Mistral Medium 3.1 er en multimodal Mistral AI-utgave for tekstlig og visuell forståelse. Produsenten beskriver denne revisjonen som en forbedring av tone og ytelse innen Medium 3-linjen. Den tar imot tekst og bilder og produserer tekst: en forklaring, et dokumentsvar, en strukturert datapost eller et foreslått funksjonskall. Produsentens faste identifikator for denne utgaven er mistral-medium-2508.
Kontekst og den spesifikke utgaven
Modellsiden dokumenterer et kontekstvindu på 128k. Bruk det til å holde relaterte kildeutdrag, bildebevis, samtalen og brukerens oppgave samlet. Identifiser dokumentrollene og spørsmålet som skal besvares, før du gir en stor samling. En lang kontekst kan støtte en målrettet sammenligning mens det endelige artefaktet forblir en kort tabell eller et revidert avsnitt.
Medium 3.1 beholder sin egen spesifikasjon. Konteksten på 256k, den tette arkitekturen med 128 milliarder parametere og de konfigurerbare hybride resonneringsmodusene beskrevet for Medium 3.5 skal ikke tilskrives denne oppføringen. Siden for 3.1 gir ikke et parameterantall eller et separat tall for maksimal svarlengde som trygt kan erstattes med tallet fra den senere modellen.
Strukturerte utdata og funksjoner
Produsenten lister strukturerte utdata, funksjonskall og forhåndsangitte utdata blant funksjonene i denne utgaven. For en strukturert uttrekksoppgave definerer du de påkrevde feltene, forventede typer og behandlingen av informasjon som mangler i kilden. En datapost kan inneholde dokumentidentifikatoren, det uttrukne utsagnet, kildeplasseringen og spørsmålet som gjenstår. Be bare om dataposten når et program skal tolke den, eller hold en løpende forklaring separat når noen må undersøke tolkningen.
Mistrals felles dokumentasjon om strukturerte utdata skiller JSON-modus fra et tilpasset skjema. JSON-modus krever en eksplisitt instruksjon om det ønskede JSON-formatet, mens den tilpassede veien definerer en mer spesifikk struktur. Dette er formatering av tekstresultatet, ikke en ny innholdsmodalitet eller en ekstern handling.
For funksjoner definerer applikasjonen den tilgjengelige operasjonen og argumentene, modellen velger et passende kall og forbereder verdiene, og applikasjonen utfører det. Resultatet blir deretter informasjon for neste svar. En dokumentassistent kan bruke et oppslag til å innhente manglende referansedata, men bare hvis den omkringliggende applikasjonen stiller oppslaget til rådighet og returnerer det faktiske resultatet. Hold det foreslåtte kallet og de returnerte dataene knyttet til hverandre.
Forhåndsangitte redigeringer og svarprefikser
Forhåndsangitte utdata er nyttig når det meste av ønsket resultat allerede er kjent, som et dokument eller en kodefil som trenger en avgrenset redigering. Gi det eksisterende innholdet og beskriv endringen presist, inkludert det som skal forbli uendret. En forespørsel kan oppdatere terminologien i ett avsnitt eller erstatte én implementasjonsdetalj mens resten av dokumentet bevares. Prediksjonen inneholder forventet utdatainnhold fremfor en fullført endring brukt i en fil.
Modellsiden lister også videreføring fra svarprefiks. I produsentens chatdokumentasjon gir et prefiks en kjent start på assistentens svar, og deretter fortsetter genereringen. En kjent start og en forhåndsangitt svartekst løser ulike forberedelsesproblemer. Satsvis behandling og agent-/samtalegrensesnitt er tilsvarende arbeidsflytfunksjoner, fremfor separate bilde-, lyd- eller resonneringsutgaver av Medium 3.1.
Dokument- og bildespørsmål
Den oppførte Document QnA-flyten kombinerer tekst, struktur og formatering klargjort med OCR med språkmodellanalyse. Spør om den bestemte betingelsen, passasjen eller sammenhengen oppgaven krever. En sammenligning kan identifisere kildedokumentene og be om felles utsagn, konflikter og uavklarte detaljer, med kildeplasseringen ved hvert funn.
Produsentens synsveiledning inkluderer uttrykkelig Medium 3.1. Et direkte visuelt spørsmål kan gi et lesbart diagram, dokumentbilde eller skjermbilde og spørre hvilke synlige bevis som underbygger en konklusjon. Bevar akser, enheter, etiketter og konteksten rundt et beskåret felt. Hvis flere bilder oppgis, identifiserer du rekkefølgen og rollen deres fremfor å overlate til modellen å utlede hvilket som er originalen, revisjonen eller referansen.
Kombiner for eksempel et skriftlig prosesskrav med et skjermbilde og be om en tabell med synlige samsvar, forskjeller og spørsmål som krever mer informasjon. En annen oppgave kan gi to versjoner av et dokument og be om et revidert utdrag som bevarer de felles betingelsene samtidig som en navngitt inkonsekvens løses. Dette er foreslåtte anvendelser av de dokumenterte visuelle funksjonene, dokumentfunksjonene og redigeringsfunksjonene, med det påkrevde resultatet definert på forhånd.
Forberedelse av det endelige artefaktet
Gi assistenten en tydelig rolle, kildematerialet som skal brukes, og svarformen. Hold varige svarregler atskilt fra dokumentet som undersøkes, og angi målspråk og terminologi. Et nyttig svar kan skille et uttrukket faktum, kilden og en tolkning, slik at det blir lettere å undersøke enn ett samlet sammendrag.
Det dokumenterte resultatet forblir tekst. Eksterne verktøy, filendringer og videre dokumentbehandling tilhører applikasjonen som er koblet til samtalen. Bevar den navngitte Medium 3.1-utgaven og konteksten på 128k, og be om forklaringen, den strukturerte dataposten eller den målrettede revisjonen neste steg faktisk trenger.
", "aboutText": "Mistral Medium 3.1 er en multimodal Mistral AI-utgave for tekstlig og visuell forståelse. Produsenten beskriver denne revisjonen som en forbedring av tone og ytelse innen Medium 3-linjen. Den tar imot tekst og bilder og produserer tekst: en forklaring, et dokumentsvar, en strukturert datapost eller et foreslått funksjonskall. Produsentens faste identifikator for denne utgaven er mistral-medium-2508.\n\nKontekst og den spesifikke utgaven\n\nModellsiden dokumenterer et kontekstvindu på 128k. Bruk det til å holde relaterte kildeutdrag, bildebevis, samtalen og brukerens oppgave samlet. Identifiser dokumentrollene og spørsmålet som skal besvares, før du gir en stor samling. En lang kontekst kan støtte en målrettet sammenligning mens det endelige artefaktet forblir en kort tabell eller et revidert avsnitt.\n\nMedium 3.1 beholder sin egen spesifikasjon. Konteksten på 256k, den tette arkitekturen med 128 milliarder parametere og de konfigurerbare hybride resonneringsmodusene beskrevet for Medium 3.5 skal ikke tilskrives denne oppføringen. Siden for 3.1 gir ikke et parameterantall eller et separat tall for maksimal svarlengde som trygt kan erstattes med tallet fra den senere modellen.\n\nStrukturerte utdata og funksjoner\n\nProdusenten lister strukturerte utdata, funksjonskall og forhåndsangitte utdata blant funksjonene i denne utgaven. For en strukturert uttrekksoppgave definerer du de påkrevde feltene, forventede typer og behandlingen av informasjon som mangler i kilden. En datapost kan inneholde dokumentidentifikatoren, det uttrukne utsagnet, kildeplasseringen og spørsmålet som gjenstår. Be bare om dataposten når et program skal tolke den, eller hold en løpende forklaring separat når noen må undersøke tolkningen.\n\nMistrals felles dokumentasjon om strukturerte utdata skiller JSON-modus fra et tilpasset skjema. JSON-modus krever en eksplisitt instruksjon om det ønskede JSON-formatet, mens den tilpassede veien definerer en mer spesifikk struktur. Dette er formatering av tekstresultatet, ikke en ny innholdsmodalitet eller en ekstern handling.\n\nFor funksjoner definerer applikasjonen den tilgjengelige operasjonen og argumentene, modellen velger et passende kall og forbereder verdiene, og applikasjonen utfører det. Resultatet blir deretter informasjon for neste svar. En dokumentassistent kan bruke et oppslag til å innhente manglende referansedata, men bare hvis den omkringliggende applikasjonen stiller oppslaget til rådighet og returnerer det faktiske resultatet. Hold det foreslåtte kallet og de returnerte dataene knyttet til hverandre.\n\nForhåndsangitte redigeringer og svarprefikser\n\nForhåndsangitte utdata er nyttig når det meste av ønsket resultat allerede er kjent, som et dokument eller en kodefil som trenger en avgrenset redigering. Gi det eksisterende innholdet og beskriv endringen presist, inkludert det som skal forbli uendret. En forespørsel kan oppdatere terminologien i ett avsnitt eller erstatte én implementasjonsdetalj mens resten av dokumentet bevares. Prediksjonen inneholder forventet utdatainnhold fremfor en fullført endring brukt i en fil.\n\nModellsiden lister også videreføring fra svarprefiks. I produsentens chatdokumentasjon gir et prefiks en kjent start på assistentens svar, og deretter fortsetter genereringen. En kjent start og en forhåndsangitt svartekst løser ulike forberedelsesproblemer. Satsvis behandling og agent-/samtalegrensesnitt er tilsvarende arbeidsflytfunksjoner, fremfor separate bilde-, lyd- eller resonneringsutgaver av Medium 3.1.\n\nDokument- og bildespørsmål\n\nDen oppførte Document QnA-flyten kombinerer tekst, struktur og formatering klargjort med OCR med språkmodellanalyse. Spør om den bestemte betingelsen, passasjen eller sammenhengen oppgaven krever. En sammenligning kan identifisere kildedokumentene og be om felles utsagn, konflikter og uavklarte detaljer, med kildeplasseringen ved hvert funn.\n\nProdusentens synsveiledning inkluderer uttrykkelig Medium 3.1. Et direkte visuelt spørsmål kan gi et lesbart diagram, dokumentbilde eller skjermbilde og spørre hvilke synlige bevis som underbygger en konklusjon. Bevar akser, enheter, etiketter og konteksten rundt et beskåret felt. Hvis flere bilder oppgis, identifiserer du rekkefølgen og rollen deres fremfor å overlate til modellen å utlede hvilket som er originalen, revisjonen eller referansen.\n\nKombiner for eksempel et skriftlig prosesskrav med et skjermbilde og be om en tabell med synlige samsvar, forskjeller og spørsmål som krever mer informasjon. En annen oppgave kan gi to versjoner av et dokument og be om et revidert utdrag som bevarer de felles betingelsene samtidig som en navngitt inkonsekvens løses. Dette er foreslåtte anvendelser av de dokumenterte visuelle funksjonene, dokumentfunksjonene og redigeringsfunksjonene, med det påkrevde resultatet definert på forhånd.\n\nForberedelse av det endelige artefaktet\n\nGi assistenten en tydelig rolle, kildematerialet som skal brukes, og svarformen. Hold varige svarregler atskilt fra dokumentet som undersøkes, og angi målspråk og terminologi. Et nyttig svar kan skille et uttrukket faktum, kilden og en tolkning, slik at det blir lettere å undersøke enn ett samlet sammendrag.\n\nDet dokumenterte resultatet forblir tekst. Eksterne verktøy, filendringer og videre dokumentbehandling tilhører applikasjonen som er koblet til samtalen. Bevar den navngitte Medium 3.1-utgaven og konteksten på 128k, og be om forklaringen, den strukturerte dataposten eller den målrettede revisjonen neste steg faktisk trenger.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ffb84336f3dffd5743a03e8478060b279c16448ffe018c3dc8dc1fee8e0fd460", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "mistralai/mistral-medium-3.1:batchMistral Medium 3.1 er en tekst- og bildemodell for samtalesvar, dokumentspørsmål og strukturerte uttrekk. Konteksten på 128k ifølge produsenten og de oppførte funksjonene for funksjonskall, forhåndsangitte utdata og prefikser støtter kildebaserte forklaringer og målrettede redigeringsflyter.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Mistral Medium 3.1 er en multimodal Mistral AI-utgave for tekstlig og visuell forståelse. Produsenten beskriver denne revisjonen som en forbedring av tone og ytelse innen Medium 3-linjen. Den tar imot tekst og bilder og produserer tekst: en forklaring, et dokumentsvar, en strukturert datapost eller et foreslått funksjonskall. Produsentens faste identifikator for denne utgaven er mistral-medium-2508.
Kontekst og den spesifikke utgaven
Modellsiden dokumenterer et kontekstvindu på 128k. Bruk det til å holde relaterte kildeutdrag, bildebevis, samtalen og brukerens oppgave samlet. Identifiser dokumentrollene og spørsmålet som skal besvares, før du gir en stor samling. En lang kontekst kan støtte en målrettet sammenligning mens det endelige artefaktet forblir en kort tabell eller et revidert avsnitt.
Medium 3.1 beholder sin egen spesifikasjon. Konteksten på 256k, den tette arkitekturen med 128 milliarder parametere og de konfigurerbare hybride resonneringsmodusene beskrevet for Medium 3.5 skal ikke tilskrives denne oppføringen. Siden for 3.1 gir ikke et parameterantall eller et separat tall for maksimal svarlengde som trygt kan erstattes med tallet fra den senere modellen.
Strukturerte utdata og funksjoner
Produsenten lister strukturerte utdata, funksjonskall og forhåndsangitte utdata blant funksjonene i denne utgaven. For en strukturert uttrekksoppgave definerer du de påkrevde feltene, forventede typer og behandlingen av informasjon som mangler i kilden. En datapost kan inneholde dokumentidentifikatoren, det uttrukne utsagnet, kildeplasseringen og spørsmålet som gjenstår. Be bare om dataposten når et program skal tolke den, eller hold en løpende forklaring separat når noen må undersøke tolkningen.
Mistrals felles dokumentasjon om strukturerte utdata skiller JSON-modus fra et tilpasset skjema. JSON-modus krever en eksplisitt instruksjon om det ønskede JSON-formatet, mens den tilpassede veien definerer en mer spesifikk struktur. Dette er formatering av tekstresultatet, ikke en ny innholdsmodalitet eller en ekstern handling.
For funksjoner definerer applikasjonen den tilgjengelige operasjonen og argumentene, modellen velger et passende kall og forbereder verdiene, og applikasjonen utfører det. Resultatet blir deretter informasjon for neste svar. En dokumentassistent kan bruke et oppslag til å innhente manglende referansedata, men bare hvis den omkringliggende applikasjonen stiller oppslaget til rådighet og returnerer det faktiske resultatet. Hold det foreslåtte kallet og de returnerte dataene knyttet til hverandre.
Forhåndsangitte redigeringer og svarprefikser
Forhåndsangitte utdata er nyttig når det meste av ønsket resultat allerede er kjent, som et dokument eller en kodefil som trenger en avgrenset redigering. Gi det eksisterende innholdet og beskriv endringen presist, inkludert det som skal forbli uendret. En forespørsel kan oppdatere terminologien i ett avsnitt eller erstatte én implementasjonsdetalj mens resten av dokumentet bevares. Prediksjonen inneholder forventet utdatainnhold fremfor en fullført endring brukt i en fil.
Modellsiden lister også videreføring fra svarprefiks. I produsentens chatdokumentasjon gir et prefiks en kjent start på assistentens svar, og deretter fortsetter genereringen. En kjent start og en forhåndsangitt svartekst løser ulike forberedelsesproblemer. Satsvis behandling og agent-/samtalegrensesnitt er tilsvarende arbeidsflytfunksjoner, fremfor separate bilde-, lyd- eller resonneringsutgaver av Medium 3.1.
Dokument- og bildespørsmål
Den oppførte Document QnA-flyten kombinerer tekst, struktur og formatering klargjort med OCR med språkmodellanalyse. Spør om den bestemte betingelsen, passasjen eller sammenhengen oppgaven krever. En sammenligning kan identifisere kildedokumentene og be om felles utsagn, konflikter og uavklarte detaljer, med kildeplasseringen ved hvert funn.
Produsentens synsveiledning inkluderer uttrykkelig Medium 3.1. Et direkte visuelt spørsmål kan gi et lesbart diagram, dokumentbilde eller skjermbilde og spørre hvilke synlige bevis som underbygger en konklusjon. Bevar akser, enheter, etiketter og konteksten rundt et beskåret felt. Hvis flere bilder oppgis, identifiserer du rekkefølgen og rollen deres fremfor å overlate til modellen å utlede hvilket som er originalen, revisjonen eller referansen.
Kombiner for eksempel et skriftlig prosesskrav med et skjermbilde og be om en tabell med synlige samsvar, forskjeller og spørsmål som krever mer informasjon. En annen oppgave kan gi to versjoner av et dokument og be om et revidert utdrag som bevarer de felles betingelsene samtidig som en navngitt inkonsekvens løses. Dette er foreslåtte anvendelser av de dokumenterte visuelle funksjonene, dokumentfunksjonene og redigeringsfunksjonene, med det påkrevde resultatet definert på forhånd.
Forberedelse av det endelige artefaktet
Gi assistenten en tydelig rolle, kildematerialet som skal brukes, og svarformen. Hold varige svarregler atskilt fra dokumentet som undersøkes, og angi målspråk og terminologi. Et nyttig svar kan skille et uttrukket faktum, kilden og en tolkning, slik at det blir lettere å undersøke enn ett samlet sammendrag.
Det dokumenterte resultatet forblir tekst. Eksterne verktøy, filendringer og videre dokumentbehandling tilhører applikasjonen som er koblet til samtalen. Bevar den navngitte Medium 3.1-utgaven og konteksten på 128k, og be om forklaringen, den strukturerte dataposten eller den målrettede revisjonen neste steg faktisk trenger.
POST /v1/batchestexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrevd | Verdier & grenser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser mistralai/mistral-medium-3.1:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltcompletion_window | Typestring | KravValgfritt | Verdier & grenser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfritt | Verdier & grenser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfritt | Verdier & grenser mistralai/mistral-medium-3.1:batch, mistralai/mistral-medium-3.1 | Standard— |
Feltprovider.only | Typestring[] | KravValgfritt | Verdier & grenser mistral | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfritt | Verdier & grenser false, null | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtaleendpoint, model, requests |
Parametermaterial_types | Avtaletext |
Parameterrepresentation | Avtalerequests[] direkte i forespørselen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Avtale/v1/chat/completions |
Parameterfile_material | AvtaleKlienten kan lese det faktiske UTF-8-kodede JSONL-innholdet lokalt inn i requests[]. Feltet purpose for opplasting, input_file_id og filreferanser brukes ikke. Manglende eller tomt kundemateriale stopper klargjøringen før POST. |
Parameterserialization_order | Avtaleendpoint, model, provider (hvis angitt), completion_window (hvis angitt), requests til slutt |
Parameteroptional_controls | Avtaleprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtaleForespørselsinnhold for tekstbasert Chat Completions lagt direkte inn i det dokumenterte Batch-formatet. |
Livssyklus: asynchronous
GET /v1/batches/{operation_id} · faktisk response.id fra den opprinnelige opprettelsen; samme bruker/nøkkel/gruppe
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0004 / 1K tokener Utdata · Utgående tokener $0.002 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0004 / 1K tokener Utdata · Utgående tokener $0.002 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"mistralai/mistral-medium-3.1:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['mistralai/mistral-medium-3.1:batch', 'mistralai/mistral-medium-3.1']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"mistralai/mistral-medium-3.1:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON fra results[].response.body direkte i svaret
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBehold alle fullstendige returnerte svar, filer og innholdsdeler.
Bevar hele den opprinnelige statusresponsen i JSON, alle resultater og custom_id-verdier samt hele svar- eller feilinnholdet. Lagre fullførte results[] som JSONL uten filtrering.
Bevar den opprinnelige operasjons-ID-en. 503 result_pending_check har X-Should-Retry:false; send aldri den opprinnelige batchen på nytt når utfallet er ukjent.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldig struktur i det dokumenterte formatet med innebygde forespørsler, dupliserte nøkler, ugyldig elementidentitet eller konflikt med modellens konfigurerte funksjoner. | Neste trinnRett de angitte feltene før du sender en ny forespørsel. |
Svar401 · authentication_error | VilkårUgyldig API-nøkkel. | Neste trinnBruk den autoriserte Ailoot-nøkkelen. |
Svar403 · permission_error | VilkårGruppen for batchbehandling er ikke tilgjengelig. | Neste trinnKontroller tilgangsrettighetene til nøkkelen/gruppen. |
Svar422 · invalid_request_error | VilkårBatch belastes saldoen; opprettelse via abonnement avvises. | Neste trinnBruk den autoriserte gruppen som belastes saldoen. |
Svar422 · price_unavailable | VilkårDet kan ikke beregnes en pris for batchens inndata. | Neste trinnBevar svaret; bruk de dokumenterte inndataene for API-familien. |
Svar402 · billing_error | VilkårBeløpsreservasjon for batchbehandling er ikke tilgjengelig. | Neste trinnLøs problemet som hindrer forespørselen i å bli godkjent før du sender en ny forespørsel. |
Svar503 · price_unavailable | VilkårPris for Batch-metoden eller systemets innebygde satser er ikke tilgjengelige. | Neste trinnBevar svaret; ikke erstatt prisene. |
Svar503 · api_error | VilkårDen nøyaktige leverandørruten er ikke tilgjengelig. | Neste trinnBevar svaret slik at ruten kan repareres. |
Svar503 · result_pending_check | VilkårDet opprinnelige resultatet må kontrolleres; X-Should-Retry:false. | Neste trinnBevar opprinnelig operation_id/id og les statusen; gjenta aldri den opprinnelige POST-forespørselen. |
Svar404 · not_found | VilkårStatusoperasjonen for batchen finnes ikke eller tilhører en annen identitet. | Neste trinnBruk nøyaktig den opprinnelige id-verdien og samme bruker/nøkkel/gruppe. |
Ailoot Ultra mistralai/mistral-medium-3.1:batch
Bruk metodestiene som vises ovenfor.