Mistral Large 3 2512 is de op instructies afgestemde editie van Mistral AI voor algemene conversatie, visueel begrip en bedrijfswerk. De sparse mixture-of-experts-architectuur heeft in totaal 675 miljard parameters, waarvan 41 miljard actief, en een contextvenster van 256k. Tekst en beelden kunnen aan dezelfde taak bijdragen, terwijl het antwoord tekst, code of een gestructureerd resultaat is.
Mogelijkheden en invoervoorbereiding
Het model combineert een taalcomponent met een beeldencoder. Geef een afbeelding een duidelijke rol: een te lezen pagina, een te interpreteren diagram of een uit te leggen scherm. Lever bij een druk scherm een uitsnede met de relevante bedieningselementen en behoud de omringende labels die nodig zijn om ze te begrijpen. Mistral beveelt beeldvormen dicht bij vierkant aan; verdeel een uitzonderlijk smalle of brede bron in bruikbare gebieden in plaats van belangrijke details tot een onleesbare strook te verkleinen.
De maker vermeldt meertalige conversatie in tientallen talen, waaronder Engels, Frans, Spaans, Duits, Italiaans, Portugees, Nederlands, Chinees, Japans, Koreaans en Arabisch. Geef de uitvoertaal, beoogde lezer en te behouden terminologie op. Vraag voor een ondersteuningsartikel een gelokaliseerde uitleg met ongewijzigde productnamen en een korte lijst van onzekere vertalingen die vóór publicatie moeten worden opgehelderd.
Lange documenten en bedrijfskennis
Gebruik de context om gerelateerd materiaal samen te brengen: beleidstekst, een specificatie, bestaande beslissingen en de vraag die moet worden beantwoord. Label elke bron en revisie. Een nuttig verzoek is: “Vergelijk deze drie beleidsdocumenten voor onboarding. Geef een tabel met gedeelde vereisten, conflicten en onbeantwoorde vragen, met bij elke bevinding de bronsectie.” Het resulterende artefact is een vergelijking die op de aangeleverde passages steunt en geen algemene samenvatting van het onderwerp.
Bepaal voor een documentvraag het gewenste detailniveau en vraag de ondersteunende passage naast de conclusie. De Document QnA-workflow van Mistral extraheert eerst tekst en documentstructuur met OCR en gebruikt vervolgens een taalmodel om dat materiaal te interpreteren. Behoud paginanummers en koppen bij het voorbereiden van geëxtraheerde tekst, zodat het antwoord naar het origineel kan verwijzen. Een document-URL, geëxtraheerde tekst en beeldbewijs vereisen verschillende voorbereiding; kies de invoervorm die de gebruikte toepassing ondersteunt.
Programmeren en dagelijkse ondersteuning
Mistral positioneert Large 3 zowel voor programmeerondersteuning als voor dagelijkse conversatie. Geef de relevante functies, het verwachte gedrag en de waargenomen fout mee. Bijvoorbeeld: “Deze parser laat het laatste veld weg wanneer de invoer zonder regeleinde eindigt. Leg de falende vertakking uit, stel de kleinste wijziging voor en geef de gecorrigeerde functie met drie representatieve invoer-/uitvoervoorbeelden.” Het nuttige resultaat is een voorgestelde wijziging die aan de werkelijke code gekoppeld is, met een reeks gevallen die de ontwikkelaar kan uitvoeren.
Geef voor een zakelijk concept de feiten en het gewenste artefact samen mee. Een verzoek om vergadernotities in een beslisnota om te zetten moet de beslissing, alternatieven, onopgeloste aannames en volgende actie benoemen. Vraag het model bronfeiten van aanbevelingen te scheiden en ontbrekende informatie in de juiste sectie aan te duiden. Dat maakt de uitvoer gemakkelijker te herzien dan een onverdeeld verhaal.
Tools en gestructureerde resultaten
Met ingebouwde functieaanroepen kan het model een aangeleverde functie kiezen en de argumenten voorbereiden. De toepassing voert die functie uit en geeft het resultaat terug; het model gebruikt vervolgens die informatie in het antwoord. Houd tools specifiek en stel alleen beschikbaar wat voor de taak nodig is. Een voorraadassistent kan een productreferentie ontvangen, een voorraadopzoeking vragen en de teruggegeven hoeveelheid en het magazijn uitleggen. Valideer de geselecteerde functie en argumenten vóór uitvoering van het verzoek en bewaar het toolantwoord bij het definitieve antwoord.
Geef voor extractie de velden, types en behandeling van ontbrekende waarden op. Mistral documenteert JSON-modus en aangepaste gestructureerde uitvoer; JSON-modus vereist een expliciete instructie om JSON terug te geven, terwijl een aangepast schema sterkere formaatcontrole biedt. Een factuursamenvatting kan vragen naar leverancier, factuurnummer, vervaldatum, valuta en factuurregels, waarbij ontbrekende waarden consequent worden weergegeven. Controleer de geëxtraheerde waarden aan het document, ook wanneer het antwoord overeenkomt met de gevraagde structuur.
Instellingen en editieverschillen
Definieer rol, taak en toolregels in de systeeminstructies. Mistral beveelt voor productie en dagelijks gebruik van dit checkpoint een temperatuur lager dan 0,1 aan, met hogere waarden voor creatieve taken. Scheid een verzoek om uiteenlopende ideeën van een verzoek om reproduceerbare extractie: geef het eerste ruimte voor alternatieven en het tweede expliciete velden en bronbeperkingen.
Deze instructie-editie staat los van het Large 3-base-checkpoint en van specifieke redeneermodellen. De maker noemt strikt redeneren en gespecialiseerd visueel werk als gebieden waarvoor een speciaal ontworpen model de voorkeur kan hebben. Geef bij een moeilijke berekening aannames en eenheden mee, vraag tussentijdse controles en gebruik een beschikbare rekentool om het resultaat te verifiëren. Bereid bij dicht visueel bewijsmateriaal leesbare gebieden voor en vergelijk het antwoord met de bron voordat u het in een rapport gebruikt.
", "aboutText": "Mistral Large 3 2512 is de op instructies afgestemde editie van Mistral AI voor algemene conversatie, visueel begrip en bedrijfswerk. De sparse mixture-of-experts-architectuur heeft in totaal 675 miljard parameters, waarvan 41 miljard actief, en een contextvenster van 256k. Tekst en beelden kunnen aan dezelfde taak bijdragen, terwijl het antwoord tekst, code of een gestructureerd resultaat is.\n\nMogelijkheden en invoervoorbereiding\n\nHet model combineert een taalcomponent met een beeldencoder. Geef een afbeelding een duidelijke rol: een te lezen pagina, een te interpreteren diagram of een uit te leggen scherm. Lever bij een druk scherm een uitsnede met de relevante bedieningselementen en behoud de omringende labels die nodig zijn om ze te begrijpen. Mistral beveelt beeldvormen dicht bij vierkant aan; verdeel een uitzonderlijk smalle of brede bron in bruikbare gebieden in plaats van belangrijke details tot een onleesbare strook te verkleinen.\n\nDe maker vermeldt meertalige conversatie in tientallen talen, waaronder Engels, Frans, Spaans, Duits, Italiaans, Portugees, Nederlands, Chinees, Japans, Koreaans en Arabisch. Geef de uitvoertaal, beoogde lezer en te behouden terminologie op. Vraag voor een ondersteuningsartikel een gelokaliseerde uitleg met ongewijzigde productnamen en een korte lijst van onzekere vertalingen die vóór publicatie moeten worden opgehelderd.\n\nLange documenten en bedrijfskennis\n\nGebruik de context om gerelateerd materiaal samen te brengen: beleidstekst, een specificatie, bestaande beslissingen en de vraag die moet worden beantwoord. Label elke bron en revisie. Een nuttig verzoek is: “Vergelijk deze drie beleidsdocumenten voor onboarding. Geef een tabel met gedeelde vereisten, conflicten en onbeantwoorde vragen, met bij elke bevinding de bronsectie.” Het resulterende artefact is een vergelijking die op de aangeleverde passages steunt en geen algemene samenvatting van het onderwerp.\n\nBepaal voor een documentvraag het gewenste detailniveau en vraag de ondersteunende passage naast de conclusie. De Document QnA-workflow van Mistral extraheert eerst tekst en documentstructuur met OCR en gebruikt vervolgens een taalmodel om dat materiaal te interpreteren. Behoud paginanummers en koppen bij het voorbereiden van geëxtraheerde tekst, zodat het antwoord naar het origineel kan verwijzen. Een document-URL, geëxtraheerde tekst en beeldbewijs vereisen verschillende voorbereiding; kies de invoervorm die de gebruikte toepassing ondersteunt.\n\nProgrammeren en dagelijkse ondersteuning\n\nMistral positioneert Large 3 zowel voor programmeerondersteuning als voor dagelijkse conversatie. Geef de relevante functies, het verwachte gedrag en de waargenomen fout mee. Bijvoorbeeld: “Deze parser laat het laatste veld weg wanneer de invoer zonder regeleinde eindigt. Leg de falende vertakking uit, stel de kleinste wijziging voor en geef de gecorrigeerde functie met drie representatieve invoer-/uitvoervoorbeelden.” Het nuttige resultaat is een voorgestelde wijziging die aan de werkelijke code gekoppeld is, met een reeks gevallen die de ontwikkelaar kan uitvoeren.\n\nGeef voor een zakelijk concept de feiten en het gewenste artefact samen mee. Een verzoek om vergadernotities in een beslisnota om te zetten moet de beslissing, alternatieven, onopgeloste aannames en volgende actie benoemen. Vraag het model bronfeiten van aanbevelingen te scheiden en ontbrekende informatie in de juiste sectie aan te duiden. Dat maakt de uitvoer gemakkelijker te herzien dan een onverdeeld verhaal.\n\nTools en gestructureerde resultaten\n\nMet ingebouwde functieaanroepen kan het model een aangeleverde functie kiezen en de argumenten voorbereiden. De toepassing voert die functie uit en geeft het resultaat terug; het model gebruikt vervolgens die informatie in het antwoord. Houd tools specifiek en stel alleen beschikbaar wat voor de taak nodig is. Een voorraadassistent kan een productreferentie ontvangen, een voorraadopzoeking vragen en de teruggegeven hoeveelheid en het magazijn uitleggen. Valideer de geselecteerde functie en argumenten vóór uitvoering van het verzoek en bewaar het toolantwoord bij het definitieve antwoord.\n\nGeef voor extractie de velden, types en behandeling van ontbrekende waarden op. Mistral documenteert JSON-modus en aangepaste gestructureerde uitvoer; JSON-modus vereist een expliciete instructie om JSON terug te geven, terwijl een aangepast schema sterkere formaatcontrole biedt. Een factuursamenvatting kan vragen naar leverancier, factuurnummer, vervaldatum, valuta en factuurregels, waarbij ontbrekende waarden consequent worden weergegeven. Controleer de geëxtraheerde waarden aan het document, ook wanneer het antwoord overeenkomt met de gevraagde structuur.\n\nInstellingen en editieverschillen\n\nDefinieer rol, taak en toolregels in de systeeminstructies. Mistral beveelt voor productie en dagelijks gebruik van dit checkpoint een temperatuur lager dan 0,1 aan, met hogere waarden voor creatieve taken. Scheid een verzoek om uiteenlopende ideeën van een verzoek om reproduceerbare extractie: geef het eerste ruimte voor alternatieven en het tweede expliciete velden en bronbeperkingen.\n\nDeze instructie-editie staat los van het Large 3-base-checkpoint en van specifieke redeneermodellen. De maker noemt strikt redeneren en gespecialiseerd visueel werk als gebieden waarvoor een speciaal ontworpen model de voorkeur kan hebben. Geef bij een moeilijke berekening aannames en eenheden mee, vraag tussentijdse controles en gebruik een beschikbare rekentool om het resultaat te verifiëren. Bereid bij dicht visueel bewijsmateriaal leesbare gebieden voor en vergelijk het antwoord met de bron voordat u het in een rapport gebruikt.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "18bb1a0006b7777e21377bfeb613885d5975a386255b30a2e7e937de20841990", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "mistralai/mistral-large-2512:batchMistral Large 3 2512 is een meertalig tekst-en-beeldmodel voor lange documenten, bedrijfskennis, programmeren en werk met tools. De context van 256k, ingebouwde functieaanroepen en gestructureerde uitvoer helpen aangeleverd bewijsmateriaal om te zetten in antwoorden, records en voorgestelde acties.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Mistral Large 3 2512 is de op instructies afgestemde editie van Mistral AI voor algemene conversatie, visueel begrip en bedrijfswerk. De sparse mixture-of-experts-architectuur heeft in totaal 675 miljard parameters, waarvan 41 miljard actief, en een contextvenster van 256k. Tekst en beelden kunnen aan dezelfde taak bijdragen, terwijl het antwoord tekst, code of een gestructureerd resultaat is.
Mogelijkheden en invoervoorbereiding
Het model combineert een taalcomponent met een beeldencoder. Geef een afbeelding een duidelijke rol: een te lezen pagina, een te interpreteren diagram of een uit te leggen scherm. Lever bij een druk scherm een uitsnede met de relevante bedieningselementen en behoud de omringende labels die nodig zijn om ze te begrijpen. Mistral beveelt beeldvormen dicht bij vierkant aan; verdeel een uitzonderlijk smalle of brede bron in bruikbare gebieden in plaats van belangrijke details tot een onleesbare strook te verkleinen.
De maker vermeldt meertalige conversatie in tientallen talen, waaronder Engels, Frans, Spaans, Duits, Italiaans, Portugees, Nederlands, Chinees, Japans, Koreaans en Arabisch. Geef de uitvoertaal, beoogde lezer en te behouden terminologie op. Vraag voor een ondersteuningsartikel een gelokaliseerde uitleg met ongewijzigde productnamen en een korte lijst van onzekere vertalingen die vóór publicatie moeten worden opgehelderd.
Lange documenten en bedrijfskennis
Gebruik de context om gerelateerd materiaal samen te brengen: beleidstekst, een specificatie, bestaande beslissingen en de vraag die moet worden beantwoord. Label elke bron en revisie. Een nuttig verzoek is: “Vergelijk deze drie beleidsdocumenten voor onboarding. Geef een tabel met gedeelde vereisten, conflicten en onbeantwoorde vragen, met bij elke bevinding de bronsectie.” Het resulterende artefact is een vergelijking die op de aangeleverde passages steunt en geen algemene samenvatting van het onderwerp.
Bepaal voor een documentvraag het gewenste detailniveau en vraag de ondersteunende passage naast de conclusie. De Document QnA-workflow van Mistral extraheert eerst tekst en documentstructuur met OCR en gebruikt vervolgens een taalmodel om dat materiaal te interpreteren. Behoud paginanummers en koppen bij het voorbereiden van geëxtraheerde tekst, zodat het antwoord naar het origineel kan verwijzen. Een document-URL, geëxtraheerde tekst en beeldbewijs vereisen verschillende voorbereiding; kies de invoervorm die de gebruikte toepassing ondersteunt.
Programmeren en dagelijkse ondersteuning
Mistral positioneert Large 3 zowel voor programmeerondersteuning als voor dagelijkse conversatie. Geef de relevante functies, het verwachte gedrag en de waargenomen fout mee. Bijvoorbeeld: “Deze parser laat het laatste veld weg wanneer de invoer zonder regeleinde eindigt. Leg de falende vertakking uit, stel de kleinste wijziging voor en geef de gecorrigeerde functie met drie representatieve invoer-/uitvoervoorbeelden.” Het nuttige resultaat is een voorgestelde wijziging die aan de werkelijke code gekoppeld is, met een reeks gevallen die de ontwikkelaar kan uitvoeren.
Geef voor een zakelijk concept de feiten en het gewenste artefact samen mee. Een verzoek om vergadernotities in een beslisnota om te zetten moet de beslissing, alternatieven, onopgeloste aannames en volgende actie benoemen. Vraag het model bronfeiten van aanbevelingen te scheiden en ontbrekende informatie in de juiste sectie aan te duiden. Dat maakt de uitvoer gemakkelijker te herzien dan een onverdeeld verhaal.
Tools en gestructureerde resultaten
Met ingebouwde functieaanroepen kan het model een aangeleverde functie kiezen en de argumenten voorbereiden. De toepassing voert die functie uit en geeft het resultaat terug; het model gebruikt vervolgens die informatie in het antwoord. Houd tools specifiek en stel alleen beschikbaar wat voor de taak nodig is. Een voorraadassistent kan een productreferentie ontvangen, een voorraadopzoeking vragen en de teruggegeven hoeveelheid en het magazijn uitleggen. Valideer de geselecteerde functie en argumenten vóór uitvoering van het verzoek en bewaar het toolantwoord bij het definitieve antwoord.
Geef voor extractie de velden, types en behandeling van ontbrekende waarden op. Mistral documenteert JSON-modus en aangepaste gestructureerde uitvoer; JSON-modus vereist een expliciete instructie om JSON terug te geven, terwijl een aangepast schema sterkere formaatcontrole biedt. Een factuursamenvatting kan vragen naar leverancier, factuurnummer, vervaldatum, valuta en factuurregels, waarbij ontbrekende waarden consequent worden weergegeven. Controleer de geëxtraheerde waarden aan het document, ook wanneer het antwoord overeenkomt met de gevraagde structuur.
Instellingen en editieverschillen
Definieer rol, taak en toolregels in de systeeminstructies. Mistral beveelt voor productie en dagelijks gebruik van dit checkpoint een temperatuur lager dan 0,1 aan, met hogere waarden voor creatieve taken. Scheid een verzoek om uiteenlopende ideeën van een verzoek om reproduceerbare extractie: geef het eerste ruimte voor alternatieven en het tweede expliciete velden en bronbeperkingen.
Deze instructie-editie staat los van het Large 3-base-checkpoint en van specifieke redeneermodellen. De maker noemt strikt redeneren en gespecialiseerd visueel werk als gebieden waarvoor een speciaal ontworpen model de voorkeur kan hebben. Geef bij een moeilijke berekening aannames en eenheden mee, vraag tussentijdse controles en gebruik een beschikbare rekentool om het resultaat te verifiëren. Bereid bij dicht visueel bewijsmateriaal leesbare gebieden voor en vergelijk het antwoord met de bron voordat u het in een rapport gebruikt.
POST /v1/batchestexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldendpoint | Typestring | VereisteVereist | Waarden en limieten /v1/chat/completions | Standaard— |
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistralai/mistral-large-2512:batch | Standaard— |
Veldrequests | Typebatch_item[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldrequests[].custom_id | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldrequests[].body.messages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldcompletion_window | Typestring | VereisteOptioneel | Waarden en limieten 24h | Standaard— |
Veldprovider | Typeobject|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldrequests[].body.model | Typestring | VereisteOptioneel | Waarden en limieten mistralai/mistral-large-2512:batch, mistralai/mistral-large-2512 | Standaard— |
Veldprovider.only | Typestring[] | VereisteOptioneel | Waarden en limieten mistral | Standaard— |
Veldprovider.allow_fallbacks | Typeboolean|null | VereisteOptioneel | Waarden en limieten false, null | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractendpoint, model, requests |
Parametermaterial_types | Contracttext |
Parameterrepresentation | Contractinline requests[]; elk item bevat custom_id en body |
Parameterrequest_endpoint_profile | Contract/v1/chat/completions |
Parameterfile_material | ContractDe aanroeper kan de daadwerkelijke UTF-8 JSONL lokaal in requests[] inlezen. Er wordt geen uploaddoel, input_file_id of bestandsverwijzing gebruikt. Ontbrekend of leeg klantmateriaal stopt de voorbereiding vóór POST. |
Parameterserialization_order | Contractendpoint, model, provider (indien opgegeven), completion_window (indien opgegeven), requests als laatste |
Parameteroptional_controls | Contractprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | ContractAanvraagbodies voor tekst via Chat Completions in de gedocumenteerde inline Batch-structuur. |
Levenscyclus: asynchronous
GET /v1/batches/{operation_id} · daadwerkelijke response.id uit de oorspronkelijke aanmaakrespons; dezelfde gebruiker/sleutel/groep
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0005 / 1K tokens Uitvoer · Uitvoertokens $0.0015 / 1K tokens Invoer · Cache lezen $0.00005 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0005 / 1K tokens Uitvoer · Uitvoertokens $0.0015 / 1K tokens Invoer · Cache lezen $0.00005 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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-large-2512: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-large-2512:batch', 'mistralai/mistral-large-2512']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"mistralai/mistral-large-2512: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.\ninline JSON uit results[].response.body
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\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar de volledige oorspronkelijke status-JSON, elk resultaat/custom_id en de volledige respons- of foutbody. Sla voltooide results[] op als JSONL, zonder te filteren.
Bewaar de oorspronkelijke bewerkings-ID. 503 result_pending_check bevat X-Should-Retry:false; dien een oorspronkelijke batch met onbekende status nooit opnieuw in.
| Veld | Type |
|---|---|
Veldresults[].custom_id | Typestring |
Veldresults[].response.body.choices[].message.content | Typestring|null |
Veldresults[].error | Typeobject|null |
Veldusage | Typeobject|null |
Veldid | Typestring |
Veldmodel | Typestring |
Veldendpoint | Typestring |
Veldstatus | Typestring |
Veldrequest_counts | Typeobject |
Veldresults[].id | Typestring |
Veldresults[].response.status_code | Typeinteger |
Veldresults[].response.request_id | Typestring |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeOngeldige gedocumenteerde inline structuur, dubbele sleutels, ongeldige itemidentiteit of conflict met de geconfigureerde modelmogelijkheden. | Volgende stapCorrigeer de aangegeven velden vóór elke nieuwe indiening. |
Antwoord401 · authentication_error | VoorwaardeOngeldige API-sleutel. | Volgende stapGebruik de geautoriseerde Ailoot-sleutel. |
Antwoord403 · permission_error | VoorwaardeBatch-groep niet beschikbaar. | Volgende stapControleer de toegangsrechten van de sleutel/groep. |
Antwoord422 · invalid_request_error | VoorwaardeBatch wordt via het saldo gefactureerd; aanmaken via een abonnement wordt geweigerd. | Volgende stapGebruik de geautoriseerde groep die via het saldo wordt gefactureerd. |
Antwoord422 · price_unavailable | VoorwaardeVoor de Batch-invoer kan geen prijsraming worden gemaakt. | Volgende stapBewaar de respons; gebruik de gedocumenteerde invoer voor deze familie. |
Antwoord402 · billing_error | VoorwaardeReservering voor Batch niet beschikbaar. | Volgende stapLos het toelatingsprobleem op vóór een nieuwe aanvraag. |
Antwoord503 · price_unavailable | VoorwaardePrijs voor de Batch-methode/native tarieven niet beschikbaar. | Volgende stapBewaar de respons; vervang de prijzen niet. |
Antwoord503 · api_error | VoorwaardeDe exacte leveranciersroute is niet beschikbaar. | Volgende stapBewaar de respons voor het herstel van de route. |
Antwoord503 · result_pending_check | VoorwaardeHet oorspronkelijke resultaat moet gecontroleerd worden; X-Should-Retry:false. | Volgende stapBewaar de oorspronkelijke operation_id/id en lees de status ervan uit; herhaal de oorspronkelijke POST nooit. |
Antwoord404 · not_found | VoorwaardeBewerking voor de Batch-status ontbreekt of behoort toe aan een andere identiteit. | Volgende stapGebruik de exacte oorspronkelijke id en dezelfde gebruiker/sleutel/groep. |
Ailoot Ultra mistralai/mistral-large-2512:batch
Gebruik de hierboven getoonde methodepaden.