Mistral Small 3.2 24B Instruct 2506 er en målrettet oppdatering av Mistral Small 3.1 24B Instruct 2503. Produsenten identifiserer tre spesifikke endringer: å følge presise instruksjoner tettere, redusere gjentakende eller ukontrollerte svar og gjøre malen for funksjonskall mer robust. Modellen forblir en instruksjonstilpasset tekst- og bildemodell som genererer tekst, fremfor en ny utgave for lyd- eller bildegenerering.
Hva endres, og hva videreføres
Modellkortet for 3.2 sier uttrykkelig at hovedfunksjonene er de samme som i den navngitte Small 3.1-utgivelsen. Disse funksjonene omfatter syn, flerspråklig arbeid, støtte for systeminstruksjoner, innebygde funksjonskall, JSON-utdata og et kontekstvindu på 128k. Det refererte 3.1-kortet beskriver en modell med 24 milliarder parametere og en Tekken-tokenizer med et vokabular merket 131k. Denne dokumenterte koblingen støtter videreføring av disse funksjonene til 3.2, samtidig som 2506-oppdateringen bevares som en egen utgave.
Fokuset på instruksjonsfølging er viktig når resultatet har flere nøyaktige krav. Gi kildematerialet, list reglene utdataene må oppfylle, og angi artefaktet som skal returneres. En forespørsel om dokumentuttrekk kan kreve angitte felter, opprinnelige identifikatorer, en definert representasjon av manglende verdier og ingen løpende tekst utenfor dataposten. En skriveoppgave kan kreve en bestemt målgruppe og avsnittsrekkefølge samtidig som oppgitte betingelser beholdes uendret.
Endringen i gjentakelser gjelder genereringsatferd fremfor å legge til en ny resonneringsmodus. For et langt svar definerer du de påkrevde avsnittene og formålet med hvert av dem slik at forespørselen har et tydelig stoppunkt. Endringen i funksjonsmalen gjelder hvordan en verktøyaktivert samtale representeres; bruk samtale- og tokenizerinnstillingene til den tilsvarende utgaven fremfor å behandle et eldre formateringseksempel som utbyttbart.
Visuelle og flerspråklige oppgaver
Den arvede synsfunksjonen gjør at et tekstspørsmål kan kombineres med et bilde. Gi en lesbar side, et diagram eller en skisse og identifiser detaljen oppgaven trenger. For en diagramsammenligning beholder du aksene, enhetene og tegnforklaringen og ber om observasjonen som underbygger hver konklusjon. For et dokumentfelt beholder du etiketten og den omkringliggende konteksten slik at den returnerte verdien kan tolkes riktig.
Den dokumenterte språkdekningen omfatter russisk, engelsk, fransk, tysk, spansk, italiensk, portugisisk, kinesisk, japansk, koreansk, arabisk, farsi, hindi, bengali og andre språk oppført av produsenten. Angi målspråket og eventuell terminologi som skal forbli uendret. En tospråklig dokumentoppgave kan bevare identifikatorer og enheter samtidig som den omkringliggende forklaringen tilpasses leseren.
For et praktisk visuelt uttrekk ber du om dokumentidentifikatoren, feltetiketten, den uttrukne teksten og delen av bildet som underbygger den. En forklaring kan følge separat hvis leseren trenger tolkning. Dette hindrer at transkripsjon, strukturerte felter og modellens konklusjon blir ett resultat som ikke kan skilles fra hverandre.
Systeminstruksjoner og verktøy
Modellkortet for 3.2 anbefaler en systeminstruksjon tilpasset bruksområdet og en relativt lav temperatur, som 0.15. Angi assistentens rolle, svarreglene og behandlingen av kildemateriale eksplisitt. Plasser det faktiske dokumentet eller koden sammen med brukeroppgaven, og bevar skillet mellom instruksjoner om svaret og instruksjoner sitert inne i kilden.
Funksjonskall krever at applikasjonen oppgir verktøybeskrivelser og påkrevde argumenter. Modellen forbereder et kall, applikasjonen utfører funksjonen og returnerer resultatet, og neste svar bruker denne informasjonen. De utgitte eksemplene omfatter visuell resonnering, verktøykall og instruksjoner med bare tekst. En oppslagsoppgave kan derfor be modellen velge en beskrevet operasjon, mens det faktiske oppslaget og resultatet overlates til den omkringliggende applikasjonen.
For en programmeringsforespørsel gir du den relevante funksjonen, inndataene som avdekker problemet, og atferden som skal følge. Be om en foreslått rettelse med det opprinnelige grensesnittet bevart, og deretter eksempler som skiller den tiltenkte atferden. For en matematisk forespørsel definerer du variabler og antakelser og ber om de viktige begrunnede stegene og et separat endelig uttrykk. Dette er anvendelser av de arvede programmerings- og resonneringsfunksjonene; utførelse av foreslått kode forblir et separat steg.
Avgrensning av kontekst og utgave
Bruk vinduet på 128k til kildeutdrag, bilder, samtale og forventet svar samlet. En sammenligning av store dokumenter kan beholde relaterte avsnitt og samtidig returnere en kort matrise med funn. En stor konfigurert bilderamme eller genereringsverdi som forekommer i et vertseksempel, er ikke en uavhengig angitt maksimal modellkapasitet.
Small 3.2 er en instruksjonsoppdatering med dokumentert visuell inndata, ikke den tekstbaserte Small 3 2501 eller hybridutgivelsen Small 4 med resonnering. Produsentens modellkort gir ikke et separat absolutt tak for utdatatokener for denne oppføringen. Bevar den konkrete 2506-identiteten og formateringen, og definer den strukturerte dataposten, forklaringen eller kodeforslaget som trengs til neste steg.
", "aboutText": "Mistral Small 3.2 24B Instruct 2506 er en målrettet oppdatering av Mistral Small 3.1 24B Instruct 2503. Produsenten identifiserer tre spesifikke endringer: å følge presise instruksjoner tettere, redusere gjentakende eller ukontrollerte svar og gjøre malen for funksjonskall mer robust. Modellen forblir en instruksjonstilpasset tekst- og bildemodell som genererer tekst, fremfor en ny utgave for lyd- eller bildegenerering.\n\nHva endres, og hva videreføres\n\nModellkortet for 3.2 sier uttrykkelig at hovedfunksjonene er de samme som i den navngitte Small 3.1-utgivelsen. Disse funksjonene omfatter syn, flerspråklig arbeid, støtte for systeminstruksjoner, innebygde funksjonskall, JSON-utdata og et kontekstvindu på 128k. Det refererte 3.1-kortet beskriver en modell med 24 milliarder parametere og en Tekken-tokenizer med et vokabular merket 131k. Denne dokumenterte koblingen støtter videreføring av disse funksjonene til 3.2, samtidig som 2506-oppdateringen bevares som en egen utgave.\n\nFokuset på instruksjonsfølging er viktig når resultatet har flere nøyaktige krav. Gi kildematerialet, list reglene utdataene må oppfylle, og angi artefaktet som skal returneres. En forespørsel om dokumentuttrekk kan kreve angitte felter, opprinnelige identifikatorer, en definert representasjon av manglende verdier og ingen løpende tekst utenfor dataposten. En skriveoppgave kan kreve en bestemt målgruppe og avsnittsrekkefølge samtidig som oppgitte betingelser beholdes uendret.\n\nEndringen i gjentakelser gjelder genereringsatferd fremfor å legge til en ny resonneringsmodus. For et langt svar definerer du de påkrevde avsnittene og formålet med hvert av dem slik at forespørselen har et tydelig stoppunkt. Endringen i funksjonsmalen gjelder hvordan en verktøyaktivert samtale representeres; bruk samtale- og tokenizerinnstillingene til den tilsvarende utgaven fremfor å behandle et eldre formateringseksempel som utbyttbart.\n\nVisuelle og flerspråklige oppgaver\n\nDen arvede synsfunksjonen gjør at et tekstspørsmål kan kombineres med et bilde. Gi en lesbar side, et diagram eller en skisse og identifiser detaljen oppgaven trenger. For en diagramsammenligning beholder du aksene, enhetene og tegnforklaringen og ber om observasjonen som underbygger hver konklusjon. For et dokumentfelt beholder du etiketten og den omkringliggende konteksten slik at den returnerte verdien kan tolkes riktig.\n\nDen dokumenterte språkdekningen omfatter russisk, engelsk, fransk, tysk, spansk, italiensk, portugisisk, kinesisk, japansk, koreansk, arabisk, farsi, hindi, bengali og andre språk oppført av produsenten. Angi målspråket og eventuell terminologi som skal forbli uendret. En tospråklig dokumentoppgave kan bevare identifikatorer og enheter samtidig som den omkringliggende forklaringen tilpasses leseren.\n\nFor et praktisk visuelt uttrekk ber du om dokumentidentifikatoren, feltetiketten, den uttrukne teksten og delen av bildet som underbygger den. En forklaring kan følge separat hvis leseren trenger tolkning. Dette hindrer at transkripsjon, strukturerte felter og modellens konklusjon blir ett resultat som ikke kan skilles fra hverandre.\n\nSysteminstruksjoner og verktøy\n\nModellkortet for 3.2 anbefaler en systeminstruksjon tilpasset bruksområdet og en relativt lav temperatur, som 0.15. Angi assistentens rolle, svarreglene og behandlingen av kildemateriale eksplisitt. Plasser det faktiske dokumentet eller koden sammen med brukeroppgaven, og bevar skillet mellom instruksjoner om svaret og instruksjoner sitert inne i kilden.\n\nFunksjonskall krever at applikasjonen oppgir verktøybeskrivelser og påkrevde argumenter. Modellen forbereder et kall, applikasjonen utfører funksjonen og returnerer resultatet, og neste svar bruker denne informasjonen. De utgitte eksemplene omfatter visuell resonnering, verktøykall og instruksjoner med bare tekst. En oppslagsoppgave kan derfor be modellen velge en beskrevet operasjon, mens det faktiske oppslaget og resultatet overlates til den omkringliggende applikasjonen.\n\nFor en programmeringsforespørsel gir du den relevante funksjonen, inndataene som avdekker problemet, og atferden som skal følge. Be om en foreslått rettelse med det opprinnelige grensesnittet bevart, og deretter eksempler som skiller den tiltenkte atferden. For en matematisk forespørsel definerer du variabler og antakelser og ber om de viktige begrunnede stegene og et separat endelig uttrykk. Dette er anvendelser av de arvede programmerings- og resonneringsfunksjonene; utførelse av foreslått kode forblir et separat steg.\n\nAvgrensning av kontekst og utgave\n\nBruk vinduet på 128k til kildeutdrag, bilder, samtale og forventet svar samlet. En sammenligning av store dokumenter kan beholde relaterte avsnitt og samtidig returnere en kort matrise med funn. En stor konfigurert bilderamme eller genereringsverdi som forekommer i et vertseksempel, er ikke en uavhengig angitt maksimal modellkapasitet.\n\nSmall 3.2 er en instruksjonsoppdatering med dokumentert visuell inndata, ikke den tekstbaserte Small 3 2501 eller hybridutgivelsen Small 4 med resonnering. Produsentens modellkort gir ikke et separat absolutt tak for utdatatokener for denne oppføringen. Bevar den konkrete 2506-identiteten og formateringen, og definer den strukturerte dataposten, forklaringen eller kodeforslaget som trengs til neste steg.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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 er en instruksjonsmodell for tekst og bilder med en kontekst på 128k ifølge produsenten. 2506-oppdateringen forbedrer spesifikt presis instruksjonsfølging, reduserer gjentakelser og styrker funksjonskallmalen, samtidig som kjernefunksjonene fra Small 3.1 beholdes.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Mistral Small 3.2 24B Instruct 2506 er en målrettet oppdatering av Mistral Small 3.1 24B Instruct 2503. Produsenten identifiserer tre spesifikke endringer: å følge presise instruksjoner tettere, redusere gjentakende eller ukontrollerte svar og gjøre malen for funksjonskall mer robust. Modellen forblir en instruksjonstilpasset tekst- og bildemodell som genererer tekst, fremfor en ny utgave for lyd- eller bildegenerering.
Hva endres, og hva videreføres
Modellkortet for 3.2 sier uttrykkelig at hovedfunksjonene er de samme som i den navngitte Small 3.1-utgivelsen. Disse funksjonene omfatter syn, flerspråklig arbeid, støtte for systeminstruksjoner, innebygde funksjonskall, JSON-utdata og et kontekstvindu på 128k. Det refererte 3.1-kortet beskriver en modell med 24 milliarder parametere og en Tekken-tokenizer med et vokabular merket 131k. Denne dokumenterte koblingen støtter videreføring av disse funksjonene til 3.2, samtidig som 2506-oppdateringen bevares som en egen utgave.
Fokuset på instruksjonsfølging er viktig når resultatet har flere nøyaktige krav. Gi kildematerialet, list reglene utdataene må oppfylle, og angi artefaktet som skal returneres. En forespørsel om dokumentuttrekk kan kreve angitte felter, opprinnelige identifikatorer, en definert representasjon av manglende verdier og ingen løpende tekst utenfor dataposten. En skriveoppgave kan kreve en bestemt målgruppe og avsnittsrekkefølge samtidig som oppgitte betingelser beholdes uendret.
Endringen i gjentakelser gjelder genereringsatferd fremfor å legge til en ny resonneringsmodus. For et langt svar definerer du de påkrevde avsnittene og formålet med hvert av dem slik at forespørselen har et tydelig stoppunkt. Endringen i funksjonsmalen gjelder hvordan en verktøyaktivert samtale representeres; bruk samtale- og tokenizerinnstillingene til den tilsvarende utgaven fremfor å behandle et eldre formateringseksempel som utbyttbart.
Visuelle og flerspråklige oppgaver
Den arvede synsfunksjonen gjør at et tekstspørsmål kan kombineres med et bilde. Gi en lesbar side, et diagram eller en skisse og identifiser detaljen oppgaven trenger. For en diagramsammenligning beholder du aksene, enhetene og tegnforklaringen og ber om observasjonen som underbygger hver konklusjon. For et dokumentfelt beholder du etiketten og den omkringliggende konteksten slik at den returnerte verdien kan tolkes riktig.
Den dokumenterte språkdekningen omfatter russisk, engelsk, fransk, tysk, spansk, italiensk, portugisisk, kinesisk, japansk, koreansk, arabisk, farsi, hindi, bengali og andre språk oppført av produsenten. Angi målspråket og eventuell terminologi som skal forbli uendret. En tospråklig dokumentoppgave kan bevare identifikatorer og enheter samtidig som den omkringliggende forklaringen tilpasses leseren.
For et praktisk visuelt uttrekk ber du om dokumentidentifikatoren, feltetiketten, den uttrukne teksten og delen av bildet som underbygger den. En forklaring kan følge separat hvis leseren trenger tolkning. Dette hindrer at transkripsjon, strukturerte felter og modellens konklusjon blir ett resultat som ikke kan skilles fra hverandre.
Systeminstruksjoner og verktøy
Modellkortet for 3.2 anbefaler en systeminstruksjon tilpasset bruksområdet og en relativt lav temperatur, som 0.15. Angi assistentens rolle, svarreglene og behandlingen av kildemateriale eksplisitt. Plasser det faktiske dokumentet eller koden sammen med brukeroppgaven, og bevar skillet mellom instruksjoner om svaret og instruksjoner sitert inne i kilden.
Funksjonskall krever at applikasjonen oppgir verktøybeskrivelser og påkrevde argumenter. Modellen forbereder et kall, applikasjonen utfører funksjonen og returnerer resultatet, og neste svar bruker denne informasjonen. De utgitte eksemplene omfatter visuell resonnering, verktøykall og instruksjoner med bare tekst. En oppslagsoppgave kan derfor be modellen velge en beskrevet operasjon, mens det faktiske oppslaget og resultatet overlates til den omkringliggende applikasjonen.
For en programmeringsforespørsel gir du den relevante funksjonen, inndataene som avdekker problemet, og atferden som skal følge. Be om en foreslått rettelse med det opprinnelige grensesnittet bevart, og deretter eksempler som skiller den tiltenkte atferden. For en matematisk forespørsel definerer du variabler og antakelser og ber om de viktige begrunnede stegene og et separat endelig uttrykk. Dette er anvendelser av de arvede programmerings- og resonneringsfunksjonene; utførelse av foreslått kode forblir et separat steg.
Avgrensning av kontekst og utgave
Bruk vinduet på 128k til kildeutdrag, bilder, samtale og forventet svar samlet. En sammenligning av store dokumenter kan beholde relaterte avsnitt og samtidig returnere en kort matrise med funn. En stor konfigurert bilderamme eller genereringsverdi som forekommer i et vertseksempel, er ikke en uavhengig angitt maksimal modellkapasitet.
Small 3.2 er en instruksjonsoppdatering med dokumentert visuell inndata, ikke den tekstbaserte Small 3 2501 eller hybridutgivelsen Small 4 med resonnering. Produsentens modellkort gir ikke et separat absolutt tak for utdatatokener for denne oppføringen. Bevar den konkrete 2506-identiteten og formateringen, og definer den strukturerte dataposten, forklaringen eller kodeforslaget som trengs til neste steg.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K tokener Utdata · Utgående tokener $0.0006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 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 $0.0002 / 1K tokener Utdata · Utgående tokener $0.0006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-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 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-small-3.2-24b-instruct
Bruk metodestiene som vises ovenfor.
mistralai/mistral-small-3.2-24b-instructMistral Small 3.2 24B Instruct er en instruksjonsmodell for tekst og bilder med en kontekst på 128k ifølge produsenten. 2506-oppdateringen forbedrer spesifikt presis instruksjonsfølging, reduserer gjentakelser og styrker funksjonskallmalen, samtidig som kjernefunksjonene fra Small 3.1 beholdes.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Mistral Small 3.2 24B Instruct 2506 er en målrettet oppdatering av Mistral Small 3.1 24B Instruct 2503. Produsenten identifiserer tre spesifikke endringer: å følge presise instruksjoner tettere, redusere gjentakende eller ukontrollerte svar og gjøre malen for funksjonskall mer robust. Modellen forblir en instruksjonstilpasset tekst- og bildemodell som genererer tekst, fremfor en ny utgave for lyd- eller bildegenerering.
Hva endres, og hva videreføres
Modellkortet for 3.2 sier uttrykkelig at hovedfunksjonene er de samme som i den navngitte Small 3.1-utgivelsen. Disse funksjonene omfatter syn, flerspråklig arbeid, støtte for systeminstruksjoner, innebygde funksjonskall, JSON-utdata og et kontekstvindu på 128k. Det refererte 3.1-kortet beskriver en modell med 24 milliarder parametere og en Tekken-tokenizer med et vokabular merket 131k. Denne dokumenterte koblingen støtter videreføring av disse funksjonene til 3.2, samtidig som 2506-oppdateringen bevares som en egen utgave.
Fokuset på instruksjonsfølging er viktig når resultatet har flere nøyaktige krav. Gi kildematerialet, list reglene utdataene må oppfylle, og angi artefaktet som skal returneres. En forespørsel om dokumentuttrekk kan kreve angitte felter, opprinnelige identifikatorer, en definert representasjon av manglende verdier og ingen løpende tekst utenfor dataposten. En skriveoppgave kan kreve en bestemt målgruppe og avsnittsrekkefølge samtidig som oppgitte betingelser beholdes uendret.
Endringen i gjentakelser gjelder genereringsatferd fremfor å legge til en ny resonneringsmodus. For et langt svar definerer du de påkrevde avsnittene og formålet med hvert av dem slik at forespørselen har et tydelig stoppunkt. Endringen i funksjonsmalen gjelder hvordan en verktøyaktivert samtale representeres; bruk samtale- og tokenizerinnstillingene til den tilsvarende utgaven fremfor å behandle et eldre formateringseksempel som utbyttbart.
Visuelle og flerspråklige oppgaver
Den arvede synsfunksjonen gjør at et tekstspørsmål kan kombineres med et bilde. Gi en lesbar side, et diagram eller en skisse og identifiser detaljen oppgaven trenger. For en diagramsammenligning beholder du aksene, enhetene og tegnforklaringen og ber om observasjonen som underbygger hver konklusjon. For et dokumentfelt beholder du etiketten og den omkringliggende konteksten slik at den returnerte verdien kan tolkes riktig.
Den dokumenterte språkdekningen omfatter russisk, engelsk, fransk, tysk, spansk, italiensk, portugisisk, kinesisk, japansk, koreansk, arabisk, farsi, hindi, bengali og andre språk oppført av produsenten. Angi målspråket og eventuell terminologi som skal forbli uendret. En tospråklig dokumentoppgave kan bevare identifikatorer og enheter samtidig som den omkringliggende forklaringen tilpasses leseren.
For et praktisk visuelt uttrekk ber du om dokumentidentifikatoren, feltetiketten, den uttrukne teksten og delen av bildet som underbygger den. En forklaring kan følge separat hvis leseren trenger tolkning. Dette hindrer at transkripsjon, strukturerte felter og modellens konklusjon blir ett resultat som ikke kan skilles fra hverandre.
Systeminstruksjoner og verktøy
Modellkortet for 3.2 anbefaler en systeminstruksjon tilpasset bruksområdet og en relativt lav temperatur, som 0.15. Angi assistentens rolle, svarreglene og behandlingen av kildemateriale eksplisitt. Plasser det faktiske dokumentet eller koden sammen med brukeroppgaven, og bevar skillet mellom instruksjoner om svaret og instruksjoner sitert inne i kilden.
Funksjonskall krever at applikasjonen oppgir verktøybeskrivelser og påkrevde argumenter. Modellen forbereder et kall, applikasjonen utfører funksjonen og returnerer resultatet, og neste svar bruker denne informasjonen. De utgitte eksemplene omfatter visuell resonnering, verktøykall og instruksjoner med bare tekst. En oppslagsoppgave kan derfor be modellen velge en beskrevet operasjon, mens det faktiske oppslaget og resultatet overlates til den omkringliggende applikasjonen.
For en programmeringsforespørsel gir du den relevante funksjonen, inndataene som avdekker problemet, og atferden som skal følge. Be om en foreslått rettelse med det opprinnelige grensesnittet bevart, og deretter eksempler som skiller den tiltenkte atferden. For en matematisk forespørsel definerer du variabler og antakelser og ber om de viktige begrunnede stegene og et separat endelig uttrykk. Dette er anvendelser av de arvede programmerings- og resonneringsfunksjonene; utførelse av foreslått kode forblir et separat steg.
Avgrensning av kontekst og utgave
Bruk vinduet på 128k til kildeutdrag, bilder, samtale og forventet svar samlet. En sammenligning av store dokumenter kan beholde relaterte avsnitt og samtidig returnere en kort matrise med funn. En stor konfigurert bilderamme eller genereringsverdi som forekommer i et vertseksempel, er ikke en uavhengig angitt maksimal modellkapasitet.
Small 3.2 er en instruksjonsoppdatering med dokumentert visuell inndata, ikke den tekstbaserte Small 3 2501 eller hybridutgivelsen Small 4 med resonnering. Produsentens modellkort gir ikke et separat absolutt tak for utdatatokener for denne oppføringen. Bevar den konkrete 2506-identiteten og formateringen, og definer den strukturerte dataposten, forklaringen eller kodeforslaget som trengs til neste steg.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K tokener Utdata · Utgående tokener $0.0006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 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 $0.0002 / 1K tokener Utdata · Utgående tokener $0.0006 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00002 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "mistralai/mistral-small-3.2-24b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-small-3.2-24b-instruct
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.