Devstral Small 2505 ialah keluaran pertama Devstral Small, dibangunkan oleh Mistral AI bersama All Hands AI untuk ejen kejuruteraan perisian. Model 24 bilion parameter ini dibina untuk penerokaan pangkalan kod, penggunaan alat dan perubahan merentas beberapa fail. Kad pengeluar menerangkannya sebagai model teks sahaja dengan tetingkap konteks 128K; pengekod penglihatan telah dibuang daripada model Mistral Small 3.1 yang digunakan untuk penalaan halus.
Terangkan tingkah laku yang diperlukan serta repositori atau kod berkaitan yang perlu dikerjakan. Tugas yang berguna mengenal pasti ciri, fail atau bahagian aplikasi yang terlibat dan syarat yang membuktikan penyelesaian. Sertakan ralat yang diperhatikan untuk pembaikan pepijat, atau tindakan pengguna dan tingkah laku data yang dijangkakan bagi ciri baharu.
Contoh pengeluar membina aplikasi senarai tugasan satu halaman dengan FastAPI, React dan SQLite. Prompt-nya menyenaraikan penambahan, pemadaman dan penyelesaian tugasan serta paparan senarai tugasan. Keperluan ini menghubungkan antara muka yang dijana dengan tingkah laku aplikasi dan storan yang diperlukan. Permintaan susulan kemudian meminta penambahbaikan tertentu pada aplikasi yang telah siap.
Aliran kerja yang didokumentasikan menggunakan rangka kerja ejen yang boleh memeriksa fail repositori, membuat perubahan dan menjalankan alat pembangunan. Devstral membekalkan keputusan dan kod; ejen yang mengelilinginya melaksanakan tindakan alat dan memulangkan pemerhatian. Berikan arahan persediaan projek dan jelaskan semakan yang patut membuktikan bahawa perubahan itu berfungsi.
Untuk perubahan yang merentasi beberapa fail, minta ejen mengenal pasti kebergantungan berkaitan sebelum menyunting. Simpan pemerhatian alat bersama tampalan yang terhasil supaya pembetulan yang dicadangkan dapat dibandingkan dengan apa yang benar-benar dijalankan. Pelaksanaan yang dijana menjadi hasil yang berfungsi apabila aplikasi menyimpan dan menjalankannya dalam persekitaran yang dimaksudkan.
Contoh pengeluar yang lain meminta ejen memeriksa liputan ujian dan menghasilkan plot. Aliran kerja mula-mula meneroka repositori dan konfigurasi ujiannya, kemudian menjalankan semakan liputan dan menghasilkan visualisasi. Permintaan yang serupa perlu mengenal pasti repositori, ukuran yang hendak diperiksa dan hasil yang diminta, seperti carta serta fail yang diringkaskannya.
Perbezaan antara output model dan bukti pelaksanaan penting di sini. Minta fail yang terhasil dan pemerhatian daripada alat pembangunan, bersama penjelasan yang diperlukan untuk mentafsirkannya. Fokuskan semakan kemudian pada tingkah laku yang diperhatikan atau bahagian tertentu daripada hasil tersebut.
Entri ini mengekalkan keluaran 2505 yang diterangkan dalam kad pengeluar. Edisi Devstral Small yang lebih baharu mempunyai identiti tersendiri. Gunakan format perbualan dan alat model yang dipilih, sertakan bahan sumber berkaitan dalam konteks kerja dan tinggalkan ruang untuk hasil yang diminta. Kad menerbitkan contoh inferens setempat dan ejen; contoh bajet penjanaannya ialah tetapan tugas, bukannya had output universal.
", "aboutText": "Devstral Small 2505 ialah keluaran pertama Devstral Small, dibangunkan oleh Mistral AI bersama All Hands AI untuk ejen kejuruteraan perisian. Model 24 bilion parameter ini dibina untuk penerokaan pangkalan kod, penggunaan alat dan perubahan merentas beberapa fail. Kad pengeluar menerangkannya sebagai model teks sahaja dengan tetingkap konteks 128K; pengekod penglihatan telah dibuang daripada model Mistral Small 3.1 yang digunakan untuk penalaan halus.\n\n### Berikan tugas pembangunan yang konkrit kepada ejen\n\nTerangkan tingkah laku yang diperlukan serta repositori atau kod berkaitan yang perlu dikerjakan. Tugas yang berguna mengenal pasti ciri, fail atau bahagian aplikasi yang terlibat dan syarat yang membuktikan penyelesaian. Sertakan ralat yang diperhatikan untuk pembaikan pepijat, atau tindakan pengguna dan tingkah laku data yang dijangkakan bagi ciri baharu.\n\nContoh pengeluar membina aplikasi senarai tugasan satu halaman dengan FastAPI, React dan SQLite. Prompt-nya menyenaraikan penambahan, pemadaman dan penyelesaian tugasan serta paparan senarai tugasan. Keperluan ini menghubungkan antara muka yang dijana dengan tingkah laku aplikasi dan storan yang diperlukan. Permintaan susulan kemudian meminta penambahbaikan tertentu pada aplikasi yang telah siap.\n\n### Teroka, sunting dan jalankan melalui aplikasi\n\nAliran kerja yang didokumentasikan menggunakan rangka kerja ejen yang boleh memeriksa fail repositori, membuat perubahan dan menjalankan alat pembangunan. Devstral membekalkan keputusan dan kod; ejen yang mengelilinginya melaksanakan tindakan alat dan memulangkan pemerhatian. Berikan arahan persediaan projek dan jelaskan semakan yang patut membuktikan bahawa perubahan itu berfungsi.\n\nUntuk perubahan yang merentasi beberapa fail, minta ejen mengenal pasti kebergantungan berkaitan sebelum menyunting. Simpan pemerhatian alat bersama tampalan yang terhasil supaya pembetulan yang dicadangkan dapat dibandingkan dengan apa yang benar-benar dijalankan. Pelaksanaan yang dijana menjadi hasil yang berfungsi apabila aplikasi menyimpan dan menjalankannya dalam persekitaran yang dimaksudkan.\n\n### Gunakan analisis repositori sebagai tugas terfokus\n\nContoh pengeluar yang lain meminta ejen memeriksa liputan ujian dan menghasilkan plot. Aliran kerja mula-mula meneroka repositori dan konfigurasi ujiannya, kemudian menjalankan semakan liputan dan menghasilkan visualisasi. Permintaan yang serupa perlu mengenal pasti repositori, ukuran yang hendak diperiksa dan hasil yang diminta, seperti carta serta fail yang diringkaskannya.\n\nPerbezaan antara output model dan bukti pelaksanaan penting di sini. Minta fail yang terhasil dan pemerhatian daripada alat pembangunan, bersama penjelasan yang diperlukan untuk mentafsirkannya. Fokuskan semakan kemudian pada tingkah laku yang diperhatikan atau bahagian tertentu daripada hasil tersebut.\n\n### Kekalkan keluaran dan konteks kerja\n\nEntri ini mengekalkan keluaran 2505 yang diterangkan dalam kad pengeluar. Edisi Devstral Small yang lebih baharu mempunyai identiti tersendiri. Gunakan format perbualan dan alat model yang dipilih, sertakan bahan sumber berkaitan dalam konteks kerja dan tinggalkan ruang untuk hasil yang diminta. Kad menerbitkan contoh inferens setempat dan ejen; contoh bajet penjanaannya ialah tetapan tugas, bukannya had output universal.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Plan a deletion fix across two files\n\nGiven these repository excerpts, propose a coordinated patch: api.py deletes a task by ID and always returns 204; store.py remove(id) silently ignores missing IDs. Requirement: an existing task returns 204 and a missing task returns 404. Show changes to both files and tests; preserve the DELETE route and successful deletion behavior.A patch split by api.py and store.py plus tests for existing and missing task IDs.The storage result reaches the handler so a missing task returns 404 without changing the successful status.devstral-small-2505Devstral Small 2505 ialah model pengekodan teks sahaja daripada Mistral AI dan All Hands AI. Model ini direka untuk ejen perisian yang meneroka pangkalan kod, menyunting beberapa fail dan menggunakan alat pembangunan, dengan tetingkap konteks terbitan 128K.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Devstral Small 2505 ialah keluaran pertama Devstral Small, dibangunkan oleh Mistral AI bersama All Hands AI untuk ejen kejuruteraan perisian. Model 24 bilion parameter ini dibina untuk penerokaan pangkalan kod, penggunaan alat dan perubahan merentas beberapa fail. Kad pengeluar menerangkannya sebagai model teks sahaja dengan tetingkap konteks 128K; pengekod penglihatan telah dibuang daripada model Mistral Small 3.1 yang digunakan untuk penalaan halus.
Terangkan tingkah laku yang diperlukan serta repositori atau kod berkaitan yang perlu dikerjakan. Tugas yang berguna mengenal pasti ciri, fail atau bahagian aplikasi yang terlibat dan syarat yang membuktikan penyelesaian. Sertakan ralat yang diperhatikan untuk pembaikan pepijat, atau tindakan pengguna dan tingkah laku data yang dijangkakan bagi ciri baharu.
Contoh pengeluar membina aplikasi senarai tugasan satu halaman dengan FastAPI, React dan SQLite. Prompt-nya menyenaraikan penambahan, pemadaman dan penyelesaian tugasan serta paparan senarai tugasan. Keperluan ini menghubungkan antara muka yang dijana dengan tingkah laku aplikasi dan storan yang diperlukan. Permintaan susulan kemudian meminta penambahbaikan tertentu pada aplikasi yang telah siap.
Aliran kerja yang didokumentasikan menggunakan rangka kerja ejen yang boleh memeriksa fail repositori, membuat perubahan dan menjalankan alat pembangunan. Devstral membekalkan keputusan dan kod; ejen yang mengelilinginya melaksanakan tindakan alat dan memulangkan pemerhatian. Berikan arahan persediaan projek dan jelaskan semakan yang patut membuktikan bahawa perubahan itu berfungsi.
Untuk perubahan yang merentasi beberapa fail, minta ejen mengenal pasti kebergantungan berkaitan sebelum menyunting. Simpan pemerhatian alat bersama tampalan yang terhasil supaya pembetulan yang dicadangkan dapat dibandingkan dengan apa yang benar-benar dijalankan. Pelaksanaan yang dijana menjadi hasil yang berfungsi apabila aplikasi menyimpan dan menjalankannya dalam persekitaran yang dimaksudkan.
Contoh pengeluar yang lain meminta ejen memeriksa liputan ujian dan menghasilkan plot. Aliran kerja mula-mula meneroka repositori dan konfigurasi ujiannya, kemudian menjalankan semakan liputan dan menghasilkan visualisasi. Permintaan yang serupa perlu mengenal pasti repositori, ukuran yang hendak diperiksa dan hasil yang diminta, seperti carta serta fail yang diringkaskannya.
Perbezaan antara output model dan bukti pelaksanaan penting di sini. Minta fail yang terhasil dan pemerhatian daripada alat pembangunan, bersama penjelasan yang diperlukan untuk mentafsirkannya. Fokuskan semakan kemudian pada tingkah laku yang diperhatikan atau bahagian tertentu daripada hasil tersebut.
Entri ini mengekalkan keluaran 2505 yang diterangkan dalam kad pengeluar. Edisi Devstral Small yang lebih baharu mempunyai identiti tersendiri. Gunakan format perbualan dan alat model yang dipilih, sertakan bahan sumber berkaitan dalam konteks kerja dan tinggalkan ruang untuk hasil yang diminta. Kad menerbitkan contoh inferens setempat dan ejen; contoh bajet penjanaannya ialah tetapan tugas, bukannya had output universal.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had devstral-small-2505 | 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 $0.00022 / 1K token Output · Token output $0.00066 / 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-small-2505", "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-small-2505',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-small-2505',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-small-2505
Gunakan laluan kaedah yang dipaparkan di atas.
devstral-small-2505Devstral Small 2505 ialah model pengekodan teks sahaja daripada Mistral AI dan All Hands AI. Model ini direka untuk ejen perisian yang meneroka pangkalan kod, menyunting beberapa fail dan menggunakan alat pembangunan, dengan tetingkap konteks terbitan 128K.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Devstral Small 2505 ialah keluaran pertama Devstral Small, dibangunkan oleh Mistral AI bersama All Hands AI untuk ejen kejuruteraan perisian. Model 24 bilion parameter ini dibina untuk penerokaan pangkalan kod, penggunaan alat dan perubahan merentas beberapa fail. Kad pengeluar menerangkannya sebagai model teks sahaja dengan tetingkap konteks 128K; pengekod penglihatan telah dibuang daripada model Mistral Small 3.1 yang digunakan untuk penalaan halus.
Terangkan tingkah laku yang diperlukan serta repositori atau kod berkaitan yang perlu dikerjakan. Tugas yang berguna mengenal pasti ciri, fail atau bahagian aplikasi yang terlibat dan syarat yang membuktikan penyelesaian. Sertakan ralat yang diperhatikan untuk pembaikan pepijat, atau tindakan pengguna dan tingkah laku data yang dijangkakan bagi ciri baharu.
Contoh pengeluar membina aplikasi senarai tugasan satu halaman dengan FastAPI, React dan SQLite. Prompt-nya menyenaraikan penambahan, pemadaman dan penyelesaian tugasan serta paparan senarai tugasan. Keperluan ini menghubungkan antara muka yang dijana dengan tingkah laku aplikasi dan storan yang diperlukan. Permintaan susulan kemudian meminta penambahbaikan tertentu pada aplikasi yang telah siap.
Aliran kerja yang didokumentasikan menggunakan rangka kerja ejen yang boleh memeriksa fail repositori, membuat perubahan dan menjalankan alat pembangunan. Devstral membekalkan keputusan dan kod; ejen yang mengelilinginya melaksanakan tindakan alat dan memulangkan pemerhatian. Berikan arahan persediaan projek dan jelaskan semakan yang patut membuktikan bahawa perubahan itu berfungsi.
Untuk perubahan yang merentasi beberapa fail, minta ejen mengenal pasti kebergantungan berkaitan sebelum menyunting. Simpan pemerhatian alat bersama tampalan yang terhasil supaya pembetulan yang dicadangkan dapat dibandingkan dengan apa yang benar-benar dijalankan. Pelaksanaan yang dijana menjadi hasil yang berfungsi apabila aplikasi menyimpan dan menjalankannya dalam persekitaran yang dimaksudkan.
Contoh pengeluar yang lain meminta ejen memeriksa liputan ujian dan menghasilkan plot. Aliran kerja mula-mula meneroka repositori dan konfigurasi ujiannya, kemudian menjalankan semakan liputan dan menghasilkan visualisasi. Permintaan yang serupa perlu mengenal pasti repositori, ukuran yang hendak diperiksa dan hasil yang diminta, seperti carta serta fail yang diringkaskannya.
Perbezaan antara output model dan bukti pelaksanaan penting di sini. Minta fail yang terhasil dan pemerhatian daripada alat pembangunan, bersama penjelasan yang diperlukan untuk mentafsirkannya. Fokuskan semakan kemudian pada tingkah laku yang diperhatikan atau bahagian tertentu daripada hasil tersebut.
Entri ini mengekalkan keluaran 2505 yang diterangkan dalam kad pengeluar. Edisi Devstral Small yang lebih baharu mempunyai identiti tersendiri. Gunakan format perbualan dan alat model yang dipilih, sertakan bahan sumber berkaitan dalam konteks kerja dan tinggalkan ruang untuk hasil yang diminta. Kad menerbitkan contoh inferens setempat dan ejen; contoh bajet penjanaannya ialah tetapan tugas, bukannya had output universal.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had devstral-small-2505 | 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 $0.00022 / 1K token Output · Token output $0.00066 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "devstral-small-2505",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-small-2505', '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-small-2505', '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-small-2505
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Plan a deletion fix across two files\n\nGiven these repository excerpts, propose a coordinated patch: api.py deletes a task by ID and always returns 204; store.py remove(id) silently ignores missing IDs. Requirement: an existing task returns 204 and a missing task returns 404. Show changes to both files and tests; preserve the DELETE route and successful deletion behavior.A patch split by api.py and store.py plus tests for existing and missing task IDs.The storage result reaches the handler so a missing task returns 404 without changing the successful status.