Mistral Large 3 2512 ialah edisi Mistral AI yang dilaraskan untuk mengikuti arahan bagi perbualan umum, pemahaman visual dan kerja perusahaan. Seni bina campuran pakar jarangnya mempunyai jumlah 675 bilion parameter, dengan 41 bilion aktif, dan tetingkap konteks 256k. Teks dan imej boleh menyumbang kepada tugas yang sama, manakala jawapannya berupa teks, kod atau hasil berstruktur.
Keupayaan dan penyediaan input
Model menggabungkan komponen bahasa dengan pengekod penglihatan. Berikan imej peranan yang jelas: halaman untuk dibaca, rajah untuk ditafsirkan atau skrin untuk diterangkan. Untuk skrin yang padat, berikan potongan yang mengandungi kawalan berkaitan dan kekalkan label sekeliling yang diperlukan untuk memahaminya. Mistral mengesyorkan bentuk imej hampir segi empat sama; pecahkan sumber yang amat sempit atau lebar kepada kawasan yang berguna dan bukannya mengecilkan butiran penting menjadi jalur yang tidak boleh dibaca.
Pembuat menyenaraikan perbualan berbilang bahasa merangkumi puluhan bahasa, termasuk bahasa Inggeris, Perancis, Sepanyol, Jerman, Itali, Portugis, Belanda, Cina, Jepun, Korea dan Arab. Nyatakan bahasa output, pembaca yang dimaksudkan dan istilah yang perlu dikekalkan. Untuk artikel sokongan, minta penjelasan yang disetempatkan dengan nama produk tidak berubah dan senarai ringkas terjemahan yang tidak pasti untuk diselesaikan sebelum penerbitan.
Dokumen panjang dan pengetahuan perusahaan
Gunakan konteks untuk menggabungkan bahan berkaitan: teks dasar, spesifikasi, keputusan sedia ada dan soalan yang memerlukan jawapan. Labelkan setiap sumber dan semakannya. Permintaan yang berguna ialah: “Bandingkan tiga dasar orientasi ini. Kembalikan jadual keperluan bersama, percanggahan dan soalan yang belum dijawab, dengan bahagian sumber untuk setiap dapatan.” Artifak yang terhasil ialah perbandingan berdasarkan petikan yang diberikan dan bukannya ringkasan umum topik itu.
Untuk soalan dokumen, kenal pasti tahap perincian yang diingini dan minta petikan sokongan di sisi kesimpulan. Aliran kerja Document QnA Mistral terlebih dahulu mengekstrak teks dan struktur dokumen melalui OCR, kemudian menggunakan model bahasa untuk mentafsirkan bahan itu. Kekalkan nombor halaman dan tajuk semasa menyediakan teks yang diekstrak supaya jawapan boleh merujuk kembali kepada sumber asal. URL dokumen, teks yang diekstrak dan bukti imej mempunyai keperluan penyediaan yang berbeza; pilih bentuk input yang disokong oleh aplikasi yang anda gunakan.
Pengekodan dan bantuan harian
Mistral menyasarkan Large 3 untuk bantuan pengekodan serta perbualan harian. Berikan fungsi berkaitan, tingkah laku yang dijangka dan kegagalan yang diperhatikan. Contohnya: “Penghurai ini menggugurkan medan terakhir apabila input berakhir tanpa baris baharu. Terangkan cabang yang gagal, cadangkan perubahan terkecil dan kembalikan fungsi yang dibetulkan dengan tiga contoh input/output yang mewakili kes penggunaan.” Hasil yang berguna ialah perubahan yang dicadangkan yang terikat pada kod sebenar dan set kes yang boleh dijalankan oleh pembangun.
Untuk draf perniagaan, berikan fakta dan artifak yang diingini bersama. Permintaan untuk menukar nota mesyuarat menjadi memo keputusan perlu menamakan keputusan, alternatif, andaian yang belum diselesaikan dan tindakan seterusnya. Minta model memisahkan fakta sumber daripada syor dan menandakan maklumat yang tiada dalam bahagian yang sesuai. Ini menjadikan output lebih mudah disemak berbanding naratif tanpa pemisahan.
Alat dan hasil berstruktur
Panggilan fungsi asli membolehkan model memilih fungsi yang diberikan dan menyediakan argumennya. Aplikasi menjalankan fungsi itu dan mengembalikan hasilnya; model kemudian menggunakan maklumat yang dikembalikan dalam jawapan. Pastikan alat khusus dan sediakan hanya yang diperlukan untuk tugas. Pembantu semakan stok boleh menerima rujukan produk, meminta carian stok dan menerangkan kuantiti serta gudang yang dikembalikan. Sahkan fungsi dan argumen yang dipilih sebelum melaksanakan permintaan, dan kekalkan respons alat bersama jawapan akhir.
Untuk pengekstrakan, nyatakan medan, jenis dan cara menangani nilai yang tiada. Mistral mendokumentasikan mod JSON dan output berstruktur tersuai; mod JSONnya memerlukan arahan jelas untuk mengembalikan JSON, manakala skema tersuai memberikan kawalan format yang lebih kuat. Ringkasan invois boleh meminta pembekal, nombor invois, tarikh akhir, mata wang dan item baris, dengan nilai yang tiada diwakili secara konsisten. Periksa nilai yang diekstrak dengan merujuk dokumen, walaupun respons sepadan dengan struktur yang diminta.
Tetapan dan perbezaan edisi
Takrifkan peranan, tugas dan peraturan alat dalam arahan sistem. Mistral mengesyorkan suhu di bawah 0.1 untuk kegunaan produksi dan harian bagi titik semak ini, dengan nilai lebih tinggi diterokai untuk tugas kreatif. Pisahkan permintaan idea yang pelbagai daripada permintaan pengekstrakan yang boleh diulang: berikan ruang untuk alternatif kepada yang pertama dan medan serta kekangan sumber yang jelas kepada yang kedua.
Edisi arahan ini berasingan daripada titik semak asas Large 3 dan model penaakulan khusus. Pembuat mengenal pasti penaakulan ketat dan kerja visual khusus sebagai bidang yang mungkin lebih sesuai untuk model yang direka khusus bagi tugas itu. Untuk pengiraan sukar, berikan andaian dan unit, minta pemeriksaan pertengahan dan gunakan alat pengiraan yang tersedia untuk mengesahkan hasil. Untuk bukti visual yang padat, sediakan kawasan yang boleh dibaca dan bandingkan jawapan dengan sumber sebelum menggunakannya dalam laporan.
", "aboutText": "Mistral Large 3 2512 ialah edisi Mistral AI yang dilaraskan untuk mengikuti arahan bagi perbualan umum, pemahaman visual dan kerja perusahaan. Seni bina campuran pakar jarangnya mempunyai jumlah 675 bilion parameter, dengan 41 bilion aktif, dan tetingkap konteks 256k. Teks dan imej boleh menyumbang kepada tugas yang sama, manakala jawapannya berupa teks, kod atau hasil berstruktur.\n\nKeupayaan dan penyediaan input\n\nModel menggabungkan komponen bahasa dengan pengekod penglihatan. Berikan imej peranan yang jelas: halaman untuk dibaca, rajah untuk ditafsirkan atau skrin untuk diterangkan. Untuk skrin yang padat, berikan potongan yang mengandungi kawalan berkaitan dan kekalkan label sekeliling yang diperlukan untuk memahaminya. Mistral mengesyorkan bentuk imej hampir segi empat sama; pecahkan sumber yang amat sempit atau lebar kepada kawasan yang berguna dan bukannya mengecilkan butiran penting menjadi jalur yang tidak boleh dibaca.\n\nPembuat menyenaraikan perbualan berbilang bahasa merangkumi puluhan bahasa, termasuk bahasa Inggeris, Perancis, Sepanyol, Jerman, Itali, Portugis, Belanda, Cina, Jepun, Korea dan Arab. Nyatakan bahasa output, pembaca yang dimaksudkan dan istilah yang perlu dikekalkan. Untuk artikel sokongan, minta penjelasan yang disetempatkan dengan nama produk tidak berubah dan senarai ringkas terjemahan yang tidak pasti untuk diselesaikan sebelum penerbitan.\n\nDokumen panjang dan pengetahuan perusahaan\n\nGunakan konteks untuk menggabungkan bahan berkaitan: teks dasar, spesifikasi, keputusan sedia ada dan soalan yang memerlukan jawapan. Labelkan setiap sumber dan semakannya. Permintaan yang berguna ialah: “Bandingkan tiga dasar orientasi ini. Kembalikan jadual keperluan bersama, percanggahan dan soalan yang belum dijawab, dengan bahagian sumber untuk setiap dapatan.” Artifak yang terhasil ialah perbandingan berdasarkan petikan yang diberikan dan bukannya ringkasan umum topik itu.\n\nUntuk soalan dokumen, kenal pasti tahap perincian yang diingini dan minta petikan sokongan di sisi kesimpulan. Aliran kerja Document QnA Mistral terlebih dahulu mengekstrak teks dan struktur dokumen melalui OCR, kemudian menggunakan model bahasa untuk mentafsirkan bahan itu. Kekalkan nombor halaman dan tajuk semasa menyediakan teks yang diekstrak supaya jawapan boleh merujuk kembali kepada sumber asal. URL dokumen, teks yang diekstrak dan bukti imej mempunyai keperluan penyediaan yang berbeza; pilih bentuk input yang disokong oleh aplikasi yang anda gunakan.\n\nPengekodan dan bantuan harian\n\nMistral menyasarkan Large 3 untuk bantuan pengekodan serta perbualan harian. Berikan fungsi berkaitan, tingkah laku yang dijangka dan kegagalan yang diperhatikan. Contohnya: “Penghurai ini menggugurkan medan terakhir apabila input berakhir tanpa baris baharu. Terangkan cabang yang gagal, cadangkan perubahan terkecil dan kembalikan fungsi yang dibetulkan dengan tiga contoh input/output yang mewakili kes penggunaan.” Hasil yang berguna ialah perubahan yang dicadangkan yang terikat pada kod sebenar dan set kes yang boleh dijalankan oleh pembangun.\n\nUntuk draf perniagaan, berikan fakta dan artifak yang diingini bersama. Permintaan untuk menukar nota mesyuarat menjadi memo keputusan perlu menamakan keputusan, alternatif, andaian yang belum diselesaikan dan tindakan seterusnya. Minta model memisahkan fakta sumber daripada syor dan menandakan maklumat yang tiada dalam bahagian yang sesuai. Ini menjadikan output lebih mudah disemak berbanding naratif tanpa pemisahan.\n\nAlat dan hasil berstruktur\n\nPanggilan fungsi asli membolehkan model memilih fungsi yang diberikan dan menyediakan argumennya. Aplikasi menjalankan fungsi itu dan mengembalikan hasilnya; model kemudian menggunakan maklumat yang dikembalikan dalam jawapan. Pastikan alat khusus dan sediakan hanya yang diperlukan untuk tugas. Pembantu semakan stok boleh menerima rujukan produk, meminta carian stok dan menerangkan kuantiti serta gudang yang dikembalikan. Sahkan fungsi dan argumen yang dipilih sebelum melaksanakan permintaan, dan kekalkan respons alat bersama jawapan akhir.\n\nUntuk pengekstrakan, nyatakan medan, jenis dan cara menangani nilai yang tiada. Mistral mendokumentasikan mod JSON dan output berstruktur tersuai; mod JSONnya memerlukan arahan jelas untuk mengembalikan JSON, manakala skema tersuai memberikan kawalan format yang lebih kuat. Ringkasan invois boleh meminta pembekal, nombor invois, tarikh akhir, mata wang dan item baris, dengan nilai yang tiada diwakili secara konsisten. Periksa nilai yang diekstrak dengan merujuk dokumen, walaupun respons sepadan dengan struktur yang diminta.\n\nTetapan dan perbezaan edisi\n\nTakrifkan peranan, tugas dan peraturan alat dalam arahan sistem. Mistral mengesyorkan suhu di bawah 0.1 untuk kegunaan produksi dan harian bagi titik semak ini, dengan nilai lebih tinggi diterokai untuk tugas kreatif. Pisahkan permintaan idea yang pelbagai daripada permintaan pengekstrakan yang boleh diulang: berikan ruang untuk alternatif kepada yang pertama dan medan serta kekangan sumber yang jelas kepada yang kedua.\n\nEdisi arahan ini berasingan daripada titik semak asas Large 3 dan model penaakulan khusus. Pembuat mengenal pasti penaakulan ketat dan kerja visual khusus sebagai bidang yang mungkin lebih sesuai untuk model yang direka khusus bagi tugas itu. Untuk pengiraan sukar, berikan andaian dan unit, minta pemeriksaan pertengahan dan gunakan alat pengiraan yang tersedia untuk mengesahkan hasil. Untuk bukti visual yang padat, sediakan kawasan yang boleh dibaca dan bandingkan jawapan dengan sumber sebelum menggunakannya dalam laporan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Compare onboarding policies\n\nCompare onboarding policies. A section 1 requires manager approval and identity verification before access. B section 3 requires manager approval before access and identity verification within seven days afterward. List the shared requirement, the conflict and a question for the policy owner. Keep the source section beside each finding.A source-linked comparison of shared and conflicting requirements plus one policy decision question.Check that both policies’ timing for identity verification remains explicit and that neither is silently treated as authoritative.mistralai/mistral-large-2512Mistral Large 3 2512 ialah model teks dan imej berbilang bahasa untuk dokumen panjang, pengetahuan perusahaan, pengekodan dan kerja berbantukan alat. Konteks 256k, panggilan fungsi asli dan output berstrukturnya membantu menukar bukti yang diberikan menjadi jawapan, rekod dan tindakan yang dicadangkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Mistral Large 3 2512 ialah edisi Mistral AI yang dilaraskan untuk mengikuti arahan bagi perbualan umum, pemahaman visual dan kerja perusahaan. Seni bina campuran pakar jarangnya mempunyai jumlah 675 bilion parameter, dengan 41 bilion aktif, dan tetingkap konteks 256k. Teks dan imej boleh menyumbang kepada tugas yang sama, manakala jawapannya berupa teks, kod atau hasil berstruktur.
Keupayaan dan penyediaan input
Model menggabungkan komponen bahasa dengan pengekod penglihatan. Berikan imej peranan yang jelas: halaman untuk dibaca, rajah untuk ditafsirkan atau skrin untuk diterangkan. Untuk skrin yang padat, berikan potongan yang mengandungi kawalan berkaitan dan kekalkan label sekeliling yang diperlukan untuk memahaminya. Mistral mengesyorkan bentuk imej hampir segi empat sama; pecahkan sumber yang amat sempit atau lebar kepada kawasan yang berguna dan bukannya mengecilkan butiran penting menjadi jalur yang tidak boleh dibaca.
Pembuat menyenaraikan perbualan berbilang bahasa merangkumi puluhan bahasa, termasuk bahasa Inggeris, Perancis, Sepanyol, Jerman, Itali, Portugis, Belanda, Cina, Jepun, Korea dan Arab. Nyatakan bahasa output, pembaca yang dimaksudkan dan istilah yang perlu dikekalkan. Untuk artikel sokongan, minta penjelasan yang disetempatkan dengan nama produk tidak berubah dan senarai ringkas terjemahan yang tidak pasti untuk diselesaikan sebelum penerbitan.
Dokumen panjang dan pengetahuan perusahaan
Gunakan konteks untuk menggabungkan bahan berkaitan: teks dasar, spesifikasi, keputusan sedia ada dan soalan yang memerlukan jawapan. Labelkan setiap sumber dan semakannya. Permintaan yang berguna ialah: “Bandingkan tiga dasar orientasi ini. Kembalikan jadual keperluan bersama, percanggahan dan soalan yang belum dijawab, dengan bahagian sumber untuk setiap dapatan.” Artifak yang terhasil ialah perbandingan berdasarkan petikan yang diberikan dan bukannya ringkasan umum topik itu.
Untuk soalan dokumen, kenal pasti tahap perincian yang diingini dan minta petikan sokongan di sisi kesimpulan. Aliran kerja Document QnA Mistral terlebih dahulu mengekstrak teks dan struktur dokumen melalui OCR, kemudian menggunakan model bahasa untuk mentafsirkan bahan itu. Kekalkan nombor halaman dan tajuk semasa menyediakan teks yang diekstrak supaya jawapan boleh merujuk kembali kepada sumber asal. URL dokumen, teks yang diekstrak dan bukti imej mempunyai keperluan penyediaan yang berbeza; pilih bentuk input yang disokong oleh aplikasi yang anda gunakan.
Pengekodan dan bantuan harian
Mistral menyasarkan Large 3 untuk bantuan pengekodan serta perbualan harian. Berikan fungsi berkaitan, tingkah laku yang dijangka dan kegagalan yang diperhatikan. Contohnya: “Penghurai ini menggugurkan medan terakhir apabila input berakhir tanpa baris baharu. Terangkan cabang yang gagal, cadangkan perubahan terkecil dan kembalikan fungsi yang dibetulkan dengan tiga contoh input/output yang mewakili kes penggunaan.” Hasil yang berguna ialah perubahan yang dicadangkan yang terikat pada kod sebenar dan set kes yang boleh dijalankan oleh pembangun.
Untuk draf perniagaan, berikan fakta dan artifak yang diingini bersama. Permintaan untuk menukar nota mesyuarat menjadi memo keputusan perlu menamakan keputusan, alternatif, andaian yang belum diselesaikan dan tindakan seterusnya. Minta model memisahkan fakta sumber daripada syor dan menandakan maklumat yang tiada dalam bahagian yang sesuai. Ini menjadikan output lebih mudah disemak berbanding naratif tanpa pemisahan.
Alat dan hasil berstruktur
Panggilan fungsi asli membolehkan model memilih fungsi yang diberikan dan menyediakan argumennya. Aplikasi menjalankan fungsi itu dan mengembalikan hasilnya; model kemudian menggunakan maklumat yang dikembalikan dalam jawapan. Pastikan alat khusus dan sediakan hanya yang diperlukan untuk tugas. Pembantu semakan stok boleh menerima rujukan produk, meminta carian stok dan menerangkan kuantiti serta gudang yang dikembalikan. Sahkan fungsi dan argumen yang dipilih sebelum melaksanakan permintaan, dan kekalkan respons alat bersama jawapan akhir.
Untuk pengekstrakan, nyatakan medan, jenis dan cara menangani nilai yang tiada. Mistral mendokumentasikan mod JSON dan output berstruktur tersuai; mod JSONnya memerlukan arahan jelas untuk mengembalikan JSON, manakala skema tersuai memberikan kawalan format yang lebih kuat. Ringkasan invois boleh meminta pembekal, nombor invois, tarikh akhir, mata wang dan item baris, dengan nilai yang tiada diwakili secara konsisten. Periksa nilai yang diekstrak dengan merujuk dokumen, walaupun respons sepadan dengan struktur yang diminta.
Tetapan dan perbezaan edisi
Takrifkan peranan, tugas dan peraturan alat dalam arahan sistem. Mistral mengesyorkan suhu di bawah 0.1 untuk kegunaan produksi dan harian bagi titik semak ini, dengan nilai lebih tinggi diterokai untuk tugas kreatif. Pisahkan permintaan idea yang pelbagai daripada permintaan pengekstrakan yang boleh diulang: berikan ruang untuk alternatif kepada yang pertama dan medan serta kekangan sumber yang jelas kepada yang kedua.
Edisi arahan ini berasingan daripada titik semak asas Large 3 dan model penaakulan khusus. Pembuat mengenal pasti penaakulan ketat dan kerja visual khusus sebagai bidang yang mungkin lebih sesuai untuk model yang direka khusus bagi tugas itu. Untuk pengiraan sukar, berikan andaian dan unit, minta pemeriksaan pertengahan dan gunakan alat pengiraan yang tersedia untuk mengesahkan hasil. Untuk bukti visual yang padat, sediakan kawasan yang boleh dibaca dan bandingkan jawapan dengan sumber sebelum menggunakannya dalam laporan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had mistralai/mistral-large-2512 | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0022 / 1K token Output · Token output $0.0066 / 1K token Input · Bacaan cache $0.0001 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0022 / 1K token Output · Token output $0.0066 / 1K token Input · Bacaan cache $0.0001 / 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": "mistralai/mistral-large-2512", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-large-2512',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-large-2512',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 mistralai/mistral-large-2512
Gunakan laluan kaedah yang dipaparkan di atas.
mistralai/mistral-large-2512Mistral Large 3 2512 ialah model teks dan imej berbilang bahasa untuk dokumen panjang, pengetahuan perusahaan, pengekodan dan kerja berbantukan alat. Konteks 256k, panggilan fungsi asli dan output berstrukturnya membantu menukar bukti yang diberikan menjadi jawapan, rekod dan tindakan yang dicadangkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Mistral Large 3 2512 ialah edisi Mistral AI yang dilaraskan untuk mengikuti arahan bagi perbualan umum, pemahaman visual dan kerja perusahaan. Seni bina campuran pakar jarangnya mempunyai jumlah 675 bilion parameter, dengan 41 bilion aktif, dan tetingkap konteks 256k. Teks dan imej boleh menyumbang kepada tugas yang sama, manakala jawapannya berupa teks, kod atau hasil berstruktur.
Keupayaan dan penyediaan input
Model menggabungkan komponen bahasa dengan pengekod penglihatan. Berikan imej peranan yang jelas: halaman untuk dibaca, rajah untuk ditafsirkan atau skrin untuk diterangkan. Untuk skrin yang padat, berikan potongan yang mengandungi kawalan berkaitan dan kekalkan label sekeliling yang diperlukan untuk memahaminya. Mistral mengesyorkan bentuk imej hampir segi empat sama; pecahkan sumber yang amat sempit atau lebar kepada kawasan yang berguna dan bukannya mengecilkan butiran penting menjadi jalur yang tidak boleh dibaca.
Pembuat menyenaraikan perbualan berbilang bahasa merangkumi puluhan bahasa, termasuk bahasa Inggeris, Perancis, Sepanyol, Jerman, Itali, Portugis, Belanda, Cina, Jepun, Korea dan Arab. Nyatakan bahasa output, pembaca yang dimaksudkan dan istilah yang perlu dikekalkan. Untuk artikel sokongan, minta penjelasan yang disetempatkan dengan nama produk tidak berubah dan senarai ringkas terjemahan yang tidak pasti untuk diselesaikan sebelum penerbitan.
Dokumen panjang dan pengetahuan perusahaan
Gunakan konteks untuk menggabungkan bahan berkaitan: teks dasar, spesifikasi, keputusan sedia ada dan soalan yang memerlukan jawapan. Labelkan setiap sumber dan semakannya. Permintaan yang berguna ialah: “Bandingkan tiga dasar orientasi ini. Kembalikan jadual keperluan bersama, percanggahan dan soalan yang belum dijawab, dengan bahagian sumber untuk setiap dapatan.” Artifak yang terhasil ialah perbandingan berdasarkan petikan yang diberikan dan bukannya ringkasan umum topik itu.
Untuk soalan dokumen, kenal pasti tahap perincian yang diingini dan minta petikan sokongan di sisi kesimpulan. Aliran kerja Document QnA Mistral terlebih dahulu mengekstrak teks dan struktur dokumen melalui OCR, kemudian menggunakan model bahasa untuk mentafsirkan bahan itu. Kekalkan nombor halaman dan tajuk semasa menyediakan teks yang diekstrak supaya jawapan boleh merujuk kembali kepada sumber asal. URL dokumen, teks yang diekstrak dan bukti imej mempunyai keperluan penyediaan yang berbeza; pilih bentuk input yang disokong oleh aplikasi yang anda gunakan.
Pengekodan dan bantuan harian
Mistral menyasarkan Large 3 untuk bantuan pengekodan serta perbualan harian. Berikan fungsi berkaitan, tingkah laku yang dijangka dan kegagalan yang diperhatikan. Contohnya: “Penghurai ini menggugurkan medan terakhir apabila input berakhir tanpa baris baharu. Terangkan cabang yang gagal, cadangkan perubahan terkecil dan kembalikan fungsi yang dibetulkan dengan tiga contoh input/output yang mewakili kes penggunaan.” Hasil yang berguna ialah perubahan yang dicadangkan yang terikat pada kod sebenar dan set kes yang boleh dijalankan oleh pembangun.
Untuk draf perniagaan, berikan fakta dan artifak yang diingini bersama. Permintaan untuk menukar nota mesyuarat menjadi memo keputusan perlu menamakan keputusan, alternatif, andaian yang belum diselesaikan dan tindakan seterusnya. Minta model memisahkan fakta sumber daripada syor dan menandakan maklumat yang tiada dalam bahagian yang sesuai. Ini menjadikan output lebih mudah disemak berbanding naratif tanpa pemisahan.
Alat dan hasil berstruktur
Panggilan fungsi asli membolehkan model memilih fungsi yang diberikan dan menyediakan argumennya. Aplikasi menjalankan fungsi itu dan mengembalikan hasilnya; model kemudian menggunakan maklumat yang dikembalikan dalam jawapan. Pastikan alat khusus dan sediakan hanya yang diperlukan untuk tugas. Pembantu semakan stok boleh menerima rujukan produk, meminta carian stok dan menerangkan kuantiti serta gudang yang dikembalikan. Sahkan fungsi dan argumen yang dipilih sebelum melaksanakan permintaan, dan kekalkan respons alat bersama jawapan akhir.
Untuk pengekstrakan, nyatakan medan, jenis dan cara menangani nilai yang tiada. Mistral mendokumentasikan mod JSON dan output berstruktur tersuai; mod JSONnya memerlukan arahan jelas untuk mengembalikan JSON, manakala skema tersuai memberikan kawalan format yang lebih kuat. Ringkasan invois boleh meminta pembekal, nombor invois, tarikh akhir, mata wang dan item baris, dengan nilai yang tiada diwakili secara konsisten. Periksa nilai yang diekstrak dengan merujuk dokumen, walaupun respons sepadan dengan struktur yang diminta.
Tetapan dan perbezaan edisi
Takrifkan peranan, tugas dan peraturan alat dalam arahan sistem. Mistral mengesyorkan suhu di bawah 0.1 untuk kegunaan produksi dan harian bagi titik semak ini, dengan nilai lebih tinggi diterokai untuk tugas kreatif. Pisahkan permintaan idea yang pelbagai daripada permintaan pengekstrakan yang boleh diulang: berikan ruang untuk alternatif kepada yang pertama dan medan serta kekangan sumber yang jelas kepada yang kedua.
Edisi arahan ini berasingan daripada titik semak asas Large 3 dan model penaakulan khusus. Pembuat mengenal pasti penaakulan ketat dan kerja visual khusus sebagai bidang yang mungkin lebih sesuai untuk model yang direka khusus bagi tugas itu. Untuk pengiraan sukar, berikan andaian dan unit, minta pemeriksaan pertengahan dan gunakan alat pengiraan yang tersedia untuk mengesahkan hasil. Untuk bukti visual yang padat, sediakan kawasan yang boleh dibaca dan bandingkan jawapan dengan sumber sebelum menggunakannya dalam laporan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had mistralai/mistral-large-2512 | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0022 / 1K token Output · Token output $0.0066 / 1K token Input · Bacaan cache $0.0001 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0022 / 1K token Output · Token output $0.0066 / 1K token Input · Bacaan cache $0.0001 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "mistralai/mistral-large-2512",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-large-2512', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-large-2512', '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 mistralai/mistral-large-2512
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Compare onboarding policies\n\nCompare onboarding policies. A section 1 requires manager approval and identity verification before access. B section 3 requires manager approval before access and identity verification within seven days afterward. List the shared requirement, the conflict and a question for the policy owner. Keep the source section beside each finding.A source-linked comparison of shared and conflicting requirements plus one policy decision question.Check that both policies’ timing for identity verification remains explicit and that neither is silently treated as authoritative.