Mistral Medium 3.1 is een multimodale editie van Mistral AI voor tekstueel en visueel begrip. De maker beschrijft deze revisie als een verbetering van toon en prestaties binnen de Medium 3-lijn. Het accepteert tekst en afbeeldingen en produceert tekst: een uitleg, documentantwoord, gestructureerd record of voorgestelde functieaanroep. De vaste identificatie van de maker voor deze editie is mistral-medium-2508.
Context en de specifieke editie
De modelpagina documenteert een contextvenster van 128k. Gebruik dit om samenhangende bronpassages, beeldbewijs, het gesprek en de gebruikerstaak bijeen te houden. Benoem de documentrollen en de te beantwoorden vraag voordat u een grote verzameling aanlevert. Een lange context kan een gerichte vergelijking ondersteunen terwijl het uiteindelijke artefact een korte tabel of herziene sectie blijft.
Medium 3.1 behoudt zijn eigen specificatie. De context van 256k, de dense architectuur met 128 miljard parameters en instelbare hybride redeneermodi die voor Medium 3.5 zijn beschreven, mogen niet aan deze vermelding worden toegeschreven. De 3.1-pagina geeft geen parameteraantal of afzonderlijke maximale antwoordlengte die verantwoord door die van het latere model kan worden vervangen.
Gestructureerde uitvoer en functies
De maker vermeldt gestructureerde uitvoer, functieaanroepen en voorspelde uitvoer als functies van deze editie. Definieer voor een gestructureerde extractietaak de vereiste velden, verwachte typen en omgang met informatie die in de bron ontbreekt. Een record kan de documentidentificatie, de geëxtraheerde uitspraak, de bronlocatie en de resterende vraag bevatten. Vraag alleen om het record als een programma het gaat parseren, of houd een uitleg in proza afzonderlijk wanneer iemand de interpretatie moet beoordelen.
De gedeelde documentatie voor gestructureerde uitvoer van Mistral onderscheidt JSON-modus van een aangepast schema. JSON-modus vereist een expliciete instructie over het gewenste JSON-formaat, terwijl de aangepaste route een specifiekere structuur definieert. Dit is opmaak van het tekstresultaat, geen nieuwe inhoudsmodaliteit of externe actie.
Voor functies definieert de toepassing de beschikbare bewerking en argumenten, selecteert het model een geschikte aanroep en stelt het waarden op, waarna de toepassing deze uitvoert. Het resultaat wordt vervolgens informatie voor het volgende antwoord. Een documentassistent kan een opzoekactie gebruiken om ontbrekende referentiegegevens te verkrijgen, maar alleen als de omringende toepassing die opzoekactie aanbiedt en het daadwerkelijke resultaat retourneert. Houd de voorgestelde aanroep en de geretourneerde gegevens met elkaar verbonden.
Voorspelde wijzigingen en antwoordprefixen
Voorspelde uitvoer is nuttig wanneer het grootste deel van het gewenste resultaat al bekend is, zoals een document of codebestand dat een beperkte wijziging nodig heeft. Geef de bestaande inhoud en beschrijf de wijziging nauwkeurig, inclusief wat ongewijzigd moet blijven. Een verzoek kan de terminologie in één sectie bijwerken of één implementatiedetail vervangen, terwijl de rest van het document behouden blijft. De voorspelling bevat verwachte uitvoerinhoud en geen afgeronde wijziging die op een bestand is toegepast.
De modelpagina vermeldt ook voortzetting van antwoordprefixen. In de chatdocumentatie van de maker levert een prefix een bekend begin voor het assistentantwoord, waarna de generatie verdergaat. Een bekend begin en een voorspelde hoofdtekst lossen verschillende voorbereidingsproblemen op. Batchverwerking en agent-/gespreksinterfaces zijn eveneens workflowfuncties en geen afzonderlijke beeld-, audio- of redeneeredities van Medium 3.1.
Document- en beeldvragen
De vermelde document-QnA-workflow combineert met OCR voorbereide tekst, structuur en opmaak met taalmodelanalyse. Vraag naar de specifieke voorwaarde, passage of relatie die de taak vereist. Een vergelijking kan de brondocumenten benoemen en vragen om gedeelde uitspraken, conflicten en onopgeloste details, met de bronlocatie naast elke bevinding.
De beeldgids van de maker omvat expliciet Medium 3.1. Een directe visuele vraag kan een leesbare grafiek, documentafbeelding of schermafbeelding aanleveren en vragen welk zichtbaar bewijs een conclusie ondersteunt. Behoud assen, eenheden, labels en de context rond een uitgesneden veld. Als meerdere afbeeldingen worden aangeleverd, benoem dan hun volgorde en rol in plaats van het model te laten afleiden welke het origineel, de herziening of de referentie is.
Combineer bijvoorbeeld een schriftelijke procesvereiste met een schermafbeelding en vraag om een tabel met zichtbare overeenkomsten, verschillen en vragen waarvoor meer informatie nodig is. Een andere taak kan twee documentversies aanleveren en vragen om een herziene passage die gedeelde voorwaarden behoudt en tegelijk een benoemde inconsistentie oplost. Dit zijn voorgestelde toepassingen van de gedocumenteerde beeld-, document- en bewerkingsmogelijkheden, met het vereiste resultaat vooraf gedefinieerd.
Het uiteindelijke artefact voorbereiden
Geef de assistent een duidelijke rol, het te gebruiken bronmateriaal en de antwoordvorm. Houd blijvende antwoordregels gescheiden van het onderzochte document en vermeld de doeltaal en terminologie. Een bruikbaar antwoord kan een geëxtraheerd feit, de bron en een interpretatie scheiden, zodat het eenvoudiger te beoordelen is dan één samengevoegde samenvatting.
Het gedocumenteerde resultaat blijft tekst. Externe tools, bestandswijzigingen en verdere documentverwerking horen bij de toepassing die met het gesprek is verbonden. Behoud de genoemde Medium 3.1-editie en de context van 128k en vraag om de uitleg, het gestructureerde record of de gerichte herziening die de volgende stap daadwerkelijk nodig heeft.
", "aboutText": "Mistral Medium 3.1 is een multimodale editie van Mistral AI voor tekstueel en visueel begrip. De maker beschrijft deze revisie als een verbetering van toon en prestaties binnen de Medium 3-lijn. Het accepteert tekst en afbeeldingen en produceert tekst: een uitleg, documentantwoord, gestructureerd record of voorgestelde functieaanroep. De vaste identificatie van de maker voor deze editie is mistral-medium-2508.\n\nContext en de specifieke editie\n\nDe modelpagina documenteert een contextvenster van 128k. Gebruik dit om samenhangende bronpassages, beeldbewijs, het gesprek en de gebruikerstaak bijeen te houden. Benoem de documentrollen en de te beantwoorden vraag voordat u een grote verzameling aanlevert. Een lange context kan een gerichte vergelijking ondersteunen terwijl het uiteindelijke artefact een korte tabel of herziene sectie blijft.\n\nMedium 3.1 behoudt zijn eigen specificatie. De context van 256k, de dense architectuur met 128 miljard parameters en instelbare hybride redeneermodi die voor Medium 3.5 zijn beschreven, mogen niet aan deze vermelding worden toegeschreven. De 3.1-pagina geeft geen parameteraantal of afzonderlijke maximale antwoordlengte die verantwoord door die van het latere model kan worden vervangen.\n\nGestructureerde uitvoer en functies\n\nDe maker vermeldt gestructureerde uitvoer, functieaanroepen en voorspelde uitvoer als functies van deze editie. Definieer voor een gestructureerde extractietaak de vereiste velden, verwachte typen en omgang met informatie die in de bron ontbreekt. Een record kan de documentidentificatie, de geëxtraheerde uitspraak, de bronlocatie en de resterende vraag bevatten. Vraag alleen om het record als een programma het gaat parseren, of houd een uitleg in proza afzonderlijk wanneer iemand de interpretatie moet beoordelen.\n\nDe gedeelde documentatie voor gestructureerde uitvoer van Mistral onderscheidt JSON-modus van een aangepast schema. JSON-modus vereist een expliciete instructie over het gewenste JSON-formaat, terwijl de aangepaste route een specifiekere structuur definieert. Dit is opmaak van het tekstresultaat, geen nieuwe inhoudsmodaliteit of externe actie.\n\nVoor functies definieert de toepassing de beschikbare bewerking en argumenten, selecteert het model een geschikte aanroep en stelt het waarden op, waarna de toepassing deze uitvoert. Het resultaat wordt vervolgens informatie voor het volgende antwoord. Een documentassistent kan een opzoekactie gebruiken om ontbrekende referentiegegevens te verkrijgen, maar alleen als de omringende toepassing die opzoekactie aanbiedt en het daadwerkelijke resultaat retourneert. Houd de voorgestelde aanroep en de geretourneerde gegevens met elkaar verbonden.\n\nVoorspelde wijzigingen en antwoordprefixen\n\nVoorspelde uitvoer is nuttig wanneer het grootste deel van het gewenste resultaat al bekend is, zoals een document of codebestand dat een beperkte wijziging nodig heeft. Geef de bestaande inhoud en beschrijf de wijziging nauwkeurig, inclusief wat ongewijzigd moet blijven. Een verzoek kan de terminologie in één sectie bijwerken of één implementatiedetail vervangen, terwijl de rest van het document behouden blijft. De voorspelling bevat verwachte uitvoerinhoud en geen afgeronde wijziging die op een bestand is toegepast.\n\nDe modelpagina vermeldt ook voortzetting van antwoordprefixen. In de chatdocumentatie van de maker levert een prefix een bekend begin voor het assistentantwoord, waarna de generatie verdergaat. Een bekend begin en een voorspelde hoofdtekst lossen verschillende voorbereidingsproblemen op. Batchverwerking en agent-/gespreksinterfaces zijn eveneens workflowfuncties en geen afzonderlijke beeld-, audio- of redeneeredities van Medium 3.1.\n\nDocument- en beeldvragen\n\nDe vermelde document-QnA-workflow combineert met OCR voorbereide tekst, structuur en opmaak met taalmodelanalyse. Vraag naar de specifieke voorwaarde, passage of relatie die de taak vereist. Een vergelijking kan de brondocumenten benoemen en vragen om gedeelde uitspraken, conflicten en onopgeloste details, met de bronlocatie naast elke bevinding.\n\nDe beeldgids van de maker omvat expliciet Medium 3.1. Een directe visuele vraag kan een leesbare grafiek, documentafbeelding of schermafbeelding aanleveren en vragen welk zichtbaar bewijs een conclusie ondersteunt. Behoud assen, eenheden, labels en de context rond een uitgesneden veld. Als meerdere afbeeldingen worden aangeleverd, benoem dan hun volgorde en rol in plaats van het model te laten afleiden welke het origineel, de herziening of de referentie is.\n\nCombineer bijvoorbeeld een schriftelijke procesvereiste met een schermafbeelding en vraag om een tabel met zichtbare overeenkomsten, verschillen en vragen waarvoor meer informatie nodig is. Een andere taak kan twee documentversies aanleveren en vragen om een herziene passage die gedeelde voorwaarden behoudt en tegelijk een benoemde inconsistentie oplost. Dit zijn voorgestelde toepassingen van de gedocumenteerde beeld-, document- en bewerkingsmogelijkheden, met het vereiste resultaat vooraf gedefinieerd.\n\nHet uiteindelijke artefact voorbereiden\n\nGeef de assistent een duidelijke rol, het te gebruiken bronmateriaal en de antwoordvorm. Houd blijvende antwoordregels gescheiden van het onderzochte document en vermeld de doeltaal en terminologie. Een bruikbaar antwoord kan een geëxtraheerd feit, de bron en een interpretatie scheiden, zodat het eenvoudiger te beoordelen is dan één samengevoegde samenvatting.\n\nHet gedocumenteerde resultaat blijft tekst. Externe tools, bestandswijzigingen en verdere documentverwerking horen bij de toepassing die met het gesprek is verbonden. Behoud de genoemde Medium 3.1-editie en de context van 128k en vraag om de uitleg, het gestructureerde record of de gerichte herziening die de volgende stap daadwerkelijk nodig heeft.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.mistralai/mistral-medium-3.1Mistral Medium 3.1 is een tekst- en beeldmodel voor gespreksantwoorden, documentvragen en gestructureerde extractie. De door de maker opgegeven context van 128k en vermelde functies voor functieaanroepen, voorspelde uitvoer en prefixen ondersteunen brongebonden uitleg en gerichte bewerkingsworkflows.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Mistral Medium 3.1 is een multimodale editie van Mistral AI voor tekstueel en visueel begrip. De maker beschrijft deze revisie als een verbetering van toon en prestaties binnen de Medium 3-lijn. Het accepteert tekst en afbeeldingen en produceert tekst: een uitleg, documentantwoord, gestructureerd record of voorgestelde functieaanroep. De vaste identificatie van de maker voor deze editie is mistral-medium-2508.
Context en de specifieke editie
De modelpagina documenteert een contextvenster van 128k. Gebruik dit om samenhangende bronpassages, beeldbewijs, het gesprek en de gebruikerstaak bijeen te houden. Benoem de documentrollen en de te beantwoorden vraag voordat u een grote verzameling aanlevert. Een lange context kan een gerichte vergelijking ondersteunen terwijl het uiteindelijke artefact een korte tabel of herziene sectie blijft.
Medium 3.1 behoudt zijn eigen specificatie. De context van 256k, de dense architectuur met 128 miljard parameters en instelbare hybride redeneermodi die voor Medium 3.5 zijn beschreven, mogen niet aan deze vermelding worden toegeschreven. De 3.1-pagina geeft geen parameteraantal of afzonderlijke maximale antwoordlengte die verantwoord door die van het latere model kan worden vervangen.
Gestructureerde uitvoer en functies
De maker vermeldt gestructureerde uitvoer, functieaanroepen en voorspelde uitvoer als functies van deze editie. Definieer voor een gestructureerde extractietaak de vereiste velden, verwachte typen en omgang met informatie die in de bron ontbreekt. Een record kan de documentidentificatie, de geëxtraheerde uitspraak, de bronlocatie en de resterende vraag bevatten. Vraag alleen om het record als een programma het gaat parseren, of houd een uitleg in proza afzonderlijk wanneer iemand de interpretatie moet beoordelen.
De gedeelde documentatie voor gestructureerde uitvoer van Mistral onderscheidt JSON-modus van een aangepast schema. JSON-modus vereist een expliciete instructie over het gewenste JSON-formaat, terwijl de aangepaste route een specifiekere structuur definieert. Dit is opmaak van het tekstresultaat, geen nieuwe inhoudsmodaliteit of externe actie.
Voor functies definieert de toepassing de beschikbare bewerking en argumenten, selecteert het model een geschikte aanroep en stelt het waarden op, waarna de toepassing deze uitvoert. Het resultaat wordt vervolgens informatie voor het volgende antwoord. Een documentassistent kan een opzoekactie gebruiken om ontbrekende referentiegegevens te verkrijgen, maar alleen als de omringende toepassing die opzoekactie aanbiedt en het daadwerkelijke resultaat retourneert. Houd de voorgestelde aanroep en de geretourneerde gegevens met elkaar verbonden.
Voorspelde wijzigingen en antwoordprefixen
Voorspelde uitvoer is nuttig wanneer het grootste deel van het gewenste resultaat al bekend is, zoals een document of codebestand dat een beperkte wijziging nodig heeft. Geef de bestaande inhoud en beschrijf de wijziging nauwkeurig, inclusief wat ongewijzigd moet blijven. Een verzoek kan de terminologie in één sectie bijwerken of één implementatiedetail vervangen, terwijl de rest van het document behouden blijft. De voorspelling bevat verwachte uitvoerinhoud en geen afgeronde wijziging die op een bestand is toegepast.
De modelpagina vermeldt ook voortzetting van antwoordprefixen. In de chatdocumentatie van de maker levert een prefix een bekend begin voor het assistentantwoord, waarna de generatie verdergaat. Een bekend begin en een voorspelde hoofdtekst lossen verschillende voorbereidingsproblemen op. Batchverwerking en agent-/gespreksinterfaces zijn eveneens workflowfuncties en geen afzonderlijke beeld-, audio- of redeneeredities van Medium 3.1.
Document- en beeldvragen
De vermelde document-QnA-workflow combineert met OCR voorbereide tekst, structuur en opmaak met taalmodelanalyse. Vraag naar de specifieke voorwaarde, passage of relatie die de taak vereist. Een vergelijking kan de brondocumenten benoemen en vragen om gedeelde uitspraken, conflicten en onopgeloste details, met de bronlocatie naast elke bevinding.
De beeldgids van de maker omvat expliciet Medium 3.1. Een directe visuele vraag kan een leesbare grafiek, documentafbeelding of schermafbeelding aanleveren en vragen welk zichtbaar bewijs een conclusie ondersteunt. Behoud assen, eenheden, labels en de context rond een uitgesneden veld. Als meerdere afbeeldingen worden aangeleverd, benoem dan hun volgorde en rol in plaats van het model te laten afleiden welke het origineel, de herziening of de referentie is.
Combineer bijvoorbeeld een schriftelijke procesvereiste met een schermafbeelding en vraag om een tabel met zichtbare overeenkomsten, verschillen en vragen waarvoor meer informatie nodig is. Een andere taak kan twee documentversies aanleveren en vragen om een herziene passage die gedeelde voorwaarden behoudt en tegelijk een benoemde inconsistentie oplost. Dit zijn voorgestelde toepassingen van de gedocumenteerde beeld-, document- en bewerkingsmogelijkheden, met het vereiste resultaat vooraf gedefinieerd.
Het uiteindelijke artefact voorbereiden
Geef de assistent een duidelijke rol, het te gebruiken bronmateriaal en de antwoordvorm. Houd blijvende antwoordregels gescheiden van het onderzochte document en vermeld de doeltaal en terminologie. Een bruikbaar antwoord kan een geëxtraheerd feit, de bron en een interpretatie scheiden, zodat het eenvoudiger te beoordelen is dan één samengevoegde samenvatting.
Het gedocumenteerde resultaat blijft tekst. Externe tools, bestandswijzigingen en verdere documentverwerking horen bij de toepassing die met het gesprek is verbonden. Behoud de genoemde Medium 3.1-editie en de context van 128k en vraag om de uitleg, het gestructureerde record of de gerichte herziening die de volgende stap daadwerkelijk nodig heeft.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistralai/mistral-medium-3.1 | 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 $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.004 / 1K tokens Invoer · Cache lezen $0.00008 / 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 $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.004 / 1K tokens Invoer · Cache lezen $0.00008 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3.1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-medium-3.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-medium-3.1',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/mistral-medium-3.1
Gebruik de hierboven getoonde methodepaden.
mistralai/mistral-medium-3.1Mistral Medium 3.1 is een tekst- en beeldmodel voor gespreksantwoorden, documentvragen en gestructureerde extractie. De door de maker opgegeven context van 128k en vermelde functies voor functieaanroepen, voorspelde uitvoer en prefixen ondersteunen brongebonden uitleg en gerichte bewerkingsworkflows.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Mistral Medium 3.1 is een multimodale editie van Mistral AI voor tekstueel en visueel begrip. De maker beschrijft deze revisie als een verbetering van toon en prestaties binnen de Medium 3-lijn. Het accepteert tekst en afbeeldingen en produceert tekst: een uitleg, documentantwoord, gestructureerd record of voorgestelde functieaanroep. De vaste identificatie van de maker voor deze editie is mistral-medium-2508.
Context en de specifieke editie
De modelpagina documenteert een contextvenster van 128k. Gebruik dit om samenhangende bronpassages, beeldbewijs, het gesprek en de gebruikerstaak bijeen te houden. Benoem de documentrollen en de te beantwoorden vraag voordat u een grote verzameling aanlevert. Een lange context kan een gerichte vergelijking ondersteunen terwijl het uiteindelijke artefact een korte tabel of herziene sectie blijft.
Medium 3.1 behoudt zijn eigen specificatie. De context van 256k, de dense architectuur met 128 miljard parameters en instelbare hybride redeneermodi die voor Medium 3.5 zijn beschreven, mogen niet aan deze vermelding worden toegeschreven. De 3.1-pagina geeft geen parameteraantal of afzonderlijke maximale antwoordlengte die verantwoord door die van het latere model kan worden vervangen.
Gestructureerde uitvoer en functies
De maker vermeldt gestructureerde uitvoer, functieaanroepen en voorspelde uitvoer als functies van deze editie. Definieer voor een gestructureerde extractietaak de vereiste velden, verwachte typen en omgang met informatie die in de bron ontbreekt. Een record kan de documentidentificatie, de geëxtraheerde uitspraak, de bronlocatie en de resterende vraag bevatten. Vraag alleen om het record als een programma het gaat parseren, of houd een uitleg in proza afzonderlijk wanneer iemand de interpretatie moet beoordelen.
De gedeelde documentatie voor gestructureerde uitvoer van Mistral onderscheidt JSON-modus van een aangepast schema. JSON-modus vereist een expliciete instructie over het gewenste JSON-formaat, terwijl de aangepaste route een specifiekere structuur definieert. Dit is opmaak van het tekstresultaat, geen nieuwe inhoudsmodaliteit of externe actie.
Voor functies definieert de toepassing de beschikbare bewerking en argumenten, selecteert het model een geschikte aanroep en stelt het waarden op, waarna de toepassing deze uitvoert. Het resultaat wordt vervolgens informatie voor het volgende antwoord. Een documentassistent kan een opzoekactie gebruiken om ontbrekende referentiegegevens te verkrijgen, maar alleen als de omringende toepassing die opzoekactie aanbiedt en het daadwerkelijke resultaat retourneert. Houd de voorgestelde aanroep en de geretourneerde gegevens met elkaar verbonden.
Voorspelde wijzigingen en antwoordprefixen
Voorspelde uitvoer is nuttig wanneer het grootste deel van het gewenste resultaat al bekend is, zoals een document of codebestand dat een beperkte wijziging nodig heeft. Geef de bestaande inhoud en beschrijf de wijziging nauwkeurig, inclusief wat ongewijzigd moet blijven. Een verzoek kan de terminologie in één sectie bijwerken of één implementatiedetail vervangen, terwijl de rest van het document behouden blijft. De voorspelling bevat verwachte uitvoerinhoud en geen afgeronde wijziging die op een bestand is toegepast.
De modelpagina vermeldt ook voortzetting van antwoordprefixen. In de chatdocumentatie van de maker levert een prefix een bekend begin voor het assistentantwoord, waarna de generatie verdergaat. Een bekend begin en een voorspelde hoofdtekst lossen verschillende voorbereidingsproblemen op. Batchverwerking en agent-/gespreksinterfaces zijn eveneens workflowfuncties en geen afzonderlijke beeld-, audio- of redeneeredities van Medium 3.1.
Document- en beeldvragen
De vermelde document-QnA-workflow combineert met OCR voorbereide tekst, structuur en opmaak met taalmodelanalyse. Vraag naar de specifieke voorwaarde, passage of relatie die de taak vereist. Een vergelijking kan de brondocumenten benoemen en vragen om gedeelde uitspraken, conflicten en onopgeloste details, met de bronlocatie naast elke bevinding.
De beeldgids van de maker omvat expliciet Medium 3.1. Een directe visuele vraag kan een leesbare grafiek, documentafbeelding of schermafbeelding aanleveren en vragen welk zichtbaar bewijs een conclusie ondersteunt. Behoud assen, eenheden, labels en de context rond een uitgesneden veld. Als meerdere afbeeldingen worden aangeleverd, benoem dan hun volgorde en rol in plaats van het model te laten afleiden welke het origineel, de herziening of de referentie is.
Combineer bijvoorbeeld een schriftelijke procesvereiste met een schermafbeelding en vraag om een tabel met zichtbare overeenkomsten, verschillen en vragen waarvoor meer informatie nodig is. Een andere taak kan twee documentversies aanleveren en vragen om een herziene passage die gedeelde voorwaarden behoudt en tegelijk een benoemde inconsistentie oplost. Dit zijn voorgestelde toepassingen van de gedocumenteerde beeld-, document- en bewerkingsmogelijkheden, met het vereiste resultaat vooraf gedefinieerd.
Het uiteindelijke artefact voorbereiden
Geef de assistent een duidelijke rol, het te gebruiken bronmateriaal en de antwoordvorm. Houd blijvende antwoordregels gescheiden van het onderzochte document en vermeld de doeltaal en terminologie. Een bruikbaar antwoord kan een geëxtraheerd feit, de bron en een interpretatie scheiden, zodat het eenvoudiger te beoordelen is dan één samengevoegde samenvatting.
Het gedocumenteerde resultaat blijft tekst. Externe tools, bestandswijzigingen en verdere documentverwerking horen bij de toepassing die met het gesprek is verbonden. Behoud de genoemde Medium 3.1-editie en de context van 128k en vraag om de uitleg, het gestructureerde record of de gerichte herziening die de volgende stap daadwerkelijk nodig heeft.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistralai/mistral-medium-3.1 | 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 $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.004 / 1K tokens Invoer · Cache lezen $0.00008 / 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 $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.004 / 1K tokens Invoer · Cache lezen $0.00008 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "mistralai/mistral-medium-3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-medium-3.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-medium-3.1', '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/mistral-medium-3.1
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.