Devstral Medium 1.0 ialah model teks versi tetap Mistral AI untuk ejen kejuruteraan perisian. Keluaran ini dikenal pasti sebagai devstral-medium-2507 dan menumpukan pada penggunaan alat untuk meneroka pangkalan kod, menyunting beberapa fail berkaitan dan meneruskan tugasan kejuruteraan merentas pelbagai langkah. Tetingkap konteksnya ialah 128K token. Inputnya ialah bahan tugasan dan projek berbentuk teks; outputnya boleh berupa kod, penjelasan atau argumen bagi fungsi yang disediakan oleh aplikasi.
Edisi Medium berada dalam arah ejen perisian yang sama seperti Devstral Small, sambil mengekalkan identiti modelnya sendiri. Pengeluar memperkenalkannya untuk tugasan yang memerlukan pemahaman repositori dan kerja terselaras merentas persekitaran ejen. Keluaran 1.0 tetap kekal berasingan daripada generasi Devstral kemudian dan keluarga Mistral Medium tujuan umum. Konteks serta pengkhususan teks sahaja itu milik edisi ini.
Ciri aplikasi yang disokong merangkumi output berstruktur, panggilan fungsi, soalan dokumen dan penyambungan awalan. Hasil berstruktur membolehkan ejen membentangkan pelan perubahan dengan medan seperti fail terjejas, suntingan yang diperlukan, andaian dan langkah pengesahan. Aliran kerja soalan dokumen membekalkan kandungan teknikal yang diekstrak untuk analisis, menjadikannya berguna apabila keperluan pelaksanaan tersebar merentas spesifikasi. Awalan boleh menetapkan pembukaan respons, dan aliran kerja kelompok tak segerak boleh mengendalikan permintaan analisis bebas.
Untuk tugasan berbantukan alat, takrifkan fungsi yang tersedia dan skema argumennya. Model memilih tindakan yang sesuai dan menyediakan argumen; aplikasi melakukan tindakan serta mengembalikan hasilnya. Langkah seterusnya mungkin panggilan fungsi lain atau jawapan berdasarkan maklumat terkumpul. Panggilan berturutan menyokong penerokaan diikuti penyuntingan dan semakan; panggilan bebas boleh diminta bersama apabila aplikasi membenarkan penggunaan selari. Akses fail, pelaksanaan arahan dan penerapan perubahan kekal sebagai fungsi persekitaran ejen.
Untuk perubahan repositori, berikan tingkah laku yang dijangkakan, antara muka berkaitan dan contoh yang boleh dihasilkan semula. Minta ejen menjejak laluan kod sedia ada, mengenal pasti kebergantungan dan menyediakan suntingan yang selaras merentas fail terjejas. Untuk pepijat, sertakan hasil yang diperhatikan dan hasil yang diperlukan oleh spesifikasi. Untuk pemfaktoran semula, namakan tingkah laku awam yang mesti kekal stabil. Hasil carian, kandungan fail dan semakan yang dikembalikan menjadi sebahagian konteks teks yang membimbing cadangan seterusnya.
Dalam aliran kerja Ailoot API, takrifkan artifak akhir sebelum bermula: tampalan, pelan pelaksanaan, semakan berstruktur atau penjelasan teknikal. Minta hasil yang membezakan perubahan cadangan daripada alasannya dan daripada semakan yang benar-benar dikembalikan oleh persekitaran. Model membekalkan keputusan seterusnya dan output teks, manakala aplikasi membekalkan alat serta mengesahkan kesannya. Ini menjadikan edisi Medium 1.0 tetap berguna untuk kerja kejuruteraan yang mesti menghubungkan keperluan asal, bukti repositori dan set perubahan cadangan yang selaras.
", "aboutText": "Devstral Medium 1.0 ialah model teks versi tetap Mistral AI untuk ejen kejuruteraan perisian. Keluaran ini dikenal pasti sebagai devstral-medium-2507 dan menumpukan pada penggunaan alat untuk meneroka pangkalan kod, menyunting beberapa fail berkaitan dan meneruskan tugasan kejuruteraan merentas pelbagai langkah. Tetingkap konteksnya ialah 128K token. Inputnya ialah bahan tugasan dan projek berbentuk teks; outputnya boleh berupa kod, penjelasan atau argumen bagi fungsi yang disediakan oleh aplikasi.\n\nEdisi Medium berada dalam arah ejen perisian yang sama seperti Devstral Small, sambil mengekalkan identiti modelnya sendiri. Pengeluar memperkenalkannya untuk tugasan yang memerlukan pemahaman repositori dan kerja terselaras merentas persekitaran ejen. Keluaran 1.0 tetap kekal berasingan daripada generasi Devstral kemudian dan keluarga Mistral Medium tujuan umum. Konteks serta pengkhususan teks sahaja itu milik edisi ini.\n\nCiri aplikasi yang disokong merangkumi output berstruktur, panggilan fungsi, soalan dokumen dan penyambungan awalan. Hasil berstruktur membolehkan ejen membentangkan pelan perubahan dengan medan seperti fail terjejas, suntingan yang diperlukan, andaian dan langkah pengesahan. Aliran kerja soalan dokumen membekalkan kandungan teknikal yang diekstrak untuk analisis, menjadikannya berguna apabila keperluan pelaksanaan tersebar merentas spesifikasi. Awalan boleh menetapkan pembukaan respons, dan aliran kerja kelompok tak segerak boleh mengendalikan permintaan analisis bebas.\n\nUntuk tugasan berbantukan alat, takrifkan fungsi yang tersedia dan skema argumennya. Model memilih tindakan yang sesuai dan menyediakan argumen; aplikasi melakukan tindakan serta mengembalikan hasilnya. Langkah seterusnya mungkin panggilan fungsi lain atau jawapan berdasarkan maklumat terkumpul. Panggilan berturutan menyokong penerokaan diikuti penyuntingan dan semakan; panggilan bebas boleh diminta bersama apabila aplikasi membenarkan penggunaan selari. Akses fail, pelaksanaan arahan dan penerapan perubahan kekal sebagai fungsi persekitaran ejen.\n\nUntuk perubahan repositori, berikan tingkah laku yang dijangkakan, antara muka berkaitan dan contoh yang boleh dihasilkan semula. Minta ejen menjejak laluan kod sedia ada, mengenal pasti kebergantungan dan menyediakan suntingan yang selaras merentas fail terjejas. Untuk pepijat, sertakan hasil yang diperhatikan dan hasil yang diperlukan oleh spesifikasi. Untuk pemfaktoran semula, namakan tingkah laku awam yang mesti kekal stabil. Hasil carian, kandungan fail dan semakan yang dikembalikan menjadi sebahagian konteks teks yang membimbing cadangan seterusnya.\n\nDalam aliran kerja Ailoot API, takrifkan artifak akhir sebelum bermula: tampalan, pelan pelaksanaan, semakan berstruktur atau penjelasan teknikal. Minta hasil yang membezakan perubahan cadangan daripada alasannya dan daripada semakan yang benar-benar dikembalikan oleh persekitaran. Model membekalkan keputusan seterusnya dan output teks, manakala aplikasi membekalkan alat serta mengesahkan kesannya. Ini menjadikan edisi Medium 1.0 tetap berguna untuk kerja kejuruteraan yang mesti menghubungkan keperluan asal, bukti repositori dan set perubahan cadangan yang selaras.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Coordinate a renamed export field\n\nPropose a patch plan across three files. serializer.py emits {'userName': user.name}; client.ts reads response.userName; schema.md documents userName. Requirement: new responses use display_name while the client temporarily accepts either field. Show the edits as small before/after snippets and give a compatibility test and a new-field test. Do not claim the files were edited.Three coordinated proposed edits plus tests for old and new responses during the compatibility period.The client accepts both spellings, while the producer and documentation agree on display_name.devstral-medium-2507Devstral Medium 1.0 ialah edisi teks sahaja versi tetap Mistral AI untuk penerokaan repositori, penggunaan alat dan perubahan perisian terselaras. Konteks 128K menyimpan keperluan tugasan, kod dan hasil alat yang dikembalikan untuk ejen yang bekerja merentas fail berkaitan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Devstral Medium 1.0 ialah model teks versi tetap Mistral AI untuk ejen kejuruteraan perisian. Keluaran ini dikenal pasti sebagai devstral-medium-2507 dan menumpukan pada penggunaan alat untuk meneroka pangkalan kod, menyunting beberapa fail berkaitan dan meneruskan tugasan kejuruteraan merentas pelbagai langkah. Tetingkap konteksnya ialah 128K token. Inputnya ialah bahan tugasan dan projek berbentuk teks; outputnya boleh berupa kod, penjelasan atau argumen bagi fungsi yang disediakan oleh aplikasi.
Edisi Medium berada dalam arah ejen perisian yang sama seperti Devstral Small, sambil mengekalkan identiti modelnya sendiri. Pengeluar memperkenalkannya untuk tugasan yang memerlukan pemahaman repositori dan kerja terselaras merentas persekitaran ejen. Keluaran 1.0 tetap kekal berasingan daripada generasi Devstral kemudian dan keluarga Mistral Medium tujuan umum. Konteks serta pengkhususan teks sahaja itu milik edisi ini.
Ciri aplikasi yang disokong merangkumi output berstruktur, panggilan fungsi, soalan dokumen dan penyambungan awalan. Hasil berstruktur membolehkan ejen membentangkan pelan perubahan dengan medan seperti fail terjejas, suntingan yang diperlukan, andaian dan langkah pengesahan. Aliran kerja soalan dokumen membekalkan kandungan teknikal yang diekstrak untuk analisis, menjadikannya berguna apabila keperluan pelaksanaan tersebar merentas spesifikasi. Awalan boleh menetapkan pembukaan respons, dan aliran kerja kelompok tak segerak boleh mengendalikan permintaan analisis bebas.
Untuk tugasan berbantukan alat, takrifkan fungsi yang tersedia dan skema argumennya. Model memilih tindakan yang sesuai dan menyediakan argumen; aplikasi melakukan tindakan serta mengembalikan hasilnya. Langkah seterusnya mungkin panggilan fungsi lain atau jawapan berdasarkan maklumat terkumpul. Panggilan berturutan menyokong penerokaan diikuti penyuntingan dan semakan; panggilan bebas boleh diminta bersama apabila aplikasi membenarkan penggunaan selari. Akses fail, pelaksanaan arahan dan penerapan perubahan kekal sebagai fungsi persekitaran ejen.
Untuk perubahan repositori, berikan tingkah laku yang dijangkakan, antara muka berkaitan dan contoh yang boleh dihasilkan semula. Minta ejen menjejak laluan kod sedia ada, mengenal pasti kebergantungan dan menyediakan suntingan yang selaras merentas fail terjejas. Untuk pepijat, sertakan hasil yang diperhatikan dan hasil yang diperlukan oleh spesifikasi. Untuk pemfaktoran semula, namakan tingkah laku awam yang mesti kekal stabil. Hasil carian, kandungan fail dan semakan yang dikembalikan menjadi sebahagian konteks teks yang membimbing cadangan seterusnya.
Dalam aliran kerja Ailoot API, takrifkan artifak akhir sebelum bermula: tampalan, pelan pelaksanaan, semakan berstruktur atau penjelasan teknikal. Minta hasil yang membezakan perubahan cadangan daripada alasannya dan daripada semakan yang benar-benar dikembalikan oleh persekitaran. Model membekalkan keputusan seterusnya dan output teks, manakala aplikasi membekalkan alat serta mengesahkan kesannya. Ini menjadikan edisi Medium 1.0 tetap berguna untuk kerja kejuruteraan yang mesti menghubungkan keperluan asal, bukti repositori dan set perubahan cadangan yang selaras.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had devstral-medium-2507 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00088 / 1K token Output · Token output $0.0044 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "devstral-medium-2507", "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='devstral-medium-2507',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='devstral-medium-2507',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra devstral-medium-2507
Gunakan laluan kaedah yang dipaparkan di atas.
devstral-medium-2507Devstral Medium 1.0 ialah edisi teks sahaja versi tetap Mistral AI untuk penerokaan repositori, penggunaan alat dan perubahan perisian terselaras. Konteks 128K menyimpan keperluan tugasan, kod dan hasil alat yang dikembalikan untuk ejen yang bekerja merentas fail berkaitan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Devstral Medium 1.0 ialah model teks versi tetap Mistral AI untuk ejen kejuruteraan perisian. Keluaran ini dikenal pasti sebagai devstral-medium-2507 dan menumpukan pada penggunaan alat untuk meneroka pangkalan kod, menyunting beberapa fail berkaitan dan meneruskan tugasan kejuruteraan merentas pelbagai langkah. Tetingkap konteksnya ialah 128K token. Inputnya ialah bahan tugasan dan projek berbentuk teks; outputnya boleh berupa kod, penjelasan atau argumen bagi fungsi yang disediakan oleh aplikasi.
Edisi Medium berada dalam arah ejen perisian yang sama seperti Devstral Small, sambil mengekalkan identiti modelnya sendiri. Pengeluar memperkenalkannya untuk tugasan yang memerlukan pemahaman repositori dan kerja terselaras merentas persekitaran ejen. Keluaran 1.0 tetap kekal berasingan daripada generasi Devstral kemudian dan keluarga Mistral Medium tujuan umum. Konteks serta pengkhususan teks sahaja itu milik edisi ini.
Ciri aplikasi yang disokong merangkumi output berstruktur, panggilan fungsi, soalan dokumen dan penyambungan awalan. Hasil berstruktur membolehkan ejen membentangkan pelan perubahan dengan medan seperti fail terjejas, suntingan yang diperlukan, andaian dan langkah pengesahan. Aliran kerja soalan dokumen membekalkan kandungan teknikal yang diekstrak untuk analisis, menjadikannya berguna apabila keperluan pelaksanaan tersebar merentas spesifikasi. Awalan boleh menetapkan pembukaan respons, dan aliran kerja kelompok tak segerak boleh mengendalikan permintaan analisis bebas.
Untuk tugasan berbantukan alat, takrifkan fungsi yang tersedia dan skema argumennya. Model memilih tindakan yang sesuai dan menyediakan argumen; aplikasi melakukan tindakan serta mengembalikan hasilnya. Langkah seterusnya mungkin panggilan fungsi lain atau jawapan berdasarkan maklumat terkumpul. Panggilan berturutan menyokong penerokaan diikuti penyuntingan dan semakan; panggilan bebas boleh diminta bersama apabila aplikasi membenarkan penggunaan selari. Akses fail, pelaksanaan arahan dan penerapan perubahan kekal sebagai fungsi persekitaran ejen.
Untuk perubahan repositori, berikan tingkah laku yang dijangkakan, antara muka berkaitan dan contoh yang boleh dihasilkan semula. Minta ejen menjejak laluan kod sedia ada, mengenal pasti kebergantungan dan menyediakan suntingan yang selaras merentas fail terjejas. Untuk pepijat, sertakan hasil yang diperhatikan dan hasil yang diperlukan oleh spesifikasi. Untuk pemfaktoran semula, namakan tingkah laku awam yang mesti kekal stabil. Hasil carian, kandungan fail dan semakan yang dikembalikan menjadi sebahagian konteks teks yang membimbing cadangan seterusnya.
Dalam aliran kerja Ailoot API, takrifkan artifak akhir sebelum bermula: tampalan, pelan pelaksanaan, semakan berstruktur atau penjelasan teknikal. Minta hasil yang membezakan perubahan cadangan daripada alasannya dan daripada semakan yang benar-benar dikembalikan oleh persekitaran. Model membekalkan keputusan seterusnya dan output teks, manakala aplikasi membekalkan alat serta mengesahkan kesannya. Ini menjadikan edisi Medium 1.0 tetap berguna untuk kerja kejuruteraan yang mesti menghubungkan keperluan asal, bukti repositori dan set perubahan cadangan yang selaras.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had devstral-medium-2507 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00088 / 1K token Output · Token output $0.0044 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "devstral-medium-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'devstral-medium-2507', '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': 'devstral-medium-2507', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra devstral-medium-2507
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Coordinate a renamed export field\n\nPropose a patch plan across three files. serializer.py emits {'userName': user.name}; client.ts reads response.userName; schema.md documents userName. Requirement: new responses use display_name while the client temporarily accepts either field. Show the edits as small before/after snippets and give a compatibility test and a new-field test. Do not claim the files were edited.Three coordinated proposed edits plus tests for old and new responses during the compatibility period.The client accepts both spellings, while the producer and documentation agree on display_name.