Mixtral 8x22B Instruct v0.1 is de op instructies afgestemde versie van Mistral AI van het afzonderlijk benoemde Mixtral 8x22B v0.1-basismodel. Het ontvangt een tekstgesprek en produceert tekst, waaronder uitleg, code en voorgestelde functieaanroepen. De familierelease benadrukt Engels, Frans, Italiaans, Duits en Spaans, naast wiskundige en programmeermogelijkheden.
Sparse experts en context
De maker beschrijft een sparse mixture-of-experts-model met in totaal 141 miljard parameters en 39 miljard actieve parameters. De uitgebrachte Instruct-configuratie bevat 8 experts waarvan er 2 per token worden geselecteerd, 56 lagen, 48 query-attentiehoofden en 8 key/value-hoofden. Het totale parameteraantal en de geselecteerde experts beschrijven de modelstructuur en niet de lengte van een antwoord.
De familierelease documenteert een context van 64K, en de exacte Instruct-configuratie stelt het maximale aantal posities in op 65.536. Gebruik die ruimte om bronpassages, gesprek en gevraagd antwoord samen te bewaren. Een vraag over een groot document kan één voorwaarde over meerdere secties onderzoeken en tegelijk een beknopte tabel met elke bronlocatie retourneren. Voeg het materiaal toe dat het resultaat bepaalt in plaats van het venster met ongerelateerde inhoud te vullen.
Het instructiegesprek coderen
De modelkaart begint met de v3-instructietokenizer van de maker en laat vervolgens zien hoe berichten met het bijpassende chatsjabloon worden opgemaakt. De uitgebrachte woordenschat heeft 32.768 vermeldingen. De native tokenizer en een compatibele tokenizer moeten overeenkomende berichtrepresentaties produceren; de kaart bespreekt expliciet het vergelijken van hun coderingen. Dit is iets anders dan aannemen dat het Tekken-formaat van latere Mistral-modellen uitwisselbaar is met deze release.
Onderscheid in een gesprek de gebruikersvraag, het eerdere assistentantwoord en eventuele toolresultaten. Bewaar het relevante eerdere antwoord wanneer u een vervolgvraag stelt. Een taak kan eerst om uitleg van een bronpassage vragen en daarna om een specifiekere vergelijking, met behoud van de broninhoud en het doel van het gesprek.
Benoem voor meertalige redactie de brontaal, doeltaal en terminologie die ongewijzigd moet blijven. Vraag om een herziene passage die namen, voorwaarden en eenheden behoudt. Definieer voor een wiskundig probleem de variabelen en aannames en geef aan of het uiteindelijke resultaat een exacte uitdrukking, numerieke benadering of bewijs moet zijn. Voeg voor programmeren de functiesignatuur, relevante declaraties en het verwachte gedrag toe voordat u om een implementatie of uitleg vraagt.
Functieaanroepen en hun resultaten
De modelkaart documenteert native functieaanroepen met toolbeschrijvingen en parameterschema’s. De toepassing levert de bewerkingen, het model stelt de argumenten van de gekozen functie op en de toepassing voert deze uit. Het geretourneerde resultaat moet vervolgens aan het gesprek worden toegevoegd zodat het model het in het volgende antwoord kan gebruiken. De kaart waarschuwt dat één verkort codevoorbeeld niet deze volledige cyclus laat zien.
Een opzoektaak moet benoemen welke informatie ontbreekt en welke aangeleverde functie die kan retourneren. Voeg de vereiste waarden toe of vraag om de ontbrekende informatie voordat de toepassing de bewerking uitvoert. Houd de voorgestelde aanroep gescheiden van de daadwerkelijk geretourneerde gegevens; de uiteindelijke uitleg kan dan verwijzen naar het verkregen resultaat in plaats van een resultaat af te leiden uit de naam van de tool.
In het native gespreksformaat van de maker gebruiken toolaanroepen en de bijbehorende resultaten identificaties van precies negen alfanumerieke tekens. De tokenizer bevat ook speciale markeringen voor beschikbare tools, toolaanroepen en toolresultaten. Behoud de bijpassende representatie wanneer u het gesprek in native formaat voorbereidt; de zichtbare representatie van een wrapper is een afzonderlijke interfacekeuze.
Praktische code- en documentartefacten
Lever voor een codecorrectie de betrokken functie, een invoer die het probleem blootlegt en het verwachte resultaat aan. Vraag om het herziene fragment, de oorzaak van de afwijking en voorbeeldinvoer die het bedoelde gedrag onderscheidt. Code genereren is een tekstartefact; compileren, uitvoeren of toepassen op een repository vereist de gekoppelde ontwikkelomgeving.
Vraag voor een documentuitleg om de uitspraak die de vraag beantwoordt en de sectie die deze ondersteunt. Een vergelijking kan gedeelde voorwaarden, verschillen en onopgeloste details scheiden. Definieer voor een begrensd tekstrecord de veldnamen en omgang met ontbrekende waarden. De oorspronkelijke familieaankondiging beschrijft functieaanroepen samen met begrensde uitvoer in de gekoppelde service van de maker; die opmaakvoorzieningen blijven gescheiden van het uitvoeren van een externe bewerking.
Editie- en generatiegrenzen
De kaart toont generatiebudgetten zoals 64 en 1.000 tokens voor specifieke voorbeelden. Dit zijn demonstratie-instellingen, geen zelfstandige maximale antwoordcapaciteiten. Houd de prompt en het gewenste antwoord binnen de daadwerkelijk ingestelde context en vraag om een lengte die bij de taak past.
Deze vermelding betreft het tekstgebaseerde Instruct v0.1-checkpoint met de bijbehorende v3-instructieopmaak. Beeldbegrip, spraak en hybride redeneerinstellingen die in latere Mistral-families zijn geïntroduceerd, mogen er niet aan worden toegeschreven. Behoud de exacte editie en het bronmateriaal bij het voorbereiden van de uitleg, het codevoorstel of het met tools ondersteunde antwoord dat de volgende stap nodig heeft.
", "aboutText": "Mixtral 8x22B Instruct v0.1 is de op instructies afgestemde versie van Mistral AI van het afzonderlijk benoemde Mixtral 8x22B v0.1-basismodel. Het ontvangt een tekstgesprek en produceert tekst, waaronder uitleg, code en voorgestelde functieaanroepen. De familierelease benadrukt Engels, Frans, Italiaans, Duits en Spaans, naast wiskundige en programmeermogelijkheden.\n\nSparse experts en context\n\nDe maker beschrijft een sparse mixture-of-experts-model met in totaal 141 miljard parameters en 39 miljard actieve parameters. De uitgebrachte Instruct-configuratie bevat 8 experts waarvan er 2 per token worden geselecteerd, 56 lagen, 48 query-attentiehoofden en 8 key/value-hoofden. Het totale parameteraantal en de geselecteerde experts beschrijven de modelstructuur en niet de lengte van een antwoord.\n\nDe familierelease documenteert een context van 64K, en de exacte Instruct-configuratie stelt het maximale aantal posities in op 65.536. Gebruik die ruimte om bronpassages, gesprek en gevraagd antwoord samen te bewaren. Een vraag over een groot document kan één voorwaarde over meerdere secties onderzoeken en tegelijk een beknopte tabel met elke bronlocatie retourneren. Voeg het materiaal toe dat het resultaat bepaalt in plaats van het venster met ongerelateerde inhoud te vullen.\n\nHet instructiegesprek coderen\n\nDe modelkaart begint met de v3-instructietokenizer van de maker en laat vervolgens zien hoe berichten met het bijpassende chatsjabloon worden opgemaakt. De uitgebrachte woordenschat heeft 32.768 vermeldingen. De native tokenizer en een compatibele tokenizer moeten overeenkomende berichtrepresentaties produceren; de kaart bespreekt expliciet het vergelijken van hun coderingen. Dit is iets anders dan aannemen dat het Tekken-formaat van latere Mistral-modellen uitwisselbaar is met deze release.\n\nOnderscheid in een gesprek de gebruikersvraag, het eerdere assistentantwoord en eventuele toolresultaten. Bewaar het relevante eerdere antwoord wanneer u een vervolgvraag stelt. Een taak kan eerst om uitleg van een bronpassage vragen en daarna om een specifiekere vergelijking, met behoud van de broninhoud en het doel van het gesprek.\n\nBenoem voor meertalige redactie de brontaal, doeltaal en terminologie die ongewijzigd moet blijven. Vraag om een herziene passage die namen, voorwaarden en eenheden behoudt. Definieer voor een wiskundig probleem de variabelen en aannames en geef aan of het uiteindelijke resultaat een exacte uitdrukking, numerieke benadering of bewijs moet zijn. Voeg voor programmeren de functiesignatuur, relevante declaraties en het verwachte gedrag toe voordat u om een implementatie of uitleg vraagt.\n\nFunctieaanroepen en hun resultaten\n\nDe modelkaart documenteert native functieaanroepen met toolbeschrijvingen en parameterschema’s. De toepassing levert de bewerkingen, het model stelt de argumenten van de gekozen functie op en de toepassing voert deze uit. Het geretourneerde resultaat moet vervolgens aan het gesprek worden toegevoegd zodat het model het in het volgende antwoord kan gebruiken. De kaart waarschuwt dat één verkort codevoorbeeld niet deze volledige cyclus laat zien.\n\nEen opzoektaak moet benoemen welke informatie ontbreekt en welke aangeleverde functie die kan retourneren. Voeg de vereiste waarden toe of vraag om de ontbrekende informatie voordat de toepassing de bewerking uitvoert. Houd de voorgestelde aanroep gescheiden van de daadwerkelijk geretourneerde gegevens; de uiteindelijke uitleg kan dan verwijzen naar het verkregen resultaat in plaats van een resultaat af te leiden uit de naam van de tool.\n\nIn het native gespreksformaat van de maker gebruiken toolaanroepen en de bijbehorende resultaten identificaties van precies negen alfanumerieke tekens. De tokenizer bevat ook speciale markeringen voor beschikbare tools, toolaanroepen en toolresultaten. Behoud de bijpassende representatie wanneer u het gesprek in native formaat voorbereidt; de zichtbare representatie van een wrapper is een afzonderlijke interfacekeuze.\n\nPraktische code- en documentartefacten\n\nLever voor een codecorrectie de betrokken functie, een invoer die het probleem blootlegt en het verwachte resultaat aan. Vraag om het herziene fragment, de oorzaak van de afwijking en voorbeeldinvoer die het bedoelde gedrag onderscheidt. Code genereren is een tekstartefact; compileren, uitvoeren of toepassen op een repository vereist de gekoppelde ontwikkelomgeving.\n\nVraag voor een documentuitleg om de uitspraak die de vraag beantwoordt en de sectie die deze ondersteunt. Een vergelijking kan gedeelde voorwaarden, verschillen en onopgeloste details scheiden. Definieer voor een begrensd tekstrecord de veldnamen en omgang met ontbrekende waarden. De oorspronkelijke familieaankondiging beschrijft functieaanroepen samen met begrensde uitvoer in de gekoppelde service van de maker; die opmaakvoorzieningen blijven gescheiden van het uitvoeren van een externe bewerking.\n\nEditie- en generatiegrenzen\n\nDe kaart toont generatiebudgetten zoals 64 en 1.000 tokens voor specifieke voorbeelden. Dit zijn demonstratie-instellingen, geen zelfstandige maximale antwoordcapaciteiten. Houd de prompt en het gewenste antwoord binnen de daadwerkelijk ingestelde context en vraag om een lengte die bij de taak past.\n\nDeze vermelding betreft het tekstgebaseerde Instruct v0.1-checkpoint met de bijbehorende v3-instructieopmaak. Beeldbegrip, spraak en hybride redeneerinstellingen die in latere Mistral-families zijn geïntroduceerd, mogen er niet aan worden toegeschreven. Behoud de exacte editie en het bronmateriaal bij het voorbereiden van de uitleg, het codevoorstel of het met tools ondersteunde antwoord dat de volgende stap nodig heeft.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Repair integer average division\n\nFix this Python function for nonempty numeric lists: def average(values): return sum(values) // len(values). Input [1, 2] must produce 1.5. Return the corrected function and assertions for [1, 2] and [2, 4]. State the nonempty-input assumption rather than inventing an empty-list policy.A focused function correction, two assertions and the retained input assumption.The function must preserve a fractional average and leave the unspecified empty-list behavior undecided.mistralai/mixtral-8x22b-instructMixtral 8x22B Instruct v0.1 is een meertalig tekstmodel voor gesprekken, wiskunde, code en functieaanroepen. De sparse mixture-of-experts-architectuur gebruikt 39 miljard actieve parameters van in totaal 141 miljard, met een door de maker opgegeven context van 64K en een eigen v3-instructieformaat.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Mixtral 8x22B Instruct v0.1 is de op instructies afgestemde versie van Mistral AI van het afzonderlijk benoemde Mixtral 8x22B v0.1-basismodel. Het ontvangt een tekstgesprek en produceert tekst, waaronder uitleg, code en voorgestelde functieaanroepen. De familierelease benadrukt Engels, Frans, Italiaans, Duits en Spaans, naast wiskundige en programmeermogelijkheden.
Sparse experts en context
De maker beschrijft een sparse mixture-of-experts-model met in totaal 141 miljard parameters en 39 miljard actieve parameters. De uitgebrachte Instruct-configuratie bevat 8 experts waarvan er 2 per token worden geselecteerd, 56 lagen, 48 query-attentiehoofden en 8 key/value-hoofden. Het totale parameteraantal en de geselecteerde experts beschrijven de modelstructuur en niet de lengte van een antwoord.
De familierelease documenteert een context van 64K, en de exacte Instruct-configuratie stelt het maximale aantal posities in op 65.536. Gebruik die ruimte om bronpassages, gesprek en gevraagd antwoord samen te bewaren. Een vraag over een groot document kan één voorwaarde over meerdere secties onderzoeken en tegelijk een beknopte tabel met elke bronlocatie retourneren. Voeg het materiaal toe dat het resultaat bepaalt in plaats van het venster met ongerelateerde inhoud te vullen.
Het instructiegesprek coderen
De modelkaart begint met de v3-instructietokenizer van de maker en laat vervolgens zien hoe berichten met het bijpassende chatsjabloon worden opgemaakt. De uitgebrachte woordenschat heeft 32.768 vermeldingen. De native tokenizer en een compatibele tokenizer moeten overeenkomende berichtrepresentaties produceren; de kaart bespreekt expliciet het vergelijken van hun coderingen. Dit is iets anders dan aannemen dat het Tekken-formaat van latere Mistral-modellen uitwisselbaar is met deze release.
Onderscheid in een gesprek de gebruikersvraag, het eerdere assistentantwoord en eventuele toolresultaten. Bewaar het relevante eerdere antwoord wanneer u een vervolgvraag stelt. Een taak kan eerst om uitleg van een bronpassage vragen en daarna om een specifiekere vergelijking, met behoud van de broninhoud en het doel van het gesprek.
Benoem voor meertalige redactie de brontaal, doeltaal en terminologie die ongewijzigd moet blijven. Vraag om een herziene passage die namen, voorwaarden en eenheden behoudt. Definieer voor een wiskundig probleem de variabelen en aannames en geef aan of het uiteindelijke resultaat een exacte uitdrukking, numerieke benadering of bewijs moet zijn. Voeg voor programmeren de functiesignatuur, relevante declaraties en het verwachte gedrag toe voordat u om een implementatie of uitleg vraagt.
Functieaanroepen en hun resultaten
De modelkaart documenteert native functieaanroepen met toolbeschrijvingen en parameterschema’s. De toepassing levert de bewerkingen, het model stelt de argumenten van de gekozen functie op en de toepassing voert deze uit. Het geretourneerde resultaat moet vervolgens aan het gesprek worden toegevoegd zodat het model het in het volgende antwoord kan gebruiken. De kaart waarschuwt dat één verkort codevoorbeeld niet deze volledige cyclus laat zien.
Een opzoektaak moet benoemen welke informatie ontbreekt en welke aangeleverde functie die kan retourneren. Voeg de vereiste waarden toe of vraag om de ontbrekende informatie voordat de toepassing de bewerking uitvoert. Houd de voorgestelde aanroep gescheiden van de daadwerkelijk geretourneerde gegevens; de uiteindelijke uitleg kan dan verwijzen naar het verkregen resultaat in plaats van een resultaat af te leiden uit de naam van de tool.
In het native gespreksformaat van de maker gebruiken toolaanroepen en de bijbehorende resultaten identificaties van precies negen alfanumerieke tekens. De tokenizer bevat ook speciale markeringen voor beschikbare tools, toolaanroepen en toolresultaten. Behoud de bijpassende representatie wanneer u het gesprek in native formaat voorbereidt; de zichtbare representatie van een wrapper is een afzonderlijke interfacekeuze.
Praktische code- en documentartefacten
Lever voor een codecorrectie de betrokken functie, een invoer die het probleem blootlegt en het verwachte resultaat aan. Vraag om het herziene fragment, de oorzaak van de afwijking en voorbeeldinvoer die het bedoelde gedrag onderscheidt. Code genereren is een tekstartefact; compileren, uitvoeren of toepassen op een repository vereist de gekoppelde ontwikkelomgeving.
Vraag voor een documentuitleg om de uitspraak die de vraag beantwoordt en de sectie die deze ondersteunt. Een vergelijking kan gedeelde voorwaarden, verschillen en onopgeloste details scheiden. Definieer voor een begrensd tekstrecord de veldnamen en omgang met ontbrekende waarden. De oorspronkelijke familieaankondiging beschrijft functieaanroepen samen met begrensde uitvoer in de gekoppelde service van de maker; die opmaakvoorzieningen blijven gescheiden van het uitvoeren van een externe bewerking.
Editie- en generatiegrenzen
De kaart toont generatiebudgetten zoals 64 en 1.000 tokens voor specifieke voorbeelden. Dit zijn demonstratie-instellingen, geen zelfstandige maximale antwoordcapaciteiten. Houd de prompt en het gewenste antwoord binnen de daadwerkelijk ingestelde context en vraag om een lengte die bij de taak past.
Deze vermelding betreft het tekstgebaseerde Instruct v0.1-checkpoint met de bijbehorende v3-instructieopmaak. Beeldbegrip, spraak en hybride redeneerinstellingen die in latere Mistral-families zijn geïntroduceerd, mogen er niet aan worden toegeschreven. Behoud de exacte editie en het bronmateriaal bij het voorbereiden van de uitleg, het codevoorstel of het met tools ondersteunde antwoord dat de volgende stap nodig heeft.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistralai/mixtral-8x22b-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 $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.012 / 1K tokens Invoer · Cache lezen $0.0004 / 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 $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.012 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mixtral-8x22b-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/mixtral-8x22b-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/mixtral-8x22b-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/mixtral-8x22b-instruct
Gebruik de hierboven getoonde methodepaden.
mistralai/mixtral-8x22b-instructMixtral 8x22B Instruct v0.1 is een meertalig tekstmodel voor gesprekken, wiskunde, code en functieaanroepen. De sparse mixture-of-experts-architectuur gebruikt 39 miljard actieve parameters van in totaal 141 miljard, met een door de maker opgegeven context van 64K en een eigen v3-instructieformaat.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Mixtral 8x22B Instruct v0.1 is de op instructies afgestemde versie van Mistral AI van het afzonderlijk benoemde Mixtral 8x22B v0.1-basismodel. Het ontvangt een tekstgesprek en produceert tekst, waaronder uitleg, code en voorgestelde functieaanroepen. De familierelease benadrukt Engels, Frans, Italiaans, Duits en Spaans, naast wiskundige en programmeermogelijkheden.
Sparse experts en context
De maker beschrijft een sparse mixture-of-experts-model met in totaal 141 miljard parameters en 39 miljard actieve parameters. De uitgebrachte Instruct-configuratie bevat 8 experts waarvan er 2 per token worden geselecteerd, 56 lagen, 48 query-attentiehoofden en 8 key/value-hoofden. Het totale parameteraantal en de geselecteerde experts beschrijven de modelstructuur en niet de lengte van een antwoord.
De familierelease documenteert een context van 64K, en de exacte Instruct-configuratie stelt het maximale aantal posities in op 65.536. Gebruik die ruimte om bronpassages, gesprek en gevraagd antwoord samen te bewaren. Een vraag over een groot document kan één voorwaarde over meerdere secties onderzoeken en tegelijk een beknopte tabel met elke bronlocatie retourneren. Voeg het materiaal toe dat het resultaat bepaalt in plaats van het venster met ongerelateerde inhoud te vullen.
Het instructiegesprek coderen
De modelkaart begint met de v3-instructietokenizer van de maker en laat vervolgens zien hoe berichten met het bijpassende chatsjabloon worden opgemaakt. De uitgebrachte woordenschat heeft 32.768 vermeldingen. De native tokenizer en een compatibele tokenizer moeten overeenkomende berichtrepresentaties produceren; de kaart bespreekt expliciet het vergelijken van hun coderingen. Dit is iets anders dan aannemen dat het Tekken-formaat van latere Mistral-modellen uitwisselbaar is met deze release.
Onderscheid in een gesprek de gebruikersvraag, het eerdere assistentantwoord en eventuele toolresultaten. Bewaar het relevante eerdere antwoord wanneer u een vervolgvraag stelt. Een taak kan eerst om uitleg van een bronpassage vragen en daarna om een specifiekere vergelijking, met behoud van de broninhoud en het doel van het gesprek.
Benoem voor meertalige redactie de brontaal, doeltaal en terminologie die ongewijzigd moet blijven. Vraag om een herziene passage die namen, voorwaarden en eenheden behoudt. Definieer voor een wiskundig probleem de variabelen en aannames en geef aan of het uiteindelijke resultaat een exacte uitdrukking, numerieke benadering of bewijs moet zijn. Voeg voor programmeren de functiesignatuur, relevante declaraties en het verwachte gedrag toe voordat u om een implementatie of uitleg vraagt.
Functieaanroepen en hun resultaten
De modelkaart documenteert native functieaanroepen met toolbeschrijvingen en parameterschema’s. De toepassing levert de bewerkingen, het model stelt de argumenten van de gekozen functie op en de toepassing voert deze uit. Het geretourneerde resultaat moet vervolgens aan het gesprek worden toegevoegd zodat het model het in het volgende antwoord kan gebruiken. De kaart waarschuwt dat één verkort codevoorbeeld niet deze volledige cyclus laat zien.
Een opzoektaak moet benoemen welke informatie ontbreekt en welke aangeleverde functie die kan retourneren. Voeg de vereiste waarden toe of vraag om de ontbrekende informatie voordat de toepassing de bewerking uitvoert. Houd de voorgestelde aanroep gescheiden van de daadwerkelijk geretourneerde gegevens; de uiteindelijke uitleg kan dan verwijzen naar het verkregen resultaat in plaats van een resultaat af te leiden uit de naam van de tool.
In het native gespreksformaat van de maker gebruiken toolaanroepen en de bijbehorende resultaten identificaties van precies negen alfanumerieke tekens. De tokenizer bevat ook speciale markeringen voor beschikbare tools, toolaanroepen en toolresultaten. Behoud de bijpassende representatie wanneer u het gesprek in native formaat voorbereidt; de zichtbare representatie van een wrapper is een afzonderlijke interfacekeuze.
Praktische code- en documentartefacten
Lever voor een codecorrectie de betrokken functie, een invoer die het probleem blootlegt en het verwachte resultaat aan. Vraag om het herziene fragment, de oorzaak van de afwijking en voorbeeldinvoer die het bedoelde gedrag onderscheidt. Code genereren is een tekstartefact; compileren, uitvoeren of toepassen op een repository vereist de gekoppelde ontwikkelomgeving.
Vraag voor een documentuitleg om de uitspraak die de vraag beantwoordt en de sectie die deze ondersteunt. Een vergelijking kan gedeelde voorwaarden, verschillen en onopgeloste details scheiden. Definieer voor een begrensd tekstrecord de veldnamen en omgang met ontbrekende waarden. De oorspronkelijke familieaankondiging beschrijft functieaanroepen samen met begrensde uitvoer in de gekoppelde service van de maker; die opmaakvoorzieningen blijven gescheiden van het uitvoeren van een externe bewerking.
Editie- en generatiegrenzen
De kaart toont generatiebudgetten zoals 64 en 1.000 tokens voor specifieke voorbeelden. Dit zijn demonstratie-instellingen, geen zelfstandige maximale antwoordcapaciteiten. Houd de prompt en het gewenste antwoord binnen de daadwerkelijk ingestelde context en vraag om een lengte die bij de taak past.
Deze vermelding betreft het tekstgebaseerde Instruct v0.1-checkpoint met de bijbehorende v3-instructieopmaak. Beeldbegrip, spraak en hybride redeneerinstellingen die in latere Mistral-families zijn geïntroduceerd, mogen er niet aan worden toegeschreven. Behoud de exacte editie en het bronmateriaal bij het voorbereiden van de uitleg, het codevoorstel of het met tools ondersteunde antwoord dat de volgende stap nodig heeft.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mistralai/mixtral-8x22b-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 $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.012 / 1K tokens Invoer · Cache lezen $0.0004 / 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 $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.012 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "mistralai/mixtral-8x22b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/mixtral-8x22b-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/mixtral-8x22b-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/mixtral-8x22b-instruct
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Repair integer average division\n\nFix this Python function for nonempty numeric lists: def average(values): return sum(values) // len(values). Input [1, 2] must produce 1.5. Return the corrected function and assertions for [1, 2] and [2, 4]. State the nonempty-input assumption rather than inventing an empty-list policy.A focused function correction, two assertions and the retained input assumption.The function must preserve a fractional average and leave the unspecified empty-list behavior undecided.