Devstral Medium 1.0 is het vaste tekstmodel van Mistral AI voor software-engineering-agents. De versie wordt geïdentificeerd als devstral-medium-2507 en richt zich op tools gebruiken om codebases te verkennen, meerdere gerelateerde bestanden te bewerken en een technische taak over meerdere stappen voort te zetten. Het contextvenster is 128K tokens. De invoer bestaat uit tekstueel taak- en projectmateriaal; de uitvoer kan code, uitleg of argumenten voor een door de applicatie aangeboden functie zijn.
De Medium-editie hoort bij dezelfde richting voor software-agents als Devstral Small, maar behoudt de eigen modelidentiteit. De fabrikant introduceert het voor taken die repositorybegrip en samenhangend werk binnen een agentomgeving vereisen. De vaste versie 1.0 blijft onderscheiden van latere Devstral-generaties en van de Mistral Medium-familie voor algemeen gebruik. De context en specialisatie in alleen tekst horen bij deze editie.
De ondersteunde applicatiefuncties omvatten gestructureerde uitvoer, functieaanroepen, documentvragen en prefixvoortzetting. Met gestructureerde resultaten kan de agent een wijzigingsplan presenteren met velden zoals betrokken bestanden, vereiste wijzigingen, aannames en validatiestappen. Een proces met documentvragen levert geëxtraheerde technische inhoud voor analyse aan, wat bruikbaar is wanneer implementatievereisten verspreid staan over specificaties. Een prefix kan het begin van een antwoord vastleggen en asynchrone batchprocessen kunnen onafhankelijke analyseverzoeken verwerken.
Definieer voor een taak met tools de beschikbare functies en argumentschema’s. Het model kiest de juiste actie en bereidt argumenten voor; de applicatie voert de actie uit en geeft het resultaat terug. De volgende stap kan een nieuwe functieaanroep zijn of een antwoord op basis van de verzamelde informatie. Opeenvolgende aanroepen ondersteunen verkenning gevolgd door bewerken en beoordelen; onafhankelijke aanroepen kunnen samen worden gevraagd wanneer de applicatie parallel gebruik toestaat. Bestandstoegang, opdrachtuitvoering en het toepassen van wijzigingen blijven functies van de agentomgeving.
Geef voor een repositorywijziging het verwachte gedrag, relevante interfaces en een reproduceerbaar voorbeeld aan. Vraag de agent het bestaande codepad te volgen, afhankelijkheden te identificeren en wijzigingen voor te bereiden die over de betrokken bestanden overeenkomen. Voeg bij een bug het waargenomen resultaat en het door de specificatie vereiste resultaat toe. Benoem bij een refactor het publieke gedrag dat stabiel moet blijven. Teruggegeven zoekresultaten, bestandsinhoud en controles worden onderdeel van de tekstcontext die het volgende voorstel stuurt.
Definieer in een Ailoot API-werkproces het eindresultaat voordat je begint: een patch, implementatieplan, gestructureerde beoordeling of technische uitleg. Vraag om een resultaat dat de voorgestelde wijzigingen onderscheidt van de onderbouwing en van controles die daadwerkelijk door de omgeving zijn teruggegeven. Het model levert de volgende beslissing en tekstuitvoer, terwijl de applicatie tools levert en hun effecten valideert. Dat maakt de vaste editie Medium 1.0 bruikbaar voor technisch werk dat de oorspronkelijke vereiste, repositorybewijs en een samenhangend geheel van voorgestelde wijzigingen moet verbinden.
", "aboutText": "Devstral Medium 1.0 is het vaste tekstmodel van Mistral AI voor software-engineering-agents. De versie wordt geïdentificeerd als devstral-medium-2507 en richt zich op tools gebruiken om codebases te verkennen, meerdere gerelateerde bestanden te bewerken en een technische taak over meerdere stappen voort te zetten. Het contextvenster is 128K tokens. De invoer bestaat uit tekstueel taak- en projectmateriaal; de uitvoer kan code, uitleg of argumenten voor een door de applicatie aangeboden functie zijn.\n\nDe Medium-editie hoort bij dezelfde richting voor software-agents als Devstral Small, maar behoudt de eigen modelidentiteit. De fabrikant introduceert het voor taken die repositorybegrip en samenhangend werk binnen een agentomgeving vereisen. De vaste versie 1.0 blijft onderscheiden van latere Devstral-generaties en van de Mistral Medium-familie voor algemeen gebruik. De context en specialisatie in alleen tekst horen bij deze editie.\n\nDe ondersteunde applicatiefuncties omvatten gestructureerde uitvoer, functieaanroepen, documentvragen en prefixvoortzetting. Met gestructureerde resultaten kan de agent een wijzigingsplan presenteren met velden zoals betrokken bestanden, vereiste wijzigingen, aannames en validatiestappen. Een proces met documentvragen levert geëxtraheerde technische inhoud voor analyse aan, wat bruikbaar is wanneer implementatievereisten verspreid staan over specificaties. Een prefix kan het begin van een antwoord vastleggen en asynchrone batchprocessen kunnen onafhankelijke analyseverzoeken verwerken.\n\nDefinieer voor een taak met tools de beschikbare functies en argumentschema’s. Het model kiest de juiste actie en bereidt argumenten voor; de applicatie voert de actie uit en geeft het resultaat terug. De volgende stap kan een nieuwe functieaanroep zijn of een antwoord op basis van de verzamelde informatie. Opeenvolgende aanroepen ondersteunen verkenning gevolgd door bewerken en beoordelen; onafhankelijke aanroepen kunnen samen worden gevraagd wanneer de applicatie parallel gebruik toestaat. Bestandstoegang, opdrachtuitvoering en het toepassen van wijzigingen blijven functies van de agentomgeving.\n\nGeef voor een repositorywijziging het verwachte gedrag, relevante interfaces en een reproduceerbaar voorbeeld aan. Vraag de agent het bestaande codepad te volgen, afhankelijkheden te identificeren en wijzigingen voor te bereiden die over de betrokken bestanden overeenkomen. Voeg bij een bug het waargenomen resultaat en het door de specificatie vereiste resultaat toe. Benoem bij een refactor het publieke gedrag dat stabiel moet blijven. Teruggegeven zoekresultaten, bestandsinhoud en controles worden onderdeel van de tekstcontext die het volgende voorstel stuurt.\n\nDefinieer in een Ailoot API-werkproces het eindresultaat voordat je begint: een patch, implementatieplan, gestructureerde beoordeling of technische uitleg. Vraag om een resultaat dat de voorgestelde wijzigingen onderscheidt van de onderbouwing en van controles die daadwerkelijk door de omgeving zijn teruggegeven. Het model levert de volgende beslissing en tekstuitvoer, terwijl de applicatie tools levert en hun effecten valideert. Dat maakt de vaste editie Medium 1.0 bruikbaar voor technisch werk dat de oorspronkelijke vereiste, repositorybewijs en een samenhangend geheel van voorgestelde wijzigingen moet verbinden.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Coordinate a renamed export field\n\nPropose a patch plan across three files. serializer.py emits {'userName': user.name}; client.ts reads response.userName; schema.md documents userName. Requirement: new responses use display_name while the client temporarily accepts either field. Show the edits as small before/after snippets and give a compatibility test and a new-field test. Do not claim the files were edited.Three coordinated proposed edits plus tests for old and new responses during the compatibility period.The client accepts both spellings, while the producer and documentation agree on display_name.devstral-medium-2507Devstral Medium 1.0 is de vaste teksteditie van Mistral AI voor repositoryverkenning, toolgebruik en samenhangende softwarewijzigingen. De context van 128K bevat taakvereisten, code en teruggegeven toolresultaten voor een agent die in gerelateerde bestanden werkt.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Devstral Medium 1.0 is het vaste tekstmodel van Mistral AI voor software-engineering-agents. De versie wordt geïdentificeerd als devstral-medium-2507 en richt zich op tools gebruiken om codebases te verkennen, meerdere gerelateerde bestanden te bewerken en een technische taak over meerdere stappen voort te zetten. Het contextvenster is 128K tokens. De invoer bestaat uit tekstueel taak- en projectmateriaal; de uitvoer kan code, uitleg of argumenten voor een door de applicatie aangeboden functie zijn.
De Medium-editie hoort bij dezelfde richting voor software-agents als Devstral Small, maar behoudt de eigen modelidentiteit. De fabrikant introduceert het voor taken die repositorybegrip en samenhangend werk binnen een agentomgeving vereisen. De vaste versie 1.0 blijft onderscheiden van latere Devstral-generaties en van de Mistral Medium-familie voor algemeen gebruik. De context en specialisatie in alleen tekst horen bij deze editie.
De ondersteunde applicatiefuncties omvatten gestructureerde uitvoer, functieaanroepen, documentvragen en prefixvoortzetting. Met gestructureerde resultaten kan de agent een wijzigingsplan presenteren met velden zoals betrokken bestanden, vereiste wijzigingen, aannames en validatiestappen. Een proces met documentvragen levert geëxtraheerde technische inhoud voor analyse aan, wat bruikbaar is wanneer implementatievereisten verspreid staan over specificaties. Een prefix kan het begin van een antwoord vastleggen en asynchrone batchprocessen kunnen onafhankelijke analyseverzoeken verwerken.
Definieer voor een taak met tools de beschikbare functies en argumentschema’s. Het model kiest de juiste actie en bereidt argumenten voor; de applicatie voert de actie uit en geeft het resultaat terug. De volgende stap kan een nieuwe functieaanroep zijn of een antwoord op basis van de verzamelde informatie. Opeenvolgende aanroepen ondersteunen verkenning gevolgd door bewerken en beoordelen; onafhankelijke aanroepen kunnen samen worden gevraagd wanneer de applicatie parallel gebruik toestaat. Bestandstoegang, opdrachtuitvoering en het toepassen van wijzigingen blijven functies van de agentomgeving.
Geef voor een repositorywijziging het verwachte gedrag, relevante interfaces en een reproduceerbaar voorbeeld aan. Vraag de agent het bestaande codepad te volgen, afhankelijkheden te identificeren en wijzigingen voor te bereiden die over de betrokken bestanden overeenkomen. Voeg bij een bug het waargenomen resultaat en het door de specificatie vereiste resultaat toe. Benoem bij een refactor het publieke gedrag dat stabiel moet blijven. Teruggegeven zoekresultaten, bestandsinhoud en controles worden onderdeel van de tekstcontext die het volgende voorstel stuurt.
Definieer in een Ailoot API-werkproces het eindresultaat voordat je begint: een patch, implementatieplan, gestructureerde beoordeling of technische uitleg. Vraag om een resultaat dat de voorgestelde wijzigingen onderscheidt van de onderbouwing en van controles die daadwerkelijk door de omgeving zijn teruggegeven. Het model levert de volgende beslissing en tekstuitvoer, terwijl de applicatie tools levert en hun effecten valideert. Dat maakt de vaste editie Medium 1.0 bruikbaar voor technisch werk dat de oorspronkelijke vereiste, repositorybewijs en een samenhangend geheel van voorgestelde wijzigingen moet verbinden.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten devstral-medium-2507 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.00088 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "devstral-medium-2507", "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='devstral-medium-2507',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='devstral-medium-2507',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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra devstral-medium-2507
Gebruik de hierboven getoonde methodepaden.
devstral-medium-2507Devstral Medium 1.0 is de vaste teksteditie van Mistral AI voor repositoryverkenning, toolgebruik en samenhangende softwarewijzigingen. De context van 128K bevat taakvereisten, code en teruggegeven toolresultaten voor een agent die in gerelateerde bestanden werkt.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Devstral Medium 1.0 is het vaste tekstmodel van Mistral AI voor software-engineering-agents. De versie wordt geïdentificeerd als devstral-medium-2507 en richt zich op tools gebruiken om codebases te verkennen, meerdere gerelateerde bestanden te bewerken en een technische taak over meerdere stappen voort te zetten. Het contextvenster is 128K tokens. De invoer bestaat uit tekstueel taak- en projectmateriaal; de uitvoer kan code, uitleg of argumenten voor een door de applicatie aangeboden functie zijn.
De Medium-editie hoort bij dezelfde richting voor software-agents als Devstral Small, maar behoudt de eigen modelidentiteit. De fabrikant introduceert het voor taken die repositorybegrip en samenhangend werk binnen een agentomgeving vereisen. De vaste versie 1.0 blijft onderscheiden van latere Devstral-generaties en van de Mistral Medium-familie voor algemeen gebruik. De context en specialisatie in alleen tekst horen bij deze editie.
De ondersteunde applicatiefuncties omvatten gestructureerde uitvoer, functieaanroepen, documentvragen en prefixvoortzetting. Met gestructureerde resultaten kan de agent een wijzigingsplan presenteren met velden zoals betrokken bestanden, vereiste wijzigingen, aannames en validatiestappen. Een proces met documentvragen levert geëxtraheerde technische inhoud voor analyse aan, wat bruikbaar is wanneer implementatievereisten verspreid staan over specificaties. Een prefix kan het begin van een antwoord vastleggen en asynchrone batchprocessen kunnen onafhankelijke analyseverzoeken verwerken.
Definieer voor een taak met tools de beschikbare functies en argumentschema’s. Het model kiest de juiste actie en bereidt argumenten voor; de applicatie voert de actie uit en geeft het resultaat terug. De volgende stap kan een nieuwe functieaanroep zijn of een antwoord op basis van de verzamelde informatie. Opeenvolgende aanroepen ondersteunen verkenning gevolgd door bewerken en beoordelen; onafhankelijke aanroepen kunnen samen worden gevraagd wanneer de applicatie parallel gebruik toestaat. Bestandstoegang, opdrachtuitvoering en het toepassen van wijzigingen blijven functies van de agentomgeving.
Geef voor een repositorywijziging het verwachte gedrag, relevante interfaces en een reproduceerbaar voorbeeld aan. Vraag de agent het bestaande codepad te volgen, afhankelijkheden te identificeren en wijzigingen voor te bereiden die over de betrokken bestanden overeenkomen. Voeg bij een bug het waargenomen resultaat en het door de specificatie vereiste resultaat toe. Benoem bij een refactor het publieke gedrag dat stabiel moet blijven. Teruggegeven zoekresultaten, bestandsinhoud en controles worden onderdeel van de tekstcontext die het volgende voorstel stuurt.
Definieer in een Ailoot API-werkproces het eindresultaat voordat je begint: een patch, implementatieplan, gestructureerde beoordeling of technische uitleg. Vraag om een resultaat dat de voorgestelde wijzigingen onderscheidt van de onderbouwing en van controles die daadwerkelijk door de omgeving zijn teruggegeven. Het model levert de volgende beslissing en tekstuitvoer, terwijl de applicatie tools levert en hun effecten valideert. Dat maakt de vaste editie Medium 1.0 bruikbaar voor technisch werk dat de oorspronkelijke vereiste, repositorybewijs en een samenhangend geheel van voorgestelde wijzigingen moet verbinden.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten devstral-medium-2507 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.00088 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "devstral-medium-2507",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'devstral-medium-2507', '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': 'devstral-medium-2507', '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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra devstral-medium-2507
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Coordinate a renamed export field\n\nPropose a patch plan across three files. serializer.py emits {'userName': user.name}; client.ts reads response.userName; schema.md documents userName. Requirement: new responses use display_name while the client temporarily accepts either field. Show the edits as small before/after snippets and give a compatibility test and a new-field test. Do not claim the files were edited.Three coordinated proposed edits plus tests for old and new responses during the compatibility period.The client accepts both spellings, while the producer and documentation agree on display_name.