Mistral Medium 3 ialah model multimodal Mistral AI untuk kerja profesional yang melibatkan teks, pemahaman visual dan kod. Keluaran asal menekankan tugas pengekodan dan STEM bersama penyesuaian kepada pengetahuan dan aliran kerja perusahaan. Ia menerima bahan teks dan visual serta menghasilkan teks, termasuk penjelasan dokumen, rekod berstruktur atau cadangan pelaksanaan. Pengecam tetap pembuat untuk edisi ini ialah mistral-medium-2505.
Konteks dan bahan sumber profesional
Halaman model menyenaraikan tetingkap konteks 128k. Gunakan konteks itu untuk mengekalkan petikan sumber, perbualan dan arahan yang menentukan artifak yang diminta. Untuk perbandingan dokumen, kenal pasti sumber yang merupakan keperluan semasa, sumber yang merupakan cadangan semakan dan soalan yang perlu diselesaikan. Minta dokumen dan bahagian sokongan di sisi setiap dapatan.
Tugas penjelasan praktikal boleh memberikan prosedur dan soalan pengguna, kemudian meminta tindakan yang relevan serta syarat yang menjadikannya terpakai. Analisis teknikal boleh merangkumi data sumber, takrif dan kriteria untuk dibandingkan. Matlamatnya ialah hasil yang terikat pada bahan yang diberikan dan bukannya perihalan umum topik itu.
Output berstruktur dan fungsi
Halaman model menyenaraikan output berstruktur dan panggilan fungsi. Untuk pengekstrakan, takrifkan nama medan, jenis dan perwakilan maklumat sumber yang tiada. Rekod yang berguna boleh memisahkan pengecam, pernyataan sumber, tafsiran dan soalan yang belum diselesaikan. Panduan bersama Mistral membezakan mod JSON daripada skema tersuai dan memerlukan permintaan jelas untuk format JSON yang diingini.
Panggilan fungsi menghubungkan tafsiran model dengan operasi yang diterangkan oleh aplikasi. Model memilih fungsi dan menyediakan argumen, aplikasi melaksanakan fungsi itu dan hasilnya menjadi konteks untuk jawapan seterusnya. Carian boleh membekalkan nilai rujukan yang tiada; pengiraan boleh membekalkan hasil yang diperlukan oleh penjelasan. Kekalkan hasil bersama operasi yang menghasilkannya, dan jangan anggap panggilan yang dicadangkan sebagai tindakan yang telah dilaksanakan.
Soalan dokumen dan visual
Soal jawab dokumen turut disenaraikan untuk edisi ini. Aliran kerja yang didokumentasikan oleh pembuat menyediakan teks, struktur dan pemformatan dokumen melalui OCR sebelum analisis model bahasa. Tanya tentang keperluan, petikan atau hubungan khusus yang diperlukan oleh tugas. Untuk beberapa dokumen, kekalkan identitinya dan minta perbandingan dengan lokasi sumber di sisi setiap kesimpulan.
Untuk bahan visual, padankan imej dengan soalan yang ditentukan dan kekalkan label, unit serta kawasan yang diperlukan untuk menjawabnya. Carta boleh disertai soalan perbandingan antara siri yang dinamakan; rajah boleh disertai soalan tentang sambungan yang menyokong keperluan yang diberikan. Imej dokumen yang boleh dibaca dan dokumen yang disediakan melalui OCR ialah penyediaan input yang berbeza, walaupun kedua-duanya memenuhi matlamat soal jawab yang sama.
Penyuntingan, awalan dan aliran kerja
Halaman model menyenaraikan output ramalan, awalan respons, pemprosesan kelompok dan perbualan ejen. Output ramalan menggunakan kandungan yang diketahui apabila sebahagian besar dokumen atau fail kod perlu dikekalkan sementara sebahagian kecil berubah. Berikan kandungan sedia ada, nyatakan suntingan dan kenal pasti bahan yang perlu dikekalkan. Ini berbeza daripada meminta model mencipta dokumen yang serba baharu.
Awalan respons membekalkan permulaan yang diketahui untuk teks yang dijana pembantu, yang kemudian diteruskan daripada permulaan tersebut. Pemprosesan kelompok mengubah cara tugas dihantar, manakala antara muka ejen/perbualan mengurus aliran kerja yang bersambung. Alat terbina dalam yang disenaraikan milik antara muka pembuat itu; ia tidak menambah modaliti kandungan lain pada model asas atau melakukan tindakan tanpa persekitaran yang disambungkan.
Pengekodan dan penyesuaian domain
Untuk permintaan pengaturcaraan, berikan keperluan, fungsi yang terjejas, pengisytiharan yang berkaitan serta input dan output yang dijangka. Minta perubahan yang dicadangkan, andaiannya dan contoh yang membezakan tingkah laku yang dimaksudkan. Soalan penyahpepijatan boleh merangkumi bukti kegagalan dan bertanya laluan dalam sumber yang menerangkannya. Akses repositori, pelaksanaan kod dan penerapan perubahan datang daripada alat pembangunan sekeliling.
Pengumuman asal menerangkan pascalatihan tersuai dan penalaan halus untuk konteks serta pangkalan pengetahuan perusahaan khusus domain. Itu proses penyesuaian yang berasingan, bukannya dakwaan bahawa dokumen organisasi tertentu sudah diketahui oleh model lalai. Untuk jawapan bersyaratkan sumber, berikan dokumen dan istilah yang relevan secara langsung bersama tugas dan takrifkan peraturan respons.
Batas edisi dan hasil
Entri ini mengekalkan identiti 2505 dan konteks 128k Medium 3. Bilangan seni bina dan kawalan penaakulan hibrid boleh konfigurasi yang kemudian didokumentasikan untuk Medium 3.5 bukan sebahagian daripada spesifikasi yang dinyatakan bagi edisi ini. Halaman model khusus ini tidak menerbitkan bilangan parameter atau had keras panjang jawapan maksimum berasingan yang boleh dipinjam daripada keluaran kemudian.
Sediakan hasil yang dimaksudkan sebelum permintaan: penjelasan, pengekstrakan berstruktur, bahagian yang disemak atau cadangan kod. Pastikan bukti teks dan visual, identiti sumber dan sebarang hasil alat yang disambungkan jelas supaya jawapan boleh diperiksa dan digunakan dalam langkah aplikasi seterusnya.
", "aboutText": "Mistral Medium 3 ialah model multimodal Mistral AI untuk kerja profesional yang melibatkan teks, pemahaman visual dan kod. Keluaran asal menekankan tugas pengekodan dan STEM bersama penyesuaian kepada pengetahuan dan aliran kerja perusahaan. Ia menerima bahan teks dan visual serta menghasilkan teks, termasuk penjelasan dokumen, rekod berstruktur atau cadangan pelaksanaan. Pengecam tetap pembuat untuk edisi ini ialah mistral-medium-2505.\n\nKonteks dan bahan sumber profesional\n\nHalaman model menyenaraikan tetingkap konteks 128k. Gunakan konteks itu untuk mengekalkan petikan sumber, perbualan dan arahan yang menentukan artifak yang diminta. Untuk perbandingan dokumen, kenal pasti sumber yang merupakan keperluan semasa, sumber yang merupakan cadangan semakan dan soalan yang perlu diselesaikan. Minta dokumen dan bahagian sokongan di sisi setiap dapatan.\n\nTugas penjelasan praktikal boleh memberikan prosedur dan soalan pengguna, kemudian meminta tindakan yang relevan serta syarat yang menjadikannya terpakai. Analisis teknikal boleh merangkumi data sumber, takrif dan kriteria untuk dibandingkan. Matlamatnya ialah hasil yang terikat pada bahan yang diberikan dan bukannya perihalan umum topik itu.\n\nOutput berstruktur dan fungsi\n\nHalaman model menyenaraikan output berstruktur dan panggilan fungsi. Untuk pengekstrakan, takrifkan nama medan, jenis dan perwakilan maklumat sumber yang tiada. Rekod yang berguna boleh memisahkan pengecam, pernyataan sumber, tafsiran dan soalan yang belum diselesaikan. Panduan bersama Mistral membezakan mod JSON daripada skema tersuai dan memerlukan permintaan jelas untuk format JSON yang diingini.\n\nPanggilan fungsi menghubungkan tafsiran model dengan operasi yang diterangkan oleh aplikasi. Model memilih fungsi dan menyediakan argumen, aplikasi melaksanakan fungsi itu dan hasilnya menjadi konteks untuk jawapan seterusnya. Carian boleh membekalkan nilai rujukan yang tiada; pengiraan boleh membekalkan hasil yang diperlukan oleh penjelasan. Kekalkan hasil bersama operasi yang menghasilkannya, dan jangan anggap panggilan yang dicadangkan sebagai tindakan yang telah dilaksanakan.\n\nSoalan dokumen dan visual\n\nSoal jawab dokumen turut disenaraikan untuk edisi ini. Aliran kerja yang didokumentasikan oleh pembuat menyediakan teks, struktur dan pemformatan dokumen melalui OCR sebelum analisis model bahasa. Tanya tentang keperluan, petikan atau hubungan khusus yang diperlukan oleh tugas. Untuk beberapa dokumen, kekalkan identitinya dan minta perbandingan dengan lokasi sumber di sisi setiap kesimpulan.\n\nUntuk bahan visual, padankan imej dengan soalan yang ditentukan dan kekalkan label, unit serta kawasan yang diperlukan untuk menjawabnya. Carta boleh disertai soalan perbandingan antara siri yang dinamakan; rajah boleh disertai soalan tentang sambungan yang menyokong keperluan yang diberikan. Imej dokumen yang boleh dibaca dan dokumen yang disediakan melalui OCR ialah penyediaan input yang berbeza, walaupun kedua-duanya memenuhi matlamat soal jawab yang sama.\n\nPenyuntingan, awalan dan aliran kerja\n\nHalaman model menyenaraikan output ramalan, awalan respons, pemprosesan kelompok dan perbualan ejen. Output ramalan menggunakan kandungan yang diketahui apabila sebahagian besar dokumen atau fail kod perlu dikekalkan sementara sebahagian kecil berubah. Berikan kandungan sedia ada, nyatakan suntingan dan kenal pasti bahan yang perlu dikekalkan. Ini berbeza daripada meminta model mencipta dokumen yang serba baharu.\n\nAwalan respons membekalkan permulaan yang diketahui untuk teks yang dijana pembantu, yang kemudian diteruskan daripada permulaan tersebut. Pemprosesan kelompok mengubah cara tugas dihantar, manakala antara muka ejen/perbualan mengurus aliran kerja yang bersambung. Alat terbina dalam yang disenaraikan milik antara muka pembuat itu; ia tidak menambah modaliti kandungan lain pada model asas atau melakukan tindakan tanpa persekitaran yang disambungkan.\n\nPengekodan dan penyesuaian domain\n\nUntuk permintaan pengaturcaraan, berikan keperluan, fungsi yang terjejas, pengisytiharan yang berkaitan serta input dan output yang dijangka. Minta perubahan yang dicadangkan, andaiannya dan contoh yang membezakan tingkah laku yang dimaksudkan. Soalan penyahpepijatan boleh merangkumi bukti kegagalan dan bertanya laluan dalam sumber yang menerangkannya. Akses repositori, pelaksanaan kod dan penerapan perubahan datang daripada alat pembangunan sekeliling.\n\nPengumuman asal menerangkan pascalatihan tersuai dan penalaan halus untuk konteks serta pangkalan pengetahuan perusahaan khusus domain. Itu proses penyesuaian yang berasingan, bukannya dakwaan bahawa dokumen organisasi tertentu sudah diketahui oleh model lalai. Untuk jawapan bersyaratkan sumber, berikan dokumen dan istilah yang relevan secara langsung bersama tugas dan takrifkan peraturan respons.\n\nBatas edisi dan hasil\n\nEntri ini mengekalkan identiti 2505 dan konteks 128k Medium 3. Bilangan seni bina dan kawalan penaakulan hibrid boleh konfigurasi yang kemudian didokumentasikan untuk Medium 3.5 bukan sebahagian daripada spesifikasi yang dinyatakan bagi edisi ini. Halaman model khusus ini tidak menerbitkan bilangan parameter atau had keras panjang jawapan maksimum berasingan yang boleh dipinjam daripada keluaran kemudian.\n\nSediakan hasil yang dimaksudkan sebelum permintaan: penjelasan, pengekstrakan berstruktur, bahagian yang disemak atau cadangan kod. Pastikan bukti teks dan visual, identiti sumber dan sebarang hasil alat yang disambungkan jelas supaya jawapan boleh diperiksa dan digunakan dalam langkah aplikasi seterusnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Apply a procedure to a concrete case\n\nUse this procedure to answer the employee: 'Requests below 500 credits need team-lead approval. Requests of 500 or more need finance approval. Purchases must wait for approval.' Employee: 'My equipment request is exactly 500 credits; can my team lead approve it and can I order today?' Give the applicable rule and missing information.A short procedural answer citing the threshold and approval-before-purchase requirement.Exactly 500 falls under finance approval, and ordering today depends on approval actually having been received.mistralai/mistral-medium-3Mistral Medium 3 ialah model multimodal untuk tugas profesional berkaitan teks, visual dan pengekodan. Konteks 128k yang dinyatakan oleh pembuat serta output berstruktur, panggilan fungsi, soalan dokumen dan suntingan yang boleh dijangka yang didokumentasikan menyokong penjelasan berasaskan sumber dan aliran kerja aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Mistral Medium 3 ialah model multimodal Mistral AI untuk kerja profesional yang melibatkan teks, pemahaman visual dan kod. Keluaran asal menekankan tugas pengekodan dan STEM bersama penyesuaian kepada pengetahuan dan aliran kerja perusahaan. Ia menerima bahan teks dan visual serta menghasilkan teks, termasuk penjelasan dokumen, rekod berstruktur atau cadangan pelaksanaan. Pengecam tetap pembuat untuk edisi ini ialah mistral-medium-2505.
Konteks dan bahan sumber profesional
Halaman model menyenaraikan tetingkap konteks 128k. Gunakan konteks itu untuk mengekalkan petikan sumber, perbualan dan arahan yang menentukan artifak yang diminta. Untuk perbandingan dokumen, kenal pasti sumber yang merupakan keperluan semasa, sumber yang merupakan cadangan semakan dan soalan yang perlu diselesaikan. Minta dokumen dan bahagian sokongan di sisi setiap dapatan.
Tugas penjelasan praktikal boleh memberikan prosedur dan soalan pengguna, kemudian meminta tindakan yang relevan serta syarat yang menjadikannya terpakai. Analisis teknikal boleh merangkumi data sumber, takrif dan kriteria untuk dibandingkan. Matlamatnya ialah hasil yang terikat pada bahan yang diberikan dan bukannya perihalan umum topik itu.
Output berstruktur dan fungsi
Halaman model menyenaraikan output berstruktur dan panggilan fungsi. Untuk pengekstrakan, takrifkan nama medan, jenis dan perwakilan maklumat sumber yang tiada. Rekod yang berguna boleh memisahkan pengecam, pernyataan sumber, tafsiran dan soalan yang belum diselesaikan. Panduan bersama Mistral membezakan mod JSON daripada skema tersuai dan memerlukan permintaan jelas untuk format JSON yang diingini.
Panggilan fungsi menghubungkan tafsiran model dengan operasi yang diterangkan oleh aplikasi. Model memilih fungsi dan menyediakan argumen, aplikasi melaksanakan fungsi itu dan hasilnya menjadi konteks untuk jawapan seterusnya. Carian boleh membekalkan nilai rujukan yang tiada; pengiraan boleh membekalkan hasil yang diperlukan oleh penjelasan. Kekalkan hasil bersama operasi yang menghasilkannya, dan jangan anggap panggilan yang dicadangkan sebagai tindakan yang telah dilaksanakan.
Soalan dokumen dan visual
Soal jawab dokumen turut disenaraikan untuk edisi ini. Aliran kerja yang didokumentasikan oleh pembuat menyediakan teks, struktur dan pemformatan dokumen melalui OCR sebelum analisis model bahasa. Tanya tentang keperluan, petikan atau hubungan khusus yang diperlukan oleh tugas. Untuk beberapa dokumen, kekalkan identitinya dan minta perbandingan dengan lokasi sumber di sisi setiap kesimpulan.
Untuk bahan visual, padankan imej dengan soalan yang ditentukan dan kekalkan label, unit serta kawasan yang diperlukan untuk menjawabnya. Carta boleh disertai soalan perbandingan antara siri yang dinamakan; rajah boleh disertai soalan tentang sambungan yang menyokong keperluan yang diberikan. Imej dokumen yang boleh dibaca dan dokumen yang disediakan melalui OCR ialah penyediaan input yang berbeza, walaupun kedua-duanya memenuhi matlamat soal jawab yang sama.
Penyuntingan, awalan dan aliran kerja
Halaman model menyenaraikan output ramalan, awalan respons, pemprosesan kelompok dan perbualan ejen. Output ramalan menggunakan kandungan yang diketahui apabila sebahagian besar dokumen atau fail kod perlu dikekalkan sementara sebahagian kecil berubah. Berikan kandungan sedia ada, nyatakan suntingan dan kenal pasti bahan yang perlu dikekalkan. Ini berbeza daripada meminta model mencipta dokumen yang serba baharu.
Awalan respons membekalkan permulaan yang diketahui untuk teks yang dijana pembantu, yang kemudian diteruskan daripada permulaan tersebut. Pemprosesan kelompok mengubah cara tugas dihantar, manakala antara muka ejen/perbualan mengurus aliran kerja yang bersambung. Alat terbina dalam yang disenaraikan milik antara muka pembuat itu; ia tidak menambah modaliti kandungan lain pada model asas atau melakukan tindakan tanpa persekitaran yang disambungkan.
Pengekodan dan penyesuaian domain
Untuk permintaan pengaturcaraan, berikan keperluan, fungsi yang terjejas, pengisytiharan yang berkaitan serta input dan output yang dijangka. Minta perubahan yang dicadangkan, andaiannya dan contoh yang membezakan tingkah laku yang dimaksudkan. Soalan penyahpepijatan boleh merangkumi bukti kegagalan dan bertanya laluan dalam sumber yang menerangkannya. Akses repositori, pelaksanaan kod dan penerapan perubahan datang daripada alat pembangunan sekeliling.
Pengumuman asal menerangkan pascalatihan tersuai dan penalaan halus untuk konteks serta pangkalan pengetahuan perusahaan khusus domain. Itu proses penyesuaian yang berasingan, bukannya dakwaan bahawa dokumen organisasi tertentu sudah diketahui oleh model lalai. Untuk jawapan bersyaratkan sumber, berikan dokumen dan istilah yang relevan secara langsung bersama tugas dan takrifkan peraturan respons.
Batas edisi dan hasil
Entri ini mengekalkan identiti 2505 dan konteks 128k Medium 3. Bilangan seni bina dan kawalan penaakulan hibrid boleh konfigurasi yang kemudian didokumentasikan untuk Medium 3.5 bukan sebahagian daripada spesifikasi yang dinyatakan bagi edisi ini. Halaman model khusus ini tidak menerbitkan bilangan parameter atau had keras panjang jawapan maksimum berasingan yang boleh dipinjam daripada keluaran kemudian.
Sediakan hasil yang dimaksudkan sebelum permintaan: penjelasan, pengekstrakan berstruktur, bahagian yang disemak atau cadangan kod. Pastikan bukti teks dan visual, identiti sumber dan sebarang hasil alat yang disambungkan jelas supaya jawapan boleh diperiksa dan digunakan dalam langkah aplikasi seterusnya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had mistralai/mistral-medium-3 | 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 $0.0008 / 1K token Output · Token output $0.004 / 1K token Input · Bacaan cache $0.00008 / 1K token Input · Penulisan cache — / 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 $0.0008 / 1K token Output · Token output $0.004 / 1K token Input · Bacaan cache $0.00008 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3", "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-medium-3',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-medium-3',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-medium-3
Gunakan laluan kaedah yang dipaparkan di atas.
mistralai/mistral-medium-3Mistral Medium 3 ialah model multimodal untuk tugas profesional berkaitan teks, visual dan pengekodan. Konteks 128k yang dinyatakan oleh pembuat serta output berstruktur, panggilan fungsi, soalan dokumen dan suntingan yang boleh dijangka yang didokumentasikan menyokong penjelasan berasaskan sumber dan aliran kerja aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Mistral Medium 3 ialah model multimodal Mistral AI untuk kerja profesional yang melibatkan teks, pemahaman visual dan kod. Keluaran asal menekankan tugas pengekodan dan STEM bersama penyesuaian kepada pengetahuan dan aliran kerja perusahaan. Ia menerima bahan teks dan visual serta menghasilkan teks, termasuk penjelasan dokumen, rekod berstruktur atau cadangan pelaksanaan. Pengecam tetap pembuat untuk edisi ini ialah mistral-medium-2505.
Konteks dan bahan sumber profesional
Halaman model menyenaraikan tetingkap konteks 128k. Gunakan konteks itu untuk mengekalkan petikan sumber, perbualan dan arahan yang menentukan artifak yang diminta. Untuk perbandingan dokumen, kenal pasti sumber yang merupakan keperluan semasa, sumber yang merupakan cadangan semakan dan soalan yang perlu diselesaikan. Minta dokumen dan bahagian sokongan di sisi setiap dapatan.
Tugas penjelasan praktikal boleh memberikan prosedur dan soalan pengguna, kemudian meminta tindakan yang relevan serta syarat yang menjadikannya terpakai. Analisis teknikal boleh merangkumi data sumber, takrif dan kriteria untuk dibandingkan. Matlamatnya ialah hasil yang terikat pada bahan yang diberikan dan bukannya perihalan umum topik itu.
Output berstruktur dan fungsi
Halaman model menyenaraikan output berstruktur dan panggilan fungsi. Untuk pengekstrakan, takrifkan nama medan, jenis dan perwakilan maklumat sumber yang tiada. Rekod yang berguna boleh memisahkan pengecam, pernyataan sumber, tafsiran dan soalan yang belum diselesaikan. Panduan bersama Mistral membezakan mod JSON daripada skema tersuai dan memerlukan permintaan jelas untuk format JSON yang diingini.
Panggilan fungsi menghubungkan tafsiran model dengan operasi yang diterangkan oleh aplikasi. Model memilih fungsi dan menyediakan argumen, aplikasi melaksanakan fungsi itu dan hasilnya menjadi konteks untuk jawapan seterusnya. Carian boleh membekalkan nilai rujukan yang tiada; pengiraan boleh membekalkan hasil yang diperlukan oleh penjelasan. Kekalkan hasil bersama operasi yang menghasilkannya, dan jangan anggap panggilan yang dicadangkan sebagai tindakan yang telah dilaksanakan.
Soalan dokumen dan visual
Soal jawab dokumen turut disenaraikan untuk edisi ini. Aliran kerja yang didokumentasikan oleh pembuat menyediakan teks, struktur dan pemformatan dokumen melalui OCR sebelum analisis model bahasa. Tanya tentang keperluan, petikan atau hubungan khusus yang diperlukan oleh tugas. Untuk beberapa dokumen, kekalkan identitinya dan minta perbandingan dengan lokasi sumber di sisi setiap kesimpulan.
Untuk bahan visual, padankan imej dengan soalan yang ditentukan dan kekalkan label, unit serta kawasan yang diperlukan untuk menjawabnya. Carta boleh disertai soalan perbandingan antara siri yang dinamakan; rajah boleh disertai soalan tentang sambungan yang menyokong keperluan yang diberikan. Imej dokumen yang boleh dibaca dan dokumen yang disediakan melalui OCR ialah penyediaan input yang berbeza, walaupun kedua-duanya memenuhi matlamat soal jawab yang sama.
Penyuntingan, awalan dan aliran kerja
Halaman model menyenaraikan output ramalan, awalan respons, pemprosesan kelompok dan perbualan ejen. Output ramalan menggunakan kandungan yang diketahui apabila sebahagian besar dokumen atau fail kod perlu dikekalkan sementara sebahagian kecil berubah. Berikan kandungan sedia ada, nyatakan suntingan dan kenal pasti bahan yang perlu dikekalkan. Ini berbeza daripada meminta model mencipta dokumen yang serba baharu.
Awalan respons membekalkan permulaan yang diketahui untuk teks yang dijana pembantu, yang kemudian diteruskan daripada permulaan tersebut. Pemprosesan kelompok mengubah cara tugas dihantar, manakala antara muka ejen/perbualan mengurus aliran kerja yang bersambung. Alat terbina dalam yang disenaraikan milik antara muka pembuat itu; ia tidak menambah modaliti kandungan lain pada model asas atau melakukan tindakan tanpa persekitaran yang disambungkan.
Pengekodan dan penyesuaian domain
Untuk permintaan pengaturcaraan, berikan keperluan, fungsi yang terjejas, pengisytiharan yang berkaitan serta input dan output yang dijangka. Minta perubahan yang dicadangkan, andaiannya dan contoh yang membezakan tingkah laku yang dimaksudkan. Soalan penyahpepijatan boleh merangkumi bukti kegagalan dan bertanya laluan dalam sumber yang menerangkannya. Akses repositori, pelaksanaan kod dan penerapan perubahan datang daripada alat pembangunan sekeliling.
Pengumuman asal menerangkan pascalatihan tersuai dan penalaan halus untuk konteks serta pangkalan pengetahuan perusahaan khusus domain. Itu proses penyesuaian yang berasingan, bukannya dakwaan bahawa dokumen organisasi tertentu sudah diketahui oleh model lalai. Untuk jawapan bersyaratkan sumber, berikan dokumen dan istilah yang relevan secara langsung bersama tugas dan takrifkan peraturan respons.
Batas edisi dan hasil
Entri ini mengekalkan identiti 2505 dan konteks 128k Medium 3. Bilangan seni bina dan kawalan penaakulan hibrid boleh konfigurasi yang kemudian didokumentasikan untuk Medium 3.5 bukan sebahagian daripada spesifikasi yang dinyatakan bagi edisi ini. Halaman model khusus ini tidak menerbitkan bilangan parameter atau had keras panjang jawapan maksimum berasingan yang boleh dipinjam daripada keluaran kemudian.
Sediakan hasil yang dimaksudkan sebelum permintaan: penjelasan, pengekstrakan berstruktur, bahagian yang disemak atau cadangan kod. Pastikan bukti teks dan visual, identiti sumber dan sebarang hasil alat yang disambungkan jelas supaya jawapan boleh diperiksa dan digunakan dalam langkah aplikasi seterusnya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had mistralai/mistral-medium-3 | 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 $0.0008 / 1K token Output · Token output $0.004 / 1K token Input · Bacaan cache $0.00008 / 1K token Input · Penulisan cache — / 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 $0.0008 / 1K token Output · Token output $0.004 / 1K token Input · Bacaan cache $0.00008 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "mistralai/mistral-medium-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-medium-3', '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-medium-3', '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-medium-3
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Apply a procedure to a concrete case\n\nUse this procedure to answer the employee: 'Requests below 500 credits need team-lead approval. Requests of 500 or more need finance approval. Purchases must wait for approval.' Employee: 'My equipment request is exactly 500 credits; can my team lead approve it and can I order today?' Give the applicable rule and missing information.A short procedural answer citing the threshold and approval-before-purchase requirement.Exactly 500 falls under finance approval, and ordering today depends on approval actually having been received.