Mistral Medium 3.5는 하나의 가중치 집합에 지시 준수, 추론, 코딩을 결합한 Mistral AI의 1,280억 파라미터 밀집 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 반환합니다. 제조사는 에이전트 및 코딩 작업을 위한 모델로 소개하지만, 같은 체크포인트로 직접적인 대화형 답변을 생성하거나 문서화된 추론 모드를 사용해 더 복잡한 작업을 처리할 수 있습니다.
통합 모델과 시각 기능
공개된 모델 카드에는 1,280억 개의 밀집 파라미터와 256k 컨텍스트 창이 명시되어 있습니다. 비전 인코더는 서로 다른 이미지 크기와 종횡비를 처리하도록 학습되었습니다. 인터페이스 스크린샷, 요구 사항에 첨부된 도표, 해석해야 할 정보가 담긴 페이지 등 이미지는 코딩 또는 문서 작업의 근거가 될 수 있습니다. 결과는 생성된 이미지가 아니라 서면 설명, 코드, 구조화된 필드가 될 수 있습니다.
제조사는 영어, 프랑스어, 스페인어, 독일어, 이탈리아어, 포르투갈어, 네덜란드어, 중국어, 일본어, 한국어, 아랍어 등 수십 개 언어를 지원한다고 설명합니다. 시스템 프롬프트 준수와 JSON 출력을 동반한 기본 함수 호출도 강조합니다. 검토할 자료와 대상 독자, 언어, 응답 규칙을 별도로 설정하여 원본 문서의 표현이 작업의 근거로 유지되게 하세요.
추론 설정
모델 카드에는 요청별로 두 가지 추론 강도 값이 문서화되어 있습니다. none은 추론 모드 없이 지시 방식의 답변을 제공하고, high는 추론을 활성화하며 복잡한 프롬프트와 에이전트 코딩에 권장됩니다. 이는 모델의 정체성이 바뀌는 것이 아니라 같은 Medium 3.5 체크포인트 안에서 모드를 선택하는 것입니다.
높은 추론 강도에는 제조사가 temperature 0.7과 top-p 0.95를 권장합니다. none에서는 작업에 따라 temperature 0.0~0.7을 사용하고 top-p를 설정하지 않거나 1.0으로 두도록 안내합니다. 이는 해당 릴리스의 권장 사항입니다. 간결한 필드 추출, 설명이 포함된 코드 변경, 여러 근거 있는 판단이 필요한 비교 등 출력의 목적부터 정하세요.
실용적인 추론 작업에는 요구 사항, 구현, 불일치를 드러내는 입력을 제공할 수 있습니다. 관련 경로를 식별하고 차이를 설명하며 공개 인터페이스를 보존하는 최소한의 변경을 제안하도록 요청하세요. 수정된 코드는 가정 및 예시와 구분해서 요청하세요. 모델은 제안을 생성하며 컴파일, 실행, 적용에는 에이전트에 연결된 개발 환경이 필요합니다.
도구, 문서, 예측 가능한 편집
제조사의 서비스 카드에는 구조화된 출력, 예측 출력, 문서 질문, 응답 접두사, 배치 처리, 에이전트 대화도 나열되어 있습니다. 추출에서는 필드 이름, 유형, 누락된 값의 처리 방식을 정의하세요. JSON 모드는 구조화된 표현을 제공하고 사용자 지정 스키마는 연결된 인터페이스에서 더 구체적인 형식을 정의합니다. 프로그램이 파싱할 때는 레코드만 요청하고 사람이 해석을 검토해야 할 때는 별도의 설명을 요청하세요.
문서 질의응답은 OCR로 준비한 텍스트 및 구조와 언어 모델의 이해를 결합합니다. 비교에서는 문서와 평가할 조건을 지정한 다음 각 발견 사항과 함께 원본 위치를 요청하세요. 유용한 출력은 공통 요구 사항, 불일치, 미해결 질문을 구분할 수 있습니다. 직접적인 이미지 질문에서는 차트 레이블이나 인터페이스 요소에 초점을 맞출 수 있습니다. 제목, 단위, 이미지 역할을 유지하면 답변을 제공된 자료와 연결하는 데 도움이 됩니다.
예측 출력은 제한된 편집으로 코드 파일이나 문서를 재생성하는 것처럼 원하는 답변의 상당 부분을 이미 알고 있는 작업을 위한 기능으로 문서화되어 있습니다. 기존 콘텐츠를 제공하고 구체적인 변경을 지정하면서 유지해야 할 부분을 보존하세요. 이는 완전히 새로운 산출물을 요청하거나 알려진 응답 접두사에서 이어 쓰는 것과 다릅니다. 서비스 기능은 제출 및 형식 선택지를 설명하며 모델의 텍스트·이미지 입력이나 텍스트 출력을 바꾸지 않습니다.
도구 지원 워크플로에서는 애플리케이션이 함수 설명과 매개변수를 제공하고, 모델이 함수를 선택하여 인수를 준비하며, 애플리케이션이 이를 실행한 뒤 결과를 반환합니다. 계산 도구는 제공된 이미지에서 읽은 값을 받을 수 있고 조회 도구는 다음 답변에 필요한 누락된 정보를 제공할 수 있습니다. 도구 결과를 이를 생성한 작업과 연결해 유지하세요. 에이전트 추론은 텍스트 생성만으로 외부 작업을 수행하는 것이 아니라 이러한 환경에 의존합니다.
긴 세션 준비
256k 컨텍스트를 관련 소스 코드, 문서, 대화 기록에 사용하고 실제 목표를 명확히 유지하세요. 코딩 세션은 모듈, 호출자, 요구 사항을 유지하면서 정의된 변경 하나를 요청할 수 있습니다. 문서 세션은 관련 섹션을 함께 유지하면서 짧은 표나 수정된 구절을 반환할 수 있습니다. 컨텍스트 용량은 별도의 최대 답변 길이를 명시하지 않습니다. 모델 카드의 1,024토큰 생성 예시는 한도가 아니라 예시입니다.
제조사는 이전에 공개된 설정에 긴 컨텍스트 오류가 있었으며 파생 체크포인트에 대한 영향까지 포함하여 수정되었다고 설명합니다. 가중치를 긴 세션에 사용할 때는 수정된 릴리스 설정을 유지하세요. 이름이 같은 제품군에 속한다는 이유만으로 Medium 3.5의 하이브리드 모드와 1,280억 파라미터 아키텍처를 Medium 3.1이나 별도로 명명된 draft-head 체크포인트에 적용해서는 안 됩니다.
", "aboutText": "Mistral Medium 3.5는 하나의 가중치 집합에 지시 준수, 추론, 코딩을 결합한 Mistral AI의 1,280억 파라미터 밀집 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 반환합니다. 제조사는 에이전트 및 코딩 작업을 위한 모델로 소개하지만, 같은 체크포인트로 직접적인 대화형 답변을 생성하거나 문서화된 추론 모드를 사용해 더 복잡한 작업을 처리할 수 있습니다.\n\n통합 모델과 시각 기능\n\n공개된 모델 카드에는 1,280억 개의 밀집 파라미터와 256k 컨텍스트 창이 명시되어 있습니다. 비전 인코더는 서로 다른 이미지 크기와 종횡비를 처리하도록 학습되었습니다. 인터페이스 스크린샷, 요구 사항에 첨부된 도표, 해석해야 할 정보가 담긴 페이지 등 이미지는 코딩 또는 문서 작업의 근거가 될 수 있습니다. 결과는 생성된 이미지가 아니라 서면 설명, 코드, 구조화된 필드가 될 수 있습니다.\n\n제조사는 영어, 프랑스어, 스페인어, 독일어, 이탈리아어, 포르투갈어, 네덜란드어, 중국어, 일본어, 한국어, 아랍어 등 수십 개 언어를 지원한다고 설명합니다. 시스템 프롬프트 준수와 JSON 출력을 동반한 기본 함수 호출도 강조합니다. 검토할 자료와 대상 독자, 언어, 응답 규칙을 별도로 설정하여 원본 문서의 표현이 작업의 근거로 유지되게 하세요.\n\n추론 설정\n\n모델 카드에는 요청별로 두 가지 추론 강도 값이 문서화되어 있습니다. none은 추론 모드 없이 지시 방식의 답변을 제공하고, high는 추론을 활성화하며 복잡한 프롬프트와 에이전트 코딩에 권장됩니다. 이는 모델의 정체성이 바뀌는 것이 아니라 같은 Medium 3.5 체크포인트 안에서 모드를 선택하는 것입니다.\n\n높은 추론 강도에는 제조사가 temperature 0.7과 top-p 0.95를 권장합니다. none에서는 작업에 따라 temperature 0.0~0.7을 사용하고 top-p를 설정하지 않거나 1.0으로 두도록 안내합니다. 이는 해당 릴리스의 권장 사항입니다. 간결한 필드 추출, 설명이 포함된 코드 변경, 여러 근거 있는 판단이 필요한 비교 등 출력의 목적부터 정하세요.\n\n실용적인 추론 작업에는 요구 사항, 구현, 불일치를 드러내는 입력을 제공할 수 있습니다. 관련 경로를 식별하고 차이를 설명하며 공개 인터페이스를 보존하는 최소한의 변경을 제안하도록 요청하세요. 수정된 코드는 가정 및 예시와 구분해서 요청하세요. 모델은 제안을 생성하며 컴파일, 실행, 적용에는 에이전트에 연결된 개발 환경이 필요합니다.\n\n도구, 문서, 예측 가능한 편집\n\n제조사의 서비스 카드에는 구조화된 출력, 예측 출력, 문서 질문, 응답 접두사, 배치 처리, 에이전트 대화도 나열되어 있습니다. 추출에서는 필드 이름, 유형, 누락된 값의 처리 방식을 정의하세요. JSON 모드는 구조화된 표현을 제공하고 사용자 지정 스키마는 연결된 인터페이스에서 더 구체적인 형식을 정의합니다. 프로그램이 파싱할 때는 레코드만 요청하고 사람이 해석을 검토해야 할 때는 별도의 설명을 요청하세요.\n\n문서 질의응답은 OCR로 준비한 텍스트 및 구조와 언어 모델의 이해를 결합합니다. 비교에서는 문서와 평가할 조건을 지정한 다음 각 발견 사항과 함께 원본 위치를 요청하세요. 유용한 출력은 공통 요구 사항, 불일치, 미해결 질문을 구분할 수 있습니다. 직접적인 이미지 질문에서는 차트 레이블이나 인터페이스 요소에 초점을 맞출 수 있습니다. 제목, 단위, 이미지 역할을 유지하면 답변을 제공된 자료와 연결하는 데 도움이 됩니다.\n\n예측 출력은 제한된 편집으로 코드 파일이나 문서를 재생성하는 것처럼 원하는 답변의 상당 부분을 이미 알고 있는 작업을 위한 기능으로 문서화되어 있습니다. 기존 콘텐츠를 제공하고 구체적인 변경을 지정하면서 유지해야 할 부분을 보존하세요. 이는 완전히 새로운 산출물을 요청하거나 알려진 응답 접두사에서 이어 쓰는 것과 다릅니다. 서비스 기능은 제출 및 형식 선택지를 설명하며 모델의 텍스트·이미지 입력이나 텍스트 출력을 바꾸지 않습니다.\n\n도구 지원 워크플로에서는 애플리케이션이 함수 설명과 매개변수를 제공하고, 모델이 함수를 선택하여 인수를 준비하며, 애플리케이션이 이를 실행한 뒤 결과를 반환합니다. 계산 도구는 제공된 이미지에서 읽은 값을 받을 수 있고 조회 도구는 다음 답변에 필요한 누락된 정보를 제공할 수 있습니다. 도구 결과를 이를 생성한 작업과 연결해 유지하세요. 에이전트 추론은 텍스트 생성만으로 외부 작업을 수행하는 것이 아니라 이러한 환경에 의존합니다.\n\n긴 세션 준비\n\n256k 컨텍스트를 관련 소스 코드, 문서, 대화 기록에 사용하고 실제 목표를 명확히 유지하세요. 코딩 세션은 모듈, 호출자, 요구 사항을 유지하면서 정의된 변경 하나를 요청할 수 있습니다. 문서 세션은 관련 섹션을 함께 유지하면서 짧은 표나 수정된 구절을 반환할 수 있습니다. 컨텍스트 용량은 별도의 최대 답변 길이를 명시하지 않습니다. 모델 카드의 1,024토큰 생성 예시는 한도가 아니라 예시입니다.\n\n제조사는 이전에 공개된 설정에 긴 컨텍스트 오류가 있었으며 파생 체크포인트에 대한 영향까지 포함하여 수정되었다고 설명합니다. 가중치를 긴 세션에 사용할 때는 수정된 릴리스 설정을 유지하세요. 이름이 같은 제품군에 속한다는 이유만으로 Medium 3.5의 하이브리드 모드와 1,280억 파라미터 아키텍처를 Medium 3.1이나 별도로 명명된 draft-head 체크포인트에 적용해서는 안 됩니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Preserve a public sorting interface\n\nReview this Python function: def ordered(rows, reverse=False): return sorted(rows, key=lambda r: r['score'], reverse=True). The documented reverse argument must control direction, while ties keep input order. Propose the smallest correction without changing the signature. Give test cases for default order, reverse=True and tied scores, with expected row IDs.A minimal function correction and three explicit input/output test cases.Check the public signature is preserved and tie order remains stable in both directions.mistralai/mistral-medium-3-5Mistral Medium 3.5는 1,280억 파라미터의 밀집 텍스트·이미지 모델에 지시 준수, 추론, 코딩을 결합합니다. 제조사 기준 256k 컨텍스트, 요청별 추론 설정, 기본 함수 호출, 구조화된 출력으로 문서 및 에이전트 워크플로를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Medium 3.5는 하나의 가중치 집합에 지시 준수, 추론, 코딩을 결합한 Mistral AI의 1,280억 파라미터 밀집 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 반환합니다. 제조사는 에이전트 및 코딩 작업을 위한 모델로 소개하지만, 같은 체크포인트로 직접적인 대화형 답변을 생성하거나 문서화된 추론 모드를 사용해 더 복잡한 작업을 처리할 수 있습니다.
통합 모델과 시각 기능
공개된 모델 카드에는 1,280억 개의 밀집 파라미터와 256k 컨텍스트 창이 명시되어 있습니다. 비전 인코더는 서로 다른 이미지 크기와 종횡비를 처리하도록 학습되었습니다. 인터페이스 스크린샷, 요구 사항에 첨부된 도표, 해석해야 할 정보가 담긴 페이지 등 이미지는 코딩 또는 문서 작업의 근거가 될 수 있습니다. 결과는 생성된 이미지가 아니라 서면 설명, 코드, 구조화된 필드가 될 수 있습니다.
제조사는 영어, 프랑스어, 스페인어, 독일어, 이탈리아어, 포르투갈어, 네덜란드어, 중국어, 일본어, 한국어, 아랍어 등 수십 개 언어를 지원한다고 설명합니다. 시스템 프롬프트 준수와 JSON 출력을 동반한 기본 함수 호출도 강조합니다. 검토할 자료와 대상 독자, 언어, 응답 규칙을 별도로 설정하여 원본 문서의 표현이 작업의 근거로 유지되게 하세요.
추론 설정
모델 카드에는 요청별로 두 가지 추론 강도 값이 문서화되어 있습니다. none은 추론 모드 없이 지시 방식의 답변을 제공하고, high는 추론을 활성화하며 복잡한 프롬프트와 에이전트 코딩에 권장됩니다. 이는 모델의 정체성이 바뀌는 것이 아니라 같은 Medium 3.5 체크포인트 안에서 모드를 선택하는 것입니다.
높은 추론 강도에는 제조사가 temperature 0.7과 top-p 0.95를 권장합니다. none에서는 작업에 따라 temperature 0.0~0.7을 사용하고 top-p를 설정하지 않거나 1.0으로 두도록 안내합니다. 이는 해당 릴리스의 권장 사항입니다. 간결한 필드 추출, 설명이 포함된 코드 변경, 여러 근거 있는 판단이 필요한 비교 등 출력의 목적부터 정하세요.
실용적인 추론 작업에는 요구 사항, 구현, 불일치를 드러내는 입력을 제공할 수 있습니다. 관련 경로를 식별하고 차이를 설명하며 공개 인터페이스를 보존하는 최소한의 변경을 제안하도록 요청하세요. 수정된 코드는 가정 및 예시와 구분해서 요청하세요. 모델은 제안을 생성하며 컴파일, 실행, 적용에는 에이전트에 연결된 개발 환경이 필요합니다.
도구, 문서, 예측 가능한 편집
제조사의 서비스 카드에는 구조화된 출력, 예측 출력, 문서 질문, 응답 접두사, 배치 처리, 에이전트 대화도 나열되어 있습니다. 추출에서는 필드 이름, 유형, 누락된 값의 처리 방식을 정의하세요. JSON 모드는 구조화된 표현을 제공하고 사용자 지정 스키마는 연결된 인터페이스에서 더 구체적인 형식을 정의합니다. 프로그램이 파싱할 때는 레코드만 요청하고 사람이 해석을 검토해야 할 때는 별도의 설명을 요청하세요.
문서 질의응답은 OCR로 준비한 텍스트 및 구조와 언어 모델의 이해를 결합합니다. 비교에서는 문서와 평가할 조건을 지정한 다음 각 발견 사항과 함께 원본 위치를 요청하세요. 유용한 출력은 공통 요구 사항, 불일치, 미해결 질문을 구분할 수 있습니다. 직접적인 이미지 질문에서는 차트 레이블이나 인터페이스 요소에 초점을 맞출 수 있습니다. 제목, 단위, 이미지 역할을 유지하면 답변을 제공된 자료와 연결하는 데 도움이 됩니다.
예측 출력은 제한된 편집으로 코드 파일이나 문서를 재생성하는 것처럼 원하는 답변의 상당 부분을 이미 알고 있는 작업을 위한 기능으로 문서화되어 있습니다. 기존 콘텐츠를 제공하고 구체적인 변경을 지정하면서 유지해야 할 부분을 보존하세요. 이는 완전히 새로운 산출물을 요청하거나 알려진 응답 접두사에서 이어 쓰는 것과 다릅니다. 서비스 기능은 제출 및 형식 선택지를 설명하며 모델의 텍스트·이미지 입력이나 텍스트 출력을 바꾸지 않습니다.
도구 지원 워크플로에서는 애플리케이션이 함수 설명과 매개변수를 제공하고, 모델이 함수를 선택하여 인수를 준비하며, 애플리케이션이 이를 실행한 뒤 결과를 반환합니다. 계산 도구는 제공된 이미지에서 읽은 값을 받을 수 있고 조회 도구는 다음 답변에 필요한 누락된 정보를 제공할 수 있습니다. 도구 결과를 이를 생성한 작업과 연결해 유지하세요. 에이전트 추론은 텍스트 생성만으로 외부 작업을 수행하는 것이 아니라 이러한 환경에 의존합니다.
긴 세션 준비
256k 컨텍스트를 관련 소스 코드, 문서, 대화 기록에 사용하고 실제 목표를 명확히 유지하세요. 코딩 세션은 모듈, 호출자, 요구 사항을 유지하면서 정의된 변경 하나를 요청할 수 있습니다. 문서 세션은 관련 섹션을 함께 유지하면서 짧은 표나 수정된 구절을 반환할 수 있습니다. 컨텍스트 용량은 별도의 최대 답변 길이를 명시하지 않습니다. 모델 카드의 1,024토큰 생성 예시는 한도가 아니라 예시입니다.
제조사는 이전에 공개된 설정에 긴 컨텍스트 오류가 있었으며 파생 체크포인트에 대한 영향까지 포함하여 수정되었다고 설명합니다. 가중치를 긴 세션에 사용할 때는 수정된 릴리스 설정을 유지하세요. 이름이 같은 제품군에 속한다는 이유만으로 Medium 3.5의 하이브리드 모드와 1,280억 파라미터 아키텍처를 Medium 3.1이나 별도로 명명된 draft-head 체크포인트에 적용해서는 안 됩니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-medium-3-5 | 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 $0.003 / 1K 토큰 출력 · 출력 토큰 $0.015 / 1K 토큰 입력 · 캐시 읽기 — / 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 $0.003 / 1K 토큰 출력 · 출력 토큰 $0.015 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-3-5", "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-3-5',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-3-5',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-3-5
위에 표시된 메서드 경로를 사용하세요.
mistralai/mistral-medium-3-5Mistral Medium 3.5는 1,280억 파라미터의 밀집 텍스트·이미지 모델에 지시 준수, 추론, 코딩을 결합합니다. 제조사 기준 256k 컨텍스트, 요청별 추론 설정, 기본 함수 호출, 구조화된 출력으로 문서 및 에이전트 워크플로를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Medium 3.5는 하나의 가중치 집합에 지시 준수, 추론, 코딩을 결합한 Mistral AI의 1,280억 파라미터 밀집 모델입니다. 텍스트와 이미지를 입력받아 텍스트를 반환합니다. 제조사는 에이전트 및 코딩 작업을 위한 모델로 소개하지만, 같은 체크포인트로 직접적인 대화형 답변을 생성하거나 문서화된 추론 모드를 사용해 더 복잡한 작업을 처리할 수 있습니다.
통합 모델과 시각 기능
공개된 모델 카드에는 1,280억 개의 밀집 파라미터와 256k 컨텍스트 창이 명시되어 있습니다. 비전 인코더는 서로 다른 이미지 크기와 종횡비를 처리하도록 학습되었습니다. 인터페이스 스크린샷, 요구 사항에 첨부된 도표, 해석해야 할 정보가 담긴 페이지 등 이미지는 코딩 또는 문서 작업의 근거가 될 수 있습니다. 결과는 생성된 이미지가 아니라 서면 설명, 코드, 구조화된 필드가 될 수 있습니다.
제조사는 영어, 프랑스어, 스페인어, 독일어, 이탈리아어, 포르투갈어, 네덜란드어, 중국어, 일본어, 한국어, 아랍어 등 수십 개 언어를 지원한다고 설명합니다. 시스템 프롬프트 준수와 JSON 출력을 동반한 기본 함수 호출도 강조합니다. 검토할 자료와 대상 독자, 언어, 응답 규칙을 별도로 설정하여 원본 문서의 표현이 작업의 근거로 유지되게 하세요.
추론 설정
모델 카드에는 요청별로 두 가지 추론 강도 값이 문서화되어 있습니다. none은 추론 모드 없이 지시 방식의 답변을 제공하고, high는 추론을 활성화하며 복잡한 프롬프트와 에이전트 코딩에 권장됩니다. 이는 모델의 정체성이 바뀌는 것이 아니라 같은 Medium 3.5 체크포인트 안에서 모드를 선택하는 것입니다.
높은 추론 강도에는 제조사가 temperature 0.7과 top-p 0.95를 권장합니다. none에서는 작업에 따라 temperature 0.0~0.7을 사용하고 top-p를 설정하지 않거나 1.0으로 두도록 안내합니다. 이는 해당 릴리스의 권장 사항입니다. 간결한 필드 추출, 설명이 포함된 코드 변경, 여러 근거 있는 판단이 필요한 비교 등 출력의 목적부터 정하세요.
실용적인 추론 작업에는 요구 사항, 구현, 불일치를 드러내는 입력을 제공할 수 있습니다. 관련 경로를 식별하고 차이를 설명하며 공개 인터페이스를 보존하는 최소한의 변경을 제안하도록 요청하세요. 수정된 코드는 가정 및 예시와 구분해서 요청하세요. 모델은 제안을 생성하며 컴파일, 실행, 적용에는 에이전트에 연결된 개발 환경이 필요합니다.
도구, 문서, 예측 가능한 편집
제조사의 서비스 카드에는 구조화된 출력, 예측 출력, 문서 질문, 응답 접두사, 배치 처리, 에이전트 대화도 나열되어 있습니다. 추출에서는 필드 이름, 유형, 누락된 값의 처리 방식을 정의하세요. JSON 모드는 구조화된 표현을 제공하고 사용자 지정 스키마는 연결된 인터페이스에서 더 구체적인 형식을 정의합니다. 프로그램이 파싱할 때는 레코드만 요청하고 사람이 해석을 검토해야 할 때는 별도의 설명을 요청하세요.
문서 질의응답은 OCR로 준비한 텍스트 및 구조와 언어 모델의 이해를 결합합니다. 비교에서는 문서와 평가할 조건을 지정한 다음 각 발견 사항과 함께 원본 위치를 요청하세요. 유용한 출력은 공통 요구 사항, 불일치, 미해결 질문을 구분할 수 있습니다. 직접적인 이미지 질문에서는 차트 레이블이나 인터페이스 요소에 초점을 맞출 수 있습니다. 제목, 단위, 이미지 역할을 유지하면 답변을 제공된 자료와 연결하는 데 도움이 됩니다.
예측 출력은 제한된 편집으로 코드 파일이나 문서를 재생성하는 것처럼 원하는 답변의 상당 부분을 이미 알고 있는 작업을 위한 기능으로 문서화되어 있습니다. 기존 콘텐츠를 제공하고 구체적인 변경을 지정하면서 유지해야 할 부분을 보존하세요. 이는 완전히 새로운 산출물을 요청하거나 알려진 응답 접두사에서 이어 쓰는 것과 다릅니다. 서비스 기능은 제출 및 형식 선택지를 설명하며 모델의 텍스트·이미지 입력이나 텍스트 출력을 바꾸지 않습니다.
도구 지원 워크플로에서는 애플리케이션이 함수 설명과 매개변수를 제공하고, 모델이 함수를 선택하여 인수를 준비하며, 애플리케이션이 이를 실행한 뒤 결과를 반환합니다. 계산 도구는 제공된 이미지에서 읽은 값을 받을 수 있고 조회 도구는 다음 답변에 필요한 누락된 정보를 제공할 수 있습니다. 도구 결과를 이를 생성한 작업과 연결해 유지하세요. 에이전트 추론은 텍스트 생성만으로 외부 작업을 수행하는 것이 아니라 이러한 환경에 의존합니다.
긴 세션 준비
256k 컨텍스트를 관련 소스 코드, 문서, 대화 기록에 사용하고 실제 목표를 명확히 유지하세요. 코딩 세션은 모듈, 호출자, 요구 사항을 유지하면서 정의된 변경 하나를 요청할 수 있습니다. 문서 세션은 관련 섹션을 함께 유지하면서 짧은 표나 수정된 구절을 반환할 수 있습니다. 컨텍스트 용량은 별도의 최대 답변 길이를 명시하지 않습니다. 모델 카드의 1,024토큰 생성 예시는 한도가 아니라 예시입니다.
제조사는 이전에 공개된 설정에 긴 컨텍스트 오류가 있었으며 파생 체크포인트에 대한 영향까지 포함하여 수정되었다고 설명합니다. 가중치를 긴 세션에 사용할 때는 수정된 릴리스 설정을 유지하세요. 이름이 같은 제품군에 속한다는 이유만으로 Medium 3.5의 하이브리드 모드와 1,280억 파라미터 아키텍처를 Medium 3.1이나 별도로 명명된 draft-head 체크포인트에 적용해서는 안 됩니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-medium-3-5 | 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 $0.003 / 1K 토큰 출력 · 출력 토큰 $0.015 / 1K 토큰 입력 · 캐시 읽기 — / 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 $0.003 / 1K 토큰 출력 · 출력 토큰 $0.015 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "mistralai/mistral-medium-3-5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-5', '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-3-5', '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-3-5
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Preserve a public sorting interface\n\nReview this Python function: def ordered(rows, reverse=False): return sorted(rows, key=lambda r: r['score'], reverse=True). The documented reverse argument must control direction, while ties keep input order. Propose the smallest correction without changing the signature. Give test cases for default order, reverse=True and tied scores, with expected row IDs.A minimal function correction and three explicit input/output test cases.Check the public signature is preserved and tie order remains stable in both directions.