FIM 인터페이스에서는 prompt에 완성할 텍스트나 코드를 제공하고, 선택 사항인 suffix에 빈칸 뒤의 내용을 제공합니다. 둘 다 제공하면 모델이 그 사이를 채웁니다. suffix가 없으면 prompt 뒤를 이어서 생성합니다. 이는 코드 변경과 설명을 함께 요청하는 일반적인 대화와 다르며, 각 준비 방식은 서로 다른 출력 계약을 정의합니다.
유용한 빈칸 완성 입력에는 함수의 시작 부분, 삽입 뒤에 이어져야 할 코드, 관련 유형 또는 헬퍼 정의가 포함됩니다. 반환된 텍스트가 기존 코드 조각에 들어맞도록 들여쓰기와 구분 기호를 보존하세요. 누락된 본문만 필요하다면 전체 파일 재작성 대신 해당 본문을 요청하세요. 완성된 코드 조각이 요구 사항을 충족하는 이유는 별도의 채팅 질문으로 설명받을 수 있습니다.
공식 FIM 문서에서는 출력 토큰 예산을 지정할 수 있으며 prompt와 해당 예산의 합이 모델 컨텍스트 안에 있어야 한다고 명시합니다. 중단 시퀀스와 생성 콘텐츠의 스트리밍도 문서화되어 있습니다. 결과가 코드의 빈칸에 들어맞아야 한다면 완성 워크플로를 선택하고, 코드와 설명을 함께 요구한다면 대화형 워크플로를 선택하세요.
컨텍스트와 보조 기능
모델 페이지에 기재된 컨텍스트 창은 128k입니다. 의도한 변경을 결정하는 소스와 선언을 컨텍스트에 유지하되 실제 편집 작업을 명시적으로 제시하세요. 버그 수정 요청에서는 문제가 있는 함수, 구체적인 실패 입력, 예상 결과, 오류 또는 관찰된 동작을 제공하세요. 제안된 수정은 설명 및 예시와 구분해서 요청하세요.
페이지에는 채팅과 FIM 외에도 구조화된 출력, 함수 호출, 예측 출력, 문서 질의응답, 응답 접두사, 배치 기능이 나열되어 있습니다. 구조화된 코드 검토 결과에서는 영향을 받는 심볼, 관찰된 불일치, 제안된 변경, 추가 확인이 필요한 가정 등의 필드를 정의하세요. Mistral의 구조화된 출력 안내는 JSON 모드와 사용자 지정 스키마를 구분하며, 원하는 JSON 형식은 프롬프트에 명시하도록 합니다.
예측 출력은 답변의 상당 부분을 이미 알고 있는 콘텐츠를 위한 기능입니다. 문서나 코드 파일에서 나머지 내용을 유지하면서 제한된 편집을 반영해 재생성할 때 사용할 수 있습니다. 정확한 변경 사항과 유지할 자료를 지정하세요. 반면 응답 접두사는 생성이 이어질 이미 알려진 시작 부분을 제공하며, 이미 알려진 전체 본문이나 FIM suffix와는 별개입니다.
문서 관련 질문에서는 제조사의 문서 처리 워크플로로 OCR을 통해 텍스트와 구조를 준비한 다음 언어 모델로 분석할 수 있습니다. 이미 텍스트로 제공되는 프로그래밍 자료에서는 관련 문서 구절을 제공하고 어떤 조건이 구현을 결정하는지 질문하세요. 생성된 코드나 설명이 제공된 명세와 연결되도록 추출된 각 요구 사항을 원본 섹션과 연결해 유지하세요.
도구와 실용적인 결과
함수 호출을 통해 애플리케이션은 설명된 작업과 매개변수를 제공할 수 있습니다. 모델이 호출을 준비하면 애플리케이션이 이를 실행하고 반환 결과가 다음 답변의 컨텍스트가 됩니다. 코드 어시스턴트는 이 과정을 통해 조회 결과나 계산 결과를 받을 수 있지만 제안된 변경의 컴파일, 테스트, 적용에는 여전히 주변 개발 환경이 필요합니다.
실용적인 수정에서는 호환성을 유지해야 할 공개 인터페이스를 정의하고 수정된 코드 조각, 간결한 설명, 예상 출력이 포함된 입력 예시를 요청하세요. 함수를 생성할 때는 허용되는 유형과 경계 조건을 명시하세요. 설명을 요청할 때는 추적할 입력을 제공하여 구체적인 실행 경로와 반환값의 관계를 설명하도록 하세요.
Codestral은 텍스트를 생성합니다. Codestral Embed의 코드 검색 벡터, Devstral의 저장소 자동화, 시각 모델의 이미지 생성을 물려받지 않습니다. 정확한 2508 모델 페이지에는 다른 릴리스에서 가져올 수 있는 파라미터 수나 독립적인 최대 답변 길이가 공개되어 있지 않습니다. 반복 가능한 편집기 또는 채팅 워크플로를 준비할 때 명명된 버전, 코딩 맥락, 필요한 산출물을 유지하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/codestral-2508 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.0018 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.0018 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "mistralai/codestral-2508",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/codestral-2508', '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/codestral-2508', '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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra mistralai/codestral-2508
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Fill a nonmutating loop body\n\nComplete only the missing body in this Python function: 'def doubled(values):\n result = []\n # missing body\n return result'. It must append twice every input value, preserve order and duplicate values, and leave values unchanged. Return the indented insertion followed by assert tests for [2, 2, -1] and []. This is a chat completion request, not a FIM transport request.Only the missing indented loop body, then two tests verifying [4, 4, -2] and an empty result.The insertion fits before return result and never deduplicates or mutates the input.