Mistral Large 4는 지시 준수, 추론, 코딩, 에이전트 작업을 결합한 Mistral AI의 범용 멀티모달 모델입니다. 텍스트와 이미지를 입력받아 설명, 코드, 구조화된 필드 등이 포함된 텍스트를 생성합니다. 세분화된 전문가 혼합 아키텍처는 전체 파라미터 집합을 한 번에 활성화하는 대신 토큰마다 선택된 구성 요소를 사용합니다.
아키텍처와 컨텍스트
현재 모델 페이지에는 총 1조 500억 파라미터, 활성 파라미터 520억 개, 16억 파라미터의 비전 인코더가 명시되어 있습니다. 제조사의 릴리스 페이지는 집계 기준을 설명합니다. 토큰당 활성 파라미터는 490억 개이며 임베딩과 출력 계층을 포함하면 520억 개입니다. 이 수치는 답변의 길이가 아니라 모델 구조를 설명합니다.
제조사는 100만 토큰의 컨텍스트 창을 문서화하고 있습니다. 방대한 원본 자료, 대화, 지침을 함께 제공하되 최종 산출물의 목적을 정의하세요. 여러 문서를 다루는 질문에서는 각 문서와 역할을 지정하고 각 발견 사항 옆에 원본 위치를 요청하세요. 큰 컨텍스트는 요구 사항, 도표, 관련 설명을 함께 고려해야 할 때 유용합니다.
구조화된 답변과 문서 질문
모델 카드에는 구조화된 출력, 함수 호출, 문서 질의응답, 응답 접두사, 배치 제출, 에이전트 대화가 나열되어 있습니다. Mistral의 구조화된 출력 문서는 JSON 모드와 사용자 지정 스키마를 구분합니다. 필요한 JSON 형식을 프롬프트에 지정하고 연결된 인터페이스에 특정 필드 구조가 필요하면 정의된 스키마를 사용하세요. 레코드는 원본 사실, 해석, 미해결 질문을 한 문단에 섞는 대신 구분할 수 있습니다.
문서 질의응답은 문서 처리와 언어 모델의 이해를 결합한 워크플로입니다. OCR이 텍스트, 구조, 서식을 준비한 다음 모델이 해당 자료에 관한 질문에 답합니다. 요구 사항을 찾거나 문서 간 진술을 비교하거나 결정과 관련된 근거를 요약하도록 요청할 수 있습니다. 직접 이미지 이해와 OCR 지원 문서 워크플로는 근거를 준비하는 관련 방식이지만 문서 처리 단계는 이미지 입력과 구분됩니다.
예를 들어 기술 명세와 도면을 제공하고 검토 중인 개정본을 지정한 다음 요구 사항 매트릭스를 요청하세요. 각 행에는 요구 사항, 근거 문서 또는 도면, 관찰된 차이, 아직 필요한 확인 사항을 넣을 수 있습니다. 비교를 결정하는 레이블, 단위, 이미지 영역을 유지하여 결과가 원본 자료와 계속 연결되게 하세요.
코딩, 에이전트, 시각 추론
릴리스는 사이버 보안 분석, 소프트웨어 엔지니어링, 저장소 이해, 터미널 중심 워크플로를 설명합니다. 방어 목적의 코드 검토에서는 관련 코드 경로, 예상 동작, 실패 근거를 제공하세요. 원인, 제안된 수정, 기존 동작과 의도한 동작을 구분하는 예시를 요청하세요. 저장소 질문에는 선택한 동작을 설명하는 데 필요한 모듈과 호출 관계를 포함하세요.
함수 호출은 추론을 애플리케이션이 제공하는 도구와 연결합니다. 제조사의 절차는 함수 정의, 사용자 질문 제공, 모델의 인수 준비, 애플리케이션에서 선택한 함수 실행, 다음 답변을 위한 결과 반환으로 구성됩니다. 제안된 호출은 실행과 구분됩니다. 모델 카드에는 제조사의 에이전트·대화 인터페이스 안의 내장 도구도 나열되어 있습니다. 이들은 모델에 새 입력 또는 출력 모달리티를 추가하는 것이 아니라 연결된 워크플로에 속합니다.
시각적 이해는 문서, 차트, 자연 장면, 공학 도면을 포함합니다. 도면 작업에서는 제공된 요구 사항을 충족하는 레이블 지정 구성 요소, 발견 사항을 뒷받침하는 치수나 주석, 더 자세히 검토해야 할 영역을 질문할 수 있습니다. 릴리스의 시각 에이전트 예시는 해석과 검토 단계를 결합합니다. 확대, 검색, 기타 작업에는 주변 도구 환경이 필요합니다.
과학, 수학, 전문 산출물
제조사는 과학 코딩, 데이터 분석, 모델링, 수학적 추론을 의도한 활용 사례로 설명합니다. 방정식, 가정, 단위, 필요한 결과 형식을 제공하세요. 과학 코딩 요청에서는 구현, 각 변수의 의미, 출력을 참조 조건과 비교하는 계획을 요청할 수 있습니다. 해당 구현의 생성은 텍스트 결과이며 시뮬레이션 실행이나 파일 생성에는 애플리케이션 환경이 필요합니다.
전문 문서 작업에서는 원본 보고서를 제공하고 비교표, 설명, 수정된 구절, 스프레드시트 내용 등 산출물을 정의하세요. 계산 기준을 명시하고 근거 문서 위치를 유지하세요. 릴리스는 유럽연합의 모든 공용어를 포함하여 160개 이상의 언어로 이루어진 다국어 학습도 설명합니다. 다국어 작업을 준비할 때 필요한 출력 언어와 용어를 지정하세요.
유용한 범위 설정
문서화된 모달리티는 텍스트·이미지 입력과 텍스트 출력입니다. 제조사의 100만 토큰 컨텍스트는 별도의 최대 답변 길이 사양이 아니며, 검토된 출처는 이 항목의 독립적인 엄격한 출력 한도를 확립하지 않습니다. 정확한 Large 4 버전, 준비된 근거, 연결된 도구를 명확히 드러내세요. 구조화된 레코드, 설명, 제안된 작업은 요청 전에 필드, 근거 출처, 다음 애플리케이션 단계가 정의되어 있을 때 가장 유용합니다.
", "aboutText": "Mistral Large 4는 지시 준수, 추론, 코딩, 에이전트 작업을 결합한 Mistral AI의 범용 멀티모달 모델입니다. 텍스트와 이미지를 입력받아 설명, 코드, 구조화된 필드 등이 포함된 텍스트를 생성합니다. 세분화된 전문가 혼합 아키텍처는 전체 파라미터 집합을 한 번에 활성화하는 대신 토큰마다 선택된 구성 요소를 사용합니다.\n\n아키텍처와 컨텍스트\n\n현재 모델 페이지에는 총 1조 500억 파라미터, 활성 파라미터 520억 개, 16억 파라미터의 비전 인코더가 명시되어 있습니다. 제조사의 릴리스 페이지는 집계 기준을 설명합니다. 토큰당 활성 파라미터는 490억 개이며 임베딩과 출력 계층을 포함하면 520억 개입니다. 이 수치는 답변의 길이가 아니라 모델 구조를 설명합니다.\n\n제조사는 100만 토큰의 컨텍스트 창을 문서화하고 있습니다. 방대한 원본 자료, 대화, 지침을 함께 제공하되 최종 산출물의 목적을 정의하세요. 여러 문서를 다루는 질문에서는 각 문서와 역할을 지정하고 각 발견 사항 옆에 원본 위치를 요청하세요. 큰 컨텍스트는 요구 사항, 도표, 관련 설명을 함께 고려해야 할 때 유용합니다.\n\n구조화된 답변과 문서 질문\n\n모델 카드에는 구조화된 출력, 함수 호출, 문서 질의응답, 응답 접두사, 배치 제출, 에이전트 대화가 나열되어 있습니다. Mistral의 구조화된 출력 문서는 JSON 모드와 사용자 지정 스키마를 구분합니다. 필요한 JSON 형식을 프롬프트에 지정하고 연결된 인터페이스에 특정 필드 구조가 필요하면 정의된 스키마를 사용하세요. 레코드는 원본 사실, 해석, 미해결 질문을 한 문단에 섞는 대신 구분할 수 있습니다.\n\n문서 질의응답은 문서 처리와 언어 모델의 이해를 결합한 워크플로입니다. OCR이 텍스트, 구조, 서식을 준비한 다음 모델이 해당 자료에 관한 질문에 답합니다. 요구 사항을 찾거나 문서 간 진술을 비교하거나 결정과 관련된 근거를 요약하도록 요청할 수 있습니다. 직접 이미지 이해와 OCR 지원 문서 워크플로는 근거를 준비하는 관련 방식이지만 문서 처리 단계는 이미지 입력과 구분됩니다.\n\n예를 들어 기술 명세와 도면을 제공하고 검토 중인 개정본을 지정한 다음 요구 사항 매트릭스를 요청하세요. 각 행에는 요구 사항, 근거 문서 또는 도면, 관찰된 차이, 아직 필요한 확인 사항을 넣을 수 있습니다. 비교를 결정하는 레이블, 단위, 이미지 영역을 유지하여 결과가 원본 자료와 계속 연결되게 하세요.\n\n코딩, 에이전트, 시각 추론\n\n릴리스는 사이버 보안 분석, 소프트웨어 엔지니어링, 저장소 이해, 터미널 중심 워크플로를 설명합니다. 방어 목적의 코드 검토에서는 관련 코드 경로, 예상 동작, 실패 근거를 제공하세요. 원인, 제안된 수정, 기존 동작과 의도한 동작을 구분하는 예시를 요청하세요. 저장소 질문에는 선택한 동작을 설명하는 데 필요한 모듈과 호출 관계를 포함하세요.\n\n함수 호출은 추론을 애플리케이션이 제공하는 도구와 연결합니다. 제조사의 절차는 함수 정의, 사용자 질문 제공, 모델의 인수 준비, 애플리케이션에서 선택한 함수 실행, 다음 답변을 위한 결과 반환으로 구성됩니다. 제안된 호출은 실행과 구분됩니다. 모델 카드에는 제조사의 에이전트·대화 인터페이스 안의 내장 도구도 나열되어 있습니다. 이들은 모델에 새 입력 또는 출력 모달리티를 추가하는 것이 아니라 연결된 워크플로에 속합니다.\n\n시각적 이해는 문서, 차트, 자연 장면, 공학 도면을 포함합니다. 도면 작업에서는 제공된 요구 사항을 충족하는 레이블 지정 구성 요소, 발견 사항을 뒷받침하는 치수나 주석, 더 자세히 검토해야 할 영역을 질문할 수 있습니다. 릴리스의 시각 에이전트 예시는 해석과 검토 단계를 결합합니다. 확대, 검색, 기타 작업에는 주변 도구 환경이 필요합니다.\n\n과학, 수학, 전문 산출물\n\n제조사는 과학 코딩, 데이터 분석, 모델링, 수학적 추론을 의도한 활용 사례로 설명합니다. 방정식, 가정, 단위, 필요한 결과 형식을 제공하세요. 과학 코딩 요청에서는 구현, 각 변수의 의미, 출력을 참조 조건과 비교하는 계획을 요청할 수 있습니다. 해당 구현의 생성은 텍스트 결과이며 시뮬레이션 실행이나 파일 생성에는 애플리케이션 환경이 필요합니다.\n\n전문 문서 작업에서는 원본 보고서를 제공하고 비교표, 설명, 수정된 구절, 스프레드시트 내용 등 산출물을 정의하세요. 계산 기준을 명시하고 근거 문서 위치를 유지하세요. 릴리스는 유럽연합의 모든 공용어를 포함하여 160개 이상의 언어로 이루어진 다국어 학습도 설명합니다. 다국어 작업을 준비할 때 필요한 출력 언어와 용어를 지정하세요.\n\n유용한 범위 설정\n\n문서화된 모달리티는 텍스트·이미지 입력과 텍스트 출력입니다. 제조사의 100만 토큰 컨텍스트는 별도의 최대 답변 길이 사양이 아니며, 검토된 출처는 이 항목의 독립적인 엄격한 출력 한도를 확립하지 않습니다. 정확한 Large 4 버전, 준비된 근거, 연결된 도구를 명확히 드러내세요. 구조화된 레코드, 설명, 제안된 작업은 요청 전에 필드, 근거 출처, 다음 애플리케이션 단계가 정의되어 있을 때 가장 유용합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Build an engineering requirement matrix\n\nCreate a requirements matrix from these text excerpts. Spec S1: the enclosure must fit a 60 mm cable bend radius. Drawing D2: available internal clearance is 45 mm. Note N3: exterior width is 120 mm. For each relevant requirement, show the source evidence, the mismatch and the clarification needed. Do not use exterior width as proof of internal clearance.A source-linked matrix identifying the bend-radius/clearance conflict and the information needed for an engineering decision.The comparison keeps millimetres consistent and does not treat the unrelated exterior dimension as resolving the conflict.mistralai/mistral-large-4-0Mistral Large 4는 추론, 코딩, 문서 분석, 도구 기반 에이전트를 위한 텍스트·이미지 모델입니다. 제조사 기준 100만 토큰 컨텍스트로 방대한 원본 자료 집합을 지원하며 구조화된 답변, 함수 호출, 세분화된 전문가 혼합 아키텍처를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Large 4는 지시 준수, 추론, 코딩, 에이전트 작업을 결합한 Mistral AI의 범용 멀티모달 모델입니다. 텍스트와 이미지를 입력받아 설명, 코드, 구조화된 필드 등이 포함된 텍스트를 생성합니다. 세분화된 전문가 혼합 아키텍처는 전체 파라미터 집합을 한 번에 활성화하는 대신 토큰마다 선택된 구성 요소를 사용합니다.
아키텍처와 컨텍스트
현재 모델 페이지에는 총 1조 500억 파라미터, 활성 파라미터 520억 개, 16억 파라미터의 비전 인코더가 명시되어 있습니다. 제조사의 릴리스 페이지는 집계 기준을 설명합니다. 토큰당 활성 파라미터는 490억 개이며 임베딩과 출력 계층을 포함하면 520억 개입니다. 이 수치는 답변의 길이가 아니라 모델 구조를 설명합니다.
제조사는 100만 토큰의 컨텍스트 창을 문서화하고 있습니다. 방대한 원본 자료, 대화, 지침을 함께 제공하되 최종 산출물의 목적을 정의하세요. 여러 문서를 다루는 질문에서는 각 문서와 역할을 지정하고 각 발견 사항 옆에 원본 위치를 요청하세요. 큰 컨텍스트는 요구 사항, 도표, 관련 설명을 함께 고려해야 할 때 유용합니다.
구조화된 답변과 문서 질문
모델 카드에는 구조화된 출력, 함수 호출, 문서 질의응답, 응답 접두사, 배치 제출, 에이전트 대화가 나열되어 있습니다. Mistral의 구조화된 출력 문서는 JSON 모드와 사용자 지정 스키마를 구분합니다. 필요한 JSON 형식을 프롬프트에 지정하고 연결된 인터페이스에 특정 필드 구조가 필요하면 정의된 스키마를 사용하세요. 레코드는 원본 사실, 해석, 미해결 질문을 한 문단에 섞는 대신 구분할 수 있습니다.
문서 질의응답은 문서 처리와 언어 모델의 이해를 결합한 워크플로입니다. OCR이 텍스트, 구조, 서식을 준비한 다음 모델이 해당 자료에 관한 질문에 답합니다. 요구 사항을 찾거나 문서 간 진술을 비교하거나 결정과 관련된 근거를 요약하도록 요청할 수 있습니다. 직접 이미지 이해와 OCR 지원 문서 워크플로는 근거를 준비하는 관련 방식이지만 문서 처리 단계는 이미지 입력과 구분됩니다.
예를 들어 기술 명세와 도면을 제공하고 검토 중인 개정본을 지정한 다음 요구 사항 매트릭스를 요청하세요. 각 행에는 요구 사항, 근거 문서 또는 도면, 관찰된 차이, 아직 필요한 확인 사항을 넣을 수 있습니다. 비교를 결정하는 레이블, 단위, 이미지 영역을 유지하여 결과가 원본 자료와 계속 연결되게 하세요.
코딩, 에이전트, 시각 추론
릴리스는 사이버 보안 분석, 소프트웨어 엔지니어링, 저장소 이해, 터미널 중심 워크플로를 설명합니다. 방어 목적의 코드 검토에서는 관련 코드 경로, 예상 동작, 실패 근거를 제공하세요. 원인, 제안된 수정, 기존 동작과 의도한 동작을 구분하는 예시를 요청하세요. 저장소 질문에는 선택한 동작을 설명하는 데 필요한 모듈과 호출 관계를 포함하세요.
함수 호출은 추론을 애플리케이션이 제공하는 도구와 연결합니다. 제조사의 절차는 함수 정의, 사용자 질문 제공, 모델의 인수 준비, 애플리케이션에서 선택한 함수 실행, 다음 답변을 위한 결과 반환으로 구성됩니다. 제안된 호출은 실행과 구분됩니다. 모델 카드에는 제조사의 에이전트·대화 인터페이스 안의 내장 도구도 나열되어 있습니다. 이들은 모델에 새 입력 또는 출력 모달리티를 추가하는 것이 아니라 연결된 워크플로에 속합니다.
시각적 이해는 문서, 차트, 자연 장면, 공학 도면을 포함합니다. 도면 작업에서는 제공된 요구 사항을 충족하는 레이블 지정 구성 요소, 발견 사항을 뒷받침하는 치수나 주석, 더 자세히 검토해야 할 영역을 질문할 수 있습니다. 릴리스의 시각 에이전트 예시는 해석과 검토 단계를 결합합니다. 확대, 검색, 기타 작업에는 주변 도구 환경이 필요합니다.
과학, 수학, 전문 산출물
제조사는 과학 코딩, 데이터 분석, 모델링, 수학적 추론을 의도한 활용 사례로 설명합니다. 방정식, 가정, 단위, 필요한 결과 형식을 제공하세요. 과학 코딩 요청에서는 구현, 각 변수의 의미, 출력을 참조 조건과 비교하는 계획을 요청할 수 있습니다. 해당 구현의 생성은 텍스트 결과이며 시뮬레이션 실행이나 파일 생성에는 애플리케이션 환경이 필요합니다.
전문 문서 작업에서는 원본 보고서를 제공하고 비교표, 설명, 수정된 구절, 스프레드시트 내용 등 산출물을 정의하세요. 계산 기준을 명시하고 근거 문서 위치를 유지하세요. 릴리스는 유럽연합의 모든 공용어를 포함하여 160개 이상의 언어로 이루어진 다국어 학습도 설명합니다. 다국어 작업을 준비할 때 필요한 출력 언어와 용어를 지정하세요.
유용한 범위 설정
문서화된 모달리티는 텍스트·이미지 입력과 텍스트 출력입니다. 제조사의 100만 토큰 컨텍스트는 별도의 최대 답변 길이 사양이 아니며, 검토된 출처는 이 항목의 독립적인 엄격한 출력 한도를 확립하지 않습니다. 정확한 Large 4 버전, 준비된 근거, 연결된 도구를 명확히 드러내세요. 구조화된 레코드, 설명, 제안된 작업은 요청 전에 필드, 근거 출처, 다음 애플리케이션 단계가 정의되어 있을 때 가장 유용합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-large-4-0 | 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 $0.00272 / 1K 토큰 출력 · 출력 토큰 $0.00836 / 1K 토큰 입력 · 캐시 읽기 $0.00028 / 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 $0.00272 / 1K 토큰 출력 · 출력 토큰 $0.00836 / 1K 토큰 입력 · 캐시 읽기 $0.00028 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-large-4-0", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-large-4-0',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-large-4-0',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/mistral-large-4-0
위에 표시된 메서드 경로를 사용하세요.
mistralai/mistral-large-4-0Mistral Large 4는 추론, 코딩, 문서 분석, 도구 기반 에이전트를 위한 텍스트·이미지 모델입니다. 제조사 기준 100만 토큰 컨텍스트로 방대한 원본 자료 집합을 지원하며 구조화된 답변, 함수 호출, 세분화된 전문가 혼합 아키텍처를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Large 4는 지시 준수, 추론, 코딩, 에이전트 작업을 결합한 Mistral AI의 범용 멀티모달 모델입니다. 텍스트와 이미지를 입력받아 설명, 코드, 구조화된 필드 등이 포함된 텍스트를 생성합니다. 세분화된 전문가 혼합 아키텍처는 전체 파라미터 집합을 한 번에 활성화하는 대신 토큰마다 선택된 구성 요소를 사용합니다.
아키텍처와 컨텍스트
현재 모델 페이지에는 총 1조 500억 파라미터, 활성 파라미터 520억 개, 16억 파라미터의 비전 인코더가 명시되어 있습니다. 제조사의 릴리스 페이지는 집계 기준을 설명합니다. 토큰당 활성 파라미터는 490억 개이며 임베딩과 출력 계층을 포함하면 520억 개입니다. 이 수치는 답변의 길이가 아니라 모델 구조를 설명합니다.
제조사는 100만 토큰의 컨텍스트 창을 문서화하고 있습니다. 방대한 원본 자료, 대화, 지침을 함께 제공하되 최종 산출물의 목적을 정의하세요. 여러 문서를 다루는 질문에서는 각 문서와 역할을 지정하고 각 발견 사항 옆에 원본 위치를 요청하세요. 큰 컨텍스트는 요구 사항, 도표, 관련 설명을 함께 고려해야 할 때 유용합니다.
구조화된 답변과 문서 질문
모델 카드에는 구조화된 출력, 함수 호출, 문서 질의응답, 응답 접두사, 배치 제출, 에이전트 대화가 나열되어 있습니다. Mistral의 구조화된 출력 문서는 JSON 모드와 사용자 지정 스키마를 구분합니다. 필요한 JSON 형식을 프롬프트에 지정하고 연결된 인터페이스에 특정 필드 구조가 필요하면 정의된 스키마를 사용하세요. 레코드는 원본 사실, 해석, 미해결 질문을 한 문단에 섞는 대신 구분할 수 있습니다.
문서 질의응답은 문서 처리와 언어 모델의 이해를 결합한 워크플로입니다. OCR이 텍스트, 구조, 서식을 준비한 다음 모델이 해당 자료에 관한 질문에 답합니다. 요구 사항을 찾거나 문서 간 진술을 비교하거나 결정과 관련된 근거를 요약하도록 요청할 수 있습니다. 직접 이미지 이해와 OCR 지원 문서 워크플로는 근거를 준비하는 관련 방식이지만 문서 처리 단계는 이미지 입력과 구분됩니다.
예를 들어 기술 명세와 도면을 제공하고 검토 중인 개정본을 지정한 다음 요구 사항 매트릭스를 요청하세요. 각 행에는 요구 사항, 근거 문서 또는 도면, 관찰된 차이, 아직 필요한 확인 사항을 넣을 수 있습니다. 비교를 결정하는 레이블, 단위, 이미지 영역을 유지하여 결과가 원본 자료와 계속 연결되게 하세요.
코딩, 에이전트, 시각 추론
릴리스는 사이버 보안 분석, 소프트웨어 엔지니어링, 저장소 이해, 터미널 중심 워크플로를 설명합니다. 방어 목적의 코드 검토에서는 관련 코드 경로, 예상 동작, 실패 근거를 제공하세요. 원인, 제안된 수정, 기존 동작과 의도한 동작을 구분하는 예시를 요청하세요. 저장소 질문에는 선택한 동작을 설명하는 데 필요한 모듈과 호출 관계를 포함하세요.
함수 호출은 추론을 애플리케이션이 제공하는 도구와 연결합니다. 제조사의 절차는 함수 정의, 사용자 질문 제공, 모델의 인수 준비, 애플리케이션에서 선택한 함수 실행, 다음 답변을 위한 결과 반환으로 구성됩니다. 제안된 호출은 실행과 구분됩니다. 모델 카드에는 제조사의 에이전트·대화 인터페이스 안의 내장 도구도 나열되어 있습니다. 이들은 모델에 새 입력 또는 출력 모달리티를 추가하는 것이 아니라 연결된 워크플로에 속합니다.
시각적 이해는 문서, 차트, 자연 장면, 공학 도면을 포함합니다. 도면 작업에서는 제공된 요구 사항을 충족하는 레이블 지정 구성 요소, 발견 사항을 뒷받침하는 치수나 주석, 더 자세히 검토해야 할 영역을 질문할 수 있습니다. 릴리스의 시각 에이전트 예시는 해석과 검토 단계를 결합합니다. 확대, 검색, 기타 작업에는 주변 도구 환경이 필요합니다.
과학, 수학, 전문 산출물
제조사는 과학 코딩, 데이터 분석, 모델링, 수학적 추론을 의도한 활용 사례로 설명합니다. 방정식, 가정, 단위, 필요한 결과 형식을 제공하세요. 과학 코딩 요청에서는 구현, 각 변수의 의미, 출력을 참조 조건과 비교하는 계획을 요청할 수 있습니다. 해당 구현의 생성은 텍스트 결과이며 시뮬레이션 실행이나 파일 생성에는 애플리케이션 환경이 필요합니다.
전문 문서 작업에서는 원본 보고서를 제공하고 비교표, 설명, 수정된 구절, 스프레드시트 내용 등 산출물을 정의하세요. 계산 기준을 명시하고 근거 문서 위치를 유지하세요. 릴리스는 유럽연합의 모든 공용어를 포함하여 160개 이상의 언어로 이루어진 다국어 학습도 설명합니다. 다국어 작업을 준비할 때 필요한 출력 언어와 용어를 지정하세요.
유용한 범위 설정
문서화된 모달리티는 텍스트·이미지 입력과 텍스트 출력입니다. 제조사의 100만 토큰 컨텍스트는 별도의 최대 답변 길이 사양이 아니며, 검토된 출처는 이 항목의 독립적인 엄격한 출력 한도를 확립하지 않습니다. 정확한 Large 4 버전, 준비된 근거, 연결된 도구를 명확히 드러내세요. 구조화된 레코드, 설명, 제안된 작업은 요청 전에 필드, 근거 출처, 다음 애플리케이션 단계가 정의되어 있을 때 가장 유용합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-large-4-0 | 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 $0.00272 / 1K 토큰 출력 · 출력 토큰 $0.00836 / 1K 토큰 입력 · 캐시 읽기 $0.00028 / 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 $0.00272 / 1K 토큰 출력 · 출력 토큰 $0.00836 / 1K 토큰 입력 · 캐시 읽기 $0.00028 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "mistralai/mistral-large-4-0",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-large-4-0', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-large-4-0', '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/mistral-large-4-0
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Build an engineering requirement matrix\n\nCreate a requirements matrix from these text excerpts. Spec S1: the enclosure must fit a 60 mm cable bend radius. Drawing D2: available internal clearance is 45 mm. Note N3: exterior width is 120 mm. For each relevant requirement, show the source evidence, the mismatch and the clarification needed. Do not use exterior width as proof of internal clearance.A source-linked matrix identifying the bend-radius/clearance conflict and the information needed for an engineering decision.The comparison keeps millimetres consistent and does not treat the unrelated exterior dimension as resolving the conflict.