Mistral Small 3.2 24B Instruct 2506 is een gerichte update van Mistral Small 3.1 24B Instruct 2503. De maker benoemt drie specifieke wijzigingen: nauwkeurige instructies beter volgen, herhalende of ongecontroleerd doorgaande antwoorden verminderen en het functieaanroepsjabloon robuuster maken. Het model blijft een op instructies afgestemd tekst- en beeldmodel dat tekst genereert, geen nieuwe audio- of beeldgeneratie-editie.
Wat verandert en wat behouden blijft
De 3.2-modelkaart vermeldt expliciet dat de belangrijkste functies gelijk zijn aan die van de genoemde Small 3.1-release. Deze omvatten beeldbegrip, meertalig werk, ondersteuning voor systeemprompts, native functieaanroepen, JSON-uitvoer en een contextvenster van 128k. De aangehaalde 3.1-kaart beschrijft een model met 24 miljard parameters en een Tekken-tokenizer met een woordenschat aangeduid als 131k. Deze gedocumenteerde koppeling ondersteunt het overnemen van die functies in 3.2, terwijl de 2506-update een eigen editie blijft.
De nadruk op instructievolging is belangrijk wanneer het resultaat meerdere exacte vereisten heeft. Geef het bronmateriaal, som de regels op waaraan de uitvoer moet voldoen en vermeld het te retourneren artefact. Een documentextractieverzoek kan specifieke velden, oorspronkelijke identificaties, een gedefinieerde weergave voor ontbrekende waarden en geen proza buiten het record vereisen. Een schrijftaak kan een bepaald publiek en een sectievolgorde vereisen, met behoud van aangeleverde voorwaarden.
De wijziging rond herhaling betreft het generatiegedrag en voegt geen nieuwe redeneermodus toe. Definieer voor een lang antwoord de vereiste secties en het doel van elke sectie, zodat het verzoek een duidelijk eindpunt heeft. De wijziging in het functiesjabloon betreft de representatie van gesprekken met tools; gebruik de gespreks- en tokenizerinstellingen van de bijpassende editie en behandel een ouder opmaakvoorbeeld niet als uitwisselbaar.
Visuele en meertalige taken
Met het overgenomen beeldbegrip kan een tekstvraag worden gecombineerd met een afbeelding. Lever een leesbare pagina, grafiek of diagram aan en benoem het detail dat voor de taak nodig is. Behoud bij een grafiekvergelijking de assen, eenheden en legenda en vraag om de waarneming die elke conclusie ondersteunt. Bewaar bij een documentveld het label en de omliggende context zodat de geretourneerde waarde correct kan worden geïnterpreteerd.
De gedocumenteerde taaldekking omvat Russisch, Engels, Frans, Duits, Spaans, Italiaans, Portugees, Chinees, Japans, Koreaans, Arabisch, Farsi, Hindi, Bengaals en andere door de maker vermelde talen. Geef de doeltaal en terminologie op die ongewijzigd moet blijven. Een tweetalige documenttaak kan identificaties en eenheden behouden en tegelijk de omliggende uitleg aan de lezer aanpassen.
Vraag voor een praktische visuele extractie om de documentidentificatie, het veldlabel, de geëxtraheerde tekst en het deel van de afbeelding dat dit ondersteunt. Een uitleg kan afzonderlijk volgen als de lezer interpretatie nodig heeft. Zo worden transcriptie, gestructureerde velden en de modelconclusie niet één ononderscheidbaar resultaat.
Systeeminstructies en tools
De 3.2-kaart beveelt een op het gebruiksdoel afgestemde systeemprompt en een relatief lage temperatuur aan, zoals 0.15. Stel de assistentrol, antwoordregels en omgang met bronmateriaal expliciet vast. Plaats het daadwerkelijke document of de code bij de gebruikerstaak, met behoud van de grens tussen instructies over het antwoord en instructies die in de bron worden geciteerd.
Voor functieaanroepen moet de toepassing toolbeschrijvingen en vereiste argumenten leveren. Het model stelt een aanroep op, de toepassing voert de functie uit en retourneert het resultaat, en het volgende antwoord gebruikt die informatie. De uitgebrachte voorbeelden omvatten visueel redeneren, toolaanroepen en instructies met alleen tekst. Een opzoektaak kan het model dus vragen een beschreven bewerking te kiezen, terwijl de daadwerkelijke opzoekactie en haar resultaat bij de omringende toepassing blijven.
Lever voor een programmeerverzoek de relevante functie, de invoer die het probleem blootlegt en het beoogde gedrag aan. Vraag om een voorgestelde correctie met behoud van de oorspronkelijke interface en vervolgens om voorbeelden die het bedoelde gedrag onderscheiden. Definieer voor een wiskundig verzoek de variabelen en aannames en vraag om de belangrijkste onderbouwde stappen en een afzonderlijke uiteindelijke uitdrukking. Dit zijn toepassingen van de overgenomen programmeer- en redeneermogelijkheden; uitvoering van voorgestelde code blijft een afzonderlijke stap.
Context- en editiegrenzen
Gebruik het venster van 128k voor bronpassages, afbeeldingen, gesprek en verwacht antwoord samen. Een vergelijking van grote documenten kan gerelateerde secties bewaren en toch een korte bevindingenmatrix retourneren. Een grote ingestelde beeldruimte of generatiewaarde in een hostingvoorbeeld is geen zelfstandig vermelde maximale modelcapaciteit.
Small 3.2 is een instructie-update met gedocumenteerde visuele invoer, niet het uitsluitend tekstuele Small 3 2501 of de hybride Small 4-redeneerrelease. De modelkaart van de maker geeft voor deze vermelding geen afzonderlijke harde limiet voor uitvoertokens. Behoud de exacte 2506-identiteit en opmaak en definieer het gestructureerde record, de uitleg of het codevoorstel dat de volgende stap nodig heeft.
", "aboutText": "Mistral Small 3.2 24B Instruct 2506 is een gerichte update van Mistral Small 3.1 24B Instruct 2503. De maker benoemt drie specifieke wijzigingen: nauwkeurige instructies beter volgen, herhalende of ongecontroleerd doorgaande antwoorden verminderen en het functieaanroepsjabloon robuuster maken. Het model blijft een op instructies afgestemd tekst- en beeldmodel dat tekst genereert, geen nieuwe audio- of beeldgeneratie-editie.\n\nWat verandert en wat behouden blijft\n\nDe 3.2-modelkaart vermeldt expliciet dat de belangrijkste functies gelijk zijn aan die van de genoemde Small 3.1-release. Deze omvatten beeldbegrip, meertalig werk, ondersteuning voor systeemprompts, native functieaanroepen, JSON-uitvoer en een contextvenster van 128k. De aangehaalde 3.1-kaart beschrijft een model met 24 miljard parameters en een Tekken-tokenizer met een woordenschat aangeduid als 131k. Deze gedocumenteerde koppeling ondersteunt het overnemen van die functies in 3.2, terwijl de 2506-update een eigen editie blijft.\n\nDe nadruk op instructievolging is belangrijk wanneer het resultaat meerdere exacte vereisten heeft. Geef het bronmateriaal, som de regels op waaraan de uitvoer moet voldoen en vermeld het te retourneren artefact. Een documentextractieverzoek kan specifieke velden, oorspronkelijke identificaties, een gedefinieerde weergave voor ontbrekende waarden en geen proza buiten het record vereisen. Een schrijftaak kan een bepaald publiek en een sectievolgorde vereisen, met behoud van aangeleverde voorwaarden.\n\nDe wijziging rond herhaling betreft het generatiegedrag en voegt geen nieuwe redeneermodus toe. Definieer voor een lang antwoord de vereiste secties en het doel van elke sectie, zodat het verzoek een duidelijk eindpunt heeft. De wijziging in het functiesjabloon betreft de representatie van gesprekken met tools; gebruik de gespreks- en tokenizerinstellingen van de bijpassende editie en behandel een ouder opmaakvoorbeeld niet als uitwisselbaar.\n\nVisuele en meertalige taken\n\nMet het overgenomen beeldbegrip kan een tekstvraag worden gecombineerd met een afbeelding. Lever een leesbare pagina, grafiek of diagram aan en benoem het detail dat voor de taak nodig is. Behoud bij een grafiekvergelijking de assen, eenheden en legenda en vraag om de waarneming die elke conclusie ondersteunt. Bewaar bij een documentveld het label en de omliggende context zodat de geretourneerde waarde correct kan worden geïnterpreteerd.\n\nDe gedocumenteerde taaldekking omvat Russisch, Engels, Frans, Duits, Spaans, Italiaans, Portugees, Chinees, Japans, Koreaans, Arabisch, Farsi, Hindi, Bengaals en andere door de maker vermelde talen. Geef de doeltaal en terminologie op die ongewijzigd moet blijven. Een tweetalige documenttaak kan identificaties en eenheden behouden en tegelijk de omliggende uitleg aan de lezer aanpassen.\n\nVraag voor een praktische visuele extractie om de documentidentificatie, het veldlabel, de geëxtraheerde tekst en het deel van de afbeelding dat dit ondersteunt. Een uitleg kan afzonderlijk volgen als de lezer interpretatie nodig heeft. Zo worden transcriptie, gestructureerde velden en de modelconclusie niet één ononderscheidbaar resultaat.\n\nSysteeminstructies en tools\n\nDe 3.2-kaart beveelt een op het gebruiksdoel afgestemde systeemprompt en een relatief lage temperatuur aan, zoals 0.15. Stel de assistentrol, antwoordregels en omgang met bronmateriaal expliciet vast. Plaats het daadwerkelijke document of de code bij de gebruikerstaak, met behoud van de grens tussen instructies over het antwoord en instructies die in de bron worden geciteerd.\n\nVoor functieaanroepen moet de toepassing toolbeschrijvingen en vereiste argumenten leveren. Het model stelt een aanroep op, de toepassing voert de functie uit en retourneert het resultaat, en het volgende antwoord gebruikt die informatie. De uitgebrachte voorbeelden omvatten visueel redeneren, toolaanroepen en instructies met alleen tekst. Een opzoektaak kan het model dus vragen een beschreven bewerking te kiezen, terwijl de daadwerkelijke opzoekactie en haar resultaat bij de omringende toepassing blijven.\n\nLever voor een programmeerverzoek de relevante functie, de invoer die het probleem blootlegt en het beoogde gedrag aan. Vraag om een voorgestelde correctie met behoud van de oorspronkelijke interface en vervolgens om voorbeelden die het bedoelde gedrag onderscheiden. Definieer voor een wiskundig verzoek de variabelen en aannames en vraag om de belangrijkste onderbouwde stappen en een afzonderlijke uiteindelijke uitdrukking. Dit zijn toepassingen van de overgenomen programmeer- en redeneermogelijkheden; uitvoering van voorgestelde code blijft een afzonderlijke stap.\n\nContext- en editiegrenzen\n\nGebruik het venster van 128k voor bronpassages, afbeeldingen, gesprek en verwacht antwoord samen. Een vergelijking van grote documenten kan gerelateerde secties bewaren en toch een korte bevindingenmatrix retourneren. Een grote ingestelde beeldruimte of generatiewaarde in een hostingvoorbeeld is geen zelfstandig vermelde maximale modelcapaciteit.\n\nSmall 3.2 is een instructie-update met gedocumenteerde visuele invoer, niet het uitsluitend tekstuele Small 3 2501 of de hybride Small 4-redeneerrelease. De modelkaart van de maker geeft voor deze vermelding geen afzonderlijke harde limiet voor uitvoertokens. Behoud de exacte 2506-identiteit en opmaak en definieer het gestructureerde record, de uitleg of het codevoorstel dat de volgende stap nodig heeft.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.mistralai/mistral-small-3.2-24b-instructMistral Small 3.2 24B Instruct is een tekst- en beeldinstructiemodel met een door de maker opgegeven context van 128k. De 2506-update verbetert specifiek het nauwkeurig volgen van instructies, vermindert herhaling en versterkt het functieaanroepsjabloon, met behoud van de kernfuncties van Small 3.1.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Mistral Small 3.2 24B Instruct 2506 is een gerichte update van Mistral Small 3.1 24B Instruct 2503. De maker benoemt drie specifieke wijzigingen: nauwkeurige instructies beter volgen, herhalende of ongecontroleerd doorgaande antwoorden verminderen en het functieaanroepsjabloon robuuster maken. Het model blijft een op instructies afgestemd tekst- en beeldmodel dat tekst genereert, geen nieuwe audio- of beeldgeneratie-editie.
Wat verandert en wat behouden blijft
De 3.2-modelkaart vermeldt expliciet dat de belangrijkste functies gelijk zijn aan die van de genoemde Small 3.1-release. Deze omvatten beeldbegrip, meertalig werk, ondersteuning voor systeemprompts, native functieaanroepen, JSON-uitvoer en een contextvenster van 128k. De aangehaalde 3.1-kaart beschrijft een model met 24 miljard parameters en een Tekken-tokenizer met een woordenschat aangeduid als 131k. Deze gedocumenteerde koppeling ondersteunt het overnemen van die functies in 3.2, terwijl de 2506-update een eigen editie blijft.
De nadruk op instructievolging is belangrijk wanneer het resultaat meerdere exacte vereisten heeft. Geef het bronmateriaal, som de regels op waaraan de uitvoer moet voldoen en vermeld het te retourneren artefact. Een documentextractieverzoek kan specifieke velden, oorspronkelijke identificaties, een gedefinieerde weergave voor ontbrekende waarden en geen proza buiten het record vereisen. Een schrijftaak kan een bepaald publiek en een sectievolgorde vereisen, met behoud van aangeleverde voorwaarden.
De wijziging rond herhaling betreft het generatiegedrag en voegt geen nieuwe redeneermodus toe. Definieer voor een lang antwoord de vereiste secties en het doel van elke sectie, zodat het verzoek een duidelijk eindpunt heeft. De wijziging in het functiesjabloon betreft de representatie van gesprekken met tools; gebruik de gespreks- en tokenizerinstellingen van de bijpassende editie en behandel een ouder opmaakvoorbeeld niet als uitwisselbaar.
Visuele en meertalige taken
Met het overgenomen beeldbegrip kan een tekstvraag worden gecombineerd met een afbeelding. Lever een leesbare pagina, grafiek of diagram aan en benoem het detail dat voor de taak nodig is. Behoud bij een grafiekvergelijking de assen, eenheden en legenda en vraag om de waarneming die elke conclusie ondersteunt. Bewaar bij een documentveld het label en de omliggende context zodat de geretourneerde waarde correct kan worden geïnterpreteerd.
De gedocumenteerde taaldekking omvat Russisch, Engels, Frans, Duits, Spaans, Italiaans, Portugees, Chinees, Japans, Koreaans, Arabisch, Farsi, Hindi, Bengaals en andere door de maker vermelde talen. Geef de doeltaal en terminologie op die ongewijzigd moet blijven. Een tweetalige documenttaak kan identificaties en eenheden behouden en tegelijk de omliggende uitleg aan de lezer aanpassen.
Vraag voor een praktische visuele extractie om de documentidentificatie, het veldlabel, de geëxtraheerde tekst en het deel van de afbeelding dat dit ondersteunt. Een uitleg kan afzonderlijk volgen als de lezer interpretatie nodig heeft. Zo worden transcriptie, gestructureerde velden en de modelconclusie niet één ononderscheidbaar resultaat.
Systeeminstructies en tools
De 3.2-kaart beveelt een op het gebruiksdoel afgestemde systeemprompt en een relatief lage temperatuur aan, zoals 0.15. Stel de assistentrol, antwoordregels en omgang met bronmateriaal expliciet vast. Plaats het daadwerkelijke document of de code bij de gebruikerstaak, met behoud van de grens tussen instructies over het antwoord en instructies die in de bron worden geciteerd.
Voor functieaanroepen moet de toepassing toolbeschrijvingen en vereiste argumenten leveren. Het model stelt een aanroep op, de toepassing voert de functie uit en retourneert het resultaat, en het volgende antwoord gebruikt die informatie. De uitgebrachte voorbeelden omvatten visueel redeneren, toolaanroepen en instructies met alleen tekst. Een opzoektaak kan het model dus vragen een beschreven bewerking te kiezen, terwijl de daadwerkelijke opzoekactie en haar resultaat bij de omringende toepassing blijven.
Lever voor een programmeerverzoek de relevante functie, de invoer die het probleem blootlegt en het beoogde gedrag aan. Vraag om een voorgestelde correctie met behoud van de oorspronkelijke interface en vervolgens om voorbeelden die het bedoelde gedrag onderscheiden. Definieer voor een wiskundig verzoek de variabelen en aannames en vraag om de belangrijkste onderbouwde stappen en een afzonderlijke uiteindelijke uitdrukking. Dit zijn toepassingen van de overgenomen programmeer- en redeneermogelijkheden; uitvoering van voorgestelde code blijft een afzonderlijke stap.
Context- en editiegrenzen
Gebruik het venster van 128k voor bronpassages, afbeeldingen, gesprek en verwacht antwoord samen. Een vergelijking van grote documenten kan gerelateerde secties bewaren en toch een korte bevindingenmatrix retourneren. Een grote ingestelde beeldruimte of generatiewaarde in een hostingvoorbeeld is geen zelfstandig vermelde maximale modelcapaciteit.
Small 3.2 is een instructie-update met gedocumenteerde visuele invoer, niet het uitsluitend tekstuele Small 3 2501 of de hybride Small 4-redeneerrelease. De modelkaart van de maker geeft voor deze vermelding geen afzonderlijke harde limiet voor uitvoertokens. Behoud de exacte 2506-identiteit en opmaak en definieer het gestructureerde record, de uitleg of het codevoorstel dat de volgende stap nodig heeft.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.00002 / 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 $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-small-3.2-24b-instruct", "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-small-3.2-24b-instruct',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-small-3.2-24b-instruct',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-small-3.2-24b-instruct
Gebruik de hierboven getoonde methodepaden.
mistralai/mistral-small-3.2-24b-instructMistral Small 3.2 24B Instruct is een tekst- en beeldinstructiemodel met een door de maker opgegeven context van 128k. De 2506-update verbetert specifiek het nauwkeurig volgen van instructies, vermindert herhaling en versterkt het functieaanroepsjabloon, met behoud van de kernfuncties van Small 3.1.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Mistral Small 3.2 24B Instruct 2506 is een gerichte update van Mistral Small 3.1 24B Instruct 2503. De maker benoemt drie specifieke wijzigingen: nauwkeurige instructies beter volgen, herhalende of ongecontroleerd doorgaande antwoorden verminderen en het functieaanroepsjabloon robuuster maken. Het model blijft een op instructies afgestemd tekst- en beeldmodel dat tekst genereert, geen nieuwe audio- of beeldgeneratie-editie.
Wat verandert en wat behouden blijft
De 3.2-modelkaart vermeldt expliciet dat de belangrijkste functies gelijk zijn aan die van de genoemde Small 3.1-release. Deze omvatten beeldbegrip, meertalig werk, ondersteuning voor systeemprompts, native functieaanroepen, JSON-uitvoer en een contextvenster van 128k. De aangehaalde 3.1-kaart beschrijft een model met 24 miljard parameters en een Tekken-tokenizer met een woordenschat aangeduid als 131k. Deze gedocumenteerde koppeling ondersteunt het overnemen van die functies in 3.2, terwijl de 2506-update een eigen editie blijft.
De nadruk op instructievolging is belangrijk wanneer het resultaat meerdere exacte vereisten heeft. Geef het bronmateriaal, som de regels op waaraan de uitvoer moet voldoen en vermeld het te retourneren artefact. Een documentextractieverzoek kan specifieke velden, oorspronkelijke identificaties, een gedefinieerde weergave voor ontbrekende waarden en geen proza buiten het record vereisen. Een schrijftaak kan een bepaald publiek en een sectievolgorde vereisen, met behoud van aangeleverde voorwaarden.
De wijziging rond herhaling betreft het generatiegedrag en voegt geen nieuwe redeneermodus toe. Definieer voor een lang antwoord de vereiste secties en het doel van elke sectie, zodat het verzoek een duidelijk eindpunt heeft. De wijziging in het functiesjabloon betreft de representatie van gesprekken met tools; gebruik de gespreks- en tokenizerinstellingen van de bijpassende editie en behandel een ouder opmaakvoorbeeld niet als uitwisselbaar.
Visuele en meertalige taken
Met het overgenomen beeldbegrip kan een tekstvraag worden gecombineerd met een afbeelding. Lever een leesbare pagina, grafiek of diagram aan en benoem het detail dat voor de taak nodig is. Behoud bij een grafiekvergelijking de assen, eenheden en legenda en vraag om de waarneming die elke conclusie ondersteunt. Bewaar bij een documentveld het label en de omliggende context zodat de geretourneerde waarde correct kan worden geïnterpreteerd.
De gedocumenteerde taaldekking omvat Russisch, Engels, Frans, Duits, Spaans, Italiaans, Portugees, Chinees, Japans, Koreaans, Arabisch, Farsi, Hindi, Bengaals en andere door de maker vermelde talen. Geef de doeltaal en terminologie op die ongewijzigd moet blijven. Een tweetalige documenttaak kan identificaties en eenheden behouden en tegelijk de omliggende uitleg aan de lezer aanpassen.
Vraag voor een praktische visuele extractie om de documentidentificatie, het veldlabel, de geëxtraheerde tekst en het deel van de afbeelding dat dit ondersteunt. Een uitleg kan afzonderlijk volgen als de lezer interpretatie nodig heeft. Zo worden transcriptie, gestructureerde velden en de modelconclusie niet één ononderscheidbaar resultaat.
Systeeminstructies en tools
De 3.2-kaart beveelt een op het gebruiksdoel afgestemde systeemprompt en een relatief lage temperatuur aan, zoals 0.15. Stel de assistentrol, antwoordregels en omgang met bronmateriaal expliciet vast. Plaats het daadwerkelijke document of de code bij de gebruikerstaak, met behoud van de grens tussen instructies over het antwoord en instructies die in de bron worden geciteerd.
Voor functieaanroepen moet de toepassing toolbeschrijvingen en vereiste argumenten leveren. Het model stelt een aanroep op, de toepassing voert de functie uit en retourneert het resultaat, en het volgende antwoord gebruikt die informatie. De uitgebrachte voorbeelden omvatten visueel redeneren, toolaanroepen en instructies met alleen tekst. Een opzoektaak kan het model dus vragen een beschreven bewerking te kiezen, terwijl de daadwerkelijke opzoekactie en haar resultaat bij de omringende toepassing blijven.
Lever voor een programmeerverzoek de relevante functie, de invoer die het probleem blootlegt en het beoogde gedrag aan. Vraag om een voorgestelde correctie met behoud van de oorspronkelijke interface en vervolgens om voorbeelden die het bedoelde gedrag onderscheiden. Definieer voor een wiskundig verzoek de variabelen en aannames en vraag om de belangrijkste onderbouwde stappen en een afzonderlijke uiteindelijke uitdrukking. Dit zijn toepassingen van de overgenomen programmeer- en redeneermogelijkheden; uitvoering van voorgestelde code blijft een afzonderlijke stap.
Context- en editiegrenzen
Gebruik het venster van 128k voor bronpassages, afbeeldingen, gesprek en verwacht antwoord samen. Een vergelijking van grote documenten kan gerelateerde secties bewaren en toch een korte bevindingenmatrix retourneren. Een grote ingestelde beeldruimte of generatiewaarde in een hostingvoorbeeld is geen zelfstandig vermelde maximale modelcapaciteit.
Small 3.2 is een instructie-update met gedocumenteerde visuele invoer, niet het uitsluitend tekstuele Small 3 2501 of de hybride Small 4-redeneerrelease. De modelkaart van de maker geeft voor deze vermelding geen afzonderlijke harde limiet voor uitvoertokens. Behoud de exacte 2506-identiteit en opmaak en definieer het gestructureerde record, de uitleg of het codevoorstel dat de volgende stap nodig heeft.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.00002 / 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 $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "mistralai/mistral-small-3.2-24b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-small-3.2-24b-instruct', '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-small-3.2-24b-instruct', '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-small-3.2-24b-instruct
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.