Mistral Medium 3.1은 텍스트 및 시각적 이해를 위한 Mistral AI의 멀티모달 버전입니다. 제조사는 이 개정판이 Medium 3 계열의 어조와 성능을 개선한다고 설명합니다. 텍스트와 이미지를 입력받아 설명, 문서 답변, 구조화된 레코드, 제안된 함수 호출 등의 텍스트를 생성합니다. 제조사의 고정 버전 식별자는 mistral-medium-2508입니다.
컨텍스트와 해당 버전
모델 페이지에는 128k 컨텍스트 창이 문서화되어 있습니다. 관련 원본 구절, 이미지 근거, 대화, 사용자 작업을 함께 유지하는 데 사용하세요. 큰 자료 집합을 제공하기 전에 문서의 역할과 답할 질문을 지정하세요. 긴 컨텍스트로 범위가 명확한 비교를 지원하면서 최종 산출물은 짧은 표나 수정된 섹션으로 유지할 수 있습니다.
Medium 3.1은 고유한 사양을 유지합니다. Medium 3.5에 설명된 256k 컨텍스트, 1,280억 파라미터 밀집 아키텍처, 조절 가능한 하이브리드 추론 모드를 이 항목에 부여해서는 안 됩니다. 3.1 페이지에는 이후 모델에서 안전하게 대체해 쓸 수 있는 파라미터 수나 별도의 최대 답변 길이 수치가 제공되지 않습니다.
구조화된 출력과 함수
제조사는 이 버전의 기능으로 구조화된 출력, 함수 호출, 예측 출력을 나열합니다. 구조화된 추출 작업에서는 필수 필드, 예상 유형, 원본에 없는 정보의 처리 방식을 정의하세요. 레코드에는 문서 식별자, 추출된 진술, 원본 위치, 남은 질문을 넣을 수 있습니다. 프로그램이 파싱할 때는 레코드만 요청하고 누군가 해석을 검토해야 한다면 서술 설명을 별도로 유지하세요.
Mistral의 공통 구조화된 출력 문서는 JSON 모드와 사용자 지정 스키마를 구분합니다. JSON 모드는 원하는 JSON 형식에 대한 명시적인 지침을 요구하고 사용자 지정 경로는 더 구체적인 구조를 정의합니다. 이는 새로운 콘텐츠 모달리티나 외부 작업이 아니라 텍스트 결과의 형식 지정입니다.
함수의 경우 애플리케이션이 사용 가능한 작업과 인수를 정의하고 모델이 적절한 호출을 선택하여 값을 준비하면 애플리케이션이 실행합니다. 그 결과는 다음 답변을 위한 정보가 됩니다. 문서 어시스턴트는 조회를 통해 누락된 참조 데이터를 얻을 수 있지만 주변 애플리케이션이 조회를 제공하고 실제 결과를 반환해야 합니다. 제안된 호출과 반환된 데이터를 서로 연결해 유지하세요.
예측 편집과 응답 접두사
예측 출력은 제한된 편집이 필요한 문서나 코드 파일처럼 원하는 결과의 대부분을 이미 알고 있을 때 유용합니다. 기존 콘텐츠를 제공하고 변경 없이 유지할 사항을 포함하여 변경을 정확히 설명하세요. 문서의 나머지를 보존하면서 한 섹션의 용어를 업데이트하거나 구현 세부 사항 하나를 교체하도록 요청할 수 있습니다. 예측에는 파일에 적용이 완료된 변경이 아니라 예상 출력 콘텐츠가 담깁니다.
모델 페이지에는 응답 접두사 이어 쓰기도 나열되어 있습니다. 제조사의 채팅 문서에서 접두사는 어시스턴트 응답의 알려진 시작 부분을 제공하고 이후 생성이 이어집니다. 알려진 시작 부분과 예측된 본문은 서로 다른 준비 문제를 해결합니다. 배치와 에이전트·대화 인터페이스도 Medium 3.1의 별도 이미지, 오디오, 추론 버전이 아니라 워크플로 기능입니다.
문서와 시각 자료에 관한 질문
나열된 문서 QnA 워크플로는 OCR로 준비한 텍스트, 구조, 서식과 언어 모델 분석을 결합합니다. 작업에 필요한 특정 조건, 구절, 관계를 질문하세요. 비교에서는 원본 문서를 지정하고 공통 진술, 충돌, 미해결 세부 사항을 요청하며 각 발견 사항 옆에 원본 위치를 유지할 수 있습니다.
제조사의 비전 가이드에는 Medium 3.1이 명시적으로 포함되어 있습니다. 직접 시각 질문에서는 읽을 수 있는 차트, 문서 이미지, 스크린샷을 제공하고 어떤 시각적 근거가 결론을 뒷받침하는지 질문할 수 있습니다. 축, 단위, 레이블, 잘라낸 필드 주변의 맥락을 보존하세요. 여러 이미지를 제공할 때는 어느 것이 원본, 개정본, 참조인지 모델이 추측하게 두지 말고 순서와 역할을 지정하세요.
예를 들어 서면 절차 요구 사항과 스크린샷을 함께 제공하고 보이는 일치점, 차이, 추가 정보가 필요한 질문의 표를 요청하세요. 다른 작업에서는 문서의 두 버전을 제공하고 공통 조건을 유지하면서 지정한 불일치를 해결한 수정 구절을 요청할 수 있습니다. 이는 문서화된 시각·문서·편집 기능의 활용 제안이며 필요한 결과를 사전에 정의한 것입니다.
최종 산출물 준비
어시스턴트에게 명확한 역할, 사용할 원본 자료, 답변 형식을 제공하세요. 지속적으로 적용할 응답 규칙을 검토할 문서와 구분하고 최종 언어와 용어를 명시하세요. 유용한 응답은 추출 사실, 출처, 해석을 분리할 수 있어 하나로 합친 요약보다 검토하기 쉽습니다.
문서화된 결과는 여전히 텍스트입니다. 외부 도구, 파일 변경, 추가 문서 처리는 대화에 연결된 애플리케이션에 속합니다. 명명된 Medium 3.1 버전과 128k 컨텍스트를 유지하고 다음 단계에 실제로 필요한 설명, 구조화된 레코드, 특정 부분 수정을 요청하세요.
", "aboutText": "Mistral Medium 3.1은 텍스트 및 시각적 이해를 위한 Mistral AI의 멀티모달 버전입니다. 제조사는 이 개정판이 Medium 3 계열의 어조와 성능을 개선한다고 설명합니다. 텍스트와 이미지를 입력받아 설명, 문서 답변, 구조화된 레코드, 제안된 함수 호출 등의 텍스트를 생성합니다. 제조사의 고정 버전 식별자는 mistral-medium-2508입니다.\n\n컨텍스트와 해당 버전\n\n모델 페이지에는 128k 컨텍스트 창이 문서화되어 있습니다. 관련 원본 구절, 이미지 근거, 대화, 사용자 작업을 함께 유지하는 데 사용하세요. 큰 자료 집합을 제공하기 전에 문서의 역할과 답할 질문을 지정하세요. 긴 컨텍스트로 범위가 명확한 비교를 지원하면서 최종 산출물은 짧은 표나 수정된 섹션으로 유지할 수 있습니다.\n\nMedium 3.1은 고유한 사양을 유지합니다. Medium 3.5에 설명된 256k 컨텍스트, 1,280억 파라미터 밀집 아키텍처, 조절 가능한 하이브리드 추론 모드를 이 항목에 부여해서는 안 됩니다. 3.1 페이지에는 이후 모델에서 안전하게 대체해 쓸 수 있는 파라미터 수나 별도의 최대 답변 길이 수치가 제공되지 않습니다.\n\n구조화된 출력과 함수\n\n제조사는 이 버전의 기능으로 구조화된 출력, 함수 호출, 예측 출력을 나열합니다. 구조화된 추출 작업에서는 필수 필드, 예상 유형, 원본에 없는 정보의 처리 방식을 정의하세요. 레코드에는 문서 식별자, 추출된 진술, 원본 위치, 남은 질문을 넣을 수 있습니다. 프로그램이 파싱할 때는 레코드만 요청하고 누군가 해석을 검토해야 한다면 서술 설명을 별도로 유지하세요.\n\nMistral의 공통 구조화된 출력 문서는 JSON 모드와 사용자 지정 스키마를 구분합니다. JSON 모드는 원하는 JSON 형식에 대한 명시적인 지침을 요구하고 사용자 지정 경로는 더 구체적인 구조를 정의합니다. 이는 새로운 콘텐츠 모달리티나 외부 작업이 아니라 텍스트 결과의 형식 지정입니다.\n\n함수의 경우 애플리케이션이 사용 가능한 작업과 인수를 정의하고 모델이 적절한 호출을 선택하여 값을 준비하면 애플리케이션이 실행합니다. 그 결과는 다음 답변을 위한 정보가 됩니다. 문서 어시스턴트는 조회를 통해 누락된 참조 데이터를 얻을 수 있지만 주변 애플리케이션이 조회를 제공하고 실제 결과를 반환해야 합니다. 제안된 호출과 반환된 데이터를 서로 연결해 유지하세요.\n\n예측 편집과 응답 접두사\n\n예측 출력은 제한된 편집이 필요한 문서나 코드 파일처럼 원하는 결과의 대부분을 이미 알고 있을 때 유용합니다. 기존 콘텐츠를 제공하고 변경 없이 유지할 사항을 포함하여 변경을 정확히 설명하세요. 문서의 나머지를 보존하면서 한 섹션의 용어를 업데이트하거나 구현 세부 사항 하나를 교체하도록 요청할 수 있습니다. 예측에는 파일에 적용이 완료된 변경이 아니라 예상 출력 콘텐츠가 담깁니다.\n\n모델 페이지에는 응답 접두사 이어 쓰기도 나열되어 있습니다. 제조사의 채팅 문서에서 접두사는 어시스턴트 응답의 알려진 시작 부분을 제공하고 이후 생성이 이어집니다. 알려진 시작 부분과 예측된 본문은 서로 다른 준비 문제를 해결합니다. 배치와 에이전트·대화 인터페이스도 Medium 3.1의 별도 이미지, 오디오, 추론 버전이 아니라 워크플로 기능입니다.\n\n문서와 시각 자료에 관한 질문\n\n나열된 문서 QnA 워크플로는 OCR로 준비한 텍스트, 구조, 서식과 언어 모델 분석을 결합합니다. 작업에 필요한 특정 조건, 구절, 관계를 질문하세요. 비교에서는 원본 문서를 지정하고 공통 진술, 충돌, 미해결 세부 사항을 요청하며 각 발견 사항 옆에 원본 위치를 유지할 수 있습니다.\n\n제조사의 비전 가이드에는 Medium 3.1이 명시적으로 포함되어 있습니다. 직접 시각 질문에서는 읽을 수 있는 차트, 문서 이미지, 스크린샷을 제공하고 어떤 시각적 근거가 결론을 뒷받침하는지 질문할 수 있습니다. 축, 단위, 레이블, 잘라낸 필드 주변의 맥락을 보존하세요. 여러 이미지를 제공할 때는 어느 것이 원본, 개정본, 참조인지 모델이 추측하게 두지 말고 순서와 역할을 지정하세요.\n\n예를 들어 서면 절차 요구 사항과 스크린샷을 함께 제공하고 보이는 일치점, 차이, 추가 정보가 필요한 질문의 표를 요청하세요. 다른 작업에서는 문서의 두 버전을 제공하고 공통 조건을 유지하면서 지정한 불일치를 해결한 수정 구절을 요청할 수 있습니다. 이는 문서화된 시각·문서·편집 기능의 활용 제안이며 필요한 결과를 사전에 정의한 것입니다.\n\n최종 산출물 준비\n\n어시스턴트에게 명확한 역할, 사용할 원본 자료, 답변 형식을 제공하세요. 지속적으로 적용할 응답 규칙을 검토할 문서와 구분하고 최종 언어와 용어를 명시하세요. 유용한 응답은 추출 사실, 출처, 해석을 분리할 수 있어 하나로 합친 요약보다 검토하기 쉽습니다.\n\n문서화된 결과는 여전히 텍스트입니다. 외부 도구, 파일 변경, 추가 문서 처리는 대화에 연결된 애플리케이션에 속합니다. 명명된 Medium 3.1 버전과 128k 컨텍스트를 유지하고 다음 단계에 실제로 필요한 설명, 구조화된 레코드, 특정 부분 수정을 요청하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.mistralai/mistral-medium-3.1Mistral Medium 3.1은 대화형 답변, 문서 질문, 구조화된 추출을 위한 텍스트·이미지 모델입니다. 제조사 기준 128k 컨텍스트와 나열된 함수 호출, 예측 출력, 접두사 기능으로 원본 기반 설명과 특정 편집에 초점을 맞춘 워크플로를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Medium 3.1은 텍스트 및 시각적 이해를 위한 Mistral AI의 멀티모달 버전입니다. 제조사는 이 개정판이 Medium 3 계열의 어조와 성능을 개선한다고 설명합니다. 텍스트와 이미지를 입력받아 설명, 문서 답변, 구조화된 레코드, 제안된 함수 호출 등의 텍스트를 생성합니다. 제조사의 고정 버전 식별자는 mistral-medium-2508입니다.
컨텍스트와 해당 버전
모델 페이지에는 128k 컨텍스트 창이 문서화되어 있습니다. 관련 원본 구절, 이미지 근거, 대화, 사용자 작업을 함께 유지하는 데 사용하세요. 큰 자료 집합을 제공하기 전에 문서의 역할과 답할 질문을 지정하세요. 긴 컨텍스트로 범위가 명확한 비교를 지원하면서 최종 산출물은 짧은 표나 수정된 섹션으로 유지할 수 있습니다.
Medium 3.1은 고유한 사양을 유지합니다. Medium 3.5에 설명된 256k 컨텍스트, 1,280억 파라미터 밀집 아키텍처, 조절 가능한 하이브리드 추론 모드를 이 항목에 부여해서는 안 됩니다. 3.1 페이지에는 이후 모델에서 안전하게 대체해 쓸 수 있는 파라미터 수나 별도의 최대 답변 길이 수치가 제공되지 않습니다.
구조화된 출력과 함수
제조사는 이 버전의 기능으로 구조화된 출력, 함수 호출, 예측 출력을 나열합니다. 구조화된 추출 작업에서는 필수 필드, 예상 유형, 원본에 없는 정보의 처리 방식을 정의하세요. 레코드에는 문서 식별자, 추출된 진술, 원본 위치, 남은 질문을 넣을 수 있습니다. 프로그램이 파싱할 때는 레코드만 요청하고 누군가 해석을 검토해야 한다면 서술 설명을 별도로 유지하세요.
Mistral의 공통 구조화된 출력 문서는 JSON 모드와 사용자 지정 스키마를 구분합니다. JSON 모드는 원하는 JSON 형식에 대한 명시적인 지침을 요구하고 사용자 지정 경로는 더 구체적인 구조를 정의합니다. 이는 새로운 콘텐츠 모달리티나 외부 작업이 아니라 텍스트 결과의 형식 지정입니다.
함수의 경우 애플리케이션이 사용 가능한 작업과 인수를 정의하고 모델이 적절한 호출을 선택하여 값을 준비하면 애플리케이션이 실행합니다. 그 결과는 다음 답변을 위한 정보가 됩니다. 문서 어시스턴트는 조회를 통해 누락된 참조 데이터를 얻을 수 있지만 주변 애플리케이션이 조회를 제공하고 실제 결과를 반환해야 합니다. 제안된 호출과 반환된 데이터를 서로 연결해 유지하세요.
예측 편집과 응답 접두사
예측 출력은 제한된 편집이 필요한 문서나 코드 파일처럼 원하는 결과의 대부분을 이미 알고 있을 때 유용합니다. 기존 콘텐츠를 제공하고 변경 없이 유지할 사항을 포함하여 변경을 정확히 설명하세요. 문서의 나머지를 보존하면서 한 섹션의 용어를 업데이트하거나 구현 세부 사항 하나를 교체하도록 요청할 수 있습니다. 예측에는 파일에 적용이 완료된 변경이 아니라 예상 출력 콘텐츠가 담깁니다.
모델 페이지에는 응답 접두사 이어 쓰기도 나열되어 있습니다. 제조사의 채팅 문서에서 접두사는 어시스턴트 응답의 알려진 시작 부분을 제공하고 이후 생성이 이어집니다. 알려진 시작 부분과 예측된 본문은 서로 다른 준비 문제를 해결합니다. 배치와 에이전트·대화 인터페이스도 Medium 3.1의 별도 이미지, 오디오, 추론 버전이 아니라 워크플로 기능입니다.
문서와 시각 자료에 관한 질문
나열된 문서 QnA 워크플로는 OCR로 준비한 텍스트, 구조, 서식과 언어 모델 분석을 결합합니다. 작업에 필요한 특정 조건, 구절, 관계를 질문하세요. 비교에서는 원본 문서를 지정하고 공통 진술, 충돌, 미해결 세부 사항을 요청하며 각 발견 사항 옆에 원본 위치를 유지할 수 있습니다.
제조사의 비전 가이드에는 Medium 3.1이 명시적으로 포함되어 있습니다. 직접 시각 질문에서는 읽을 수 있는 차트, 문서 이미지, 스크린샷을 제공하고 어떤 시각적 근거가 결론을 뒷받침하는지 질문할 수 있습니다. 축, 단위, 레이블, 잘라낸 필드 주변의 맥락을 보존하세요. 여러 이미지를 제공할 때는 어느 것이 원본, 개정본, 참조인지 모델이 추측하게 두지 말고 순서와 역할을 지정하세요.
예를 들어 서면 절차 요구 사항과 스크린샷을 함께 제공하고 보이는 일치점, 차이, 추가 정보가 필요한 질문의 표를 요청하세요. 다른 작업에서는 문서의 두 버전을 제공하고 공통 조건을 유지하면서 지정한 불일치를 해결한 수정 구절을 요청할 수 있습니다. 이는 문서화된 시각·문서·편집 기능의 활용 제안이며 필요한 결과를 사전에 정의한 것입니다.
최종 산출물 준비
어시스턴트에게 명확한 역할, 사용할 원본 자료, 답변 형식을 제공하세요. 지속적으로 적용할 응답 규칙을 검토할 문서와 구분하고 최종 언어와 용어를 명시하세요. 유용한 응답은 추출 사실, 출처, 해석을 분리할 수 있어 하나로 합친 요약보다 검토하기 쉽습니다.
문서화된 결과는 여전히 텍스트입니다. 외부 도구, 파일 변경, 추가 문서 처리는 대화에 연결된 애플리케이션에 속합니다. 명명된 Medium 3.1 버전과 128k 컨텍스트를 유지하고 다음 단계에 실제로 필요한 설명, 구조화된 레코드, 특정 부분 수정을 요청하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-medium-3.1 | 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 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.004 / 1K 토큰 입력 · 캐시 읽기 $0.00008 / 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 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.004 / 1K 토큰 입력 · 캐시 읽기 $0.00008 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3.1", "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-medium-3.1',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-medium-3.1',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-medium-3.1
위에 표시된 메서드 경로를 사용하세요.
mistralai/mistral-medium-3.1Mistral Medium 3.1은 대화형 답변, 문서 질문, 구조화된 추출을 위한 텍스트·이미지 모델입니다. 제조사 기준 128k 컨텍스트와 나열된 함수 호출, 예측 출력, 접두사 기능으로 원본 기반 설명과 특정 편집에 초점을 맞춘 워크플로를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Medium 3.1은 텍스트 및 시각적 이해를 위한 Mistral AI의 멀티모달 버전입니다. 제조사는 이 개정판이 Medium 3 계열의 어조와 성능을 개선한다고 설명합니다. 텍스트와 이미지를 입력받아 설명, 문서 답변, 구조화된 레코드, 제안된 함수 호출 등의 텍스트를 생성합니다. 제조사의 고정 버전 식별자는 mistral-medium-2508입니다.
컨텍스트와 해당 버전
모델 페이지에는 128k 컨텍스트 창이 문서화되어 있습니다. 관련 원본 구절, 이미지 근거, 대화, 사용자 작업을 함께 유지하는 데 사용하세요. 큰 자료 집합을 제공하기 전에 문서의 역할과 답할 질문을 지정하세요. 긴 컨텍스트로 범위가 명확한 비교를 지원하면서 최종 산출물은 짧은 표나 수정된 섹션으로 유지할 수 있습니다.
Medium 3.1은 고유한 사양을 유지합니다. Medium 3.5에 설명된 256k 컨텍스트, 1,280억 파라미터 밀집 아키텍처, 조절 가능한 하이브리드 추론 모드를 이 항목에 부여해서는 안 됩니다. 3.1 페이지에는 이후 모델에서 안전하게 대체해 쓸 수 있는 파라미터 수나 별도의 최대 답변 길이 수치가 제공되지 않습니다.
구조화된 출력과 함수
제조사는 이 버전의 기능으로 구조화된 출력, 함수 호출, 예측 출력을 나열합니다. 구조화된 추출 작업에서는 필수 필드, 예상 유형, 원본에 없는 정보의 처리 방식을 정의하세요. 레코드에는 문서 식별자, 추출된 진술, 원본 위치, 남은 질문을 넣을 수 있습니다. 프로그램이 파싱할 때는 레코드만 요청하고 누군가 해석을 검토해야 한다면 서술 설명을 별도로 유지하세요.
Mistral의 공통 구조화된 출력 문서는 JSON 모드와 사용자 지정 스키마를 구분합니다. JSON 모드는 원하는 JSON 형식에 대한 명시적인 지침을 요구하고 사용자 지정 경로는 더 구체적인 구조를 정의합니다. 이는 새로운 콘텐츠 모달리티나 외부 작업이 아니라 텍스트 결과의 형식 지정입니다.
함수의 경우 애플리케이션이 사용 가능한 작업과 인수를 정의하고 모델이 적절한 호출을 선택하여 값을 준비하면 애플리케이션이 실행합니다. 그 결과는 다음 답변을 위한 정보가 됩니다. 문서 어시스턴트는 조회를 통해 누락된 참조 데이터를 얻을 수 있지만 주변 애플리케이션이 조회를 제공하고 실제 결과를 반환해야 합니다. 제안된 호출과 반환된 데이터를 서로 연결해 유지하세요.
예측 편집과 응답 접두사
예측 출력은 제한된 편집이 필요한 문서나 코드 파일처럼 원하는 결과의 대부분을 이미 알고 있을 때 유용합니다. 기존 콘텐츠를 제공하고 변경 없이 유지할 사항을 포함하여 변경을 정확히 설명하세요. 문서의 나머지를 보존하면서 한 섹션의 용어를 업데이트하거나 구현 세부 사항 하나를 교체하도록 요청할 수 있습니다. 예측에는 파일에 적용이 완료된 변경이 아니라 예상 출력 콘텐츠가 담깁니다.
모델 페이지에는 응답 접두사 이어 쓰기도 나열되어 있습니다. 제조사의 채팅 문서에서 접두사는 어시스턴트 응답의 알려진 시작 부분을 제공하고 이후 생성이 이어집니다. 알려진 시작 부분과 예측된 본문은 서로 다른 준비 문제를 해결합니다. 배치와 에이전트·대화 인터페이스도 Medium 3.1의 별도 이미지, 오디오, 추론 버전이 아니라 워크플로 기능입니다.
문서와 시각 자료에 관한 질문
나열된 문서 QnA 워크플로는 OCR로 준비한 텍스트, 구조, 서식과 언어 모델 분석을 결합합니다. 작업에 필요한 특정 조건, 구절, 관계를 질문하세요. 비교에서는 원본 문서를 지정하고 공통 진술, 충돌, 미해결 세부 사항을 요청하며 각 발견 사항 옆에 원본 위치를 유지할 수 있습니다.
제조사의 비전 가이드에는 Medium 3.1이 명시적으로 포함되어 있습니다. 직접 시각 질문에서는 읽을 수 있는 차트, 문서 이미지, 스크린샷을 제공하고 어떤 시각적 근거가 결론을 뒷받침하는지 질문할 수 있습니다. 축, 단위, 레이블, 잘라낸 필드 주변의 맥락을 보존하세요. 여러 이미지를 제공할 때는 어느 것이 원본, 개정본, 참조인지 모델이 추측하게 두지 말고 순서와 역할을 지정하세요.
예를 들어 서면 절차 요구 사항과 스크린샷을 함께 제공하고 보이는 일치점, 차이, 추가 정보가 필요한 질문의 표를 요청하세요. 다른 작업에서는 문서의 두 버전을 제공하고 공통 조건을 유지하면서 지정한 불일치를 해결한 수정 구절을 요청할 수 있습니다. 이는 문서화된 시각·문서·편집 기능의 활용 제안이며 필요한 결과를 사전에 정의한 것입니다.
최종 산출물 준비
어시스턴트에게 명확한 역할, 사용할 원본 자료, 답변 형식을 제공하세요. 지속적으로 적용할 응답 규칙을 검토할 문서와 구분하고 최종 언어와 용어를 명시하세요. 유용한 응답은 추출 사실, 출처, 해석을 분리할 수 있어 하나로 합친 요약보다 검토하기 쉽습니다.
문서화된 결과는 여전히 텍스트입니다. 외부 도구, 파일 변경, 추가 문서 처리는 대화에 연결된 애플리케이션에 속합니다. 명명된 Medium 3.1 버전과 128k 컨텍스트를 유지하고 다음 단계에 실제로 필요한 설명, 구조화된 레코드, 특정 부분 수정을 요청하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-medium-3.1 | 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 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.004 / 1K 토큰 입력 · 캐시 읽기 $0.00008 / 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 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.004 / 1K 토큰 입력 · 캐시 읽기 $0.00008 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "mistralai/mistral-medium-3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-medium-3.1', '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-medium-3.1', '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-medium-3.1
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.