Ministral 3 8B Instruct 2512는 Mistral AI의 Ministral 3 제품군에서 중간 크기의 지시 튜닝 모델입니다. 공개된 체크포인트는 FP8 정밀도로 채팅과 지시 작업을 위한 후속 학습을 거쳤습니다. 언어 구성 요소와 비전 인코더를 결합하며 텍스트와 이미지를 입력받아 이미지나 오디오 산출물 대신 텍스트를 반환합니다.
아키텍처와 주요 기능
제조사는 84억 파라미터의 언어 모델과 4억 파라미터의 비전 인코더를 명시합니다. 컨텍스트 창은 256k로 설명되며 공개된 사용 참고 사항은 기본 설정 길이 262,144를 사용합니다. 이는 8B 크기 버전의 설명입니다. 더 작은 3B와 더 큰 14B 제품군 모델은 각자의 구성 요소 크기와 설정을 유지합니다.
비전은 모델 입력을 서면 대화 너머로 확장합니다. 문서 이미지에 선택한 필드, 문단, 보이는 관계에 관한 질문을 함께 제공할 수 있습니다. 스크린샷에는 사용자의 목표와 관련 제어 요소를 식별하라는 요청을 함께 제공할 수 있습니다. 답변이 시각적 세부 사항에 의존한다면 각 결론을 뒷받침하는 관찰 내용을 요청하고 잘라낸 영역의 해석에 필요한 제목, 레이블, 단위를 유지하세요.
모델 카드는 영어, 프랑스어, 스페인어, 독일어, 이탈리아어, 포르투갈어, 네덜란드어, 중국어, 일본어, 한국어, 아랍어 등 수십 개 언어의 다국어 작업을 설명합니다. 시스템 지침 준수, 기본 함수 호출, JSON 출력도 명시합니다. 큰 입력에서 의도한 산출물을 모델이 추측하도록 두지 말고 최종 언어, 역할, 출력 요구 사항을 명확히 정의하세요.
문서, 대화, 에이전트 작업
제조사의 활용 사례에는 채팅 인터페이스, 일상 어시스턴트, 이미지 및 문서 설명, 번역, 콘텐츠 생성, 특화 에이전트가 포함됩니다. 문서 어시스턴트에는 페이지를 제공하고 반환할 정보를 지정하세요. 추출 요청에서는 필드 레이블, 예상 유형, 누락된 값의 처리 방식을 명시할 수 있습니다. 유용한 답변은 문서 식별자, 추출값, 보이는 원본과 연결된 짧은 설명을 포함할 수 있습니다.
진행 중인 대화에서는 관련된 이전 답변을 유지하고 범위가 명확한 후속 질문을 하세요. 사용자는 먼저 문서 요약을 요청한 다음 어떤 진술이 특정 결론을 뒷받침하는지 질문할 수 있습니다. 그러면 원본 자료와 대화의 목적은 유지하면서 필요한 출력이 일반 개요에서 원본에 연결된 설명으로 바뀝니다.
다국어 편집에서는 원문, 대상 독자, 용어 목록을 제공하세요. 이름, 조건, 단위를 유지한 수정본을 요청하고 유용하다면 변경 사항에 대한 짧은 설명을 뒤에 요청하세요. 콘텐츠 생성에서는 짧은 초안이나 대체 표현을 요청하기 전에 대상 독자와 포함되어야 할 사실을 지정하세요.
에이전트 작업에서는 애플리케이션이 도구와 매개변수를 제공합니다. 모델이 함수를 선택하고 인수를 준비할 수 있으며 애플리케이션이 실행하고 결과를 반환합니다. 모델 카드의 함수 예시는 이미지 질문과 계산 도구를 결합합니다. 이후 서면 답변에서 작업이 실제 반환한 정보를 사용하도록 도구 결과를 제안된 호출과 구분해서 유지하세요.
권장 준비 방식과 설정
제조사는 환경, 사용 사례, 도구 사용 방법을 설명하는 시스템 지침을 권장합니다. 도구 집합을 명확하게 정의하고 작업에 필요한 최소한으로 제한하세요. 작은 조회 워크플로에서는 무관한 작업을 많이 제시하는 대신 현재 질문과 관련된 함수와 명확히 명명된 필수 인수를 제공할 수 있습니다.
일상적인 사용과 운영 환경에 가까운 사용에는 모델 카드가 temperature 0.1 미만을 권장하며 창의적인 탐색에는 더 높은 temperature를 사용할 수 있습니다. 이를 별도의 추론 모드 제어가 아니라 지시 워크플로에 대한 권장 사항으로 취급하세요. 제품군에는 Base, Instruct, Reasoning 체크포인트가 각각 있습니다. 이 항목은 같은 크기의 별도 Reasoning 릴리스가 아닌 Instruct 2512 버전입니다.
이미지에 대해 제조사는 1:1에 가까운 종횡비를 권장하고 매우 가늘거나 넓은 입력을 피하도록 안내합니다. 필요하면 자르되 질문에 필요한 레이블과 맥락을 유지하세요. 페이지에 무관한 영역이 여러 개 있다면 검토할 부분과 반환할 결과를 지정하세요. 읽기 쉽고 범위가 명확한 이미지는 넓은 페이지의 어떤 작은 세부 사항이 중요한지 추측하도록 하는 것보다 유용합니다.
컨텍스트와 버전 범위
텍스트, 이미지, 대화, 원하는 답변을 설정된 컨텍스트에 맞춰 계획하세요. 사용 참고 사항은 더 적은 컨텍스트가 필요할 때 설정된 모델 길이를 줄일 수 있다고 명시합니다. 따라서 전체 창을 쓸 수 있다는 것이 모든 요청을 가능한 모든 자료로 채우라는 뜻은 아닙니다. 모델 카드의 512토큰 생성 예시는 설정 예시일 뿐이며 검토된 출처는 별도의 엄격한 최대 답변 길이를 확립하지 않습니다.
FP8 Instruct 체크포인트, 사전 학습 Base 릴리스, Reasoning 릴리스는 각각 별도의 버전입니다. 제조사는 특화와 파인 튜닝도 활용 사례로 설명합니다. 대화를 준비할 때 명명된 체크포인트와 토크나이저를 유지하고 텍스트 생성을 저장소 접근, 함수 실행, 주변 애플리케이션이 제공하는 기타 작업과 구분하세요.
", "aboutText": "Ministral 3 8B Instruct 2512는 Mistral AI의 Ministral 3 제품군에서 중간 크기의 지시 튜닝 모델입니다. 공개된 체크포인트는 FP8 정밀도로 채팅과 지시 작업을 위한 후속 학습을 거쳤습니다. 언어 구성 요소와 비전 인코더를 결합하며 텍스트와 이미지를 입력받아 이미지나 오디오 산출물 대신 텍스트를 반환합니다.\n\n아키텍처와 주요 기능\n\n제조사는 84억 파라미터의 언어 모델과 4억 파라미터의 비전 인코더를 명시합니다. 컨텍스트 창은 256k로 설명되며 공개된 사용 참고 사항은 기본 설정 길이 262,144를 사용합니다. 이는 8B 크기 버전의 설명입니다. 더 작은 3B와 더 큰 14B 제품군 모델은 각자의 구성 요소 크기와 설정을 유지합니다.\n\n비전은 모델 입력을 서면 대화 너머로 확장합니다. 문서 이미지에 선택한 필드, 문단, 보이는 관계에 관한 질문을 함께 제공할 수 있습니다. 스크린샷에는 사용자의 목표와 관련 제어 요소를 식별하라는 요청을 함께 제공할 수 있습니다. 답변이 시각적 세부 사항에 의존한다면 각 결론을 뒷받침하는 관찰 내용을 요청하고 잘라낸 영역의 해석에 필요한 제목, 레이블, 단위를 유지하세요.\n\n모델 카드는 영어, 프랑스어, 스페인어, 독일어, 이탈리아어, 포르투갈어, 네덜란드어, 중국어, 일본어, 한국어, 아랍어 등 수십 개 언어의 다국어 작업을 설명합니다. 시스템 지침 준수, 기본 함수 호출, JSON 출력도 명시합니다. 큰 입력에서 의도한 산출물을 모델이 추측하도록 두지 말고 최종 언어, 역할, 출력 요구 사항을 명확히 정의하세요.\n\n문서, 대화, 에이전트 작업\n\n제조사의 활용 사례에는 채팅 인터페이스, 일상 어시스턴트, 이미지 및 문서 설명, 번역, 콘텐츠 생성, 특화 에이전트가 포함됩니다. 문서 어시스턴트에는 페이지를 제공하고 반환할 정보를 지정하세요. 추출 요청에서는 필드 레이블, 예상 유형, 누락된 값의 처리 방식을 명시할 수 있습니다. 유용한 답변은 문서 식별자, 추출값, 보이는 원본과 연결된 짧은 설명을 포함할 수 있습니다.\n\n진행 중인 대화에서는 관련된 이전 답변을 유지하고 범위가 명확한 후속 질문을 하세요. 사용자는 먼저 문서 요약을 요청한 다음 어떤 진술이 특정 결론을 뒷받침하는지 질문할 수 있습니다. 그러면 원본 자료와 대화의 목적은 유지하면서 필요한 출력이 일반 개요에서 원본에 연결된 설명으로 바뀝니다.\n\n다국어 편집에서는 원문, 대상 독자, 용어 목록을 제공하세요. 이름, 조건, 단위를 유지한 수정본을 요청하고 유용하다면 변경 사항에 대한 짧은 설명을 뒤에 요청하세요. 콘텐츠 생성에서는 짧은 초안이나 대체 표현을 요청하기 전에 대상 독자와 포함되어야 할 사실을 지정하세요.\n\n에이전트 작업에서는 애플리케이션이 도구와 매개변수를 제공합니다. 모델이 함수를 선택하고 인수를 준비할 수 있으며 애플리케이션이 실행하고 결과를 반환합니다. 모델 카드의 함수 예시는 이미지 질문과 계산 도구를 결합합니다. 이후 서면 답변에서 작업이 실제 반환한 정보를 사용하도록 도구 결과를 제안된 호출과 구분해서 유지하세요.\n\n권장 준비 방식과 설정\n\n제조사는 환경, 사용 사례, 도구 사용 방법을 설명하는 시스템 지침을 권장합니다. 도구 집합을 명확하게 정의하고 작업에 필요한 최소한으로 제한하세요. 작은 조회 워크플로에서는 무관한 작업을 많이 제시하는 대신 현재 질문과 관련된 함수와 명확히 명명된 필수 인수를 제공할 수 있습니다.\n\n일상적인 사용과 운영 환경에 가까운 사용에는 모델 카드가 temperature 0.1 미만을 권장하며 창의적인 탐색에는 더 높은 temperature를 사용할 수 있습니다. 이를 별도의 추론 모드 제어가 아니라 지시 워크플로에 대한 권장 사항으로 취급하세요. 제품군에는 Base, Instruct, Reasoning 체크포인트가 각각 있습니다. 이 항목은 같은 크기의 별도 Reasoning 릴리스가 아닌 Instruct 2512 버전입니다.\n\n이미지에 대해 제조사는 1:1에 가까운 종횡비를 권장하고 매우 가늘거나 넓은 입력을 피하도록 안내합니다. 필요하면 자르되 질문에 필요한 레이블과 맥락을 유지하세요. 페이지에 무관한 영역이 여러 개 있다면 검토할 부분과 반환할 결과를 지정하세요. 읽기 쉽고 범위가 명확한 이미지는 넓은 페이지의 어떤 작은 세부 사항이 중요한지 추측하도록 하는 것보다 유용합니다.\n\n컨텍스트와 버전 범위\n\n텍스트, 이미지, 대화, 원하는 답변을 설정된 컨텍스트에 맞춰 계획하세요. 사용 참고 사항은 더 적은 컨텍스트가 필요할 때 설정된 모델 길이를 줄일 수 있다고 명시합니다. 따라서 전체 창을 쓸 수 있다는 것이 모든 요청을 가능한 모든 자료로 채우라는 뜻은 아닙니다. 모델 카드의 512토큰 생성 예시는 설정 예시일 뿐이며 검토된 출처는 별도의 엄격한 최대 답변 길이를 확립하지 않습니다.\n\nFP8 Instruct 체크포인트, 사전 학습 Base 릴리스, Reasoning 릴리스는 각각 별도의 버전입니다. 제조사는 특화와 파인 튜닝도 활용 사례로 설명합니다. 대화를 준비할 때 명명된 체크포인트와 토크나이저를 유지하고 텍스트 생성을 저장소 접근, 함수 실행, 주변 애플리케이션이 제공하는 기타 작업과 구분하세요.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ac8b05f220a38dfd702fbde2f3023d35314b7ec21146ef796e8a486f50b736eb", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ko", "methods": [ { "html": "mistralai/ministral-8b-2512:batchMinistral 3 8B Instruct 2512는 84억 파라미터의 언어 구성 요소와 4억 파라미터의 비전 인코더를 갖춘 다국어 텍스트·이미지 지시 모델입니다. 어시스턴트와 문서 워크플로를 위해 제조사 기준 256k 컨텍스트, 시스템 지침, JSON, 기본 함수 호출을 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Ministral 3 8B Instruct 2512는 Mistral AI의 Ministral 3 제품군에서 중간 크기의 지시 튜닝 모델입니다. 공개된 체크포인트는 FP8 정밀도로 채팅과 지시 작업을 위한 후속 학습을 거쳤습니다. 언어 구성 요소와 비전 인코더를 결합하며 텍스트와 이미지를 입력받아 이미지나 오디오 산출물 대신 텍스트를 반환합니다.
아키텍처와 주요 기능
제조사는 84억 파라미터의 언어 모델과 4억 파라미터의 비전 인코더를 명시합니다. 컨텍스트 창은 256k로 설명되며 공개된 사용 참고 사항은 기본 설정 길이 262,144를 사용합니다. 이는 8B 크기 버전의 설명입니다. 더 작은 3B와 더 큰 14B 제품군 모델은 각자의 구성 요소 크기와 설정을 유지합니다.
비전은 모델 입력을 서면 대화 너머로 확장합니다. 문서 이미지에 선택한 필드, 문단, 보이는 관계에 관한 질문을 함께 제공할 수 있습니다. 스크린샷에는 사용자의 목표와 관련 제어 요소를 식별하라는 요청을 함께 제공할 수 있습니다. 답변이 시각적 세부 사항에 의존한다면 각 결론을 뒷받침하는 관찰 내용을 요청하고 잘라낸 영역의 해석에 필요한 제목, 레이블, 단위를 유지하세요.
모델 카드는 영어, 프랑스어, 스페인어, 독일어, 이탈리아어, 포르투갈어, 네덜란드어, 중국어, 일본어, 한국어, 아랍어 등 수십 개 언어의 다국어 작업을 설명합니다. 시스템 지침 준수, 기본 함수 호출, JSON 출력도 명시합니다. 큰 입력에서 의도한 산출물을 모델이 추측하도록 두지 말고 최종 언어, 역할, 출력 요구 사항을 명확히 정의하세요.
문서, 대화, 에이전트 작업
제조사의 활용 사례에는 채팅 인터페이스, 일상 어시스턴트, 이미지 및 문서 설명, 번역, 콘텐츠 생성, 특화 에이전트가 포함됩니다. 문서 어시스턴트에는 페이지를 제공하고 반환할 정보를 지정하세요. 추출 요청에서는 필드 레이블, 예상 유형, 누락된 값의 처리 방식을 명시할 수 있습니다. 유용한 답변은 문서 식별자, 추출값, 보이는 원본과 연결된 짧은 설명을 포함할 수 있습니다.
진행 중인 대화에서는 관련된 이전 답변을 유지하고 범위가 명확한 후속 질문을 하세요. 사용자는 먼저 문서 요약을 요청한 다음 어떤 진술이 특정 결론을 뒷받침하는지 질문할 수 있습니다. 그러면 원본 자료와 대화의 목적은 유지하면서 필요한 출력이 일반 개요에서 원본에 연결된 설명으로 바뀝니다.
다국어 편집에서는 원문, 대상 독자, 용어 목록을 제공하세요. 이름, 조건, 단위를 유지한 수정본을 요청하고 유용하다면 변경 사항에 대한 짧은 설명을 뒤에 요청하세요. 콘텐츠 생성에서는 짧은 초안이나 대체 표현을 요청하기 전에 대상 독자와 포함되어야 할 사실을 지정하세요.
에이전트 작업에서는 애플리케이션이 도구와 매개변수를 제공합니다. 모델이 함수를 선택하고 인수를 준비할 수 있으며 애플리케이션이 실행하고 결과를 반환합니다. 모델 카드의 함수 예시는 이미지 질문과 계산 도구를 결합합니다. 이후 서면 답변에서 작업이 실제 반환한 정보를 사용하도록 도구 결과를 제안된 호출과 구분해서 유지하세요.
권장 준비 방식과 설정
제조사는 환경, 사용 사례, 도구 사용 방법을 설명하는 시스템 지침을 권장합니다. 도구 집합을 명확하게 정의하고 작업에 필요한 최소한으로 제한하세요. 작은 조회 워크플로에서는 무관한 작업을 많이 제시하는 대신 현재 질문과 관련된 함수와 명확히 명명된 필수 인수를 제공할 수 있습니다.
일상적인 사용과 운영 환경에 가까운 사용에는 모델 카드가 temperature 0.1 미만을 권장하며 창의적인 탐색에는 더 높은 temperature를 사용할 수 있습니다. 이를 별도의 추론 모드 제어가 아니라 지시 워크플로에 대한 권장 사항으로 취급하세요. 제품군에는 Base, Instruct, Reasoning 체크포인트가 각각 있습니다. 이 항목은 같은 크기의 별도 Reasoning 릴리스가 아닌 Instruct 2512 버전입니다.
이미지에 대해 제조사는 1:1에 가까운 종횡비를 권장하고 매우 가늘거나 넓은 입력을 피하도록 안내합니다. 필요하면 자르되 질문에 필요한 레이블과 맥락을 유지하세요. 페이지에 무관한 영역이 여러 개 있다면 검토할 부분과 반환할 결과를 지정하세요. 읽기 쉽고 범위가 명확한 이미지는 넓은 페이지의 어떤 작은 세부 사항이 중요한지 추측하도록 하는 것보다 유용합니다.
컨텍스트와 버전 범위
텍스트, 이미지, 대화, 원하는 답변을 설정된 컨텍스트에 맞춰 계획하세요. 사용 참고 사항은 더 적은 컨텍스트가 필요할 때 설정된 모델 길이를 줄일 수 있다고 명시합니다. 따라서 전체 창을 쓸 수 있다는 것이 모든 요청을 가능한 모든 자료로 채우라는 뜻은 아닙니다. 모델 카드의 512토큰 생성 예시는 설정 예시일 뿐이며 검토된 출처는 별도의 엄격한 최대 답변 길이를 확립하지 않습니다.
FP8 Instruct 체크포인트, 사전 학습 Base 릴리스, Reasoning 릴리스는 각각 별도의 버전입니다. 제조사는 특화와 파인 튜닝도 활용 사례로 설명합니다. 대화를 준비할 때 명명된 체크포인트와 토크나이저를 유지하고 텍스트 생성을 저장소 접근, 함수 실행, 주변 애플리케이션이 제공하는 기타 작업과 구분하세요.
POST /v1/batchestexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드endpoint | 유형string | 요건필수 | 값과 한도 /v1/chat/completions | 기본값— |
필드model | 유형string | 요건필수 | 값과 한도 mistralai/ministral-8b-2512:batch | 기본값— |
필드requests | 유형batch_item[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드requests[].custom_id | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드requests[].body.messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드completion_window | 유형string | 요건선택 사항 | 값과 한도 24h | 기본값— |
필드provider | 유형object|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드requests[].body.model | 유형string | 요건선택 사항 | 값과 한도 mistralai/ministral-8b-2512:batch, mistralai/ministral-8b-2512 | 기본값— |
필드provider.only | 유형string[] | 요건선택 사항 | 값과 한도 mistral | 기본값— |
필드provider.allow_fallbacks | 유형boolean|null | 요건선택 사항 | 값과 한도 false, null | 기본값— |
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세endpoint, model, requests |
매개변수material_types | 명세text |
매개변수representation | 명세인라인 requests[]; 각 항목에는 custom_id와 body가 있습니다 |
매개변수request_endpoint_profile | 명세/v1/chat/completions |
매개변수file_material | 명세호출자는 실제 UTF-8 JSONL을 로컬에서 읽어 requests[]에 넣을 수 있습니다. 업로드 목적, input_file_id 또는 파일 참조는 사용하지 않습니다. 고객 자료가 없거나 비어 있으면 POST 전에 준비를 중단합니다. |
매개변수serialization_order | 명세endpoint, model, provider (제공된 경우), completion_window (제공된 경우), requests는 마지막에 |
매개변수optional_controls | 명세provider.only, provider.allow_fallbacks, completion_window |
매개변수schema_scope | 명세문서에 명시된 인라인 배치 요청 구조에 담긴 텍스트 Chat Completions 본문입니다. |
수명 주기: asynchronous
GET /v1/batches/{operation_id} · 최초 생성 응답에서 실제로 반환된 response.id; 동일한 사용자/키/그룹
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 $0.00015 / 1K 토큰 출력 · 출력 토큰 $0.00015 / 1K 토큰 입력 · 캐시 읽기 $0.000015 / 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 $0.00015 / 1K 토큰 출력 · 출력 토큰 $0.00015 / 1K 토큰 입력 · 캐시 읽기 $0.000015 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"mistralai/ministral-8b-2512:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['mistralai/ministral-8b-2512:batch', 'mistralai/ministral-8b-2512']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"mistralai/ministral-8b-2512:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\n인라인 results[].response.body JSON
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\n반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
최초 상태 JSON 전체, 모든 결과/custom_id와 응답 또는 오류 본문 전체를 보관하세요. 완료된 results[]는 필터링 없이 JSONL로 저장하세요.
최초 작업 ID를 보관하세요. 503 result_pending_check에는 X-Should-Retry:false가 포함됩니다. 상태가 불명확한 최초 배치를 다시 제출하지 마세요.
| 필드 | 유형 |
|---|---|
필드results[].custom_id | 유형string |
필드results[].response.body.choices[].message.content | 유형string|null |
필드results[].error | 유형object|null |
필드usage | 유형object|null |
필드id | 유형string |
필드model | 유형string |
필드endpoint | 유형string |
필드status | 유형string |
필드request_counts | 유형object |
필드results[].id | 유형string |
필드results[].response.status_code | 유형integer |
필드results[].response.request_id | 유형string |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건문서에 명시된 인라인 요청 구조가 유효하지 않거나, 키가 중복되거나, 항목 식별 정보 또는 설정된 모델 기능에 충돌이 있습니다. | 다음 단계새로 제출하기 전에 표시된 필드를 수정하세요. |
응답401 · authentication_error | 조건유효하지 않은 API 키입니다. | 다음 단계사용 권한이 있는 Ailoot 키를 사용하세요. |
응답403 · permission_error | 조건배치 그룹을 사용할 수 없습니다. | 다음 단계키/그룹의 사용 권한을 확인하세요. |
응답422 · invalid_request_error | 조건배치는 잔액 과금을 사용하며, 구독을 통한 생성 요청은 거부됩니다. | 다음 단계사용 권한이 있는 잔액 과금 그룹을 사용하세요. |
응답422 · price_unavailable | 조건배치 입력의 예상 비용을 산출할 수 없습니다. | 다음 단계응답을 보관하고 문서에 명시된 API 계열 입력을 사용하세요. |
응답402 · billing_error | 조건배치 예약 금액을 확보할 수 없습니다. | 다음 단계새 요청 전에 요청 허용 조건을 충족하세요. |
응답503 · price_unavailable | 조건배치 메서드 가격 또는 네이티브 요율을 사용할 수 없습니다. | 다음 단계응답을 보관하고 가격을 임의로 대체하지 마세요. |
응답503 · api_error | 조건정확히 일치하는 공급업체 라우트를 사용할 수 없습니다. | 다음 단계라우트 수정을 위해 응답을 보관하세요. |
응답503 · result_pending_check | 조건최초 결과를 확인해야 합니다. X-Should-Retry:false. | 다음 단계최초 operation_id/id를 보관하고 해당 상태를 조회하세요. 최초 POST를 반복하지 마세요. |
응답404 · not_found | 조건배치 상태 조회 대상 작업이 없거나 다른 사용 주체의 소유입니다. | 다음 단계최초 id를 정확히 사용하고 동일한 사용자/키/그룹을 유지하세요. |
Ailoot Ultra mistralai/ministral-8b-2512:batch
위에 표시된 메서드 경로를 사용하세요.