Mistral Large – Mistral AI bendrosios paskirties multimodalinė šeima sudėtingam darbui su dokumentais, programinės įrangos kūrimui ir agentinėms užduotims. Large 4 sujungia instrukcijų vykdymą, samprotavimą ir įrankių naudojimą su savuoju vaizdų supratimu. Jo smulkiagrūdėje ekspertų mišinio architektūroje iš viso yra 1,05 trilijono parametrų ir 52 mlrd. aktyvių parametrų bei 1,6 mlrd. parametrų regos koduotuvas. Large 4 konteksto langas – 1 mln. žetonų. Large 3 – atskira versija su iš viso 675 mlrd. parametrų, 41 mlrd. aktyvių parametrų ir 256 tūkst. žetonų konteksto langu.
Modelis dirba su rašytinėmis užduotimis ir vaizdine medžiaga, kad sukurtų tekstą, kodą ar struktūruotus rezultatus. Large 4 samprotavimo procese minimalių pastangų nustatymas grąžina atsakymą tiesiogiai, o didelės pastangos prieš galutinį atsakymą įtraukia samprotavimo dalį. Nesutrumpinti asistento pranešimai išsaugo tęstinumą per tolesnius ėjimus. Struktūruota išvestis gali naudoti JSON ar pasirinktinę schemą, o programa gali pateikti prefiksą valdomai atsakymo pradžiai.
Funkcijų kvietimas susieja analitinę užduotį su išorine informacija ir veiksmais. Pateikite funkcijų aprašymus, įvesties laukus ir naudotojo tikslą. Modelis parenka funkciją ir paruošia argumentus; programa ją vykdo, grąžina rezultatą ir tęsia pokalbį. Procesas gali apimti nuoseklius kvietimus ar kelis lygiagrečius kvietimus. Atsakymas į klausimus apie dokumentus sujungia duomenų išgavimą iš dokumentų su kalbos supratimu, o paketinis apdorojimas asinchroniškai tvarko užklausų rinkinius. Įrankių prieinamumą ir vykdymą suteikia modelį supanti programa.
Large 4 galimybių sritys prasideda saugumo analize: gamintojas aprašo kenkėjiškos programinės įrangos pirminį vertinimą, pažeidžiamumų prioritetų nustatymą ir aptikimo taisyklių ruošimą apsauginiam darbui. Agentinio programavimo srityje dėmesys skiriamas repozitorijos supratimui, programinės įrangos pakeitimams ir sudėtingiems terminalo procesams. Naudinga programavimo užduotis įvardija paveiktą veikimą, susijusius failus bei priklausomybes ir patikrinimus, kurie patvirtins teisingą rezultatą.
Bendruose agentų procesuose modelis gali rinkti medžiagą, naudoti prijungtus įrankius ir sudaryti tokius rezultatus kaip dokumentai, skaičiuoklės bei skaidrių turinys. Jo multimodalinis darbas apima diagramas, sudėtingus puslapius, natūralias scenas ir techninius brėžinius. Vaizdinis susiejimas sieja klausimą su objektu ar sritimi; inžinerinė užduotis gali išnagrinėti pateiktą brėžinį, palyginti matomas dalis ir grąžinti įrodymais paremtą paaiškinimą. Dokumentų analizėje prašykite konkretaus puslapio, lentelės ar ištraukos, pagrindžiančios kiekvieną išvadą.
Moksliniai ir matematiniai taikymai apima duomenų analizę, modeliavimą, simuliacijų kodą ir išplėstines taikomosios matematikos užduotis. Žinių darbas apima dokumentų bei skaičiuoklių redagavimą ir kelių šaltinių informacijos palyginimą. Ailoot API užduotis gali nurodyti redaguojamą ataskaitos planą, struktūruotą išvadų rinkinį ar kodą, kurį programa turi vykdyti ir patikrinti. Tai skirtingos išvestys: paaiškinimas atsako į klausimą, struktūruotas rezultatas perduoda duomenis toliau, o įrankiais paremtas procesas naudoja programą galutiniam artefaktui sukurti ar atnaujinti.
Large 4 mokymas apima daugiakalbę medžiagą daugiau nei 160 kalbų, įskaitant visas oficialiąsias Europos Sąjungos kalbas. Papildomas mokymas sujungia prižiūrimą derinimą su pastiprinamuoju mokymu samprotavimo, mokslinio darbo, įrankių naudojimo, faktinio tikslumo ir saugos derinimo srityse. Saugos darbas apima netiesioginį instrukcijų įterpimą ir kenkėjiškas kibernetinio saugumo užklausas. Šeimos pasirinkimas lieka atnaujinama modelių linija: pirmiau pateiktos skaitinės architektūros, konteksto langai ir samprotavimo elgsena priklauso aiškiai įvardytoms versijoms, kurios išlieka atskiros renkantis fiksuotą versiją.
", "aboutText": "Mistral Large – Mistral AI bendrosios paskirties multimodalinė šeima sudėtingam darbui su dokumentais, programinės įrangos kūrimui ir agentinėms užduotims. Large 4 sujungia instrukcijų vykdymą, samprotavimą ir įrankių naudojimą su savuoju vaizdų supratimu. Jo smulkiagrūdėje ekspertų mišinio architektūroje iš viso yra 1,05 trilijono parametrų ir 52 mlrd. aktyvių parametrų bei 1,6 mlrd. parametrų regos koduotuvas. Large 4 konteksto langas – 1 mln. žetonų. Large 3 – atskira versija su iš viso 675 mlrd. parametrų, 41 mlrd. aktyvių parametrų ir 256 tūkst. žetonų konteksto langu.\n\nModelis dirba su rašytinėmis užduotimis ir vaizdine medžiaga, kad sukurtų tekstą, kodą ar struktūruotus rezultatus. Large 4 samprotavimo procese minimalių pastangų nustatymas grąžina atsakymą tiesiogiai, o didelės pastangos prieš galutinį atsakymą įtraukia samprotavimo dalį. Nesutrumpinti asistento pranešimai išsaugo tęstinumą per tolesnius ėjimus. Struktūruota išvestis gali naudoti JSON ar pasirinktinę schemą, o programa gali pateikti prefiksą valdomai atsakymo pradžiai.\n\nFunkcijų kvietimas susieja analitinę užduotį su išorine informacija ir veiksmais. Pateikite funkcijų aprašymus, įvesties laukus ir naudotojo tikslą. Modelis parenka funkciją ir paruošia argumentus; programa ją vykdo, grąžina rezultatą ir tęsia pokalbį. Procesas gali apimti nuoseklius kvietimus ar kelis lygiagrečius kvietimus. Atsakymas į klausimus apie dokumentus sujungia duomenų išgavimą iš dokumentų su kalbos supratimu, o paketinis apdorojimas asinchroniškai tvarko užklausų rinkinius. Įrankių prieinamumą ir vykdymą suteikia modelį supanti programa.\n\nLarge 4 galimybių sritys prasideda saugumo analize: gamintojas aprašo kenkėjiškos programinės įrangos pirminį vertinimą, pažeidžiamumų prioritetų nustatymą ir aptikimo taisyklių ruošimą apsauginiam darbui. Agentinio programavimo srityje dėmesys skiriamas repozitorijos supratimui, programinės įrangos pakeitimams ir sudėtingiems terminalo procesams. Naudinga programavimo užduotis įvardija paveiktą veikimą, susijusius failus bei priklausomybes ir patikrinimus, kurie patvirtins teisingą rezultatą.\n\nBendruose agentų procesuose modelis gali rinkti medžiagą, naudoti prijungtus įrankius ir sudaryti tokius rezultatus kaip dokumentai, skaičiuoklės bei skaidrių turinys. Jo multimodalinis darbas apima diagramas, sudėtingus puslapius, natūralias scenas ir techninius brėžinius. Vaizdinis susiejimas sieja klausimą su objektu ar sritimi; inžinerinė užduotis gali išnagrinėti pateiktą brėžinį, palyginti matomas dalis ir grąžinti įrodymais paremtą paaiškinimą. Dokumentų analizėje prašykite konkretaus puslapio, lentelės ar ištraukos, pagrindžiančios kiekvieną išvadą.\n\nMoksliniai ir matematiniai taikymai apima duomenų analizę, modeliavimą, simuliacijų kodą ir išplėstines taikomosios matematikos užduotis. Žinių darbas apima dokumentų bei skaičiuoklių redagavimą ir kelių šaltinių informacijos palyginimą. Ailoot API užduotis gali nurodyti redaguojamą ataskaitos planą, struktūruotą išvadų rinkinį ar kodą, kurį programa turi vykdyti ir patikrinti. Tai skirtingos išvestys: paaiškinimas atsako į klausimą, struktūruotas rezultatas perduoda duomenis toliau, o įrankiais paremtas procesas naudoja programą galutiniam artefaktui sukurti ar atnaujinti.\n\nLarge 4 mokymas apima daugiakalbę medžiagą daugiau nei 160 kalbų, įskaitant visas oficialiąsias Europos Sąjungos kalbas. Papildomas mokymas sujungia prižiūrimą derinimą su pastiprinamuoju mokymu samprotavimo, mokslinio darbo, įrankių naudojimo, faktinio tikslumo ir saugos derinimo srityse. Saugos darbas apima netiesioginį instrukcijų įterpimą ir kenkėjiškas kibernetinio saugumo užklausas. Šeimos pasirinkimas lieka atnaujinama modelių linija: pirmiau pateiktos skaitinės architektūros, konteksto langai ir samprotavimo elgsena priklauso aiškiai įvardytoms versijoms, kurios išlieka atskiros renkantis fiksuotą versiją.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Find a report inconsistency\n\nReview these report sections. [Summary] The pilot covered 120 orders and had 6 returns. [Table] Delivered: 114; returned: 6; cancelled before dispatch: 5. Identify which totals can be reconciled and which scope is unclear. Draft a correction question for the report author, retaining section labels and avoiding an invented denominator.A source-linked finding table and a precise question about the order population and cancellations.Ensure the five cancellations are not silently added to or removed from the stated 120-order pilot.mistral-large-latestMistral AI šeima Large sujungia dokumentų ir vaizdų supratimą su samprotavimu, programavimu ir įrankiais paremtais darbo procesais. Paskelbtos Large versijos palaiko struktūruotus atsakymus ir darbą su ilgu kontekstu, o architektūra bei konteksto dydžiai siejami su kiekviena įvardyta versija.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Mistral Large – Mistral AI bendrosios paskirties multimodalinė šeima sudėtingam darbui su dokumentais, programinės įrangos kūrimui ir agentinėms užduotims. Large 4 sujungia instrukcijų vykdymą, samprotavimą ir įrankių naudojimą su savuoju vaizdų supratimu. Jo smulkiagrūdėje ekspertų mišinio architektūroje iš viso yra 1,05 trilijono parametrų ir 52 mlrd. aktyvių parametrų bei 1,6 mlrd. parametrų regos koduotuvas. Large 4 konteksto langas – 1 mln. žetonų. Large 3 – atskira versija su iš viso 675 mlrd. parametrų, 41 mlrd. aktyvių parametrų ir 256 tūkst. žetonų konteksto langu.
Modelis dirba su rašytinėmis užduotimis ir vaizdine medžiaga, kad sukurtų tekstą, kodą ar struktūruotus rezultatus. Large 4 samprotavimo procese minimalių pastangų nustatymas grąžina atsakymą tiesiogiai, o didelės pastangos prieš galutinį atsakymą įtraukia samprotavimo dalį. Nesutrumpinti asistento pranešimai išsaugo tęstinumą per tolesnius ėjimus. Struktūruota išvestis gali naudoti JSON ar pasirinktinę schemą, o programa gali pateikti prefiksą valdomai atsakymo pradžiai.
Funkcijų kvietimas susieja analitinę užduotį su išorine informacija ir veiksmais. Pateikite funkcijų aprašymus, įvesties laukus ir naudotojo tikslą. Modelis parenka funkciją ir paruošia argumentus; programa ją vykdo, grąžina rezultatą ir tęsia pokalbį. Procesas gali apimti nuoseklius kvietimus ar kelis lygiagrečius kvietimus. Atsakymas į klausimus apie dokumentus sujungia duomenų išgavimą iš dokumentų su kalbos supratimu, o paketinis apdorojimas asinchroniškai tvarko užklausų rinkinius. Įrankių prieinamumą ir vykdymą suteikia modelį supanti programa.
Large 4 galimybių sritys prasideda saugumo analize: gamintojas aprašo kenkėjiškos programinės įrangos pirminį vertinimą, pažeidžiamumų prioritetų nustatymą ir aptikimo taisyklių ruošimą apsauginiam darbui. Agentinio programavimo srityje dėmesys skiriamas repozitorijos supratimui, programinės įrangos pakeitimams ir sudėtingiems terminalo procesams. Naudinga programavimo užduotis įvardija paveiktą veikimą, susijusius failus bei priklausomybes ir patikrinimus, kurie patvirtins teisingą rezultatą.
Bendruose agentų procesuose modelis gali rinkti medžiagą, naudoti prijungtus įrankius ir sudaryti tokius rezultatus kaip dokumentai, skaičiuoklės bei skaidrių turinys. Jo multimodalinis darbas apima diagramas, sudėtingus puslapius, natūralias scenas ir techninius brėžinius. Vaizdinis susiejimas sieja klausimą su objektu ar sritimi; inžinerinė užduotis gali išnagrinėti pateiktą brėžinį, palyginti matomas dalis ir grąžinti įrodymais paremtą paaiškinimą. Dokumentų analizėje prašykite konkretaus puslapio, lentelės ar ištraukos, pagrindžiančios kiekvieną išvadą.
Moksliniai ir matematiniai taikymai apima duomenų analizę, modeliavimą, simuliacijų kodą ir išplėstines taikomosios matematikos užduotis. Žinių darbas apima dokumentų bei skaičiuoklių redagavimą ir kelių šaltinių informacijos palyginimą. Ailoot API užduotis gali nurodyti redaguojamą ataskaitos planą, struktūruotą išvadų rinkinį ar kodą, kurį programa turi vykdyti ir patikrinti. Tai skirtingos išvestys: paaiškinimas atsako į klausimą, struktūruotas rezultatas perduoda duomenis toliau, o įrankiais paremtas procesas naudoja programą galutiniam artefaktui sukurti ar atnaujinti.
Large 4 mokymas apima daugiakalbę medžiagą daugiau nei 160 kalbų, įskaitant visas oficialiąsias Europos Sąjungos kalbas. Papildomas mokymas sujungia prižiūrimą derinimą su pastiprinamuoju mokymu samprotavimo, mokslinio darbo, įrankių naudojimo, faktinio tikslumo ir saugos derinimo srityse. Saugos darbas apima netiesioginį instrukcijų įterpimą ir kenkėjiškas kibernetinio saugumo užklausas. Šeimos pasirinkimas lieka atnaujinama modelių linija: pirmiau pateiktos skaitinės architektūros, konteksto langai ir samprotavimo elgsena priklauso aiškiai įvardytoms versijoms, kurios išlieka atskiros renkantis fiksuotą versiją.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos mistral-large-latest | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.0044 / 1K tokenų Išvestis · Išvesties tokenai $0.0132 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistral-large-latest", "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='mistral-large-latest',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='mistral-large-latest',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra mistral-large-latest
Naudokite aukščiau nurodytus metodų kelius.
mistral-large-latestMistral AI šeima Large sujungia dokumentų ir vaizdų supratimą su samprotavimu, programavimu ir įrankiais paremtais darbo procesais. Paskelbtos Large versijos palaiko struktūruotus atsakymus ir darbą su ilgu kontekstu, o architektūra bei konteksto dydžiai siejami su kiekviena įvardyta versija.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Mistral Large – Mistral AI bendrosios paskirties multimodalinė šeima sudėtingam darbui su dokumentais, programinės įrangos kūrimui ir agentinėms užduotims. Large 4 sujungia instrukcijų vykdymą, samprotavimą ir įrankių naudojimą su savuoju vaizdų supratimu. Jo smulkiagrūdėje ekspertų mišinio architektūroje iš viso yra 1,05 trilijono parametrų ir 52 mlrd. aktyvių parametrų bei 1,6 mlrd. parametrų regos koduotuvas. Large 4 konteksto langas – 1 mln. žetonų. Large 3 – atskira versija su iš viso 675 mlrd. parametrų, 41 mlrd. aktyvių parametrų ir 256 tūkst. žetonų konteksto langu.
Modelis dirba su rašytinėmis užduotimis ir vaizdine medžiaga, kad sukurtų tekstą, kodą ar struktūruotus rezultatus. Large 4 samprotavimo procese minimalių pastangų nustatymas grąžina atsakymą tiesiogiai, o didelės pastangos prieš galutinį atsakymą įtraukia samprotavimo dalį. Nesutrumpinti asistento pranešimai išsaugo tęstinumą per tolesnius ėjimus. Struktūruota išvestis gali naudoti JSON ar pasirinktinę schemą, o programa gali pateikti prefiksą valdomai atsakymo pradžiai.
Funkcijų kvietimas susieja analitinę užduotį su išorine informacija ir veiksmais. Pateikite funkcijų aprašymus, įvesties laukus ir naudotojo tikslą. Modelis parenka funkciją ir paruošia argumentus; programa ją vykdo, grąžina rezultatą ir tęsia pokalbį. Procesas gali apimti nuoseklius kvietimus ar kelis lygiagrečius kvietimus. Atsakymas į klausimus apie dokumentus sujungia duomenų išgavimą iš dokumentų su kalbos supratimu, o paketinis apdorojimas asinchroniškai tvarko užklausų rinkinius. Įrankių prieinamumą ir vykdymą suteikia modelį supanti programa.
Large 4 galimybių sritys prasideda saugumo analize: gamintojas aprašo kenkėjiškos programinės įrangos pirminį vertinimą, pažeidžiamumų prioritetų nustatymą ir aptikimo taisyklių ruošimą apsauginiam darbui. Agentinio programavimo srityje dėmesys skiriamas repozitorijos supratimui, programinės įrangos pakeitimams ir sudėtingiems terminalo procesams. Naudinga programavimo užduotis įvardija paveiktą veikimą, susijusius failus bei priklausomybes ir patikrinimus, kurie patvirtins teisingą rezultatą.
Bendruose agentų procesuose modelis gali rinkti medžiagą, naudoti prijungtus įrankius ir sudaryti tokius rezultatus kaip dokumentai, skaičiuoklės bei skaidrių turinys. Jo multimodalinis darbas apima diagramas, sudėtingus puslapius, natūralias scenas ir techninius brėžinius. Vaizdinis susiejimas sieja klausimą su objektu ar sritimi; inžinerinė užduotis gali išnagrinėti pateiktą brėžinį, palyginti matomas dalis ir grąžinti įrodymais paremtą paaiškinimą. Dokumentų analizėje prašykite konkretaus puslapio, lentelės ar ištraukos, pagrindžiančios kiekvieną išvadą.
Moksliniai ir matematiniai taikymai apima duomenų analizę, modeliavimą, simuliacijų kodą ir išplėstines taikomosios matematikos užduotis. Žinių darbas apima dokumentų bei skaičiuoklių redagavimą ir kelių šaltinių informacijos palyginimą. Ailoot API užduotis gali nurodyti redaguojamą ataskaitos planą, struktūruotą išvadų rinkinį ar kodą, kurį programa turi vykdyti ir patikrinti. Tai skirtingos išvestys: paaiškinimas atsako į klausimą, struktūruotas rezultatas perduoda duomenis toliau, o įrankiais paremtas procesas naudoja programą galutiniam artefaktui sukurti ar atnaujinti.
Large 4 mokymas apima daugiakalbę medžiagą daugiau nei 160 kalbų, įskaitant visas oficialiąsias Europos Sąjungos kalbas. Papildomas mokymas sujungia prižiūrimą derinimą su pastiprinamuoju mokymu samprotavimo, mokslinio darbo, įrankių naudojimo, faktinio tikslumo ir saugos derinimo srityse. Saugos darbas apima netiesioginį instrukcijų įterpimą ir kenkėjiškas kibernetinio saugumo užklausas. Šeimos pasirinkimas lieka atnaujinama modelių linija: pirmiau pateiktos skaitinės architektūros, konteksto langai ir samprotavimo elgsena priklauso aiškiai įvardytoms versijoms, kurios išlieka atskiros renkantis fiksuotą versiją.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos mistral-large-latest | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.0044 / 1K tokenų Išvestis · Išvesties tokenai $0.0132 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "mistral-large-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mistral-large-latest', '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': 'mistral-large-latest', '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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra mistral-large-latest
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Find a report inconsistency\n\nReview these report sections. [Summary] The pilot covered 120 orders and had 6 returns. [Table] Delivered: 114; returned: 6; cancelled before dispatch: 5. Identify which totals can be reconciled and which scope is unclear. Draft a correction question for the report author, retaining section labels and avoiding an invented denominator.A source-linked finding table and a precise question about the order population and cancellations.Ensure the five cancellations are not silently added to or removed from the stated 120-order pilot.