Codestral 2508 is het programmeermodel van Mistral AI voor veelvoorkomende aanvullings- en generatietaken waarbij lage vertraging belangrijk is. Het ontvangt broncode en tekstuele vereisten en retourneert tekst die een implementatie, aanvulling, correctie of uitleg kan bevatten. De genoemde 2508-editie richt zich op de huidige bewerkingscontext van de ontwikkelaar en is op zichzelf geen embeddingmodel of volledige repositoryagent.
Codeaanvulling en de 2508-update
De maker positioneert Codestral voor fill-in-the-middle-aanvulling en bewerkingen over meerdere regels. De release beschrijft verbeterd aanvullingsgedrag, waaronder het beperken van ongecontroleerd doorgaande generatie, samen met verbeteringen in het volgen van instructies en codetaken in chatmodus. Dit zijn wijzigingen in deze Codestral-editie; ophaalfuncties en autonome agentmogelijkheden van de omringende programmeeromgeving horen bij afzonderlijk benoemde componenten.
Bewaar voor een aanvullingstaak de relevante functiesignatuur, declaraties en aanroepcontext bij de cursorpositie. Geef aan of het gewenste resultaat alleen de ontbrekende code of een volledige herziene functie is. Een editorverzoek kan bijvoorbeeld vragen om de inhoud van een lus die het bestaande retourtype behoudt, dubbele waarden laat staan en de invoer van de aanroeper niet wijzigt. Het resultaat heeft dan een concrete invoegpositie en gedefinieerd gedrag.
Voorbereiding voor fill-in-the-middle
In de FIM-interface van de maker levert de prompt de tekst of code die moet worden aangevuld en een optioneel suffix het materiaal na de opening. Als beide worden aangeleverd, vult het model de ruimte ertussen in. Zonder suffix gaat het verder vanaf de prompt. Dit verschilt van een gewoon gespreksverzoek om een codewijziging met uitleg; elke voorbereidingswijze definieert een ander uitvoercontract.
Een bruikbare invoer voor het vullen van een opening bevat het begin van de functie, de code die op de invoeging moet volgen en eventuele relevante type- of hulpdefinities. Behoud inspringing en scheidingstekens zodat de geretourneerde tekst in het bestaande fragment past. Als alleen de ontbrekende functie-inhoud nodig is, vraag dan om die inhoud in plaats van een herschrijving van het hele bestand. Een afzonderlijke chatvraag kan laten uitleggen waarom het aangevulde fragment aan de vereiste voldoet.
De officiële FIM-documentatie staat een budget voor uitvoertokens toe en vereist dat de prompt plus dat budget binnen de modelcontext blijven. Ook stopreeksen en streaming van gegenereerde content zijn gedocumenteerd. Kies een aanvullingsworkflow wanneer het resultaat in een codeopening moet passen, en een gespreksworkflow wanneer de taak code met uitleg vraagt.
Context en ondersteunende functies
De modelpagina vermeldt een contextvenster van 128k. Gebruik die context om de broncode en declaraties te bewaren die de beoogde wijziging bepalen, terwijl de feitelijke bewerkingstaak expliciet blijft. Lever voor een bugfix de betrokken functie, een concrete falende invoer, het verwachte resultaat en de fout of het waargenomen gedrag aan. Vraag om de voorgestelde correctie afzonderlijk van de uitleg en voorbeelden.
De pagina vermeldt ook gestructureerde uitvoer, functieaanroepen, voorspelde uitvoer, documentvragen, antwoordprefixen en batchverwerking naast chat- en FIM-mogelijkheden. Definieer voor een gestructureerd codereviewresultaat velden zoals het betrokken symbool, de waargenomen afwijking, de voorgestelde wijziging en de aanname die nog verduidelijking behoeft. De richtlijnen voor gestructureerde uitvoer van Mistral onderscheiden JSON-modus van een aangepast schema, waarbij het gewenste JSON-formaat in de prompt wordt vermeld.
Voorspelde uitvoer is bedoeld voor content waarvan grote delen van het antwoord al bekend zijn. Dit kan worden gebruikt om een document of codebestand opnieuw te genereren met een beperkte wijziging, terwijl de overige inhoud behouden blijft. Geef de exacte wijziging en het te behouden materiaal op. Een antwoordprefix levert daarentegen een bekend begin van waaruit de generatie verdergaat; dit verschilt zowel van een bekende volledige tekst als van een FIM-suffix.
Een documentatievraag kan de documentverwerkingsworkflow van de maker gebruiken om tekst en structuur met OCR voor te bereiden voordat het taalmodel die analyseert. Lever bij programmeermateriaal dat al als tekst beschikbaar is de relevante documentatiepassages aan en vraag welke voorwaarde voor de implementatie geldt. Verbind elke geëxtraheerde vereiste met de bijbehorende bronsectie, zodat de gegenereerde code of uitleg gekoppeld blijft aan de aangeleverde specificatie.
Tools en praktische resultaten
Met functieaanroepen kan de toepassing beschreven bewerkingen en hun parameters aanbieden. Het model stelt een aanroep op, de toepassing voert deze uit en het geretourneerde resultaat wordt context voor het volgende antwoord. Een programmeerassistent kan via die cyclus een opzoek- of rekenresultaat ontvangen, maar compileren, testen of toepassen van een voorgestelde wijziging vereist nog steeds de omringende ontwikkelomgeving.
Definieer voor een praktische correctie de openbare interface die compatibel moet blijven en vraag om het herziene fragment, een beknopte uitleg en voorbeeldinvoer met verwachte uitvoer. Geef voor een gegenereerde functie de geaccepteerde typen en randgevallen op. Lever voor een uitleg de invoer aan die moet worden gevolgd, zodat het antwoord een concreet uitvoeringspad aan de geretourneerde waarde koppelt.
Codestral produceert tekst. Het erft geen codezoekvectoren van Codestral Embed, repositoryautomatisering van Devstral of beeldgeneratie van een visueel model. De pagina van het exacte 2508-model publiceert geen parameteraantal of zelfstandige maximale antwoordlengte die van een andere release kan worden overgenomen. Behoud de benoemde editie, programmeercontext en het vereiste artefact wanneer u een herhaalbare editor- of chatworkflow voorbereidt.
", "aboutText": "Codestral 2508 is het programmeermodel van Mistral AI voor veelvoorkomende aanvullings- en generatietaken waarbij lage vertraging belangrijk is. Het ontvangt broncode en tekstuele vereisten en retourneert tekst die een implementatie, aanvulling, correctie of uitleg kan bevatten. De genoemde 2508-editie richt zich op de huidige bewerkingscontext van de ontwikkelaar en is op zichzelf geen embeddingmodel of volledige repositoryagent.\n\nCodeaanvulling en de 2508-update\n\nDe maker positioneert Codestral voor fill-in-the-middle-aanvulling en bewerkingen over meerdere regels. De release beschrijft verbeterd aanvullingsgedrag, waaronder het beperken van ongecontroleerd doorgaande generatie, samen met verbeteringen in het volgen van instructies en codetaken in chatmodus. Dit zijn wijzigingen in deze Codestral-editie; ophaalfuncties en autonome agentmogelijkheden van de omringende programmeeromgeving horen bij afzonderlijk benoemde componenten.\n\nBewaar voor een aanvullingstaak de relevante functiesignatuur, declaraties en aanroepcontext bij de cursorpositie. Geef aan of het gewenste resultaat alleen de ontbrekende code of een volledige herziene functie is. Een editorverzoek kan bijvoorbeeld vragen om de inhoud van een lus die het bestaande retourtype behoudt, dubbele waarden laat staan en de invoer van de aanroeper niet wijzigt. Het resultaat heeft dan een concrete invoegpositie en gedefinieerd gedrag.\n\nVoorbereiding voor fill-in-the-middle\n\nIn de FIM-interface van de maker levert de prompt de tekst of code die moet worden aangevuld en een optioneel suffix het materiaal na de opening. Als beide worden aangeleverd, vult het model de ruimte ertussen in. Zonder suffix gaat het verder vanaf de prompt. Dit verschilt van een gewoon gespreksverzoek om een codewijziging met uitleg; elke voorbereidingswijze definieert een ander uitvoercontract.\n\nEen bruikbare invoer voor het vullen van een opening bevat het begin van de functie, de code die op de invoeging moet volgen en eventuele relevante type- of hulpdefinities. Behoud inspringing en scheidingstekens zodat de geretourneerde tekst in het bestaande fragment past. Als alleen de ontbrekende functie-inhoud nodig is, vraag dan om die inhoud in plaats van een herschrijving van het hele bestand. Een afzonderlijke chatvraag kan laten uitleggen waarom het aangevulde fragment aan de vereiste voldoet.\n\nDe officiële FIM-documentatie staat een budget voor uitvoertokens toe en vereist dat de prompt plus dat budget binnen de modelcontext blijven. Ook stopreeksen en streaming van gegenereerde content zijn gedocumenteerd. Kies een aanvullingsworkflow wanneer het resultaat in een codeopening moet passen, en een gespreksworkflow wanneer de taak code met uitleg vraagt.\n\nContext en ondersteunende functies\n\nDe modelpagina vermeldt een contextvenster van 128k. Gebruik die context om de broncode en declaraties te bewaren die de beoogde wijziging bepalen, terwijl de feitelijke bewerkingstaak expliciet blijft. Lever voor een bugfix de betrokken functie, een concrete falende invoer, het verwachte resultaat en de fout of het waargenomen gedrag aan. Vraag om de voorgestelde correctie afzonderlijk van de uitleg en voorbeelden.\n\nDe pagina vermeldt ook gestructureerde uitvoer, functieaanroepen, voorspelde uitvoer, documentvragen, antwoordprefixen en batchverwerking naast chat- en FIM-mogelijkheden. Definieer voor een gestructureerd codereviewresultaat velden zoals het betrokken symbool, de waargenomen afwijking, de voorgestelde wijziging en de aanname die nog verduidelijking behoeft. De richtlijnen voor gestructureerde uitvoer van Mistral onderscheiden JSON-modus van een aangepast schema, waarbij het gewenste JSON-formaat in de prompt wordt vermeld.\n\nVoorspelde uitvoer is bedoeld voor content waarvan grote delen van het antwoord al bekend zijn. Dit kan worden gebruikt om een document of codebestand opnieuw te genereren met een beperkte wijziging, terwijl de overige inhoud behouden blijft. Geef de exacte wijziging en het te behouden materiaal op. Een antwoordprefix levert daarentegen een bekend begin van waaruit de generatie verdergaat; dit verschilt zowel van een bekende volledige tekst als van een FIM-suffix.\n\nEen documentatievraag kan de documentverwerkingsworkflow van de maker gebruiken om tekst en structuur met OCR voor te bereiden voordat het taalmodel die analyseert. Lever bij programmeermateriaal dat al als tekst beschikbaar is de relevante documentatiepassages aan en vraag welke voorwaarde voor de implementatie geldt. Verbind elke geëxtraheerde vereiste met de bijbehorende bronsectie, zodat de gegenereerde code of uitleg gekoppeld blijft aan de aangeleverde specificatie.\n\nTools en praktische resultaten\n\nMet functieaanroepen kan de toepassing beschreven bewerkingen en hun parameters aanbieden. Het model stelt een aanroep op, de toepassing voert deze uit en het geretourneerde resultaat wordt context voor het volgende antwoord. Een programmeerassistent kan via die cyclus een opzoek- of rekenresultaat ontvangen, maar compileren, testen of toepassen van een voorgestelde wijziging vereist nog steeds de omringende ontwikkelomgeving.\n\nDefinieer voor een praktische correctie de openbare interface die compatibel moet blijven en vraag om het herziene fragment, een beknopte uitleg en voorbeeldinvoer met verwachte uitvoer. Geef voor een gegenereerde functie de geaccepteerde typen en randgevallen op. Lever voor een uitleg de invoer aan die moet worden gevolgd, zodat het antwoord een concreet uitvoeringspad aan de geretourneerde waarde koppelt.\n\nCodestral produceert tekst. Het erft geen codezoekvectoren van Codestral Embed, repositoryautomatisering van Devstral of beeldgeneratie van een visueel model. De pagina van het exacte 2508-model publiceert geen parameteraantal of zelfstandige maximale antwoordlengte die van een andere release kan worden overgenomen. Behoud de benoemde editie, programmeercontext en het vereiste artefact wanneer u een herhaalbare editor- of chatworkflow voorbereidt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Fill a nonmutating loop body\n\nComplete only the missing body in this Python function: 'def doubled(values):\n result = []\n # missing body\n return result'. It must append twice every input value, preserve order and duplicate values, and leave values unchanged. Return the indented insertion followed by assert tests for [2, 2, -1] and []. This is a chat completion request, not a FIM transport request.Only the missing indented loop body, then two tests verifying [4, 4, -2] and an empty result.The insertion fits before return result and never deduplicates or mutates the input.mistralai/codestral-2508Codestral 2508 is het tekstmodel van Mistral AI voor codegeneratie en contextbewuste aanvulling. Het is geoptimaliseerd voor veelvoorkomende editortaken, waaronder fill-in-the-middle en wijzigingen over meerdere regels, met een door de maker opgegeven context van 128k en gedocumenteerde chat-, gestructureerde-uitvoer- en toolfuncties.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Codestral 2508 is het programmeermodel van Mistral AI voor veelvoorkomende aanvullings- en generatietaken waarbij lage vertraging belangrijk is. Het ontvangt broncode en tekstuele vereisten en retourneert tekst die een implementatie, aanvulling, correctie of uitleg kan bevatten. De genoemde 2508-editie richt zich op de huidige bewerkingscontext van de ontwikkelaar en is op zichzelf geen embeddingmodel of volledige repositoryagent.
Codeaanvulling en de 2508-update
De maker positioneert Codestral voor fill-in-the-middle-aanvulling en bewerkingen over meerdere regels. De release beschrijft verbeterd aanvullingsgedrag, waaronder het beperken van ongecontroleerd doorgaande generatie, samen met verbeteringen in het volgen van instructies en codetaken in chatmodus. Dit zijn wijzigingen in deze Codestral-editie; ophaalfuncties en autonome agentmogelijkheden van de omringende programmeeromgeving horen bij afzonderlijk benoemde componenten.
Bewaar voor een aanvullingstaak de relevante functiesignatuur, declaraties en aanroepcontext bij de cursorpositie. Geef aan of het gewenste resultaat alleen de ontbrekende code of een volledige herziene functie is. Een editorverzoek kan bijvoorbeeld vragen om de inhoud van een lus die het bestaande retourtype behoudt, dubbele waarden laat staan en de invoer van de aanroeper niet wijzigt. Het resultaat heeft dan een concrete invoegpositie en gedefinieerd gedrag.
Voorbereiding voor fill-in-the-middle
In de FIM-interface van de maker levert de prompt de tekst of code die moet worden aangevuld en een optioneel suffix het materiaal na de opening. Als beide worden aangeleverd, vult het model de ruimte ertussen in. Zonder suffix gaat het verder vanaf de prompt. Dit verschilt van een gewoon gespreksverzoek om een codewijziging met uitleg; elke voorbereidingswijze definieert een ander uitvoercontract.
Een bruikbare invoer voor het vullen van een opening bevat het begin van de functie, de code die op de invoeging moet volgen en eventuele relevante type- of hulpdefinities. Behoud inspringing en scheidingstekens zodat de geretourneerde tekst in het bestaande fragment past. Als alleen de ontbrekende functie-inhoud nodig is, vraag dan om die inhoud in plaats van een herschrijving van het hele bestand. Een afzonderlijke chatvraag kan laten uitleggen waarom het aangevulde fragment aan de vereiste voldoet.
De officiële FIM-documentatie staat een budget voor uitvoertokens toe en vereist dat de prompt plus dat budget binnen de modelcontext blijven. Ook stopreeksen en streaming van gegenereerde content zijn gedocumenteerd. Kies een aanvullingsworkflow wanneer het resultaat in een codeopening moet passen, en een gespreksworkflow wanneer de taak code met uitleg vraagt.
Context en ondersteunende functies
De modelpagina vermeldt een contextvenster van 128k. Gebruik die context om de broncode en declaraties te bewaren die de beoogde wijziging bepalen, terwijl de feitelijke bewerkingstaak expliciet blijft. Lever voor een bugfix de betrokken functie, een concrete falende invoer, het verwachte resultaat en de fout of het waargenomen gedrag aan. Vraag om de voorgestelde correctie afzonderlijk van de uitleg en voorbeelden.
De pagina vermeldt ook gestructureerde uitvoer, functieaanroepen, voorspelde uitvoer, documentvragen, antwoordprefixen en batchverwerking naast chat- en FIM-mogelijkheden. Definieer voor een gestructureerd codereviewresultaat velden zoals het betrokken symbool, de waargenomen afwijking, de voorgestelde wijziging en de aanname die nog verduidelijking behoeft. De richtlijnen voor gestructureerde uitvoer van Mistral onderscheiden JSON-modus van een aangepast schema, waarbij het gewenste JSON-formaat in de prompt wordt vermeld.
Voorspelde uitvoer is bedoeld voor content waarvan grote delen van het antwoord al bekend zijn. Dit kan worden gebruikt om een document of codebestand opnieuw te genereren met een beperkte wijziging, terwijl de overige inhoud behouden blijft. Geef de exacte wijziging en het te behouden materiaal op. Een antwoordprefix levert daarentegen een bekend begin van waaruit de generatie verdergaat; dit verschilt zowel van een bekende volledige tekst als van een FIM-suffix.
Een documentatievraag kan de documentverwerkingsworkflow van de maker gebruiken om tekst en structuur met OCR voor te bereiden voordat het taalmodel die analyseert. Lever bij programmeermateriaal dat al als tekst beschikbaar is de relevante documentatiepassages aan en vraag welke voorwaarde voor de implementatie geldt. Verbind elke geëxtraheerde vereiste met de bijbehorende bronsectie, zodat de gegenereerde code of uitleg gekoppeld blijft aan de aangeleverde specificatie.
Tools en praktische resultaten
Met functieaanroepen kan de toepassing beschreven bewerkingen en hun parameters aanbieden. Het model stelt een aanroep op, de toepassing voert deze uit en het geretourneerde resultaat wordt context voor het volgende antwoord. Een programmeerassistent kan via die cyclus een opzoek- of rekenresultaat ontvangen, maar compileren, testen of toepassen van een voorgestelde wijziging vereist nog steeds de omringende ontwikkelomgeving.
Definieer voor een praktische correctie de openbare interface die compatibel moet blijven en vraag om het herziene fragment, een beknopte uitleg en voorbeeldinvoer met verwachte uitvoer. Geef voor een gegenereerde functie de geaccepteerde typen en randgevallen op. Lever voor een uitleg de invoer aan die moet worden gevolgd, zodat het antwoord een concreet uitvoeringspad aan de geretourneerde waarde koppelt.
Codestral produceert tekst. Het erft geen codezoekvectoren van Codestral Embed, repositoryautomatisering van Devstral of beeldgeneratie van een visueel model. De pagina van het exacte 2508-model publiceert geen parameteraantal of zelfstandige maximale antwoordlengte die van een andere release kan worden overgenomen. Behoud de benoemde editie, programmeercontext en het vereiste artefact wanneer u een herhaalbare editor- of chatworkflow voorbereidt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistralai/codestral-2508 | 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.
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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/codestral-2508", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/codestral-2508',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/codestral-2508',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 mistralai/codestral-2508
Gebruik de hierboven getoonde methodepaden.
mistralai/codestral-2508Codestral 2508 is het tekstmodel van Mistral AI voor codegeneratie en contextbewuste aanvulling. Het is geoptimaliseerd voor veelvoorkomende editortaken, waaronder fill-in-the-middle en wijzigingen over meerdere regels, met een door de maker opgegeven context van 128k en gedocumenteerde chat-, gestructureerde-uitvoer- en toolfuncties.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Codestral 2508 is het programmeermodel van Mistral AI voor veelvoorkomende aanvullings- en generatietaken waarbij lage vertraging belangrijk is. Het ontvangt broncode en tekstuele vereisten en retourneert tekst die een implementatie, aanvulling, correctie of uitleg kan bevatten. De genoemde 2508-editie richt zich op de huidige bewerkingscontext van de ontwikkelaar en is op zichzelf geen embeddingmodel of volledige repositoryagent.
Codeaanvulling en de 2508-update
De maker positioneert Codestral voor fill-in-the-middle-aanvulling en bewerkingen over meerdere regels. De release beschrijft verbeterd aanvullingsgedrag, waaronder het beperken van ongecontroleerd doorgaande generatie, samen met verbeteringen in het volgen van instructies en codetaken in chatmodus. Dit zijn wijzigingen in deze Codestral-editie; ophaalfuncties en autonome agentmogelijkheden van de omringende programmeeromgeving horen bij afzonderlijk benoemde componenten.
Bewaar voor een aanvullingstaak de relevante functiesignatuur, declaraties en aanroepcontext bij de cursorpositie. Geef aan of het gewenste resultaat alleen de ontbrekende code of een volledige herziene functie is. Een editorverzoek kan bijvoorbeeld vragen om de inhoud van een lus die het bestaande retourtype behoudt, dubbele waarden laat staan en de invoer van de aanroeper niet wijzigt. Het resultaat heeft dan een concrete invoegpositie en gedefinieerd gedrag.
Voorbereiding voor fill-in-the-middle
In de FIM-interface van de maker levert de prompt de tekst of code die moet worden aangevuld en een optioneel suffix het materiaal na de opening. Als beide worden aangeleverd, vult het model de ruimte ertussen in. Zonder suffix gaat het verder vanaf de prompt. Dit verschilt van een gewoon gespreksverzoek om een codewijziging met uitleg; elke voorbereidingswijze definieert een ander uitvoercontract.
Een bruikbare invoer voor het vullen van een opening bevat het begin van de functie, de code die op de invoeging moet volgen en eventuele relevante type- of hulpdefinities. Behoud inspringing en scheidingstekens zodat de geretourneerde tekst in het bestaande fragment past. Als alleen de ontbrekende functie-inhoud nodig is, vraag dan om die inhoud in plaats van een herschrijving van het hele bestand. Een afzonderlijke chatvraag kan laten uitleggen waarom het aangevulde fragment aan de vereiste voldoet.
De officiële FIM-documentatie staat een budget voor uitvoertokens toe en vereist dat de prompt plus dat budget binnen de modelcontext blijven. Ook stopreeksen en streaming van gegenereerde content zijn gedocumenteerd. Kies een aanvullingsworkflow wanneer het resultaat in een codeopening moet passen, en een gespreksworkflow wanneer de taak code met uitleg vraagt.
Context en ondersteunende functies
De modelpagina vermeldt een contextvenster van 128k. Gebruik die context om de broncode en declaraties te bewaren die de beoogde wijziging bepalen, terwijl de feitelijke bewerkingstaak expliciet blijft. Lever voor een bugfix de betrokken functie, een concrete falende invoer, het verwachte resultaat en de fout of het waargenomen gedrag aan. Vraag om de voorgestelde correctie afzonderlijk van de uitleg en voorbeelden.
De pagina vermeldt ook gestructureerde uitvoer, functieaanroepen, voorspelde uitvoer, documentvragen, antwoordprefixen en batchverwerking naast chat- en FIM-mogelijkheden. Definieer voor een gestructureerd codereviewresultaat velden zoals het betrokken symbool, de waargenomen afwijking, de voorgestelde wijziging en de aanname die nog verduidelijking behoeft. De richtlijnen voor gestructureerde uitvoer van Mistral onderscheiden JSON-modus van een aangepast schema, waarbij het gewenste JSON-formaat in de prompt wordt vermeld.
Voorspelde uitvoer is bedoeld voor content waarvan grote delen van het antwoord al bekend zijn. Dit kan worden gebruikt om een document of codebestand opnieuw te genereren met een beperkte wijziging, terwijl de overige inhoud behouden blijft. Geef de exacte wijziging en het te behouden materiaal op. Een antwoordprefix levert daarentegen een bekend begin van waaruit de generatie verdergaat; dit verschilt zowel van een bekende volledige tekst als van een FIM-suffix.
Een documentatievraag kan de documentverwerkingsworkflow van de maker gebruiken om tekst en structuur met OCR voor te bereiden voordat het taalmodel die analyseert. Lever bij programmeermateriaal dat al als tekst beschikbaar is de relevante documentatiepassages aan en vraag welke voorwaarde voor de implementatie geldt. Verbind elke geëxtraheerde vereiste met de bijbehorende bronsectie, zodat de gegenereerde code of uitleg gekoppeld blijft aan de aangeleverde specificatie.
Tools en praktische resultaten
Met functieaanroepen kan de toepassing beschreven bewerkingen en hun parameters aanbieden. Het model stelt een aanroep op, de toepassing voert deze uit en het geretourneerde resultaat wordt context voor het volgende antwoord. Een programmeerassistent kan via die cyclus een opzoek- of rekenresultaat ontvangen, maar compileren, testen of toepassen van een voorgestelde wijziging vereist nog steeds de omringende ontwikkelomgeving.
Definieer voor een praktische correctie de openbare interface die compatibel moet blijven en vraag om het herziene fragment, een beknopte uitleg en voorbeeldinvoer met verwachte uitvoer. Geef voor een gegenereerde functie de geaccepteerde typen en randgevallen op. Lever voor een uitleg de invoer aan die moet worden gevolgd, zodat het antwoord een concreet uitvoeringspad aan de geretourneerde waarde koppelt.
Codestral produceert tekst. Het erft geen codezoekvectoren van Codestral Embed, repositoryautomatisering van Devstral of beeldgeneratie van een visueel model. De pagina van het exacte 2508-model publiceert geen parameteraantal of zelfstandige maximale antwoordlengte die van een andere release kan worden overgenomen. Behoud de benoemde editie, programmeercontext en het vereiste artefact wanneer u een herhaalbare editor- of chatworkflow voorbereidt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistralai/codestral-2508 | 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.
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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.0018 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "mistralai/codestral-2508",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/codestral-2508', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/codestral-2508', '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 mistralai/codestral-2508
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Fill a nonmutating loop body\n\nComplete only the missing body in this Python function: 'def doubled(values):\n result = []\n # missing body\n return result'. It must append twice every input value, preserve order and duplicate values, and leave values unchanged. Return the indented insertion followed by assert tests for [2, 2, -1] and []. This is a chat completion request, not a FIM transport request.Only the missing indented loop body, then two tests verifying [4, 4, -2] and an empty result.The insertion fits before return result and never deduplicates or mutates the input.