Mistral Saba는 선별된 중동 및 남아시아 자료로 Small 제품군 모델을 파인 튜닝해 만든 Mistral AI의 지역 특화 텍스트 모델입니다. 제조사는 지역 언어, 문화적 맥락, 현지 표현 방식을 반영하도록 설계된 240억 파라미터 모델로 설명합니다. 서면 작업과 원본 자료를 입력받아 텍스트를 반환합니다.
지역 언어와 맥락
릴리스는 아랍어와 여러 인도계 언어를 명시하며 타밀어 같은 남인도계 언어에 특히 강점을 갖습니다. 이는 범용 답변의 최종 언어를 바꾸는 것보다 구체적인 초점입니다. 학습 자료는 응답이 사용될 지역의 언어적·문화적 맥락을 위해 선정되었습니다.
결과를 요청하기 전에 대상 독자, 지역, 언어, 원하는 문체 수준을 지정하세요. 공식적인 설명, 고객용 메시지, 교육 구절에는 서로 다른 용어와 호칭이 필요할 수 있습니다. 일관성을 유지해야 할 제품명이나 전문 용어의 용어집을 제공하고 결과가 원본 표현을 유지할지 독자에 맞게 설명을 조정할지 명시하세요.
제조사 페이지는 32k 컨텍스트 창과 mistral-saba-2502라는 버전 식별자를 제시합니다. 관련 원본 구절, 대화, 지침을 함께 유지하는 데 컨텍스트를 사용하세요. 지역에 맞춘 응답에도 실제 제품 조건, 절차, 문서 내용을 근거로 제공해야 합니다. 문화적 친숙함이 회사의 비공개 정보를 제공하는 것은 아닙니다.
대화형 지원
제조사는 아랍어 대화형 어시스턴트를 핵심 활용 사례로 강조합니다. 실용적인 지원 요청에서는 사용자 메시지와 승인된 참조 자료를 제공한 다음 지정한 문체 수준의 응답을 요청할 수 있습니다. 다음 조치, 해당 조치의 적용 조건, 사용자가 추가로 제공해야 할 세부 사항을 요청하세요. 그러면 일반적인 지역 인사말 대신 특정 문제에 근거한 답변을 유지할 수 있습니다.
이중 언어 설명에서는 원본 언어와 최종 메시지의 언어를 지정하세요. 자료에 제공된 이름, 금액, 단위를 보존하고 답변을 이해해야 할 독자를 설명하세요. 후속 질문에서는 같은 조건을 유지하면서 더 짧은 버전이나 특정 용어의 명확한 설명을 요청할 수 있습니다.
도메인별 적응
발표는 에너지와 기타 지역 전문 환경 등 특정 도메인에 대한 Saba 파인 튜닝을 설명합니다. 이는 적응 과정이며 모든 전문 데이터셋이 기본 모델에 이미 포함되어 있다는 주장이 아닙니다. 도메인 중심 텍스트 작업에서는 실제 애플리케이션과 관련된 용어, 원본 문서, 응답 규칙을 제공하세요.
기술 설명에서는 원래 단계와 조건을 유지하면서 독자의 지역 용어를 사용해 절차를 다시 설명하도록 요청할 수 있습니다. 문서 질문에서는 설명할 조항을 지정하고 근거 구절과 함께 간결한 답변을 요청할 수 있습니다. 출력을 준비할 때 원본 사실, 설명, 미해결 용어를 구분하세요.
문화적 콘텐츠 제작
제조사는 문화적으로 적합한 글쓰기와 교육 자료도 설명합니다. 주제, 대상 독자, 언어, 포함할 사실 또는 예시를 제공하세요. 교육 구절에서는 학습자가 마지막에 무엇을 이해해야 하는지 지정하고 설명과 뒤이은 실용 예시를 요청하세요. 조직 메시지에서는 목적과 독자가 행동에 옮겨야 할 정보를 제공하세요.
현지 관용구나 문화적 언급이 작업의 일부라면 사용될 맥락을 명시하세요. 다른 독자에게 공식적이거나 더 중립적인 버전이 적합하다면 대체 표현을 요청하세요. 이는 콘텐츠와 용도를 명확히 유지하면서 모델의 지역 특화를 활용하는 실용적인 방법입니다.
버전과 결과의 범위
Saba에 문서화된 특화 영역은 32k 컨텍스트를 사용하는 텍스트 기반 지역 언어 작업입니다. Small 제품군을 파인 튜닝한 모델이라는 이유만으로 이후 Small이나 Medium 모델의 이미지 입력, 하이브리드 추론 제어, 도구 형식 기능을 이어받는 것으로 간주해서는 안 됩니다. 검토된 출처는 이 버전의 별도 최대 출력 토큰 용량을 명시하지 않습니다.
완전한 서면 작업, 관련 원본 사실, 지원 답변·설명·조정된 구절·짧은 교육 텍스트 등 원하는 산출물을 준비하세요. 명명된 Saba 버전과 독자의 언어 및 문체 수준을 명확히 하여 결과 텍스트가 실제 지역 소통의 필요에 답하도록 하세요.
", "aboutText": "Mistral Saba는 선별된 중동 및 남아시아 자료로 Small 제품군 모델을 파인 튜닝해 만든 Mistral AI의 지역 특화 텍스트 모델입니다. 제조사는 지역 언어, 문화적 맥락, 현지 표현 방식을 반영하도록 설계된 240억 파라미터 모델로 설명합니다. 서면 작업과 원본 자료를 입력받아 텍스트를 반환합니다.\n\n지역 언어와 맥락\n\n릴리스는 아랍어와 여러 인도계 언어를 명시하며 타밀어 같은 남인도계 언어에 특히 강점을 갖습니다. 이는 범용 답변의 최종 언어를 바꾸는 것보다 구체적인 초점입니다. 학습 자료는 응답이 사용될 지역의 언어적·문화적 맥락을 위해 선정되었습니다.\n\n결과를 요청하기 전에 대상 독자, 지역, 언어, 원하는 문체 수준을 지정하세요. 공식적인 설명, 고객용 메시지, 교육 구절에는 서로 다른 용어와 호칭이 필요할 수 있습니다. 일관성을 유지해야 할 제품명이나 전문 용어의 용어집을 제공하고 결과가 원본 표현을 유지할지 독자에 맞게 설명을 조정할지 명시하세요.\n\n제조사 페이지는 32k 컨텍스트 창과 mistral-saba-2502라는 버전 식별자를 제시합니다. 관련 원본 구절, 대화, 지침을 함께 유지하는 데 컨텍스트를 사용하세요. 지역에 맞춘 응답에도 실제 제품 조건, 절차, 문서 내용을 근거로 제공해야 합니다. 문화적 친숙함이 회사의 비공개 정보를 제공하는 것은 아닙니다.\n\n대화형 지원\n\n제조사는 아랍어 대화형 어시스턴트를 핵심 활용 사례로 강조합니다. 실용적인 지원 요청에서는 사용자 메시지와 승인된 참조 자료를 제공한 다음 지정한 문체 수준의 응답을 요청할 수 있습니다. 다음 조치, 해당 조치의 적용 조건, 사용자가 추가로 제공해야 할 세부 사항을 요청하세요. 그러면 일반적인 지역 인사말 대신 특정 문제에 근거한 답변을 유지할 수 있습니다.\n\n이중 언어 설명에서는 원본 언어와 최종 메시지의 언어를 지정하세요. 자료에 제공된 이름, 금액, 단위를 보존하고 답변을 이해해야 할 독자를 설명하세요. 후속 질문에서는 같은 조건을 유지하면서 더 짧은 버전이나 특정 용어의 명확한 설명을 요청할 수 있습니다.\n\n도메인별 적응\n\n발표는 에너지와 기타 지역 전문 환경 등 특정 도메인에 대한 Saba 파인 튜닝을 설명합니다. 이는 적응 과정이며 모든 전문 데이터셋이 기본 모델에 이미 포함되어 있다는 주장이 아닙니다. 도메인 중심 텍스트 작업에서는 실제 애플리케이션과 관련된 용어, 원본 문서, 응답 규칙을 제공하세요.\n\n기술 설명에서는 원래 단계와 조건을 유지하면서 독자의 지역 용어를 사용해 절차를 다시 설명하도록 요청할 수 있습니다. 문서 질문에서는 설명할 조항을 지정하고 근거 구절과 함께 간결한 답변을 요청할 수 있습니다. 출력을 준비할 때 원본 사실, 설명, 미해결 용어를 구분하세요.\n\n문화적 콘텐츠 제작\n\n제조사는 문화적으로 적합한 글쓰기와 교육 자료도 설명합니다. 주제, 대상 독자, 언어, 포함할 사실 또는 예시를 제공하세요. 교육 구절에서는 학습자가 마지막에 무엇을 이해해야 하는지 지정하고 설명과 뒤이은 실용 예시를 요청하세요. 조직 메시지에서는 목적과 독자가 행동에 옮겨야 할 정보를 제공하세요.\n\n현지 관용구나 문화적 언급이 작업의 일부라면 사용될 맥락을 명시하세요. 다른 독자에게 공식적이거나 더 중립적인 버전이 적합하다면 대체 표현을 요청하세요. 이는 콘텐츠와 용도를 명확히 유지하면서 모델의 지역 특화를 활용하는 실용적인 방법입니다.\n\n버전과 결과의 범위\n\nSaba에 문서화된 특화 영역은 32k 컨텍스트를 사용하는 텍스트 기반 지역 언어 작업입니다. Small 제품군을 파인 튜닝한 모델이라는 이유만으로 이후 Small이나 Medium 모델의 이미지 입력, 하이브리드 추론 제어, 도구 형식 기능을 이어받는 것으로 간주해서는 안 됩니다. 검토된 출처는 이 버전의 별도 최대 출력 토큰 용량을 명시하지 않습니다.\n\n완전한 서면 작업, 관련 원본 사실, 지원 답변·설명·조정된 구절·짧은 교육 텍스트 등 원하는 산출물을 준비하세요. 명명된 Saba 버전과 독자의 언어 및 문체 수준을 명확히 하여 결과 텍스트가 실제 지역 소통의 필요에 답하도록 하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.mistralai/mistral-sabaMistral Saba는 선별된 중동 및 남아시아 자료로 학습한 240억 파라미터 텍스트 모델입니다. 아랍어와 타밀어 같은 인도계 언어를 포함한 지역 언어 및 문화적 맥락에 초점을 맞추며 서면 작업을 위한 제조사 기준 32k 컨텍스트를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Saba는 선별된 중동 및 남아시아 자료로 Small 제품군 모델을 파인 튜닝해 만든 Mistral AI의 지역 특화 텍스트 모델입니다. 제조사는 지역 언어, 문화적 맥락, 현지 표현 방식을 반영하도록 설계된 240억 파라미터 모델로 설명합니다. 서면 작업과 원본 자료를 입력받아 텍스트를 반환합니다.
지역 언어와 맥락
릴리스는 아랍어와 여러 인도계 언어를 명시하며 타밀어 같은 남인도계 언어에 특히 강점을 갖습니다. 이는 범용 답변의 최종 언어를 바꾸는 것보다 구체적인 초점입니다. 학습 자료는 응답이 사용될 지역의 언어적·문화적 맥락을 위해 선정되었습니다.
결과를 요청하기 전에 대상 독자, 지역, 언어, 원하는 문체 수준을 지정하세요. 공식적인 설명, 고객용 메시지, 교육 구절에는 서로 다른 용어와 호칭이 필요할 수 있습니다. 일관성을 유지해야 할 제품명이나 전문 용어의 용어집을 제공하고 결과가 원본 표현을 유지할지 독자에 맞게 설명을 조정할지 명시하세요.
제조사 페이지는 32k 컨텍스트 창과 mistral-saba-2502라는 버전 식별자를 제시합니다. 관련 원본 구절, 대화, 지침을 함께 유지하는 데 컨텍스트를 사용하세요. 지역에 맞춘 응답에도 실제 제품 조건, 절차, 문서 내용을 근거로 제공해야 합니다. 문화적 친숙함이 회사의 비공개 정보를 제공하는 것은 아닙니다.
대화형 지원
제조사는 아랍어 대화형 어시스턴트를 핵심 활용 사례로 강조합니다. 실용적인 지원 요청에서는 사용자 메시지와 승인된 참조 자료를 제공한 다음 지정한 문체 수준의 응답을 요청할 수 있습니다. 다음 조치, 해당 조치의 적용 조건, 사용자가 추가로 제공해야 할 세부 사항을 요청하세요. 그러면 일반적인 지역 인사말 대신 특정 문제에 근거한 답변을 유지할 수 있습니다.
이중 언어 설명에서는 원본 언어와 최종 메시지의 언어를 지정하세요. 자료에 제공된 이름, 금액, 단위를 보존하고 답변을 이해해야 할 독자를 설명하세요. 후속 질문에서는 같은 조건을 유지하면서 더 짧은 버전이나 특정 용어의 명확한 설명을 요청할 수 있습니다.
도메인별 적응
발표는 에너지와 기타 지역 전문 환경 등 특정 도메인에 대한 Saba 파인 튜닝을 설명합니다. 이는 적응 과정이며 모든 전문 데이터셋이 기본 모델에 이미 포함되어 있다는 주장이 아닙니다. 도메인 중심 텍스트 작업에서는 실제 애플리케이션과 관련된 용어, 원본 문서, 응답 규칙을 제공하세요.
기술 설명에서는 원래 단계와 조건을 유지하면서 독자의 지역 용어를 사용해 절차를 다시 설명하도록 요청할 수 있습니다. 문서 질문에서는 설명할 조항을 지정하고 근거 구절과 함께 간결한 답변을 요청할 수 있습니다. 출력을 준비할 때 원본 사실, 설명, 미해결 용어를 구분하세요.
문화적 콘텐츠 제작
제조사는 문화적으로 적합한 글쓰기와 교육 자료도 설명합니다. 주제, 대상 독자, 언어, 포함할 사실 또는 예시를 제공하세요. 교육 구절에서는 학습자가 마지막에 무엇을 이해해야 하는지 지정하고 설명과 뒤이은 실용 예시를 요청하세요. 조직 메시지에서는 목적과 독자가 행동에 옮겨야 할 정보를 제공하세요.
현지 관용구나 문화적 언급이 작업의 일부라면 사용될 맥락을 명시하세요. 다른 독자에게 공식적이거나 더 중립적인 버전이 적합하다면 대체 표현을 요청하세요. 이는 콘텐츠와 용도를 명확히 유지하면서 모델의 지역 특화를 활용하는 실용적인 방법입니다.
버전과 결과의 범위
Saba에 문서화된 특화 영역은 32k 컨텍스트를 사용하는 텍스트 기반 지역 언어 작업입니다. Small 제품군을 파인 튜닝한 모델이라는 이유만으로 이후 Small이나 Medium 모델의 이미지 입력, 하이브리드 추론 제어, 도구 형식 기능을 이어받는 것으로 간주해서는 안 됩니다. 검토된 출처는 이 버전의 별도 최대 출력 토큰 용량을 명시하지 않습니다.
완전한 서면 작업, 관련 원본 사실, 지원 답변·설명·조정된 구절·짧은 교육 텍스트 등 원하는 산출물을 준비하세요. 명명된 Saba 버전과 독자의 언어 및 문체 수준을 명확히 하여 결과 텍스트가 실제 지역 소통의 필요에 답하도록 하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-saba | 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 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00004 / 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 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-saba", "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-saba',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-saba',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-saba
위에 표시된 메서드 경로를 사용하세요.
mistralai/mistral-sabaMistral Saba는 선별된 중동 및 남아시아 자료로 학습한 240억 파라미터 텍스트 모델입니다. 아랍어와 타밀어 같은 인도계 언어를 포함한 지역 언어 및 문화적 맥락에 초점을 맞추며 서면 작업을 위한 제조사 기준 32k 컨텍스트를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Mistral Saba는 선별된 중동 및 남아시아 자료로 Small 제품군 모델을 파인 튜닝해 만든 Mistral AI의 지역 특화 텍스트 모델입니다. 제조사는 지역 언어, 문화적 맥락, 현지 표현 방식을 반영하도록 설계된 240억 파라미터 모델로 설명합니다. 서면 작업과 원본 자료를 입력받아 텍스트를 반환합니다.
지역 언어와 맥락
릴리스는 아랍어와 여러 인도계 언어를 명시하며 타밀어 같은 남인도계 언어에 특히 강점을 갖습니다. 이는 범용 답변의 최종 언어를 바꾸는 것보다 구체적인 초점입니다. 학습 자료는 응답이 사용될 지역의 언어적·문화적 맥락을 위해 선정되었습니다.
결과를 요청하기 전에 대상 독자, 지역, 언어, 원하는 문체 수준을 지정하세요. 공식적인 설명, 고객용 메시지, 교육 구절에는 서로 다른 용어와 호칭이 필요할 수 있습니다. 일관성을 유지해야 할 제품명이나 전문 용어의 용어집을 제공하고 결과가 원본 표현을 유지할지 독자에 맞게 설명을 조정할지 명시하세요.
제조사 페이지는 32k 컨텍스트 창과 mistral-saba-2502라는 버전 식별자를 제시합니다. 관련 원본 구절, 대화, 지침을 함께 유지하는 데 컨텍스트를 사용하세요. 지역에 맞춘 응답에도 실제 제품 조건, 절차, 문서 내용을 근거로 제공해야 합니다. 문화적 친숙함이 회사의 비공개 정보를 제공하는 것은 아닙니다.
대화형 지원
제조사는 아랍어 대화형 어시스턴트를 핵심 활용 사례로 강조합니다. 실용적인 지원 요청에서는 사용자 메시지와 승인된 참조 자료를 제공한 다음 지정한 문체 수준의 응답을 요청할 수 있습니다. 다음 조치, 해당 조치의 적용 조건, 사용자가 추가로 제공해야 할 세부 사항을 요청하세요. 그러면 일반적인 지역 인사말 대신 특정 문제에 근거한 답변을 유지할 수 있습니다.
이중 언어 설명에서는 원본 언어와 최종 메시지의 언어를 지정하세요. 자료에 제공된 이름, 금액, 단위를 보존하고 답변을 이해해야 할 독자를 설명하세요. 후속 질문에서는 같은 조건을 유지하면서 더 짧은 버전이나 특정 용어의 명확한 설명을 요청할 수 있습니다.
도메인별 적응
발표는 에너지와 기타 지역 전문 환경 등 특정 도메인에 대한 Saba 파인 튜닝을 설명합니다. 이는 적응 과정이며 모든 전문 데이터셋이 기본 모델에 이미 포함되어 있다는 주장이 아닙니다. 도메인 중심 텍스트 작업에서는 실제 애플리케이션과 관련된 용어, 원본 문서, 응답 규칙을 제공하세요.
기술 설명에서는 원래 단계와 조건을 유지하면서 독자의 지역 용어를 사용해 절차를 다시 설명하도록 요청할 수 있습니다. 문서 질문에서는 설명할 조항을 지정하고 근거 구절과 함께 간결한 답변을 요청할 수 있습니다. 출력을 준비할 때 원본 사실, 설명, 미해결 용어를 구분하세요.
문화적 콘텐츠 제작
제조사는 문화적으로 적합한 글쓰기와 교육 자료도 설명합니다. 주제, 대상 독자, 언어, 포함할 사실 또는 예시를 제공하세요. 교육 구절에서는 학습자가 마지막에 무엇을 이해해야 하는지 지정하고 설명과 뒤이은 실용 예시를 요청하세요. 조직 메시지에서는 목적과 독자가 행동에 옮겨야 할 정보를 제공하세요.
현지 관용구나 문화적 언급이 작업의 일부라면 사용될 맥락을 명시하세요. 다른 독자에게 공식적이거나 더 중립적인 버전이 적합하다면 대체 표현을 요청하세요. 이는 콘텐츠와 용도를 명확히 유지하면서 모델의 지역 특화를 활용하는 실용적인 방법입니다.
버전과 결과의 범위
Saba에 문서화된 특화 영역은 32k 컨텍스트를 사용하는 텍스트 기반 지역 언어 작업입니다. Small 제품군을 파인 튜닝한 모델이라는 이유만으로 이후 Small이나 Medium 모델의 이미지 입력, 하이브리드 추론 제어, 도구 형식 기능을 이어받는 것으로 간주해서는 안 됩니다. 검토된 출처는 이 버전의 별도 최대 출력 토큰 용량을 명시하지 않습니다.
완전한 서면 작업, 관련 원본 사실, 지원 답변·설명·조정된 구절·짧은 교육 텍스트 등 원하는 산출물을 준비하세요. 명명된 Saba 버전과 독자의 언어 및 문체 수준을 명확히 하여 결과 텍스트가 실제 지역 소통의 필요에 답하도록 하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mistralai/mistral-saba | 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 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00004 / 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 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00004 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "mistralai/mistral-saba",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-saba', '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-saba', '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-saba
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.