Mistral Nemo Instruct 2407은 12B Mistral Nemo 언어 모델을 지시 튜닝한 버전입니다. 별도로 명명된 Nemo Base 2407 체크포인트에서 미세 조정되었습니다. 제조사는 다국어 및 코드 자료의 비중이 큰 학습과 128k토큰의 컨텍스트 창을 설명하며, 글로 된 지시, 대화, 프로그래밍 작업을 지원한다고 밝힙니다.
주요 기능과 아키텍처
이 모델은 사전 학습 버전과 지시 튜닝 버전을 구별해 제공합니다. 이 항목은 Instruct 체크포인트에 관한 것입니다. 텍스트 요청으로 설명, 수정 문서, 프로그램 코드, 함수 호출 제안을 요청할 수 있습니다. 지시 튜닝은 이전 Mistral 7B 계열보다 정확한 지시 이행, 추론, 여러 턴의 대화, 코드 생성을 개선한 것으로 설명됩니다.
모델은 모델 폭이 5,120인 Transformer 레이어 40개로 구성됩니다. SwiGLU, 그룹 쿼리 어텐션의 어텐션 헤드 32개와 키/값 헤드 8개, 헤드 차원 128, 은닉 차원 14,336을 사용합니다. 회전 위치 임베딩의 theta 설정은 100만입니다. 공개된 어휘에는 2의 17제곱, 즉 131,072개의 항목이 있습니다. 이 어휘 크기는 작업 컨텍스트를 나타내는 128k와 별개입니다.
제조사의 발표는 양자화 인식 학습과 FP8 추론도 설명합니다. 이는 버전 및 정밀도의 특성이며 추가적인 콘텐츠 모달리티가 아닙니다. 다른 12B 모델이나 Mistral 계열 모델을 같은 버전으로 취급하지 말고 정확한 체크포인트와 그에 맞는 토크나이저를 유지하세요.
다국어 텍스트와 Tekken
이 버전은 영어, 프랑스어, 독일어, 스페인어, 이탈리아어, 포르투갈어, 중국어, 일본어, 한국어, 아랍어, 힌디어를 강조하며, 모델 카드의 언어 메타데이터에는 러시아어도 포함되어 있습니다. 결과를 요청하기 전에 최종 언어, 대상 독자, 용어를 지정하세요. 다국어 문서 작업에서는 주변 문장을 현지화하면서 이름, 식별자, 단위를 유지하세요.
Nemo는 100개 이상의 언어로 학습하고 자연어 및 소스 코드를 효율적으로 표현하도록 설계한 Tekken 토크나이저를 사용합니다. 토크나이저는 원문이 컨텍스트를 차지하는 방식에 영향을 주므로 문자 수 자체가 토큰 수는 아닙니다. 구절의 눈에 보이는 길이만으로 컨텍스트를 추정하지 말고 대응하는 토크나이저를 사용하며 작업과 관련된 자료를 함께 유지하세요.
지시와 코드 준비
문서를 설명할 때는 원문 구절을 제공하고 설명할 조건이나 용어를 명시하세요. 원래 이름과 답변을 뒷받침하는 원문 진술을 보존하면서 독자의 언어로 설명하도록 요청하세요. 편집에서는 다시 쓰더라도 유지되어야 할 의미와 조건을 지정하고, 수정 구절만 필요한지 구절과 설명이 모두 필요한지 밝히세요.
코딩 작업에서는 언어, 입력 유형, 예상 출력, 기존 인터페이스를 지정하세요. 변경을 결정하는 함수나 선언을 포함하세요. 유용한 결과에는 구현, 구현의 전제, 예상 출력이 있는 입력 예시가 들어갈 수 있습니다. 별도의 질문으로 제공된 코드에서 입력 하나가 지나가는 경로를 추적하게 하면, 설명을 불특정 프로그램이 아닌 구체적인 경로에 연결할 수 있습니다.
여러 턴의 대화에서는 관련된 이전 응답을 유지하고 범위가 명확한 후속 질문이나 작업을 바꾸는 새 자료를 제공하세요. 다음 답변이 이전 산출물을 수정해야 하는지, 결정 하나를 설명해야 하는지, 같은 원문 사실을 다른 형태로 표현해야 하는지 정하세요. 이렇게 하면 대화가 어떻게 이어져야 하는지 분명해집니다.
함수 호출과 샘플링
제조사는 대응하는 대화 형식을 사용한 함수 호출을 문서화했습니다. 모델이 제안된 작업과 인수를 생성하고, 애플리케이션이 함수를 실행한 후 다음 생성 전에 결과를 대화에 추가합니다. 카드는 축약된 코드 예시가 전체 주기를 보여 주지 않는다고 명시합니다. 따라서 생략된 실행과 결과 전달 단계도 도구를 활용하는 애플리케이션에 필요한 부분입니다.
공개된 해당 도구 형식에서 호출 ID와 대응하는 결과 ID는 정확히 영숫자 아홉 글자입니다. 기본 형식의 대화를 준비할 때 작업과 결과의 연결을 유지하세요. 래퍼 인터페이스는 대화를 다르게 표현할 수 있습니다. 이 버전의 요구 사항은 제조사의 모델 형식을 설명하는 것이며 모든 클라이언트에 적용되는 식별자 규칙을 임의로 만든 것이 아닙니다.
제조사는 Nemo가 이전 Mistral 모델보다 낮은 temperature를 사용한다고 설명하며 0.3을 권장합니다. 예시에 나오는 64, 128, 256, 1,000토큰 설정은 각 시연에서 선택한 생성 설정이며, 별도로 공개된 최대 답변 용량이 아닙니다.
주요 제한
Instruct 카드는 이 체크포인트를 기본 모델의 미세 조정을 보여 주는 버전으로 설명하고, 콘텐츠 안전성 관리 메커니즘이 없다고 명시합니다. 콘텐츠 안전성 관리가 적용된 동작이 필요한 애플리케이션은 주변 시스템에서 그 동작을 제공해야 합니다. 이는 공개된 체크포인트의 속성이며 Nemo 모델을 호스팅하는 모든 서비스에 대한 주장이 아닙니다.
여기서 문서화된 Nemo의 작업은 자체 128k 컨텍스트 및 대화 형식을 이용한 텍스트 생성입니다. 이후 Mistral 계열의 이미지 이해, 음성 전사, 하이브리드 추론 제어를 이 버전에 부여해서는 안 됩니다. 완전한 글로 된 조건, 관련 원문, 필요한 최종 산출물을 제공해 결과가 설명, 수정 텍스트 또는 구현 제안으로 활용될 수 있게 하세요.
", "aboutText": "Mistral Nemo Instruct 2407은 12B Mistral Nemo 언어 모델을 지시 튜닝한 버전입니다. 별도로 명명된 Nemo Base 2407 체크포인트에서 미세 조정되었습니다. 제조사는 다국어 및 코드 자료의 비중이 큰 학습과 128k토큰의 컨텍스트 창을 설명하며, 글로 된 지시, 대화, 프로그래밍 작업을 지원한다고 밝힙니다.\n\n주요 기능과 아키텍처\n\n이 모델은 사전 학습 버전과 지시 튜닝 버전을 구별해 제공합니다. 이 항목은 Instruct 체크포인트에 관한 것입니다. 텍스트 요청으로 설명, 수정 문서, 프로그램 코드, 함수 호출 제안을 요청할 수 있습니다. 지시 튜닝은 이전 Mistral 7B 계열보다 정확한 지시 이행, 추론, 여러 턴의 대화, 코드 생성을 개선한 것으로 설명됩니다.\n\n모델은 모델 폭이 5,120인 Transformer 레이어 40개로 구성됩니다. SwiGLU, 그룹 쿼리 어텐션의 어텐션 헤드 32개와 키/값 헤드 8개, 헤드 차원 128, 은닉 차원 14,336을 사용합니다. 회전 위치 임베딩의 theta 설정은 100만입니다. 공개된 어휘에는 2의 17제곱, 즉 131,072개의 항목이 있습니다. 이 어휘 크기는 작업 컨텍스트를 나타내는 128k와 별개입니다.\n\n제조사의 발표는 양자화 인식 학습과 FP8 추론도 설명합니다. 이는 버전 및 정밀도의 특성이며 추가적인 콘텐츠 모달리티가 아닙니다. 다른 12B 모델이나 Mistral 계열 모델을 같은 버전으로 취급하지 말고 정확한 체크포인트와 그에 맞는 토크나이저를 유지하세요.\n\n다국어 텍스트와 Tekken\n\n이 버전은 영어, 프랑스어, 독일어, 스페인어, 이탈리아어, 포르투갈어, 중국어, 일본어, 한국어, 아랍어, 힌디어를 강조하며, 모델 카드의 언어 메타데이터에는 러시아어도 포함되어 있습니다. 결과를 요청하기 전에 최종 언어, 대상 독자, 용어를 지정하세요. 다국어 문서 작업에서는 주변 문장을 현지화하면서 이름, 식별자, 단위를 유지하세요.\n\nNemo는 100개 이상의 언어로 학습하고 자연어 및 소스 코드를 효율적으로 표현하도록 설계한 Tekken 토크나이저를 사용합니다. 토크나이저는 원문이 컨텍스트를 차지하는 방식에 영향을 주므로 문자 수 자체가 토큰 수는 아닙니다. 구절의 눈에 보이는 길이만으로 컨텍스트를 추정하지 말고 대응하는 토크나이저를 사용하며 작업과 관련된 자료를 함께 유지하세요.\n\n지시와 코드 준비\n\n문서를 설명할 때는 원문 구절을 제공하고 설명할 조건이나 용어를 명시하세요. 원래 이름과 답변을 뒷받침하는 원문 진술을 보존하면서 독자의 언어로 설명하도록 요청하세요. 편집에서는 다시 쓰더라도 유지되어야 할 의미와 조건을 지정하고, 수정 구절만 필요한지 구절과 설명이 모두 필요한지 밝히세요.\n\n코딩 작업에서는 언어, 입력 유형, 예상 출력, 기존 인터페이스를 지정하세요. 변경을 결정하는 함수나 선언을 포함하세요. 유용한 결과에는 구현, 구현의 전제, 예상 출력이 있는 입력 예시가 들어갈 수 있습니다. 별도의 질문으로 제공된 코드에서 입력 하나가 지나가는 경로를 추적하게 하면, 설명을 불특정 프로그램이 아닌 구체적인 경로에 연결할 수 있습니다.\n\n여러 턴의 대화에서는 관련된 이전 응답을 유지하고 범위가 명확한 후속 질문이나 작업을 바꾸는 새 자료를 제공하세요. 다음 답변이 이전 산출물을 수정해야 하는지, 결정 하나를 설명해야 하는지, 같은 원문 사실을 다른 형태로 표현해야 하는지 정하세요. 이렇게 하면 대화가 어떻게 이어져야 하는지 분명해집니다.\n\n함수 호출과 샘플링\n\n제조사는 대응하는 대화 형식을 사용한 함수 호출을 문서화했습니다. 모델이 제안된 작업과 인수를 생성하고, 애플리케이션이 함수를 실행한 후 다음 생성 전에 결과를 대화에 추가합니다. 카드는 축약된 코드 예시가 전체 주기를 보여 주지 않는다고 명시합니다. 따라서 생략된 실행과 결과 전달 단계도 도구를 활용하는 애플리케이션에 필요한 부분입니다.\n\n공개된 해당 도구 형식에서 호출 ID와 대응하는 결과 ID는 정확히 영숫자 아홉 글자입니다. 기본 형식의 대화를 준비할 때 작업과 결과의 연결을 유지하세요. 래퍼 인터페이스는 대화를 다르게 표현할 수 있습니다. 이 버전의 요구 사항은 제조사의 모델 형식을 설명하는 것이며 모든 클라이언트에 적용되는 식별자 규칙을 임의로 만든 것이 아닙니다.\n\n제조사는 Nemo가 이전 Mistral 모델보다 낮은 temperature를 사용한다고 설명하며 0.3을 권장합니다. 예시에 나오는 64, 128, 256, 1,000토큰 설정은 각 시연에서 선택한 생성 설정이며, 별도로 공개된 최대 답변 용량이 아닙니다.\n\n주요 제한\n\nInstruct 카드는 이 체크포인트를 기본 모델의 미세 조정을 보여 주는 버전으로 설명하고, 콘텐츠 안전성 관리 메커니즘이 없다고 명시합니다. 콘텐츠 안전성 관리가 적용된 동작이 필요한 애플리케이션은 주변 시스템에서 그 동작을 제공해야 합니다. 이는 공개된 체크포인트의 속성이며 Nemo 모델을 호스팅하는 모든 서비스에 대한 주장이 아닙니다.\n\n여기서 문서화된 Nemo의 작업은 자체 128k 컨텍스트 및 대화 형식을 이용한 텍스트 생성입니다. 이후 Mistral 계열의 이미지 이해, 음성 전사, 하이브리드 추론 제어를 이 버전에 부여해서는 안 됩니다. 완전한 글로 된 조건, 관련 원문, 필요한 최종 산출물을 제공해 결과가 설명, 수정 텍스트 또는 구현 제안으로 활용될 수 있게 하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Trace and repair a loop boundary\n\nTrace this Python function for n=3, then correct it to sum integers from 1 through n inclusively: def total(n): return sum(range(1, n)). Inputs are nonnegative integers. Preserve the total(n) interface. Return the corrected function and examples for n=0, n=1 and n=3, with expected outputs.A concise trace, a corrected function and three input/output examples.Check that n=0 remains zero and that the upper endpoint n is included for positive inputs.mistralai/mistral-nemoMistral Nemo Instruct 2407은 정확한 지시, 여러 턴의 대화, 코드를 위한 120억 파라미터 다국어 텍스트 모델입니다. 제조사 기준 128k 컨텍스트, Tekken 토크나이저, 문서화된 함수 호출을 갖추고 있으며 자체 샘플링 지침을 가진 별도의 지시 튜닝 체크포인트입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Nemo Instruct 2407은 12B Mistral Nemo 언어 모델을 지시 튜닝한 버전입니다. 별도로 명명된 Nemo Base 2407 체크포인트에서 미세 조정되었습니다. 제조사는 다국어 및 코드 자료의 비중이 큰 학습과 128k토큰의 컨텍스트 창을 설명하며, 글로 된 지시, 대화, 프로그래밍 작업을 지원한다고 밝힙니다.
주요 기능과 아키텍처
이 모델은 사전 학습 버전과 지시 튜닝 버전을 구별해 제공합니다. 이 항목은 Instruct 체크포인트에 관한 것입니다. 텍스트 요청으로 설명, 수정 문서, 프로그램 코드, 함수 호출 제안을 요청할 수 있습니다. 지시 튜닝은 이전 Mistral 7B 계열보다 정확한 지시 이행, 추론, 여러 턴의 대화, 코드 생성을 개선한 것으로 설명됩니다.
모델은 모델 폭이 5,120인 Transformer 레이어 40개로 구성됩니다. SwiGLU, 그룹 쿼리 어텐션의 어텐션 헤드 32개와 키/값 헤드 8개, 헤드 차원 128, 은닉 차원 14,336을 사용합니다. 회전 위치 임베딩의 theta 설정은 100만입니다. 공개된 어휘에는 2의 17제곱, 즉 131,072개의 항목이 있습니다. 이 어휘 크기는 작업 컨텍스트를 나타내는 128k와 별개입니다.
제조사의 발표는 양자화 인식 학습과 FP8 추론도 설명합니다. 이는 버전 및 정밀도의 특성이며 추가적인 콘텐츠 모달리티가 아닙니다. 다른 12B 모델이나 Mistral 계열 모델을 같은 버전으로 취급하지 말고 정확한 체크포인트와 그에 맞는 토크나이저를 유지하세요.
다국어 텍스트와 Tekken
이 버전은 영어, 프랑스어, 독일어, 스페인어, 이탈리아어, 포르투갈어, 중국어, 일본어, 한국어, 아랍어, 힌디어를 강조하며, 모델 카드의 언어 메타데이터에는 러시아어도 포함되어 있습니다. 결과를 요청하기 전에 최종 언어, 대상 독자, 용어를 지정하세요. 다국어 문서 작업에서는 주변 문장을 현지화하면서 이름, 식별자, 단위를 유지하세요.
Nemo는 100개 이상의 언어로 학습하고 자연어 및 소스 코드를 효율적으로 표현하도록 설계한 Tekken 토크나이저를 사용합니다. 토크나이저는 원문이 컨텍스트를 차지하는 방식에 영향을 주므로 문자 수 자체가 토큰 수는 아닙니다. 구절의 눈에 보이는 길이만으로 컨텍스트를 추정하지 말고 대응하는 토크나이저를 사용하며 작업과 관련된 자료를 함께 유지하세요.
지시와 코드 준비
문서를 설명할 때는 원문 구절을 제공하고 설명할 조건이나 용어를 명시하세요. 원래 이름과 답변을 뒷받침하는 원문 진술을 보존하면서 독자의 언어로 설명하도록 요청하세요. 편집에서는 다시 쓰더라도 유지되어야 할 의미와 조건을 지정하고, 수정 구절만 필요한지 구절과 설명이 모두 필요한지 밝히세요.
코딩 작업에서는 언어, 입력 유형, 예상 출력, 기존 인터페이스를 지정하세요. 변경을 결정하는 함수나 선언을 포함하세요. 유용한 결과에는 구현, 구현의 전제, 예상 출력이 있는 입력 예시가 들어갈 수 있습니다. 별도의 질문으로 제공된 코드에서 입력 하나가 지나가는 경로를 추적하게 하면, 설명을 불특정 프로그램이 아닌 구체적인 경로에 연결할 수 있습니다.
여러 턴의 대화에서는 관련된 이전 응답을 유지하고 범위가 명확한 후속 질문이나 작업을 바꾸는 새 자료를 제공하세요. 다음 답변이 이전 산출물을 수정해야 하는지, 결정 하나를 설명해야 하는지, 같은 원문 사실을 다른 형태로 표현해야 하는지 정하세요. 이렇게 하면 대화가 어떻게 이어져야 하는지 분명해집니다.
함수 호출과 샘플링
제조사는 대응하는 대화 형식을 사용한 함수 호출을 문서화했습니다. 모델이 제안된 작업과 인수를 생성하고, 애플리케이션이 함수를 실행한 후 다음 생성 전에 결과를 대화에 추가합니다. 카드는 축약된 코드 예시가 전체 주기를 보여 주지 않는다고 명시합니다. 따라서 생략된 실행과 결과 전달 단계도 도구를 활용하는 애플리케이션에 필요한 부분입니다.
공개된 해당 도구 형식에서 호출 ID와 대응하는 결과 ID는 정확히 영숫자 아홉 글자입니다. 기본 형식의 대화를 준비할 때 작업과 결과의 연결을 유지하세요. 래퍼 인터페이스는 대화를 다르게 표현할 수 있습니다. 이 버전의 요구 사항은 제조사의 모델 형식을 설명하는 것이며 모든 클라이언트에 적용되는 식별자 규칙을 임의로 만든 것이 아닙니다.
제조사는 Nemo가 이전 Mistral 모델보다 낮은 temperature를 사용한다고 설명하며 0.3을 권장합니다. 예시에 나오는 64, 128, 256, 1,000토큰 설정은 각 시연에서 선택한 생성 설정이며, 별도로 공개된 최대 답변 용량이 아닙니다.
주요 제한
Instruct 카드는 이 체크포인트를 기본 모델의 미세 조정을 보여 주는 버전으로 설명하고, 콘텐츠 안전성 관리 메커니즘이 없다고 명시합니다. 콘텐츠 안전성 관리가 적용된 동작이 필요한 애플리케이션은 주변 시스템에서 그 동작을 제공해야 합니다. 이는 공개된 체크포인트의 속성이며 Nemo 모델을 호스팅하는 모든 서비스에 대한 주장이 아닙니다.
여기서 문서화된 Nemo의 작업은 자체 128k 컨텍스트 및 대화 형식을 이용한 텍스트 생성입니다. 이후 Mistral 계열의 이미지 이해, 음성 전사, 하이브리드 추론 제어를 이 버전에 부여해서는 안 됩니다. 완전한 글로 된 조건, 관련 원문, 필요한 최종 산출물을 제공해 결과가 설명, 수정 텍스트 또는 구현 제안으로 활용될 수 있게 하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-nemo | 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 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0003 / 1K 토큰 입력 · 캐시 읽기 $0.00003 / 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 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0003 / 1K 토큰 입력 · 캐시 읽기 $0.00003 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-nemo", "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-nemo',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-nemo',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-nemo
위에 표시된 메서드 경로를 사용하세요.
mistralai/mistral-nemoMistral Nemo Instruct 2407은 정확한 지시, 여러 턴의 대화, 코드를 위한 120억 파라미터 다국어 텍스트 모델입니다. 제조사 기준 128k 컨텍스트, Tekken 토크나이저, 문서화된 함수 호출을 갖추고 있으며 자체 샘플링 지침을 가진 별도의 지시 튜닝 체크포인트입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Nemo Instruct 2407은 12B Mistral Nemo 언어 모델을 지시 튜닝한 버전입니다. 별도로 명명된 Nemo Base 2407 체크포인트에서 미세 조정되었습니다. 제조사는 다국어 및 코드 자료의 비중이 큰 학습과 128k토큰의 컨텍스트 창을 설명하며, 글로 된 지시, 대화, 프로그래밍 작업을 지원한다고 밝힙니다.
주요 기능과 아키텍처
이 모델은 사전 학습 버전과 지시 튜닝 버전을 구별해 제공합니다. 이 항목은 Instruct 체크포인트에 관한 것입니다. 텍스트 요청으로 설명, 수정 문서, 프로그램 코드, 함수 호출 제안을 요청할 수 있습니다. 지시 튜닝은 이전 Mistral 7B 계열보다 정확한 지시 이행, 추론, 여러 턴의 대화, 코드 생성을 개선한 것으로 설명됩니다.
모델은 모델 폭이 5,120인 Transformer 레이어 40개로 구성됩니다. SwiGLU, 그룹 쿼리 어텐션의 어텐션 헤드 32개와 키/값 헤드 8개, 헤드 차원 128, 은닉 차원 14,336을 사용합니다. 회전 위치 임베딩의 theta 설정은 100만입니다. 공개된 어휘에는 2의 17제곱, 즉 131,072개의 항목이 있습니다. 이 어휘 크기는 작업 컨텍스트를 나타내는 128k와 별개입니다.
제조사의 발표는 양자화 인식 학습과 FP8 추론도 설명합니다. 이는 버전 및 정밀도의 특성이며 추가적인 콘텐츠 모달리티가 아닙니다. 다른 12B 모델이나 Mistral 계열 모델을 같은 버전으로 취급하지 말고 정확한 체크포인트와 그에 맞는 토크나이저를 유지하세요.
다국어 텍스트와 Tekken
이 버전은 영어, 프랑스어, 독일어, 스페인어, 이탈리아어, 포르투갈어, 중국어, 일본어, 한국어, 아랍어, 힌디어를 강조하며, 모델 카드의 언어 메타데이터에는 러시아어도 포함되어 있습니다. 결과를 요청하기 전에 최종 언어, 대상 독자, 용어를 지정하세요. 다국어 문서 작업에서는 주변 문장을 현지화하면서 이름, 식별자, 단위를 유지하세요.
Nemo는 100개 이상의 언어로 학습하고 자연어 및 소스 코드를 효율적으로 표현하도록 설계한 Tekken 토크나이저를 사용합니다. 토크나이저는 원문이 컨텍스트를 차지하는 방식에 영향을 주므로 문자 수 자체가 토큰 수는 아닙니다. 구절의 눈에 보이는 길이만으로 컨텍스트를 추정하지 말고 대응하는 토크나이저를 사용하며 작업과 관련된 자료를 함께 유지하세요.
지시와 코드 준비
문서를 설명할 때는 원문 구절을 제공하고 설명할 조건이나 용어를 명시하세요. 원래 이름과 답변을 뒷받침하는 원문 진술을 보존하면서 독자의 언어로 설명하도록 요청하세요. 편집에서는 다시 쓰더라도 유지되어야 할 의미와 조건을 지정하고, 수정 구절만 필요한지 구절과 설명이 모두 필요한지 밝히세요.
코딩 작업에서는 언어, 입력 유형, 예상 출력, 기존 인터페이스를 지정하세요. 변경을 결정하는 함수나 선언을 포함하세요. 유용한 결과에는 구현, 구현의 전제, 예상 출력이 있는 입력 예시가 들어갈 수 있습니다. 별도의 질문으로 제공된 코드에서 입력 하나가 지나가는 경로를 추적하게 하면, 설명을 불특정 프로그램이 아닌 구체적인 경로에 연결할 수 있습니다.
여러 턴의 대화에서는 관련된 이전 응답을 유지하고 범위가 명확한 후속 질문이나 작업을 바꾸는 새 자료를 제공하세요. 다음 답변이 이전 산출물을 수정해야 하는지, 결정 하나를 설명해야 하는지, 같은 원문 사실을 다른 형태로 표현해야 하는지 정하세요. 이렇게 하면 대화가 어떻게 이어져야 하는지 분명해집니다.
함수 호출과 샘플링
제조사는 대응하는 대화 형식을 사용한 함수 호출을 문서화했습니다. 모델이 제안된 작업과 인수를 생성하고, 애플리케이션이 함수를 실행한 후 다음 생성 전에 결과를 대화에 추가합니다. 카드는 축약된 코드 예시가 전체 주기를 보여 주지 않는다고 명시합니다. 따라서 생략된 실행과 결과 전달 단계도 도구를 활용하는 애플리케이션에 필요한 부분입니다.
공개된 해당 도구 형식에서 호출 ID와 대응하는 결과 ID는 정확히 영숫자 아홉 글자입니다. 기본 형식의 대화를 준비할 때 작업과 결과의 연결을 유지하세요. 래퍼 인터페이스는 대화를 다르게 표현할 수 있습니다. 이 버전의 요구 사항은 제조사의 모델 형식을 설명하는 것이며 모든 클라이언트에 적용되는 식별자 규칙을 임의로 만든 것이 아닙니다.
제조사는 Nemo가 이전 Mistral 모델보다 낮은 temperature를 사용한다고 설명하며 0.3을 권장합니다. 예시에 나오는 64, 128, 256, 1,000토큰 설정은 각 시연에서 선택한 생성 설정이며, 별도로 공개된 최대 답변 용량이 아닙니다.
주요 제한
Instruct 카드는 이 체크포인트를 기본 모델의 미세 조정을 보여 주는 버전으로 설명하고, 콘텐츠 안전성 관리 메커니즘이 없다고 명시합니다. 콘텐츠 안전성 관리가 적용된 동작이 필요한 애플리케이션은 주변 시스템에서 그 동작을 제공해야 합니다. 이는 공개된 체크포인트의 속성이며 Nemo 모델을 호스팅하는 모든 서비스에 대한 주장이 아닙니다.
여기서 문서화된 Nemo의 작업은 자체 128k 컨텍스트 및 대화 형식을 이용한 텍스트 생성입니다. 이후 Mistral 계열의 이미지 이해, 음성 전사, 하이브리드 추론 제어를 이 버전에 부여해서는 안 됩니다. 완전한 글로 된 조건, 관련 원문, 필요한 최종 산출물을 제공해 결과가 설명, 수정 텍스트 또는 구현 제안으로 활용될 수 있게 하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-nemo | 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 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0003 / 1K 토큰 입력 · 캐시 읽기 $0.00003 / 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 $0.0003 / 1K 토큰 출력 · 출력 토큰 $0.0003 / 1K 토큰 입력 · 캐시 읽기 $0.00003 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "mistralai/mistral-nemo",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-nemo', '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-nemo', '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-nemo
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Trace and repair a loop boundary\n\nTrace this Python function for n=3, then correct it to sum integers from 1 through n inclusively: def total(n): return sum(range(1, n)). Inputs are nonnegative integers. Preserve the total(n) interface. Return the corrected function and examples for n=0, n=1 and n=3, with expected outputs.A concise trace, a corrected function and three input/output examples.Check that n=0 remains zero and that the upper endpoint n is included for positive inputs.