Mistral Large 2411 is een dense instructiemodel van Mistral AI met 123 miljard parameters. De fabrikant beschrijft meertalige tekstverwerking, redeneren en programmeren, met een contextvenster van 128K en gedocumenteerde mogelijkheden voor functieaanroepen en JSON-uitvoer. Het exacte gehoste modelprofiel vermeldt een contextlengte van 128.000 tokens.
Label de tekst die het antwoord moet gebruiken en benoem de vraag die deze met elkaar verbindt. Een vergelijking kan vragen om de vereisten, uitzonderingen of beslissingen in elke bron, met ondersteunende labels naast de bevindingen. Een concept kan het publiek, de over te brengen feiten en de gewenste lengte benoemen.
Lever voor codewerk de relevante interface, representatieve invoer en verwachte uitvoer aan. Vraag om een gerichte implementatie of correctie met tests voor de door u aangewezen gevallen. De fabrikant beschrijft training in meer dan 80 programmeertalen; geef de taal en projectconventies op die voor de huidige taak nodig zijn. Beoordeel de geretourneerde code en voer deze uit in dat project voordat u haar integreert.
De modelkaart documenteert functieaanroepen binnen een toepassingsworkflow. De toepassing levert de functiedefinities, voert een aangevraagde bewerking uit en retourneert het daadwerkelijke resultaat. Bewaar dat resultaat bij het relevante verzoek voordat u het model vraagt verder te gaan of een definitief antwoord voor te bereiden.
Definieer voor JSON-uitvoer de velden, typen en de omgang met ontbrekende waarden. Valideer de geretourneerde structuur en vergelijk de inhoud met het aangeleverde materiaal voordat u deze in een andere bewerking gebruikt. Een functieverzoek of gestructureerd antwoord maakt deel uit van een workflow met eigen beoordelings- en uitvoeringsstappen.
De fabrikant beveelt een systeemprompt aan die het doel van de assistent vermeldt. Geef de antwoordstijl, taakvoorwaarden en te gebruiken terminologie op. Het gedocumenteerde modelformaat van Mistral heeft een eigen verwerking van systeemprompts voor directe implementaties.
Houd relevante passages, code en eerdere beslissingen binnen de vermelde context van dit modelprofiel en laat ruimte over voor het gevraagde resultaat. Lever actuele informatie aan voor vragen die daarvan afhangen. Bewaar de editie-identificatie 2411 bij de prompt en het antwoord wanneer u modelrevisies vergelijkt.
", "aboutText": "Mistral Large 2411 is een dense instructiemodel van Mistral AI met 123 miljard parameters. De fabrikant beschrijft meertalige tekstverwerking, redeneren en programmeren, met een contextvenster van 128K en gedocumenteerde mogelijkheden voor functieaanroepen en JSON-uitvoer. Het exacte gehoste modelprofiel vermeldt een contextlengte van 128.000 tokens.\n\n### Werk vanuit passages of code\n\nLabel de tekst die het antwoord moet gebruiken en benoem de vraag die deze met elkaar verbindt. Een vergelijking kan vragen om de vereisten, uitzonderingen of beslissingen in elke bron, met ondersteunende labels naast de bevindingen. Een concept kan het publiek, de over te brengen feiten en de gewenste lengte benoemen.\n\nLever voor codewerk de relevante interface, representatieve invoer en verwachte uitvoer aan. Vraag om een gerichte implementatie of correctie met tests voor de door u aangewezen gevallen. De fabrikant beschrijft training in meer dan 80 programmeertalen; geef de taal en projectconventies op die voor de huidige taak nodig zijn. Beoordeel de geretourneerde code en voer deze uit in dat project voordat u haar integreert.\n\n### Functies en gestructureerde resultaten\n\nDe modelkaart documenteert functieaanroepen binnen een toepassingsworkflow. De toepassing levert de functiedefinities, voert een aangevraagde bewerking uit en retourneert het daadwerkelijke resultaat. Bewaar dat resultaat bij het relevante verzoek voordat u het model vraagt verder te gaan of een definitief antwoord voor te bereiden.\n\nDefinieer voor JSON-uitvoer de velden, typen en de omgang met ontbrekende waarden. Valideer de geretourneerde structuur en vergelijk de inhoud met het aangeleverde materiaal voordat u deze in een andere bewerking gebruikt. Een functieverzoek of gestructureerd antwoord maakt deel uit van een workflow met eigen beoordelings- en uitvoeringsstappen.\n\n### Definieer de rol en relevante context\n\nDe fabrikant beveelt een systeemprompt aan die het doel van de assistent vermeldt. Geef de antwoordstijl, taakvoorwaarden en te gebruiken terminologie op. Het gedocumenteerde modelformaat van Mistral heeft een eigen verwerking van systeemprompts voor directe implementaties.\n\nHoud relevante passages, code en eerdere beslissingen binnen de vermelde context van dit modelprofiel en laat ruimte over voor het gevraagde resultaat. Lever actuele informatie aan voor vragen die daarvan afhangen. Bewaar de editie-identificatie 2411 bij de prompt en het antwoord wanneer u modelrevisies vergelijkt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Implement a stable deduplication helper\n\nWrite a Python function unique_ids(values) that returns the first occurrence of each case-sensitive string in input order. Preserve empty strings; do not sort or lowercase values. For ["B", "a", "B", "", "a"], specify the expected output. Include tests for empty input and strings that differ only in case.A function implementation and three explicit input/output tests for ordering, empty input and case sensitivity.Check that first-occurrence order is preserved and uppercase/lowercase identifiers are not merged.mistral-large-2411Mistral Large 2411 is het dense tekstmodel van Mistral AI met 123 miljard parameters voor meertalig werk, redeneren en codetaken. De modelkaart documenteert een context van 128K, functieaanroepen en JSON-uitvoer; lever gelabeld bronmateriaal en een concreet antwoord- of implementatieverzoek aan.
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 2411 is een dense instructiemodel van Mistral AI met 123 miljard parameters. De fabrikant beschrijft meertalige tekstverwerking, redeneren en programmeren, met een contextvenster van 128K en gedocumenteerde mogelijkheden voor functieaanroepen en JSON-uitvoer. Het exacte gehoste modelprofiel vermeldt een contextlengte van 128.000 tokens.
Label de tekst die het antwoord moet gebruiken en benoem de vraag die deze met elkaar verbindt. Een vergelijking kan vragen om de vereisten, uitzonderingen of beslissingen in elke bron, met ondersteunende labels naast de bevindingen. Een concept kan het publiek, de over te brengen feiten en de gewenste lengte benoemen.
Lever voor codewerk de relevante interface, representatieve invoer en verwachte uitvoer aan. Vraag om een gerichte implementatie of correctie met tests voor de door u aangewezen gevallen. De fabrikant beschrijft training in meer dan 80 programmeertalen; geef de taal en projectconventies op die voor de huidige taak nodig zijn. Beoordeel de geretourneerde code en voer deze uit in dat project voordat u haar integreert.
De modelkaart documenteert functieaanroepen binnen een toepassingsworkflow. De toepassing levert de functiedefinities, voert een aangevraagde bewerking uit en retourneert het daadwerkelijke resultaat. Bewaar dat resultaat bij het relevante verzoek voordat u het model vraagt verder te gaan of een definitief antwoord voor te bereiden.
Definieer voor JSON-uitvoer de velden, typen en de omgang met ontbrekende waarden. Valideer de geretourneerde structuur en vergelijk de inhoud met het aangeleverde materiaal voordat u deze in een andere bewerking gebruikt. Een functieverzoek of gestructureerd antwoord maakt deel uit van een workflow met eigen beoordelings- en uitvoeringsstappen.
De fabrikant beveelt een systeemprompt aan die het doel van de assistent vermeldt. Geef de antwoordstijl, taakvoorwaarden en te gebruiken terminologie op. Het gedocumenteerde modelformaat van Mistral heeft een eigen verwerking van systeemprompts voor directe implementaties.
Houd relevante passages, code en eerdere beslissingen binnen de vermelde context van dit modelprofiel en laat ruimte over voor het gevraagde resultaat. Lever actuele informatie aan voor vragen die daarvan afhangen. Bewaar de editie-identificatie 2411 bij de prompt en het antwoord wanneer u modelrevisies vergelijkt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistral-large-2411 | 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 $0.0044 / 1K tokens Uitvoer · Uitvoertokens $0.0132 / 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": "mistral-large-2411", "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='mistral-large-2411',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='mistral-large-2411',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 mistral-large-2411
Gebruik de hierboven getoonde methodepaden.
mistral-large-2411Mistral Large 2411 is het dense tekstmodel van Mistral AI met 123 miljard parameters voor meertalig werk, redeneren en codetaken. De modelkaart documenteert een context van 128K, functieaanroepen en JSON-uitvoer; lever gelabeld bronmateriaal en een concreet antwoord- of implementatieverzoek aan.
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 2411 is een dense instructiemodel van Mistral AI met 123 miljard parameters. De fabrikant beschrijft meertalige tekstverwerking, redeneren en programmeren, met een contextvenster van 128K en gedocumenteerde mogelijkheden voor functieaanroepen en JSON-uitvoer. Het exacte gehoste modelprofiel vermeldt een contextlengte van 128.000 tokens.
Label de tekst die het antwoord moet gebruiken en benoem de vraag die deze met elkaar verbindt. Een vergelijking kan vragen om de vereisten, uitzonderingen of beslissingen in elke bron, met ondersteunende labels naast de bevindingen. Een concept kan het publiek, de over te brengen feiten en de gewenste lengte benoemen.
Lever voor codewerk de relevante interface, representatieve invoer en verwachte uitvoer aan. Vraag om een gerichte implementatie of correctie met tests voor de door u aangewezen gevallen. De fabrikant beschrijft training in meer dan 80 programmeertalen; geef de taal en projectconventies op die voor de huidige taak nodig zijn. Beoordeel de geretourneerde code en voer deze uit in dat project voordat u haar integreert.
De modelkaart documenteert functieaanroepen binnen een toepassingsworkflow. De toepassing levert de functiedefinities, voert een aangevraagde bewerking uit en retourneert het daadwerkelijke resultaat. Bewaar dat resultaat bij het relevante verzoek voordat u het model vraagt verder te gaan of een definitief antwoord voor te bereiden.
Definieer voor JSON-uitvoer de velden, typen en de omgang met ontbrekende waarden. Valideer de geretourneerde structuur en vergelijk de inhoud met het aangeleverde materiaal voordat u deze in een andere bewerking gebruikt. Een functieverzoek of gestructureerd antwoord maakt deel uit van een workflow met eigen beoordelings- en uitvoeringsstappen.
De fabrikant beveelt een systeemprompt aan die het doel van de assistent vermeldt. Geef de antwoordstijl, taakvoorwaarden en te gebruiken terminologie op. Het gedocumenteerde modelformaat van Mistral heeft een eigen verwerking van systeemprompts voor directe implementaties.
Houd relevante passages, code en eerdere beslissingen binnen de vermelde context van dit modelprofiel en laat ruimte over voor het gevraagde resultaat. Lever actuele informatie aan voor vragen die daarvan afhangen. Bewaar de editie-identificatie 2411 bij de prompt en het antwoord wanneer u modelrevisies vergelijkt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistral-large-2411 | 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 $0.0044 / 1K tokens Uitvoer · Uitvoertokens $0.0132 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "mistral-large-2411",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mistral-large-2411', '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': 'mistral-large-2411', '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 mistral-large-2411
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Implement a stable deduplication helper\n\nWrite a Python function unique_ids(values) that returns the first occurrence of each case-sensitive string in input order. Preserve empty strings; do not sort or lowercase values. For ["B", "a", "B", "", "a"], specify the expected output. Include tests for empty input and strings that differ only in case.A function implementation and three explicit input/output tests for ordering, empty input and case sensitivity.Check that first-occurrence order is preserved and uppercase/lowercase identifiers are not merged.