Mistral Small 4 menggabungkan kepatuhan arahan umum, penaakulan dan pengekodan dalam satu model multimodal. Pembuat menerangkannya sebagai penyatuan keluarga Instruct, penaakulan Magistral dan pengekodan Devstral. Ia menerima teks dan imej serta mengembalikan teks, dengan panggilan fungsi dan output JSON tersedia untuk aplikasi berbantukan alat.
Seni bina dan ciri utama
Keluaran ini mempunyai jumlah 119 bilion parameter dan mengaktifkan 6.5 bilion bagi setiap token. Seni bina campuran pakarnya mengandungi 128 pakar, dengan 4 aktif, dan pembuat mendokumentasikan tetingkap konteks 256k. Bilangan parameter aktif dan bilangan pakar menerangkan cara model disusun; ia berbeza daripada jumlah kandungan teks atau imej yang dimasukkan dalam satu tugas.
Model menyediakan kefungsian arahan dan penaakulan dalam titik semak yang sama. Pembuat turut mengenal pasti penglihatan, kepatuhan prom sistem dan sokongan berbilang bahasa merangkumi puluhan bahasa, termasuk bahasa Inggeris, Perancis, Sepanyol, Jerman, Itali, Portugis, Belanda, Cina, Jepun, Korea dan Arab. Oleh itu, arahan teks boleh bertanya tentang imej atau menggabungkan keperluan bertulis dengan bukti yang kelihatan, dengan jawapan dikembalikan sebagai teks.
Tugas visual boleh memberikan halaman dokumen dan meminta nilai yang relevan dengan syarat bernama. Pastikan label dan unit boleh dibaca serta nyatakan sama ada hasil perlu mengekalkan ungkapan asal, meringkaskannya atau membandingkannya dengan sumber lain. Tugas antara muka boleh memadankan tangkapan skrin dengan matlamat pengguna dan meminta kawalan berkaitan yang kelihatan serta bukti yang menyokong langkah seterusnya yang dicadangkan.
Memilih mod arahan atau penaakulan
Kad yang dikeluarkan mendokumentasikan usaha penaakulan none untuk jawapan gaya arahan segera dan high untuk penaakulan, dengan high disyorkan untuk prom kompleks. Pilihan dibuat bagi setiap permintaan dalam model Small 4 yang sama. Pengelasan biasa atau penulisan semula pendek boleh mempunyai kontrak jawapan yang berbeza daripada masalah matematik, visual atau pengekodan yang memerlukan penjelasan terperinci.
Pembuat mengesyorkan suhu 0.7 untuk usaha penaakulan high. Untuk none, ia menetapkan suhu antara 0.0 dengan 0.7 mengikut tugas. Tetapan ini menerangkan mod yang didokumentasikan dan tidak menjadikan usaha penaakulan sebagai jaminan hasil yang betul. Takrifkan andaian, bentuk output dan bahan sumber yang berkaitan sebelum memilih jumlah penaakulan yang diperlukan oleh tugas.
Untuk masalah yang diselesaikan langkah demi langkah, berikan syarat penuh dan minta langkah penting yang berasas diikuti ungkapan akhir. Untuk tugas kod, berikan keperluan, fungsi yang terjejas dan input konkrit; minta pelaksanaan yang dicadangkan secara berasingan daripada penjelasan dan contoh. Demonstrasi penggunaan pembuat merangkumi kepatuhan arahan, alat pengiraan yang digunakan pada imej dan penaakulan visual, yang menunjukkan cara bukti teks dan visual boleh memasuki tugas berbeza ini.
Pengekodan, dokumen dan alat
Model disasarkan untuk penerokaan pangkalan kod dan ejen kejuruteraan perisian, pembantu umum, pemahaman dokumen dan penyelidikan. Permintaan ejen pengekodan boleh menamakan modul yang hendak diubah, antara muka yang perlu dikekalkan dan tingkah laku yang sepatutnya terhasil. Berikan sumber berkaitan dan bukti kegagalan. Model boleh mencadangkan operasi seterusnya atau perubahan kod, manakala aplikasi menyediakan akses repositori, pelaksanaan dan maklum balas.
Untuk pengekstrakan dokumen, kenal pasti medan wajib dan cara mewakili maklumat yang tiada. Rekod yang berguna boleh memisahkan pengecam dokumen, pernyataan sumber, keperluan yang ditafsirkan dan soalan yang belum diselesaikan. Kad perkhidmatan pembuat menyenaraikan output berstruktur tersuai dan soal jawab dokumen; yang kedua menggunakan pemprosesan dokumen dan OCR untuk menyediakan teks dan struktur sebelum analisis model bahasa. Soalan imej langsung dan aliran kerja dokumen berbantukan OCR perlu mengekalkan penyediaan input masing-masing.
Panggilan fungsi memerlukan alat yang diterangkan dengan jelas. Model memilih fungsi dan mencipta argumen; aplikasi melaksanakan operasi dan mengembalikan hasilnya untuk jawapan kemudian. Logik yang sama terpakai sama ada tugas itu carian, pengiraan atau operasi pengekodan. Pemformatan JSON menyusun jawapan, manakala panggilan alat meminta tindakan luaran; kedua-duanya tidak patut dianggap sebagai hasil yang boleh saling ditukar.
Kad perkhidmatan turut menyenaraikan output ramalan, awalan respons, pemprosesan kelompok dan perbualan ejen. Output ramalan berguna apabila dokumen atau fail kod mesti dijana semula dengan perubahan terhad sahaja dan kandungan selebihnya diketahui. Nyatakan suntingan dan bahan yang perlu dikekalkan. Penyambungan awalan menggunakan permulaan respons yang diketahui, manakala pemprosesan kelompok berkaitan dengan penghantaran kerja dan bukannya mod penaakulan tambahan.
Batas konteks dan edisi
Rancang tugas bertulis, bahan visual, perbualan dan jawapan yang diingini mengikut konteks 256k yang didokumentasikan. Contoh penggunaan yang dikeluarkan mengkonfigurasi konteks 262,144 token, manakala contoh penjanaan 1,024 tokennya bukan kapasiti output maksimum berasingan. Sumber yang dibaca tidak memberikan had keras panjang jawapan bebas untuk menggantikan panjang tugas yang dipilih.
Small 4 mempunyai seni bina campuran pakar 119B dan mod hibridnya sendiri. Ia tidak patut mewarisi seni bina padat 128B Medium 3.5 atau edisi Instruct dan Reasoning Ministral 3 yang berasingan. Pembuat turut mengeluarkan artifak terkuantum dan penyahkodan spekulatif yang berbeza; itu artifak penyebaran berasingan dan bukannya modaliti kandungan yang berbeza. Kekalkan keluaran Small 4 yang dinamakan dan mod yang diminta untuk penjelasan, rekod berstruktur atau hasil kod sebenar.
", "aboutText": "Mistral Small 4 menggabungkan kepatuhan arahan umum, penaakulan dan pengekodan dalam satu model multimodal. Pembuat menerangkannya sebagai penyatuan keluarga Instruct, penaakulan Magistral dan pengekodan Devstral. Ia menerima teks dan imej serta mengembalikan teks, dengan panggilan fungsi dan output JSON tersedia untuk aplikasi berbantukan alat.\n\nSeni bina dan ciri utama\n\nKeluaran ini mempunyai jumlah 119 bilion parameter dan mengaktifkan 6.5 bilion bagi setiap token. Seni bina campuran pakarnya mengandungi 128 pakar, dengan 4 aktif, dan pembuat mendokumentasikan tetingkap konteks 256k. Bilangan parameter aktif dan bilangan pakar menerangkan cara model disusun; ia berbeza daripada jumlah kandungan teks atau imej yang dimasukkan dalam satu tugas.\n\nModel menyediakan kefungsian arahan dan penaakulan dalam titik semak yang sama. Pembuat turut mengenal pasti penglihatan, kepatuhan prom sistem dan sokongan berbilang bahasa merangkumi puluhan bahasa, termasuk bahasa Inggeris, Perancis, Sepanyol, Jerman, Itali, Portugis, Belanda, Cina, Jepun, Korea dan Arab. Oleh itu, arahan teks boleh bertanya tentang imej atau menggabungkan keperluan bertulis dengan bukti yang kelihatan, dengan jawapan dikembalikan sebagai teks.\n\nTugas visual boleh memberikan halaman dokumen dan meminta nilai yang relevan dengan syarat bernama. Pastikan label dan unit boleh dibaca serta nyatakan sama ada hasil perlu mengekalkan ungkapan asal, meringkaskannya atau membandingkannya dengan sumber lain. Tugas antara muka boleh memadankan tangkapan skrin dengan matlamat pengguna dan meminta kawalan berkaitan yang kelihatan serta bukti yang menyokong langkah seterusnya yang dicadangkan.\n\nMemilih mod arahan atau penaakulan\n\nKad yang dikeluarkan mendokumentasikan usaha penaakulan none untuk jawapan gaya arahan segera dan high untuk penaakulan, dengan high disyorkan untuk prom kompleks. Pilihan dibuat bagi setiap permintaan dalam model Small 4 yang sama. Pengelasan biasa atau penulisan semula pendek boleh mempunyai kontrak jawapan yang berbeza daripada masalah matematik, visual atau pengekodan yang memerlukan penjelasan terperinci.\n\nPembuat mengesyorkan suhu 0.7 untuk usaha penaakulan high. Untuk none, ia menetapkan suhu antara 0.0 dengan 0.7 mengikut tugas. Tetapan ini menerangkan mod yang didokumentasikan dan tidak menjadikan usaha penaakulan sebagai jaminan hasil yang betul. Takrifkan andaian, bentuk output dan bahan sumber yang berkaitan sebelum memilih jumlah penaakulan yang diperlukan oleh tugas.\n\nUntuk masalah yang diselesaikan langkah demi langkah, berikan syarat penuh dan minta langkah penting yang berasas diikuti ungkapan akhir. Untuk tugas kod, berikan keperluan, fungsi yang terjejas dan input konkrit; minta pelaksanaan yang dicadangkan secara berasingan daripada penjelasan dan contoh. Demonstrasi penggunaan pembuat merangkumi kepatuhan arahan, alat pengiraan yang digunakan pada imej dan penaakulan visual, yang menunjukkan cara bukti teks dan visual boleh memasuki tugas berbeza ini.\n\nPengekodan, dokumen dan alat\n\nModel disasarkan untuk penerokaan pangkalan kod dan ejen kejuruteraan perisian, pembantu umum, pemahaman dokumen dan penyelidikan. Permintaan ejen pengekodan boleh menamakan modul yang hendak diubah, antara muka yang perlu dikekalkan dan tingkah laku yang sepatutnya terhasil. Berikan sumber berkaitan dan bukti kegagalan. Model boleh mencadangkan operasi seterusnya atau perubahan kod, manakala aplikasi menyediakan akses repositori, pelaksanaan dan maklum balas.\n\nUntuk pengekstrakan dokumen, kenal pasti medan wajib dan cara mewakili maklumat yang tiada. Rekod yang berguna boleh memisahkan pengecam dokumen, pernyataan sumber, keperluan yang ditafsirkan dan soalan yang belum diselesaikan. Kad perkhidmatan pembuat menyenaraikan output berstruktur tersuai dan soal jawab dokumen; yang kedua menggunakan pemprosesan dokumen dan OCR untuk menyediakan teks dan struktur sebelum analisis model bahasa. Soalan imej langsung dan aliran kerja dokumen berbantukan OCR perlu mengekalkan penyediaan input masing-masing.\n\nPanggilan fungsi memerlukan alat yang diterangkan dengan jelas. Model memilih fungsi dan mencipta argumen; aplikasi melaksanakan operasi dan mengembalikan hasilnya untuk jawapan kemudian. Logik yang sama terpakai sama ada tugas itu carian, pengiraan atau operasi pengekodan. Pemformatan JSON menyusun jawapan, manakala panggilan alat meminta tindakan luaran; kedua-duanya tidak patut dianggap sebagai hasil yang boleh saling ditukar.\n\nKad perkhidmatan turut menyenaraikan output ramalan, awalan respons, pemprosesan kelompok dan perbualan ejen. Output ramalan berguna apabila dokumen atau fail kod mesti dijana semula dengan perubahan terhad sahaja dan kandungan selebihnya diketahui. Nyatakan suntingan dan bahan yang perlu dikekalkan. Penyambungan awalan menggunakan permulaan respons yang diketahui, manakala pemprosesan kelompok berkaitan dengan penghantaran kerja dan bukannya mod penaakulan tambahan.\n\nBatas konteks dan edisi\n\nRancang tugas bertulis, bahan visual, perbualan dan jawapan yang diingini mengikut konteks 256k yang didokumentasikan. Contoh penggunaan yang dikeluarkan mengkonfigurasi konteks 262,144 token, manakala contoh penjanaan 1,024 tokennya bukan kapasiti output maksimum berasingan. Sumber yang dibaca tidak memberikan had keras panjang jawapan bebas untuk menggantikan panjang tugas yang dipilih.\n\nSmall 4 mempunyai seni bina campuran pakar 119B dan mod hibridnya sendiri. Ia tidak patut mewarisi seni bina padat 128B Medium 3.5 atau edisi Instruct dan Reasoning Ministral 3 yang berasingan. Pembuat turut mengeluarkan artifak terkuantum dan penyahkodan spekulatif yang berbeza; itu artifak penyebaran berasingan dan bukannya modaliti kandungan yang berbeza. Kekalkan keluaran Small 4 yang dinamakan dan mod yang diminta untuk penjelasan, rekod berstruktur atau hasil kod sebenar.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Repair a last-line parser\n\nThis Python parser loses a final line without a trailing newline: def lines(text):\n return text.split("\\n")[:-1]\nReturn a corrected function that preserves nonempty final lines, avoids an artificial last empty line when text ends in a newline and returns [] for empty text. Include tests for all three cases.A corrected Python function, a short explanation and tests for newline, no-newline and empty input.Check that the last real line is retained and that only a trailing separator’s artificial empty entry is removed.mistralai/mistral-small-2603Mistral Small 4 ialah model teks dan imej hibrid dengan keupayaan arahan, penaakulan dan pengekodan. Keluaran campuran pakar 119B mengaktifkan 6.5B parameter bagi setiap token dan menyokong konteks 256k yang dinyatakan oleh pembuat, usaha penaakulan boleh pilih, JSON dan panggilan fungsi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Mistral Small 4 menggabungkan kepatuhan arahan umum, penaakulan dan pengekodan dalam satu model multimodal. Pembuat menerangkannya sebagai penyatuan keluarga Instruct, penaakulan Magistral dan pengekodan Devstral. Ia menerima teks dan imej serta mengembalikan teks, dengan panggilan fungsi dan output JSON tersedia untuk aplikasi berbantukan alat.
Seni bina dan ciri utama
Keluaran ini mempunyai jumlah 119 bilion parameter dan mengaktifkan 6.5 bilion bagi setiap token. Seni bina campuran pakarnya mengandungi 128 pakar, dengan 4 aktif, dan pembuat mendokumentasikan tetingkap konteks 256k. Bilangan parameter aktif dan bilangan pakar menerangkan cara model disusun; ia berbeza daripada jumlah kandungan teks atau imej yang dimasukkan dalam satu tugas.
Model menyediakan kefungsian arahan dan penaakulan dalam titik semak yang sama. Pembuat turut mengenal pasti penglihatan, kepatuhan prom sistem dan sokongan berbilang bahasa merangkumi puluhan bahasa, termasuk bahasa Inggeris, Perancis, Sepanyol, Jerman, Itali, Portugis, Belanda, Cina, Jepun, Korea dan Arab. Oleh itu, arahan teks boleh bertanya tentang imej atau menggabungkan keperluan bertulis dengan bukti yang kelihatan, dengan jawapan dikembalikan sebagai teks.
Tugas visual boleh memberikan halaman dokumen dan meminta nilai yang relevan dengan syarat bernama. Pastikan label dan unit boleh dibaca serta nyatakan sama ada hasil perlu mengekalkan ungkapan asal, meringkaskannya atau membandingkannya dengan sumber lain. Tugas antara muka boleh memadankan tangkapan skrin dengan matlamat pengguna dan meminta kawalan berkaitan yang kelihatan serta bukti yang menyokong langkah seterusnya yang dicadangkan.
Memilih mod arahan atau penaakulan
Kad yang dikeluarkan mendokumentasikan usaha penaakulan none untuk jawapan gaya arahan segera dan high untuk penaakulan, dengan high disyorkan untuk prom kompleks. Pilihan dibuat bagi setiap permintaan dalam model Small 4 yang sama. Pengelasan biasa atau penulisan semula pendek boleh mempunyai kontrak jawapan yang berbeza daripada masalah matematik, visual atau pengekodan yang memerlukan penjelasan terperinci.
Pembuat mengesyorkan suhu 0.7 untuk usaha penaakulan high. Untuk none, ia menetapkan suhu antara 0.0 dengan 0.7 mengikut tugas. Tetapan ini menerangkan mod yang didokumentasikan dan tidak menjadikan usaha penaakulan sebagai jaminan hasil yang betul. Takrifkan andaian, bentuk output dan bahan sumber yang berkaitan sebelum memilih jumlah penaakulan yang diperlukan oleh tugas.
Untuk masalah yang diselesaikan langkah demi langkah, berikan syarat penuh dan minta langkah penting yang berasas diikuti ungkapan akhir. Untuk tugas kod, berikan keperluan, fungsi yang terjejas dan input konkrit; minta pelaksanaan yang dicadangkan secara berasingan daripada penjelasan dan contoh. Demonstrasi penggunaan pembuat merangkumi kepatuhan arahan, alat pengiraan yang digunakan pada imej dan penaakulan visual, yang menunjukkan cara bukti teks dan visual boleh memasuki tugas berbeza ini.
Pengekodan, dokumen dan alat
Model disasarkan untuk penerokaan pangkalan kod dan ejen kejuruteraan perisian, pembantu umum, pemahaman dokumen dan penyelidikan. Permintaan ejen pengekodan boleh menamakan modul yang hendak diubah, antara muka yang perlu dikekalkan dan tingkah laku yang sepatutnya terhasil. Berikan sumber berkaitan dan bukti kegagalan. Model boleh mencadangkan operasi seterusnya atau perubahan kod, manakala aplikasi menyediakan akses repositori, pelaksanaan dan maklum balas.
Untuk pengekstrakan dokumen, kenal pasti medan wajib dan cara mewakili maklumat yang tiada. Rekod yang berguna boleh memisahkan pengecam dokumen, pernyataan sumber, keperluan yang ditafsirkan dan soalan yang belum diselesaikan. Kad perkhidmatan pembuat menyenaraikan output berstruktur tersuai dan soal jawab dokumen; yang kedua menggunakan pemprosesan dokumen dan OCR untuk menyediakan teks dan struktur sebelum analisis model bahasa. Soalan imej langsung dan aliran kerja dokumen berbantukan OCR perlu mengekalkan penyediaan input masing-masing.
Panggilan fungsi memerlukan alat yang diterangkan dengan jelas. Model memilih fungsi dan mencipta argumen; aplikasi melaksanakan operasi dan mengembalikan hasilnya untuk jawapan kemudian. Logik yang sama terpakai sama ada tugas itu carian, pengiraan atau operasi pengekodan. Pemformatan JSON menyusun jawapan, manakala panggilan alat meminta tindakan luaran; kedua-duanya tidak patut dianggap sebagai hasil yang boleh saling ditukar.
Kad perkhidmatan turut menyenaraikan output ramalan, awalan respons, pemprosesan kelompok dan perbualan ejen. Output ramalan berguna apabila dokumen atau fail kod mesti dijana semula dengan perubahan terhad sahaja dan kandungan selebihnya diketahui. Nyatakan suntingan dan bahan yang perlu dikekalkan. Penyambungan awalan menggunakan permulaan respons yang diketahui, manakala pemprosesan kelompok berkaitan dengan penghantaran kerja dan bukannya mod penaakulan tambahan.
Batas konteks dan edisi
Rancang tugas bertulis, bahan visual, perbualan dan jawapan yang diingini mengikut konteks 256k yang didokumentasikan. Contoh penggunaan yang dikeluarkan mengkonfigurasi konteks 262,144 token, manakala contoh penjanaan 1,024 tokennya bukan kapasiti output maksimum berasingan. Sumber yang dibaca tidak memberikan had keras panjang jawapan bebas untuk menggantikan panjang tugas yang dipilih.
Small 4 mempunyai seni bina campuran pakar 119B dan mod hibridnya sendiri. Ia tidak patut mewarisi seni bina padat 128B Medium 3.5 atau edisi Instruct dan Reasoning Ministral 3 yang berasingan. Pembuat turut mengeluarkan artifak terkuantum dan penyahkodan spekulatif yang berbeza; itu artifak penyebaran berasingan dan bukannya modaliti kandungan yang berbeza. Kekalkan keluaran Small 4 yang dinamakan dan mod yang diminta untuk penjelasan, rekod berstruktur atau hasil kod sebenar.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had mistralai/mistral-small-2603 | 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 $0.0003 / 1K token Output · Token output $0.0012 / 1K token Input · Bacaan cache $0.00003 / 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 $0.0003 / 1K token Output · Token output $0.0012 / 1K token Input · Bacaan cache $0.00003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-small-2603", "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-small-2603',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-small-2603',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-small-2603
Gunakan laluan kaedah yang dipaparkan di atas.
mistralai/mistral-small-2603Mistral Small 4 ialah model teks dan imej hibrid dengan keupayaan arahan, penaakulan dan pengekodan. Keluaran campuran pakar 119B mengaktifkan 6.5B parameter bagi setiap token dan menyokong konteks 256k yang dinyatakan oleh pembuat, usaha penaakulan boleh pilih, JSON dan panggilan fungsi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Mistral Small 4 menggabungkan kepatuhan arahan umum, penaakulan dan pengekodan dalam satu model multimodal. Pembuat menerangkannya sebagai penyatuan keluarga Instruct, penaakulan Magistral dan pengekodan Devstral. Ia menerima teks dan imej serta mengembalikan teks, dengan panggilan fungsi dan output JSON tersedia untuk aplikasi berbantukan alat.
Seni bina dan ciri utama
Keluaran ini mempunyai jumlah 119 bilion parameter dan mengaktifkan 6.5 bilion bagi setiap token. Seni bina campuran pakarnya mengandungi 128 pakar, dengan 4 aktif, dan pembuat mendokumentasikan tetingkap konteks 256k. Bilangan parameter aktif dan bilangan pakar menerangkan cara model disusun; ia berbeza daripada jumlah kandungan teks atau imej yang dimasukkan dalam satu tugas.
Model menyediakan kefungsian arahan dan penaakulan dalam titik semak yang sama. Pembuat turut mengenal pasti penglihatan, kepatuhan prom sistem dan sokongan berbilang bahasa merangkumi puluhan bahasa, termasuk bahasa Inggeris, Perancis, Sepanyol, Jerman, Itali, Portugis, Belanda, Cina, Jepun, Korea dan Arab. Oleh itu, arahan teks boleh bertanya tentang imej atau menggabungkan keperluan bertulis dengan bukti yang kelihatan, dengan jawapan dikembalikan sebagai teks.
Tugas visual boleh memberikan halaman dokumen dan meminta nilai yang relevan dengan syarat bernama. Pastikan label dan unit boleh dibaca serta nyatakan sama ada hasil perlu mengekalkan ungkapan asal, meringkaskannya atau membandingkannya dengan sumber lain. Tugas antara muka boleh memadankan tangkapan skrin dengan matlamat pengguna dan meminta kawalan berkaitan yang kelihatan serta bukti yang menyokong langkah seterusnya yang dicadangkan.
Memilih mod arahan atau penaakulan
Kad yang dikeluarkan mendokumentasikan usaha penaakulan none untuk jawapan gaya arahan segera dan high untuk penaakulan, dengan high disyorkan untuk prom kompleks. Pilihan dibuat bagi setiap permintaan dalam model Small 4 yang sama. Pengelasan biasa atau penulisan semula pendek boleh mempunyai kontrak jawapan yang berbeza daripada masalah matematik, visual atau pengekodan yang memerlukan penjelasan terperinci.
Pembuat mengesyorkan suhu 0.7 untuk usaha penaakulan high. Untuk none, ia menetapkan suhu antara 0.0 dengan 0.7 mengikut tugas. Tetapan ini menerangkan mod yang didokumentasikan dan tidak menjadikan usaha penaakulan sebagai jaminan hasil yang betul. Takrifkan andaian, bentuk output dan bahan sumber yang berkaitan sebelum memilih jumlah penaakulan yang diperlukan oleh tugas.
Untuk masalah yang diselesaikan langkah demi langkah, berikan syarat penuh dan minta langkah penting yang berasas diikuti ungkapan akhir. Untuk tugas kod, berikan keperluan, fungsi yang terjejas dan input konkrit; minta pelaksanaan yang dicadangkan secara berasingan daripada penjelasan dan contoh. Demonstrasi penggunaan pembuat merangkumi kepatuhan arahan, alat pengiraan yang digunakan pada imej dan penaakulan visual, yang menunjukkan cara bukti teks dan visual boleh memasuki tugas berbeza ini.
Pengekodan, dokumen dan alat
Model disasarkan untuk penerokaan pangkalan kod dan ejen kejuruteraan perisian, pembantu umum, pemahaman dokumen dan penyelidikan. Permintaan ejen pengekodan boleh menamakan modul yang hendak diubah, antara muka yang perlu dikekalkan dan tingkah laku yang sepatutnya terhasil. Berikan sumber berkaitan dan bukti kegagalan. Model boleh mencadangkan operasi seterusnya atau perubahan kod, manakala aplikasi menyediakan akses repositori, pelaksanaan dan maklum balas.
Untuk pengekstrakan dokumen, kenal pasti medan wajib dan cara mewakili maklumat yang tiada. Rekod yang berguna boleh memisahkan pengecam dokumen, pernyataan sumber, keperluan yang ditafsirkan dan soalan yang belum diselesaikan. Kad perkhidmatan pembuat menyenaraikan output berstruktur tersuai dan soal jawab dokumen; yang kedua menggunakan pemprosesan dokumen dan OCR untuk menyediakan teks dan struktur sebelum analisis model bahasa. Soalan imej langsung dan aliran kerja dokumen berbantukan OCR perlu mengekalkan penyediaan input masing-masing.
Panggilan fungsi memerlukan alat yang diterangkan dengan jelas. Model memilih fungsi dan mencipta argumen; aplikasi melaksanakan operasi dan mengembalikan hasilnya untuk jawapan kemudian. Logik yang sama terpakai sama ada tugas itu carian, pengiraan atau operasi pengekodan. Pemformatan JSON menyusun jawapan, manakala panggilan alat meminta tindakan luaran; kedua-duanya tidak patut dianggap sebagai hasil yang boleh saling ditukar.
Kad perkhidmatan turut menyenaraikan output ramalan, awalan respons, pemprosesan kelompok dan perbualan ejen. Output ramalan berguna apabila dokumen atau fail kod mesti dijana semula dengan perubahan terhad sahaja dan kandungan selebihnya diketahui. Nyatakan suntingan dan bahan yang perlu dikekalkan. Penyambungan awalan menggunakan permulaan respons yang diketahui, manakala pemprosesan kelompok berkaitan dengan penghantaran kerja dan bukannya mod penaakulan tambahan.
Batas konteks dan edisi
Rancang tugas bertulis, bahan visual, perbualan dan jawapan yang diingini mengikut konteks 256k yang didokumentasikan. Contoh penggunaan yang dikeluarkan mengkonfigurasi konteks 262,144 token, manakala contoh penjanaan 1,024 tokennya bukan kapasiti output maksimum berasingan. Sumber yang dibaca tidak memberikan had keras panjang jawapan bebas untuk menggantikan panjang tugas yang dipilih.
Small 4 mempunyai seni bina campuran pakar 119B dan mod hibridnya sendiri. Ia tidak patut mewarisi seni bina padat 128B Medium 3.5 atau edisi Instruct dan Reasoning Ministral 3 yang berasingan. Pembuat turut mengeluarkan artifak terkuantum dan penyahkodan spekulatif yang berbeza; itu artifak penyebaran berasingan dan bukannya modaliti kandungan yang berbeza. Kekalkan keluaran Small 4 yang dinamakan dan mod yang diminta untuk penjelasan, rekod berstruktur atau hasil kod sebenar.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had mistralai/mistral-small-2603 | 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 $0.0003 / 1K token Output · Token output $0.0012 / 1K token Input · Bacaan cache $0.00003 / 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 $0.0003 / 1K token Output · Token output $0.0012 / 1K token Input · Bacaan cache $0.00003 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "mistralai/mistral-small-2603",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-small-2603', '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-small-2603', '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-small-2603
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Repair a last-line parser\n\nThis Python parser loses a final line without a trailing newline: def lines(text):\n return text.split("\\n")[:-1]\nReturn a corrected function that preserves nonempty final lines, avoids an artificial last empty line when text ends in a newline and returns [] for empty text. Include tests for all three cases.A corrected Python function, a short explanation and tests for newline, no-newline and empty input.Check that the last real line is retained and that only a trailing separator’s artificial empty entry is removed.