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": { "practical_html": "Teknisk eksempel på engelsk
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.mistralai/mistral-medium-3.1Mistral 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/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser mistralai/mistral-medium-3.1 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
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 $0.0008 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00008 / 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 $0.0008 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00008 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3.1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-medium-3.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-medium-3.1',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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra mistralai/mistral-medium-3.1
Bruk metodestiene som vises ovenfor.
mistralai/mistral-medium-3.1Mistral 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/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser mistralai/mistral-medium-3.1 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
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 $0.0008 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00008 / 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 $0.0008 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00008 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "mistralai/mistral-medium-3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-medium-3.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-medium-3.1', '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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra mistralai/mistral-medium-3.1
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.