Mistral Medium 3는 텍스트, 시각적 이해, 코드가 포함된 전문 업무를 위한 Mistral AI의 멀티모달 모델입니다. 최초 릴리스는 기업 지식 및 워크플로에 대한 적응과 함께 코딩 및 STEM 작업을 강조합니다. 텍스트와 시각 자료를 입력받아 문서 설명, 구조화된 레코드, 제안된 구현 등이 포함된 텍스트를 생성합니다. 제조사가 이 버전에 부여한 고정 식별자는 mistral-medium-2505입니다.
컨텍스트와 전문 원본 자료
모델 페이지에는 128k 컨텍스트 창이 명시되어 있습니다. 요청한 산출물을 결정하는 원본 구절, 대화, 지침을 컨텍스트에 유지하세요. 문서 비교에서는 현재 요구 사항인 원본, 제안된 개정본, 해결해야 할 질문을 지정하세요. 각 발견 사항 옆에 근거 문서와 섹션을 요청하세요.
실용적인 설명 작업에는 절차와 사용자의 질문을 제공한 다음 관련 조치와 적용 조건을 요청할 수 있습니다. 기술 분석에는 원본 데이터, 정의, 비교 기준을 포함할 수 있습니다. 목표는 주제에 관한 일반적인 설명이 아니라 제공된 자료와 연결된 결과입니다.
구조화된 출력과 함수
페이지에는 구조화된 출력과 함수 호출이 나열되어 있습니다. 추출에서는 필드 이름, 유형, 원본 정보가 누락된 경우의 표현을 정의하세요. 유용한 레코드는 식별자, 원본 진술, 해석, 미해결 질문을 구분할 수 있습니다. Mistral의 공통 안내는 JSON 모드와 사용자 지정 스키마를 구분하며 원하는 JSON 형식을 명시적으로 요청하도록 요구합니다.
함수 호출은 모델의 해석과 애플리케이션이 설명한 작업을 연결합니다. 모델이 함수를 선택하여 인수를 준비하면 애플리케이션이 함수를 실행하고 그 결과가 다음 답변의 컨텍스트가 됩니다. 조회는 누락된 참조값을 제공할 수 있고 계산은 설명에 필요한 결과를 제공할 수 있습니다. 제안된 호출을 실행된 작업으로 취급하지 말고 결과를 이를 생성한 작업과 연결해 유지하세요.
문서와 시각 자료에 관한 질문
이 버전에는 문서 질의응답도 나열되어 있습니다. 제조사의 문서화된 워크플로는 OCR을 통해 문서의 텍스트, 구조, 서식을 준비한 뒤 언어 모델로 분석합니다. 작업에 필요한 특정 요구 사항, 구절, 관계를 질문하세요. 여러 문서에서는 각 문서의 정체성을 유지하고 각 결론과 함께 원본 위치가 표시된 비교를 요청하세요.
시각 자료에는 명확한 질문을 함께 제공하고 답변에 필요한 레이블, 단위, 영역을 유지하세요. 차트에는 지정한 계열 사이의 비교를 요청할 수 있고 도표에는 어떤 연결이 제공된 요구 사항을 뒷받침하는지 질문할 수 있습니다. 읽을 수 있는 문서 이미지와 OCR로 준비한 문서는 같은 질의응답 목적을 갖더라도 서로 다른 입력 준비 방식입니다.
편집, 접두사, 워크플로
모델 페이지에는 예측 출력, 응답 접두사, 배치, 에이전트 대화가 나열되어 있습니다. 예측 출력은 문서나 코드 파일의 대부분을 유지하면서 제한된 부분만 바꿔야 할 때 알려진 콘텐츠를 활용합니다. 기존 콘텐츠를 제공하고 편집을 지정하며 유지할 자료를 식별하세요. 이는 모델에게 완전히 새로운 문서를 만들도록 요청하는 것과 다릅니다.
응답 접두사는 어시스턴트가 생성할 텍스트의 알려진 시작 부분을 제공하고 생성은 그 뒤를 이어갑니다. 배치는 작업 제출 방식을 바꾸며 에이전트·대화 인터페이스는 연결된 워크플로를 관리합니다. 나열된 내장 도구는 제조사의 해당 인터페이스에 속합니다. 기반 모델에 또 다른 콘텐츠 모달리티를 추가하거나 연결된 환경 없이 작업을 수행하지는 않습니다.
코딩과 도메인 적응
프로그래밍 요청에서는 요구 사항, 관련 함수, 필요한 선언, 예상 입력과 출력을 제공하세요. 제안된 변경, 가정, 의도한 동작을 구별할 수 있는 예시를 요청하세요. 디버깅 질문에는 실패 근거를 포함하고 소스의 어떤 경로가 이를 설명하는지 질문할 수 있습니다. 저장소 접근, 코드 실행, 변경 적용은 주변 개발 도구가 제공합니다.
최초 발표는 특정 도메인의 기업 환경과 지식 베이스를 위한 맞춤 후속 학습 및 파인 튜닝을 설명합니다. 이는 별도의 적응 과정이며 기본 모델이 특정 조직의 문서를 이미 알고 있다는 주장이 아닙니다. 원본에 따른 답변에서는 관련 문서와 용어를 작업에 직접 제공하고 응답 규칙을 정의하세요.
버전과 결과의 범위
이 항목은 Medium 3의 2505 식별자와 128k 컨텍스트를 유지합니다. 이후 Medium 3.5에 문서화된 아키텍처 수치와 조절 가능한 하이브리드 추론 제어는 이 버전의 명시된 사양에 포함되지 않습니다. 정확한 모델 페이지에는 이후 릴리스에서 가져올 수 있는 파라미터 수나 별도의 엄격한 최대 답변 길이가 공개되어 있지 않습니다.
요청 전에 설명, 구조화된 추출, 수정된 섹션, 제안된 코드 등 의도한 결과를 준비하세요. 텍스트 및 시각적 근거, 원본 식별 정보, 연결된 도구 결과를 명확히 드러내어 답변을 검토하고 다음 애플리케이션 단계에서 사용할 수 있게 하세요.
", "aboutText": "Mistral Medium 3는 텍스트, 시각적 이해, 코드가 포함된 전문 업무를 위한 Mistral AI의 멀티모달 모델입니다. 최초 릴리스는 기업 지식 및 워크플로에 대한 적응과 함께 코딩 및 STEM 작업을 강조합니다. 텍스트와 시각 자료를 입력받아 문서 설명, 구조화된 레코드, 제안된 구현 등이 포함된 텍스트를 생성합니다. 제조사가 이 버전에 부여한 고정 식별자는 mistral-medium-2505입니다.\n\n컨텍스트와 전문 원본 자료\n\n모델 페이지에는 128k 컨텍스트 창이 명시되어 있습니다. 요청한 산출물을 결정하는 원본 구절, 대화, 지침을 컨텍스트에 유지하세요. 문서 비교에서는 현재 요구 사항인 원본, 제안된 개정본, 해결해야 할 질문을 지정하세요. 각 발견 사항 옆에 근거 문서와 섹션을 요청하세요.\n\n실용적인 설명 작업에는 절차와 사용자의 질문을 제공한 다음 관련 조치와 적용 조건을 요청할 수 있습니다. 기술 분석에는 원본 데이터, 정의, 비교 기준을 포함할 수 있습니다. 목표는 주제에 관한 일반적인 설명이 아니라 제공된 자료와 연결된 결과입니다.\n\n구조화된 출력과 함수\n\n페이지에는 구조화된 출력과 함수 호출이 나열되어 있습니다. 추출에서는 필드 이름, 유형, 원본 정보가 누락된 경우의 표현을 정의하세요. 유용한 레코드는 식별자, 원본 진술, 해석, 미해결 질문을 구분할 수 있습니다. Mistral의 공통 안내는 JSON 모드와 사용자 지정 스키마를 구분하며 원하는 JSON 형식을 명시적으로 요청하도록 요구합니다.\n\n함수 호출은 모델의 해석과 애플리케이션이 설명한 작업을 연결합니다. 모델이 함수를 선택하여 인수를 준비하면 애플리케이션이 함수를 실행하고 그 결과가 다음 답변의 컨텍스트가 됩니다. 조회는 누락된 참조값을 제공할 수 있고 계산은 설명에 필요한 결과를 제공할 수 있습니다. 제안된 호출을 실행된 작업으로 취급하지 말고 결과를 이를 생성한 작업과 연결해 유지하세요.\n\n문서와 시각 자료에 관한 질문\n\n이 버전에는 문서 질의응답도 나열되어 있습니다. 제조사의 문서화된 워크플로는 OCR을 통해 문서의 텍스트, 구조, 서식을 준비한 뒤 언어 모델로 분석합니다. 작업에 필요한 특정 요구 사항, 구절, 관계를 질문하세요. 여러 문서에서는 각 문서의 정체성을 유지하고 각 결론과 함께 원본 위치가 표시된 비교를 요청하세요.\n\n시각 자료에는 명확한 질문을 함께 제공하고 답변에 필요한 레이블, 단위, 영역을 유지하세요. 차트에는 지정한 계열 사이의 비교를 요청할 수 있고 도표에는 어떤 연결이 제공된 요구 사항을 뒷받침하는지 질문할 수 있습니다. 읽을 수 있는 문서 이미지와 OCR로 준비한 문서는 같은 질의응답 목적을 갖더라도 서로 다른 입력 준비 방식입니다.\n\n편집, 접두사, 워크플로\n\n모델 페이지에는 예측 출력, 응답 접두사, 배치, 에이전트 대화가 나열되어 있습니다. 예측 출력은 문서나 코드 파일의 대부분을 유지하면서 제한된 부분만 바꿔야 할 때 알려진 콘텐츠를 활용합니다. 기존 콘텐츠를 제공하고 편집을 지정하며 유지할 자료를 식별하세요. 이는 모델에게 완전히 새로운 문서를 만들도록 요청하는 것과 다릅니다.\n\n응답 접두사는 어시스턴트가 생성할 텍스트의 알려진 시작 부분을 제공하고 생성은 그 뒤를 이어갑니다. 배치는 작업 제출 방식을 바꾸며 에이전트·대화 인터페이스는 연결된 워크플로를 관리합니다. 나열된 내장 도구는 제조사의 해당 인터페이스에 속합니다. 기반 모델에 또 다른 콘텐츠 모달리티를 추가하거나 연결된 환경 없이 작업을 수행하지는 않습니다.\n\n코딩과 도메인 적응\n\n프로그래밍 요청에서는 요구 사항, 관련 함수, 필요한 선언, 예상 입력과 출력을 제공하세요. 제안된 변경, 가정, 의도한 동작을 구별할 수 있는 예시를 요청하세요. 디버깅 질문에는 실패 근거를 포함하고 소스의 어떤 경로가 이를 설명하는지 질문할 수 있습니다. 저장소 접근, 코드 실행, 변경 적용은 주변 개발 도구가 제공합니다.\n\n최초 발표는 특정 도메인의 기업 환경과 지식 베이스를 위한 맞춤 후속 학습 및 파인 튜닝을 설명합니다. 이는 별도의 적응 과정이며 기본 모델이 특정 조직의 문서를 이미 알고 있다는 주장이 아닙니다. 원본에 따른 답변에서는 관련 문서와 용어를 작업에 직접 제공하고 응답 규칙을 정의하세요.\n\n버전과 결과의 범위\n\n이 항목은 Medium 3의 2505 식별자와 128k 컨텍스트를 유지합니다. 이후 Medium 3.5에 문서화된 아키텍처 수치와 조절 가능한 하이브리드 추론 제어는 이 버전의 명시된 사양에 포함되지 않습니다. 정확한 모델 페이지에는 이후 릴리스에서 가져올 수 있는 파라미터 수나 별도의 엄격한 최대 답변 길이가 공개되어 있지 않습니다.\n\n요청 전에 설명, 구조화된 추출, 수정된 섹션, 제안된 코드 등 의도한 결과를 준비하세요. 텍스트 및 시각적 근거, 원본 식별 정보, 연결된 도구 결과를 명확히 드러내어 답변을 검토하고 다음 애플리케이션 단계에서 사용할 수 있게 하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Apply a procedure to a concrete case\n\nUse this procedure to answer the employee: 'Requests below 500 credits need team-lead approval. Requests of 500 or more need finance approval. Purchases must wait for approval.' Employee: 'My equipment request is exactly 500 credits; can my team lead approve it and can I order today?' Give the applicable rule and missing information.A short procedural answer citing the threshold and approval-before-purchase requirement.Exactly 500 falls under finance approval, and ordering today depends on approval actually having been received.mistralai/mistral-medium-3Mistral Medium 3는 전문적인 텍스트, 시각, 코딩 작업을 위한 멀티모달 모델입니다. 제조사 기준 128k 컨텍스트와 문서화된 구조화된 출력, 함수 호출, 문서 질문, 예측 가능한 편집 기능으로 원본에 근거한 설명과 애플리케이션 워크플로를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Medium 3는 텍스트, 시각적 이해, 코드가 포함된 전문 업무를 위한 Mistral AI의 멀티모달 모델입니다. 최초 릴리스는 기업 지식 및 워크플로에 대한 적응과 함께 코딩 및 STEM 작업을 강조합니다. 텍스트와 시각 자료를 입력받아 문서 설명, 구조화된 레코드, 제안된 구현 등이 포함된 텍스트를 생성합니다. 제조사가 이 버전에 부여한 고정 식별자는 mistral-medium-2505입니다.
컨텍스트와 전문 원본 자료
모델 페이지에는 128k 컨텍스트 창이 명시되어 있습니다. 요청한 산출물을 결정하는 원본 구절, 대화, 지침을 컨텍스트에 유지하세요. 문서 비교에서는 현재 요구 사항인 원본, 제안된 개정본, 해결해야 할 질문을 지정하세요. 각 발견 사항 옆에 근거 문서와 섹션을 요청하세요.
실용적인 설명 작업에는 절차와 사용자의 질문을 제공한 다음 관련 조치와 적용 조건을 요청할 수 있습니다. 기술 분석에는 원본 데이터, 정의, 비교 기준을 포함할 수 있습니다. 목표는 주제에 관한 일반적인 설명이 아니라 제공된 자료와 연결된 결과입니다.
구조화된 출력과 함수
페이지에는 구조화된 출력과 함수 호출이 나열되어 있습니다. 추출에서는 필드 이름, 유형, 원본 정보가 누락된 경우의 표현을 정의하세요. 유용한 레코드는 식별자, 원본 진술, 해석, 미해결 질문을 구분할 수 있습니다. Mistral의 공통 안내는 JSON 모드와 사용자 지정 스키마를 구분하며 원하는 JSON 형식을 명시적으로 요청하도록 요구합니다.
함수 호출은 모델의 해석과 애플리케이션이 설명한 작업을 연결합니다. 모델이 함수를 선택하여 인수를 준비하면 애플리케이션이 함수를 실행하고 그 결과가 다음 답변의 컨텍스트가 됩니다. 조회는 누락된 참조값을 제공할 수 있고 계산은 설명에 필요한 결과를 제공할 수 있습니다. 제안된 호출을 실행된 작업으로 취급하지 말고 결과를 이를 생성한 작업과 연결해 유지하세요.
문서와 시각 자료에 관한 질문
이 버전에는 문서 질의응답도 나열되어 있습니다. 제조사의 문서화된 워크플로는 OCR을 통해 문서의 텍스트, 구조, 서식을 준비한 뒤 언어 모델로 분석합니다. 작업에 필요한 특정 요구 사항, 구절, 관계를 질문하세요. 여러 문서에서는 각 문서의 정체성을 유지하고 각 결론과 함께 원본 위치가 표시된 비교를 요청하세요.
시각 자료에는 명확한 질문을 함께 제공하고 답변에 필요한 레이블, 단위, 영역을 유지하세요. 차트에는 지정한 계열 사이의 비교를 요청할 수 있고 도표에는 어떤 연결이 제공된 요구 사항을 뒷받침하는지 질문할 수 있습니다. 읽을 수 있는 문서 이미지와 OCR로 준비한 문서는 같은 질의응답 목적을 갖더라도 서로 다른 입력 준비 방식입니다.
편집, 접두사, 워크플로
모델 페이지에는 예측 출력, 응답 접두사, 배치, 에이전트 대화가 나열되어 있습니다. 예측 출력은 문서나 코드 파일의 대부분을 유지하면서 제한된 부분만 바꿔야 할 때 알려진 콘텐츠를 활용합니다. 기존 콘텐츠를 제공하고 편집을 지정하며 유지할 자료를 식별하세요. 이는 모델에게 완전히 새로운 문서를 만들도록 요청하는 것과 다릅니다.
응답 접두사는 어시스턴트가 생성할 텍스트의 알려진 시작 부분을 제공하고 생성은 그 뒤를 이어갑니다. 배치는 작업 제출 방식을 바꾸며 에이전트·대화 인터페이스는 연결된 워크플로를 관리합니다. 나열된 내장 도구는 제조사의 해당 인터페이스에 속합니다. 기반 모델에 또 다른 콘텐츠 모달리티를 추가하거나 연결된 환경 없이 작업을 수행하지는 않습니다.
코딩과 도메인 적응
프로그래밍 요청에서는 요구 사항, 관련 함수, 필요한 선언, 예상 입력과 출력을 제공하세요. 제안된 변경, 가정, 의도한 동작을 구별할 수 있는 예시를 요청하세요. 디버깅 질문에는 실패 근거를 포함하고 소스의 어떤 경로가 이를 설명하는지 질문할 수 있습니다. 저장소 접근, 코드 실행, 변경 적용은 주변 개발 도구가 제공합니다.
최초 발표는 특정 도메인의 기업 환경과 지식 베이스를 위한 맞춤 후속 학습 및 파인 튜닝을 설명합니다. 이는 별도의 적응 과정이며 기본 모델이 특정 조직의 문서를 이미 알고 있다는 주장이 아닙니다. 원본에 따른 답변에서는 관련 문서와 용어를 작업에 직접 제공하고 응답 규칙을 정의하세요.
버전과 결과의 범위
이 항목은 Medium 3의 2505 식별자와 128k 컨텍스트를 유지합니다. 이후 Medium 3.5에 문서화된 아키텍처 수치와 조절 가능한 하이브리드 추론 제어는 이 버전의 명시된 사양에 포함되지 않습니다. 정확한 모델 페이지에는 이후 릴리스에서 가져올 수 있는 파라미터 수나 별도의 엄격한 최대 답변 길이가 공개되어 있지 않습니다.
요청 전에 설명, 구조화된 추출, 수정된 섹션, 제안된 코드 등 의도한 결과를 준비하세요. 텍스트 및 시각적 근거, 원본 식별 정보, 연결된 도구 결과를 명확히 드러내어 답변을 검토하고 다음 애플리케이션 단계에서 사용할 수 있게 하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-medium-3 | 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", "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',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',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
위에 표시된 메서드 경로를 사용하세요.
mistralai/mistral-medium-3Mistral Medium 3는 전문적인 텍스트, 시각, 코딩 작업을 위한 멀티모달 모델입니다. 제조사 기준 128k 컨텍스트와 문서화된 구조화된 출력, 함수 호출, 문서 질문, 예측 가능한 편집 기능으로 원본에 근거한 설명과 애플리케이션 워크플로를 지원합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Medium 3는 텍스트, 시각적 이해, 코드가 포함된 전문 업무를 위한 Mistral AI의 멀티모달 모델입니다. 최초 릴리스는 기업 지식 및 워크플로에 대한 적응과 함께 코딩 및 STEM 작업을 강조합니다. 텍스트와 시각 자료를 입력받아 문서 설명, 구조화된 레코드, 제안된 구현 등이 포함된 텍스트를 생성합니다. 제조사가 이 버전에 부여한 고정 식별자는 mistral-medium-2505입니다.
컨텍스트와 전문 원본 자료
모델 페이지에는 128k 컨텍스트 창이 명시되어 있습니다. 요청한 산출물을 결정하는 원본 구절, 대화, 지침을 컨텍스트에 유지하세요. 문서 비교에서는 현재 요구 사항인 원본, 제안된 개정본, 해결해야 할 질문을 지정하세요. 각 발견 사항 옆에 근거 문서와 섹션을 요청하세요.
실용적인 설명 작업에는 절차와 사용자의 질문을 제공한 다음 관련 조치와 적용 조건을 요청할 수 있습니다. 기술 분석에는 원본 데이터, 정의, 비교 기준을 포함할 수 있습니다. 목표는 주제에 관한 일반적인 설명이 아니라 제공된 자료와 연결된 결과입니다.
구조화된 출력과 함수
페이지에는 구조화된 출력과 함수 호출이 나열되어 있습니다. 추출에서는 필드 이름, 유형, 원본 정보가 누락된 경우의 표현을 정의하세요. 유용한 레코드는 식별자, 원본 진술, 해석, 미해결 질문을 구분할 수 있습니다. Mistral의 공통 안내는 JSON 모드와 사용자 지정 스키마를 구분하며 원하는 JSON 형식을 명시적으로 요청하도록 요구합니다.
함수 호출은 모델의 해석과 애플리케이션이 설명한 작업을 연결합니다. 모델이 함수를 선택하여 인수를 준비하면 애플리케이션이 함수를 실행하고 그 결과가 다음 답변의 컨텍스트가 됩니다. 조회는 누락된 참조값을 제공할 수 있고 계산은 설명에 필요한 결과를 제공할 수 있습니다. 제안된 호출을 실행된 작업으로 취급하지 말고 결과를 이를 생성한 작업과 연결해 유지하세요.
문서와 시각 자료에 관한 질문
이 버전에는 문서 질의응답도 나열되어 있습니다. 제조사의 문서화된 워크플로는 OCR을 통해 문서의 텍스트, 구조, 서식을 준비한 뒤 언어 모델로 분석합니다. 작업에 필요한 특정 요구 사항, 구절, 관계를 질문하세요. 여러 문서에서는 각 문서의 정체성을 유지하고 각 결론과 함께 원본 위치가 표시된 비교를 요청하세요.
시각 자료에는 명확한 질문을 함께 제공하고 답변에 필요한 레이블, 단위, 영역을 유지하세요. 차트에는 지정한 계열 사이의 비교를 요청할 수 있고 도표에는 어떤 연결이 제공된 요구 사항을 뒷받침하는지 질문할 수 있습니다. 읽을 수 있는 문서 이미지와 OCR로 준비한 문서는 같은 질의응답 목적을 갖더라도 서로 다른 입력 준비 방식입니다.
편집, 접두사, 워크플로
모델 페이지에는 예측 출력, 응답 접두사, 배치, 에이전트 대화가 나열되어 있습니다. 예측 출력은 문서나 코드 파일의 대부분을 유지하면서 제한된 부분만 바꿔야 할 때 알려진 콘텐츠를 활용합니다. 기존 콘텐츠를 제공하고 편집을 지정하며 유지할 자료를 식별하세요. 이는 모델에게 완전히 새로운 문서를 만들도록 요청하는 것과 다릅니다.
응답 접두사는 어시스턴트가 생성할 텍스트의 알려진 시작 부분을 제공하고 생성은 그 뒤를 이어갑니다. 배치는 작업 제출 방식을 바꾸며 에이전트·대화 인터페이스는 연결된 워크플로를 관리합니다. 나열된 내장 도구는 제조사의 해당 인터페이스에 속합니다. 기반 모델에 또 다른 콘텐츠 모달리티를 추가하거나 연결된 환경 없이 작업을 수행하지는 않습니다.
코딩과 도메인 적응
프로그래밍 요청에서는 요구 사항, 관련 함수, 필요한 선언, 예상 입력과 출력을 제공하세요. 제안된 변경, 가정, 의도한 동작을 구별할 수 있는 예시를 요청하세요. 디버깅 질문에는 실패 근거를 포함하고 소스의 어떤 경로가 이를 설명하는지 질문할 수 있습니다. 저장소 접근, 코드 실행, 변경 적용은 주변 개발 도구가 제공합니다.
최초 발표는 특정 도메인의 기업 환경과 지식 베이스를 위한 맞춤 후속 학습 및 파인 튜닝을 설명합니다. 이는 별도의 적응 과정이며 기본 모델이 특정 조직의 문서를 이미 알고 있다는 주장이 아닙니다. 원본에 따른 답변에서는 관련 문서와 용어를 작업에 직접 제공하고 응답 규칙을 정의하세요.
버전과 결과의 범위
이 항목은 Medium 3의 2505 식별자와 128k 컨텍스트를 유지합니다. 이후 Medium 3.5에 문서화된 아키텍처 수치와 조절 가능한 하이브리드 추론 제어는 이 버전의 명시된 사양에 포함되지 않습니다. 정확한 모델 페이지에는 이후 릴리스에서 가져올 수 있는 파라미터 수나 별도의 엄격한 최대 답변 길이가 공개되어 있지 않습니다.
요청 전에 설명, 구조화된 추출, 수정된 섹션, 제안된 코드 등 의도한 결과를 준비하세요. 텍스트 및 시각적 근거, 원본 식별 정보, 연결된 도구 결과를 명확히 드러내어 답변을 검토하고 다음 애플리케이션 단계에서 사용할 수 있게 하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-medium-3 | 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 $0.00008 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "mistralai/mistral-medium-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Apply a procedure to a concrete case\n\nUse this procedure to answer the employee: 'Requests below 500 credits need team-lead approval. Requests of 500 or more need finance approval. Purchases must wait for approval.' Employee: 'My equipment request is exactly 500 credits; can my team lead approve it and can I order today?' Give the applicable rule and missing information.A short procedural answer citing the threshold and approval-before-purchase requirement.Exactly 500 falls under finance approval, and ordering today depends on approval actually having been received.