Mistral Small 3.2 24B Instruct 2506 ialah kemas kini bersasar bagi Mistral Small 3.1 24B Instruct 2503. Pembuat mengenal pasti tiga perubahan khusus: mengikuti arahan tepat dengan lebih teliti, mengurangkan jawapan berulang atau berlanjutan tanpa kawalan, dan menjadikan templat panggilan fungsi lebih teguh. Model kekal sebagai model teks dan imej yang dilaraskan untuk mengikuti arahan dan menjana teks, bukannya edisi penjanaan audio atau imej baharu.
Perkara yang berubah dan yang dikekalkan
Kad 3.2 menyatakan secara jelas bahawa ciri utamanya sama dengan keluaran Small 3.1 yang dinamakan. Ciri tersebut merangkumi penglihatan, kerja berbilang bahasa, sokongan prom sistem, panggilan fungsi asli, output JSON dan tetingkap konteks 128k. Kad 3.1 yang dirujuk menerangkan model dengan 24 bilion parameter dan pentoken Tekken dengan kosa kata berlabel 131k. Hubungan yang didokumentasikan ini menyokong pemindahan ciri tersebut kepada 3.2 sambil mengekalkan kemas kini 2506 sebagai edisinya sendiri.
Tumpuan kepatuhan arahan penting apabila hasil mempunyai beberapa keperluan tepat. Berikan bahan sumber, senaraikan peraturan yang mesti dipenuhi oleh output dan nyatakan artifak yang perlu dikembalikan. Permintaan pengekstrakan dokumen mungkin memerlukan medan yang ditetapkan, pengecam asal, perwakilan nilai yang tiada yang ditentukan dan tiada prosa di luar rekod. Tugas penulisan mungkin memerlukan khalayak dan susunan bahagian tertentu sambil mengekalkan syarat yang diberikan tanpa perubahan.
Perubahan pengulangan menangani tingkah laku penjanaan dan bukannya menambah mod penaakulan baharu. Untuk jawapan panjang, takrifkan bahagian wajib dan tujuan setiap satu supaya permintaan mempunyai titik henti yang jelas. Perubahan templat fungsi berkaitan dengan cara perbualan yang menggunakan alat diwakili; gunakan tetapan perbualan dan pentoken edisi yang sepadan dan jangan anggap contoh pemformatan lama boleh saling ditukar.
Tugas visual dan berbilang bahasa
Ciri penglihatan yang diwarisi membolehkan soalan teks dipadankan dengan imej. Berikan halaman, carta atau rajah yang boleh dibaca dan kenal pasti butiran yang diperlukan oleh tugas. Untuk perbandingan carta, kekalkan paksi, unit dan petunjuk serta minta pemerhatian yang menyokong setiap kesimpulan. Untuk medan dokumen, kekalkan label dan konteks sekeliling supaya nilai yang dikembalikan boleh ditafsirkan dengan betul.
Liputan bahasa yang didokumentasikan merangkumi bahasa Rusia, Inggeris, Perancis, Jerman, Sepanyol, Itali, Portugis, Cina, Jepun, Korea, Arab, Parsi, Hindi, Benggali dan bahasa lain yang disenaraikan oleh pembuat. Nyatakan bahasa akhir dan sebarang istilah yang perlu dikekalkan tanpa perubahan. Tugas dokumen dwibahasa boleh mengekalkan pengecam dan unit sambil menyesuaikan penjelasan sekeliling kepada pembaca.
Untuk pengekstrakan visual praktikal, minta pengecam dokumen, label medan, teks yang diekstrak dan bahagian imej yang menyokongnya. Penjelasan boleh menyusul secara berasingan jika pembaca memerlukan tafsiran. Ini mengelakkan transkripsi, medan berstruktur dan kesimpulan model daripada menjadi satu hasil yang tidak dapat dibezakan.
Arahan sistem dan alat
Kad 3.2 mengesyorkan prom sistem yang disesuaikan dengan kes penggunaan dan suhu yang agak rendah, seperti 0.15. Tetapkan peranan pembantu, peraturan respons dan cara menangani bahan sumber secara jelas. Letakkan dokumen atau kod sebenar bersama tugas pengguna, sambil mengekalkan batas antara arahan tentang jawapan dengan arahan yang dipetik dalam sumber.
Panggilan fungsi memerlukan aplikasi membekalkan perihalan alat dan argumen wajib. Model menyediakan panggilan, aplikasi melaksanakan fungsi dan mengembalikan hasilnya, dan jawapan seterusnya menggunakan maklumat itu. Contoh yang dikeluarkan merangkumi penaakulan visual, panggilan alat dan arahan teks sahaja. Oleh itu, tugas carian boleh meminta model memilih operasi yang diterangkan sambil menyerahkan carian sebenar dan hasilnya kepada aplikasi sekeliling.
Untuk permintaan pengekodan, berikan fungsi berkaitan, input yang mendedahkan masalah dan tingkah laku yang sepatutnya terhasil. Minta pembetulan yang dicadangkan dengan antara muka asal dikekalkan, kemudian contoh yang membezakan tingkah laku yang dimaksudkan. Untuk permintaan matematik, takrifkan pemboleh ubah dan andaian serta minta langkah penting yang berasas dan ungkapan akhir berasingan. Ini ialah aplikasi keupayaan pengaturcaraan dan penaakulan yang diwarisi; pelaksanaan kod yang dicadangkan kekal sebagai langkah berasingan.
Batas konteks dan edisi
Gunakan tetingkap 128k untuk petikan sumber, imej, perbualan dan jawapan yang dijangka bersama. Perbandingan dokumen besar boleh mengekalkan bahagian berkaitan sambil mengembalikan matriks dapatan yang pendek. Peruntukan imej terkonfigurasi yang besar atau nilai penjanaan yang muncul dalam contoh penyajian bukan kapasiti maksimum model yang dinyatakan secara berasingan.
Small 3.2 ialah kemas kini arahan dengan input visual yang didokumentasikan, bukannya Small 3 2501 teks sahaja atau keluaran penaakulan hibrid Small 4. Kad pembuat tidak memberikan had keras token output berasingan untuk entri ini. Kekalkan identiti 2506 dan pemformatannya yang tepat, dan takrifkan rekod berstruktur, penjelasan atau cadangan kod yang diperlukan oleh langkah seterusnya.
", "aboutText": "Mistral Small 3.2 24B Instruct 2506 ialah kemas kini bersasar bagi Mistral Small 3.1 24B Instruct 2503. Pembuat mengenal pasti tiga perubahan khusus: mengikuti arahan tepat dengan lebih teliti, mengurangkan jawapan berulang atau berlanjutan tanpa kawalan, dan menjadikan templat panggilan fungsi lebih teguh. Model kekal sebagai model teks dan imej yang dilaraskan untuk mengikuti arahan dan menjana teks, bukannya edisi penjanaan audio atau imej baharu.\n\nPerkara yang berubah dan yang dikekalkan\n\nKad 3.2 menyatakan secara jelas bahawa ciri utamanya sama dengan keluaran Small 3.1 yang dinamakan. Ciri tersebut merangkumi penglihatan, kerja berbilang bahasa, sokongan prom sistem, panggilan fungsi asli, output JSON dan tetingkap konteks 128k. Kad 3.1 yang dirujuk menerangkan model dengan 24 bilion parameter dan pentoken Tekken dengan kosa kata berlabel 131k. Hubungan yang didokumentasikan ini menyokong pemindahan ciri tersebut kepada 3.2 sambil mengekalkan kemas kini 2506 sebagai edisinya sendiri.\n\nTumpuan kepatuhan arahan penting apabila hasil mempunyai beberapa keperluan tepat. Berikan bahan sumber, senaraikan peraturan yang mesti dipenuhi oleh output dan nyatakan artifak yang perlu dikembalikan. Permintaan pengekstrakan dokumen mungkin memerlukan medan yang ditetapkan, pengecam asal, perwakilan nilai yang tiada yang ditentukan dan tiada prosa di luar rekod. Tugas penulisan mungkin memerlukan khalayak dan susunan bahagian tertentu sambil mengekalkan syarat yang diberikan tanpa perubahan.\n\nPerubahan pengulangan menangani tingkah laku penjanaan dan bukannya menambah mod penaakulan baharu. Untuk jawapan panjang, takrifkan bahagian wajib dan tujuan setiap satu supaya permintaan mempunyai titik henti yang jelas. Perubahan templat fungsi berkaitan dengan cara perbualan yang menggunakan alat diwakili; gunakan tetapan perbualan dan pentoken edisi yang sepadan dan jangan anggap contoh pemformatan lama boleh saling ditukar.\n\nTugas visual dan berbilang bahasa\n\nCiri penglihatan yang diwarisi membolehkan soalan teks dipadankan dengan imej. Berikan halaman, carta atau rajah yang boleh dibaca dan kenal pasti butiran yang diperlukan oleh tugas. Untuk perbandingan carta, kekalkan paksi, unit dan petunjuk serta minta pemerhatian yang menyokong setiap kesimpulan. Untuk medan dokumen, kekalkan label dan konteks sekeliling supaya nilai yang dikembalikan boleh ditafsirkan dengan betul.\n\nLiputan bahasa yang didokumentasikan merangkumi bahasa Rusia, Inggeris, Perancis, Jerman, Sepanyol, Itali, Portugis, Cina, Jepun, Korea, Arab, Parsi, Hindi, Benggali dan bahasa lain yang disenaraikan oleh pembuat. Nyatakan bahasa akhir dan sebarang istilah yang perlu dikekalkan tanpa perubahan. Tugas dokumen dwibahasa boleh mengekalkan pengecam dan unit sambil menyesuaikan penjelasan sekeliling kepada pembaca.\n\nUntuk pengekstrakan visual praktikal, minta pengecam dokumen, label medan, teks yang diekstrak dan bahagian imej yang menyokongnya. Penjelasan boleh menyusul secara berasingan jika pembaca memerlukan tafsiran. Ini mengelakkan transkripsi, medan berstruktur dan kesimpulan model daripada menjadi satu hasil yang tidak dapat dibezakan.\n\nArahan sistem dan alat\n\nKad 3.2 mengesyorkan prom sistem yang disesuaikan dengan kes penggunaan dan suhu yang agak rendah, seperti 0.15. Tetapkan peranan pembantu, peraturan respons dan cara menangani bahan sumber secara jelas. Letakkan dokumen atau kod sebenar bersama tugas pengguna, sambil mengekalkan batas antara arahan tentang jawapan dengan arahan yang dipetik dalam sumber.\n\nPanggilan fungsi memerlukan aplikasi membekalkan perihalan alat dan argumen wajib. Model menyediakan panggilan, aplikasi melaksanakan fungsi dan mengembalikan hasilnya, dan jawapan seterusnya menggunakan maklumat itu. Contoh yang dikeluarkan merangkumi penaakulan visual, panggilan alat dan arahan teks sahaja. Oleh itu, tugas carian boleh meminta model memilih operasi yang diterangkan sambil menyerahkan carian sebenar dan hasilnya kepada aplikasi sekeliling.\n\nUntuk permintaan pengekodan, berikan fungsi berkaitan, input yang mendedahkan masalah dan tingkah laku yang sepatutnya terhasil. Minta pembetulan yang dicadangkan dengan antara muka asal dikekalkan, kemudian contoh yang membezakan tingkah laku yang dimaksudkan. Untuk permintaan matematik, takrifkan pemboleh ubah dan andaian serta minta langkah penting yang berasas dan ungkapan akhir berasingan. Ini ialah aplikasi keupayaan pengaturcaraan dan penaakulan yang diwarisi; pelaksanaan kod yang dicadangkan kekal sebagai langkah berasingan.\n\nBatas konteks dan edisi\n\nGunakan tetingkap 128k untuk petikan sumber, imej, perbualan dan jawapan yang dijangka bersama. Perbandingan dokumen besar boleh mengekalkan bahagian berkaitan sambil mengembalikan matriks dapatan yang pendek. Peruntukan imej terkonfigurasi yang besar atau nilai penjanaan yang muncul dalam contoh penyajian bukan kapasiti maksimum model yang dinyatakan secara berasingan.\n\nSmall 3.2 ialah kemas kini arahan dengan input visual yang didokumentasikan, bukannya Small 3 2501 teks sahaja atau keluaran penaakulan hibrid Small 4. Kad pembuat tidak memberikan had keras token output berasingan untuk entri ini. Kekalkan identiti 2506 dan pemformatannya yang tepat, dan takrifkan rekod berstruktur, penjelasan atau cadangan kod yang diperlukan oleh langkah seterusnya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.mistralai/mistral-small-3.2-24b-instructMistral Small 3.2 24B Instruct ialah model arahan teks dan imej dengan konteks 128k yang dinyatakan oleh pembuat. Kemas kini 2506 secara khusus meningkatkan kepatuhan arahan yang tepat, mengurangkan pengulangan dan mengukuhkan templat panggilan fungsi sambil mengekalkan ciri teras Small 3.1.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Mistral Small 3.2 24B Instruct 2506 ialah kemas kini bersasar bagi Mistral Small 3.1 24B Instruct 2503. Pembuat mengenal pasti tiga perubahan khusus: mengikuti arahan tepat dengan lebih teliti, mengurangkan jawapan berulang atau berlanjutan tanpa kawalan, dan menjadikan templat panggilan fungsi lebih teguh. Model kekal sebagai model teks dan imej yang dilaraskan untuk mengikuti arahan dan menjana teks, bukannya edisi penjanaan audio atau imej baharu.
Perkara yang berubah dan yang dikekalkan
Kad 3.2 menyatakan secara jelas bahawa ciri utamanya sama dengan keluaran Small 3.1 yang dinamakan. Ciri tersebut merangkumi penglihatan, kerja berbilang bahasa, sokongan prom sistem, panggilan fungsi asli, output JSON dan tetingkap konteks 128k. Kad 3.1 yang dirujuk menerangkan model dengan 24 bilion parameter dan pentoken Tekken dengan kosa kata berlabel 131k. Hubungan yang didokumentasikan ini menyokong pemindahan ciri tersebut kepada 3.2 sambil mengekalkan kemas kini 2506 sebagai edisinya sendiri.
Tumpuan kepatuhan arahan penting apabila hasil mempunyai beberapa keperluan tepat. Berikan bahan sumber, senaraikan peraturan yang mesti dipenuhi oleh output dan nyatakan artifak yang perlu dikembalikan. Permintaan pengekstrakan dokumen mungkin memerlukan medan yang ditetapkan, pengecam asal, perwakilan nilai yang tiada yang ditentukan dan tiada prosa di luar rekod. Tugas penulisan mungkin memerlukan khalayak dan susunan bahagian tertentu sambil mengekalkan syarat yang diberikan tanpa perubahan.
Perubahan pengulangan menangani tingkah laku penjanaan dan bukannya menambah mod penaakulan baharu. Untuk jawapan panjang, takrifkan bahagian wajib dan tujuan setiap satu supaya permintaan mempunyai titik henti yang jelas. Perubahan templat fungsi berkaitan dengan cara perbualan yang menggunakan alat diwakili; gunakan tetapan perbualan dan pentoken edisi yang sepadan dan jangan anggap contoh pemformatan lama boleh saling ditukar.
Tugas visual dan berbilang bahasa
Ciri penglihatan yang diwarisi membolehkan soalan teks dipadankan dengan imej. Berikan halaman, carta atau rajah yang boleh dibaca dan kenal pasti butiran yang diperlukan oleh tugas. Untuk perbandingan carta, kekalkan paksi, unit dan petunjuk serta minta pemerhatian yang menyokong setiap kesimpulan. Untuk medan dokumen, kekalkan label dan konteks sekeliling supaya nilai yang dikembalikan boleh ditafsirkan dengan betul.
Liputan bahasa yang didokumentasikan merangkumi bahasa Rusia, Inggeris, Perancis, Jerman, Sepanyol, Itali, Portugis, Cina, Jepun, Korea, Arab, Parsi, Hindi, Benggali dan bahasa lain yang disenaraikan oleh pembuat. Nyatakan bahasa akhir dan sebarang istilah yang perlu dikekalkan tanpa perubahan. Tugas dokumen dwibahasa boleh mengekalkan pengecam dan unit sambil menyesuaikan penjelasan sekeliling kepada pembaca.
Untuk pengekstrakan visual praktikal, minta pengecam dokumen, label medan, teks yang diekstrak dan bahagian imej yang menyokongnya. Penjelasan boleh menyusul secara berasingan jika pembaca memerlukan tafsiran. Ini mengelakkan transkripsi, medan berstruktur dan kesimpulan model daripada menjadi satu hasil yang tidak dapat dibezakan.
Arahan sistem dan alat
Kad 3.2 mengesyorkan prom sistem yang disesuaikan dengan kes penggunaan dan suhu yang agak rendah, seperti 0.15. Tetapkan peranan pembantu, peraturan respons dan cara menangani bahan sumber secara jelas. Letakkan dokumen atau kod sebenar bersama tugas pengguna, sambil mengekalkan batas antara arahan tentang jawapan dengan arahan yang dipetik dalam sumber.
Panggilan fungsi memerlukan aplikasi membekalkan perihalan alat dan argumen wajib. Model menyediakan panggilan, aplikasi melaksanakan fungsi dan mengembalikan hasilnya, dan jawapan seterusnya menggunakan maklumat itu. Contoh yang dikeluarkan merangkumi penaakulan visual, panggilan alat dan arahan teks sahaja. Oleh itu, tugas carian boleh meminta model memilih operasi yang diterangkan sambil menyerahkan carian sebenar dan hasilnya kepada aplikasi sekeliling.
Untuk permintaan pengekodan, berikan fungsi berkaitan, input yang mendedahkan masalah dan tingkah laku yang sepatutnya terhasil. Minta pembetulan yang dicadangkan dengan antara muka asal dikekalkan, kemudian contoh yang membezakan tingkah laku yang dimaksudkan. Untuk permintaan matematik, takrifkan pemboleh ubah dan andaian serta minta langkah penting yang berasas dan ungkapan akhir berasingan. Ini ialah aplikasi keupayaan pengaturcaraan dan penaakulan yang diwarisi; pelaksanaan kod yang dicadangkan kekal sebagai langkah berasingan.
Batas konteks dan edisi
Gunakan tetingkap 128k untuk petikan sumber, imej, perbualan dan jawapan yang dijangka bersama. Perbandingan dokumen besar boleh mengekalkan bahagian berkaitan sambil mengembalikan matriks dapatan yang pendek. Peruntukan imej terkonfigurasi yang besar atau nilai penjanaan yang muncul dalam contoh penyajian bukan kapasiti maksimum model yang dinyatakan secara berasingan.
Small 3.2 ialah kemas kini arahan dengan input visual yang didokumentasikan, bukannya Small 3 2501 teks sahaja atau keluaran penaakulan hibrid Small 4. Kad pembuat tidak memberikan had keras token output berasingan untuk entri ini. Kekalkan identiti 2506 dan pemformatannya yang tepat, dan takrifkan rekod berstruktur, penjelasan atau cadangan kod yang diperlukan oleh langkah seterusnya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K token Output · Token output $0.0006 / 1K token Input · Bacaan cache $0.00002 / 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 $0.0002 / 1K token Output · Token output $0.0006 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${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-3.2-24b-instruct", "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-3.2-24b-instruct',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-3.2-24b-instruct',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-3.2-24b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
mistralai/mistral-small-3.2-24b-instructMistral Small 3.2 24B Instruct ialah model arahan teks dan imej dengan konteks 128k yang dinyatakan oleh pembuat. Kemas kini 2506 secara khusus meningkatkan kepatuhan arahan yang tepat, mengurangkan pengulangan dan mengukuhkan templat panggilan fungsi sambil mengekalkan ciri teras Small 3.1.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Mistral Small 3.2 24B Instruct 2506 ialah kemas kini bersasar bagi Mistral Small 3.1 24B Instruct 2503. Pembuat mengenal pasti tiga perubahan khusus: mengikuti arahan tepat dengan lebih teliti, mengurangkan jawapan berulang atau berlanjutan tanpa kawalan, dan menjadikan templat panggilan fungsi lebih teguh. Model kekal sebagai model teks dan imej yang dilaraskan untuk mengikuti arahan dan menjana teks, bukannya edisi penjanaan audio atau imej baharu.
Perkara yang berubah dan yang dikekalkan
Kad 3.2 menyatakan secara jelas bahawa ciri utamanya sama dengan keluaran Small 3.1 yang dinamakan. Ciri tersebut merangkumi penglihatan, kerja berbilang bahasa, sokongan prom sistem, panggilan fungsi asli, output JSON dan tetingkap konteks 128k. Kad 3.1 yang dirujuk menerangkan model dengan 24 bilion parameter dan pentoken Tekken dengan kosa kata berlabel 131k. Hubungan yang didokumentasikan ini menyokong pemindahan ciri tersebut kepada 3.2 sambil mengekalkan kemas kini 2506 sebagai edisinya sendiri.
Tumpuan kepatuhan arahan penting apabila hasil mempunyai beberapa keperluan tepat. Berikan bahan sumber, senaraikan peraturan yang mesti dipenuhi oleh output dan nyatakan artifak yang perlu dikembalikan. Permintaan pengekstrakan dokumen mungkin memerlukan medan yang ditetapkan, pengecam asal, perwakilan nilai yang tiada yang ditentukan dan tiada prosa di luar rekod. Tugas penulisan mungkin memerlukan khalayak dan susunan bahagian tertentu sambil mengekalkan syarat yang diberikan tanpa perubahan.
Perubahan pengulangan menangani tingkah laku penjanaan dan bukannya menambah mod penaakulan baharu. Untuk jawapan panjang, takrifkan bahagian wajib dan tujuan setiap satu supaya permintaan mempunyai titik henti yang jelas. Perubahan templat fungsi berkaitan dengan cara perbualan yang menggunakan alat diwakili; gunakan tetapan perbualan dan pentoken edisi yang sepadan dan jangan anggap contoh pemformatan lama boleh saling ditukar.
Tugas visual dan berbilang bahasa
Ciri penglihatan yang diwarisi membolehkan soalan teks dipadankan dengan imej. Berikan halaman, carta atau rajah yang boleh dibaca dan kenal pasti butiran yang diperlukan oleh tugas. Untuk perbandingan carta, kekalkan paksi, unit dan petunjuk serta minta pemerhatian yang menyokong setiap kesimpulan. Untuk medan dokumen, kekalkan label dan konteks sekeliling supaya nilai yang dikembalikan boleh ditafsirkan dengan betul.
Liputan bahasa yang didokumentasikan merangkumi bahasa Rusia, Inggeris, Perancis, Jerman, Sepanyol, Itali, Portugis, Cina, Jepun, Korea, Arab, Parsi, Hindi, Benggali dan bahasa lain yang disenaraikan oleh pembuat. Nyatakan bahasa akhir dan sebarang istilah yang perlu dikekalkan tanpa perubahan. Tugas dokumen dwibahasa boleh mengekalkan pengecam dan unit sambil menyesuaikan penjelasan sekeliling kepada pembaca.
Untuk pengekstrakan visual praktikal, minta pengecam dokumen, label medan, teks yang diekstrak dan bahagian imej yang menyokongnya. Penjelasan boleh menyusul secara berasingan jika pembaca memerlukan tafsiran. Ini mengelakkan transkripsi, medan berstruktur dan kesimpulan model daripada menjadi satu hasil yang tidak dapat dibezakan.
Arahan sistem dan alat
Kad 3.2 mengesyorkan prom sistem yang disesuaikan dengan kes penggunaan dan suhu yang agak rendah, seperti 0.15. Tetapkan peranan pembantu, peraturan respons dan cara menangani bahan sumber secara jelas. Letakkan dokumen atau kod sebenar bersama tugas pengguna, sambil mengekalkan batas antara arahan tentang jawapan dengan arahan yang dipetik dalam sumber.
Panggilan fungsi memerlukan aplikasi membekalkan perihalan alat dan argumen wajib. Model menyediakan panggilan, aplikasi melaksanakan fungsi dan mengembalikan hasilnya, dan jawapan seterusnya menggunakan maklumat itu. Contoh yang dikeluarkan merangkumi penaakulan visual, panggilan alat dan arahan teks sahaja. Oleh itu, tugas carian boleh meminta model memilih operasi yang diterangkan sambil menyerahkan carian sebenar dan hasilnya kepada aplikasi sekeliling.
Untuk permintaan pengekodan, berikan fungsi berkaitan, input yang mendedahkan masalah dan tingkah laku yang sepatutnya terhasil. Minta pembetulan yang dicadangkan dengan antara muka asal dikekalkan, kemudian contoh yang membezakan tingkah laku yang dimaksudkan. Untuk permintaan matematik, takrifkan pemboleh ubah dan andaian serta minta langkah penting yang berasas dan ungkapan akhir berasingan. Ini ialah aplikasi keupayaan pengaturcaraan dan penaakulan yang diwarisi; pelaksanaan kod yang dicadangkan kekal sebagai langkah berasingan.
Batas konteks dan edisi
Gunakan tetingkap 128k untuk petikan sumber, imej, perbualan dan jawapan yang dijangka bersama. Perbandingan dokumen besar boleh mengekalkan bahagian berkaitan sambil mengembalikan matriks dapatan yang pendek. Peruntukan imej terkonfigurasi yang besar atau nilai penjanaan yang muncul dalam contoh penyajian bukan kapasiti maksimum model yang dinyatakan secara berasingan.
Small 3.2 ialah kemas kini arahan dengan input visual yang didokumentasikan, bukannya Small 3 2501 teks sahaja atau keluaran penaakulan hibrid Small 4. Kad pembuat tidak memberikan had keras token output berasingan untuk entri ini. Kekalkan identiti 2506 dan pemformatannya yang tepat, dan takrifkan rekod berstruktur, penjelasan atau cadangan kod yang diperlukan oleh langkah seterusnya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K token Output · Token output $0.0006 / 1K token Input · Bacaan cache $0.00002 / 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 $0.0002 / 1K token Output · Token output $0.0006 / 1K token Input · Bacaan cache $0.00002 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "mistralai/mistral-small-3.2-24b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.2-24b-instruct', '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-3.2-24b-instruct', '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-3.2-24b-instruct
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.