Pixtral Large is het multimodale model van Mistral AI, gebouwd op Mistral Large 2. Het combineert een multimodale decoder met 123 miljard parameters met een vision-encoder van één miljard parameters tot een model met 124 miljard parameters. Het doel is omvangrijke taalmogelijkheden te behouden en tegelijk het visuele bewijsmateriaal te begrijpen dat voor een antwoord nodig is: een documentpagina, een grafiek, een foto of een screenshot. De invoer kan tekst en afbeeldingen combineren; het resultaat is tekst.
Mistral beschrijft een contextvenster van 128K tokens en stelt dat dit ten minste 30 afbeeldingen met hoge resolutie kan bevatten. Die uitspraak beschrijft de contextcapaciteit en geen universele instelling voor het aantal afbeeldingen per verzoek. De praktische waarde is dat meerdere visuele bronnen aan één vraag kunnen worden gekoppeld. Een bruikbare vergelijkingstaak kan pagina's met labels uit twee rapporten aanleveren en vragen welke cijfers, labels en conclusies verschillen. Houd de vraagtekst, de rol van elke afbeelding en de vereiste antwoordstructuur bij elkaar.
De fabrikant illustreert het lezen van meertalige tekst, documentvragen, grafiekinterpretatie en gewoon beeldbegrip. Vraag een documentassistent om zichtbare veldnamen en waarden, een beschrijving van de pagina-indeling of een uitleg die de formulering verbindt met een tabel of figuur. Geef bij een grafiek aan welke assen, reeksen of intervallen je wilt laten onderzoeken. Een voorbeeldverzoek is: “Vergelijk deze grafieken. Scheid rechtstreeks leesbare waarden van interpretaties, identificeer de getoonde verandering en som de informatie op die nodig is om de conclusie te controleren.” Het resultaat kan een veldentabel, een reeks waarnemingen of een schriftelijke uitleg zijn.
De modelkaart besteedt bijzondere aandacht aan de systeemprompt. Mistral raadt aan een instructie op te nemen die het doel van de assistent benoemt, ook als die kort is. Dit is nuttig voor een visuele taak, omdat dezelfde afbeelding verschillende opdrachten kan ondersteunen: vermeldingen extraheren, een scène beschrijven, een diagram uitleggen of het vergelijken met een schriftelijke eis. Benoem de opdracht en de regels voor onzekere of onleesbare details. Geef bij meerdere afbeeldingen elke afbeelding een label en benoem de volgorde of onderlinge relatie, zodat het antwoord waarnemingen aan het juiste materiaal kan koppelen.
De modelpagina van Mistral vermeldt het beantwoorden van documentvragen, gestructureerde uitvoer en functieaanroepen. De interface van de fabrikant ondersteunt ook batchverwerking. Het advies voor gestructureerde uitvoer onderscheidt een JSON-objectformaat van een aangepast schema; de JSON-modus vereist nog steeds een expliciete instructie om JSON te produceren. Definieer bij extractie de velden, de behandeling van ontbrekende waarden en het verschil tussen overgeschreven tekst en een conclusie. Een gestructureerd antwoord is nuttig wanneer een applicatie het resultaat moet verwerken, terwijl een vrije uitleg nuttig is wanneer een persoon de achterliggende redenering moet begrijpen.
Voor functieaanroepen levert de applicatie tooldefinities aan en stelt het model een functie met argumenten voor. In de werkwijze van Mistral voert de applicatie vervolgens de handeling uit en stuurt het resultaat terug voordat het model het vervolgantwoord schrijft. Een documentworkflow kan met een tool een identificatie opzoeken die uit een afbeelding is gelezen en vervolgens om een uitleg vragen op basis van de geretourneerde registratie. Het visuele model krijgt niet zomaar toegang tot externe gegevens omdat een afbeelding een registratie noemt: de toegestane handeling en het resultaat komen van de applicatie.
De producent vermeldt ook functies voor predicted-output en prefix. Met predicted outputs kan een aanroeper verwachte tekst aanleveren bij het opnieuw genereren van een document of codebestand met een kleine wijziging; een prefix bepaalt de begintekst van het antwoord. Dit zijn afzonderlijke instellingen voor de voorbereiding, geen extra visuele modaliteiten. De bruikbare uitvoer blijft een tekstuele beschrijving, extractie of uitleg, geen nieuw gerenderde afbeelding. Kies duidelijke bronafbeeldingen, specificeer wat behouden moet blijven en controleer cruciale aflezingen aan de hand van de oorspronkelijke pagina.
Het label latest is een familiealias, terwijl Pixtral-Large-Instruct-2411 de vaste release van de fabrikant is die op de modelkaart wordt beschreven. Houd die namen gescheiden bij het voorbereiden van een herhaalbare taak. Het gepubliceerde contextcijfer beschrijft het model van de producent; de geraadpleegde pagina's stellen geen afzonderlijke universele limiet voor uitvoertokens vast. Kies de afbeeldingsverzameling, de tekstuele vraag en de gewenste antwoordlengte samen en houd versiespecifieke verzoeklimieten gescheiden van de algemene visuele mogelijkheden die hier worden beschreven.
", "aboutText": "Pixtral Large is het multimodale model van Mistral AI, gebouwd op Mistral Large 2. Het combineert een multimodale decoder met 123 miljard parameters met een vision-encoder van één miljard parameters tot een model met 124 miljard parameters. Het doel is omvangrijke taalmogelijkheden te behouden en tegelijk het visuele bewijsmateriaal te begrijpen dat voor een antwoord nodig is: een documentpagina, een grafiek, een foto of een screenshot. De invoer kan tekst en afbeeldingen combineren; het resultaat is tekst.\n\nMistral beschrijft een contextvenster van 128K tokens en stelt dat dit ten minste 30 afbeeldingen met hoge resolutie kan bevatten. Die uitspraak beschrijft de contextcapaciteit en geen universele instelling voor het aantal afbeeldingen per verzoek. De praktische waarde is dat meerdere visuele bronnen aan één vraag kunnen worden gekoppeld. Een bruikbare vergelijkingstaak kan pagina's met labels uit twee rapporten aanleveren en vragen welke cijfers, labels en conclusies verschillen. Houd de vraagtekst, de rol van elke afbeelding en de vereiste antwoordstructuur bij elkaar.\n\nDe fabrikant illustreert het lezen van meertalige tekst, documentvragen, grafiekinterpretatie en gewoon beeldbegrip. Vraag een documentassistent om zichtbare veldnamen en waarden, een beschrijving van de pagina-indeling of een uitleg die de formulering verbindt met een tabel of figuur. Geef bij een grafiek aan welke assen, reeksen of intervallen je wilt laten onderzoeken. Een voorbeeldverzoek is: “Vergelijk deze grafieken. Scheid rechtstreeks leesbare waarden van interpretaties, identificeer de getoonde verandering en som de informatie op die nodig is om de conclusie te controleren.” Het resultaat kan een veldentabel, een reeks waarnemingen of een schriftelijke uitleg zijn.\n\nDe modelkaart besteedt bijzondere aandacht aan de systeemprompt. Mistral raadt aan een instructie op te nemen die het doel van de assistent benoemt, ook als die kort is. Dit is nuttig voor een visuele taak, omdat dezelfde afbeelding verschillende opdrachten kan ondersteunen: vermeldingen extraheren, een scène beschrijven, een diagram uitleggen of het vergelijken met een schriftelijke eis. Benoem de opdracht en de regels voor onzekere of onleesbare details. Geef bij meerdere afbeeldingen elke afbeelding een label en benoem de volgorde of onderlinge relatie, zodat het antwoord waarnemingen aan het juiste materiaal kan koppelen.\n\nDe modelpagina van Mistral vermeldt het beantwoorden van documentvragen, gestructureerde uitvoer en functieaanroepen. De interface van de fabrikant ondersteunt ook batchverwerking. Het advies voor gestructureerde uitvoer onderscheidt een JSON-objectformaat van een aangepast schema; de JSON-modus vereist nog steeds een expliciete instructie om JSON te produceren. Definieer bij extractie de velden, de behandeling van ontbrekende waarden en het verschil tussen overgeschreven tekst en een conclusie. Een gestructureerd antwoord is nuttig wanneer een applicatie het resultaat moet verwerken, terwijl een vrije uitleg nuttig is wanneer een persoon de achterliggende redenering moet begrijpen.\n\nVoor functieaanroepen levert de applicatie tooldefinities aan en stelt het model een functie met argumenten voor. In de werkwijze van Mistral voert de applicatie vervolgens de handeling uit en stuurt het resultaat terug voordat het model het vervolgantwoord schrijft. Een documentworkflow kan met een tool een identificatie opzoeken die uit een afbeelding is gelezen en vervolgens om een uitleg vragen op basis van de geretourneerde registratie. Het visuele model krijgt niet zomaar toegang tot externe gegevens omdat een afbeelding een registratie noemt: de toegestane handeling en het resultaat komen van de applicatie.\n\nDe producent vermeldt ook functies voor predicted-output en prefix. Met predicted outputs kan een aanroeper verwachte tekst aanleveren bij het opnieuw genereren van een document of codebestand met een kleine wijziging; een prefix bepaalt de begintekst van het antwoord. Dit zijn afzonderlijke instellingen voor de voorbereiding, geen extra visuele modaliteiten. De bruikbare uitvoer blijft een tekstuele beschrijving, extractie of uitleg, geen nieuw gerenderde afbeelding. Kies duidelijke bronafbeeldingen, specificeer wat behouden moet blijven en controleer cruciale aflezingen aan de hand van de oorspronkelijke pagina.\n\nHet label latest is een familiealias, terwijl Pixtral-Large-Instruct-2411 de vaste release van de fabrikant is die op de modelkaart wordt beschreven. Houd die namen gescheiden bij het voorbereiden van een herhaalbare taak. Het gepubliceerde contextcijfer beschrijft het model van de producent; de geraadpleegde pagina's stellen geen afzonderlijke universele limiet voor uitvoertokens vast. Kies de afbeeldingsverzameling, de tekstuele vraag en de gewenste antwoordlengte samen en houd versiespecifieke verzoeklimieten gescheiden van de algemene visuele mogelijkheden die hier worden beschreven.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.pixtral-large-latestPixtral Large combineert de taalmogelijkheden van Mistral met beeldbegrip voor documenten, grafieken en foto's. Het produceert tekstuele antwoorden en ondersteunt gestructureerde resultaten en door applicaties gedefinieerde tools in de gedocumenteerde interfaces van de fabrikant.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Pixtral Large is het multimodale model van Mistral AI, gebouwd op Mistral Large 2. Het combineert een multimodale decoder met 123 miljard parameters met een vision-encoder van één miljard parameters tot een model met 124 miljard parameters. Het doel is omvangrijke taalmogelijkheden te behouden en tegelijk het visuele bewijsmateriaal te begrijpen dat voor een antwoord nodig is: een documentpagina, een grafiek, een foto of een screenshot. De invoer kan tekst en afbeeldingen combineren; het resultaat is tekst.
Mistral beschrijft een contextvenster van 128K tokens en stelt dat dit ten minste 30 afbeeldingen met hoge resolutie kan bevatten. Die uitspraak beschrijft de contextcapaciteit en geen universele instelling voor het aantal afbeeldingen per verzoek. De praktische waarde is dat meerdere visuele bronnen aan één vraag kunnen worden gekoppeld. Een bruikbare vergelijkingstaak kan pagina's met labels uit twee rapporten aanleveren en vragen welke cijfers, labels en conclusies verschillen. Houd de vraagtekst, de rol van elke afbeelding en de vereiste antwoordstructuur bij elkaar.
De fabrikant illustreert het lezen van meertalige tekst, documentvragen, grafiekinterpretatie en gewoon beeldbegrip. Vraag een documentassistent om zichtbare veldnamen en waarden, een beschrijving van de pagina-indeling of een uitleg die de formulering verbindt met een tabel of figuur. Geef bij een grafiek aan welke assen, reeksen of intervallen je wilt laten onderzoeken. Een voorbeeldverzoek is: “Vergelijk deze grafieken. Scheid rechtstreeks leesbare waarden van interpretaties, identificeer de getoonde verandering en som de informatie op die nodig is om de conclusie te controleren.” Het resultaat kan een veldentabel, een reeks waarnemingen of een schriftelijke uitleg zijn.
De modelkaart besteedt bijzondere aandacht aan de systeemprompt. Mistral raadt aan een instructie op te nemen die het doel van de assistent benoemt, ook als die kort is. Dit is nuttig voor een visuele taak, omdat dezelfde afbeelding verschillende opdrachten kan ondersteunen: vermeldingen extraheren, een scène beschrijven, een diagram uitleggen of het vergelijken met een schriftelijke eis. Benoem de opdracht en de regels voor onzekere of onleesbare details. Geef bij meerdere afbeeldingen elke afbeelding een label en benoem de volgorde of onderlinge relatie, zodat het antwoord waarnemingen aan het juiste materiaal kan koppelen.
De modelpagina van Mistral vermeldt het beantwoorden van documentvragen, gestructureerde uitvoer en functieaanroepen. De interface van de fabrikant ondersteunt ook batchverwerking. Het advies voor gestructureerde uitvoer onderscheidt een JSON-objectformaat van een aangepast schema; de JSON-modus vereist nog steeds een expliciete instructie om JSON te produceren. Definieer bij extractie de velden, de behandeling van ontbrekende waarden en het verschil tussen overgeschreven tekst en een conclusie. Een gestructureerd antwoord is nuttig wanneer een applicatie het resultaat moet verwerken, terwijl een vrije uitleg nuttig is wanneer een persoon de achterliggende redenering moet begrijpen.
Voor functieaanroepen levert de applicatie tooldefinities aan en stelt het model een functie met argumenten voor. In de werkwijze van Mistral voert de applicatie vervolgens de handeling uit en stuurt het resultaat terug voordat het model het vervolgantwoord schrijft. Een documentworkflow kan met een tool een identificatie opzoeken die uit een afbeelding is gelezen en vervolgens om een uitleg vragen op basis van de geretourneerde registratie. Het visuele model krijgt niet zomaar toegang tot externe gegevens omdat een afbeelding een registratie noemt: de toegestane handeling en het resultaat komen van de applicatie.
De producent vermeldt ook functies voor predicted-output en prefix. Met predicted outputs kan een aanroeper verwachte tekst aanleveren bij het opnieuw genereren van een document of codebestand met een kleine wijziging; een prefix bepaalt de begintekst van het antwoord. Dit zijn afzonderlijke instellingen voor de voorbereiding, geen extra visuele modaliteiten. De bruikbare uitvoer blijft een tekstuele beschrijving, extractie of uitleg, geen nieuw gerenderde afbeelding. Kies duidelijke bronafbeeldingen, specificeer wat behouden moet blijven en controleer cruciale aflezingen aan de hand van de oorspronkelijke pagina.
Het label latest is een familiealias, terwijl Pixtral-Large-Instruct-2411 de vaste release van de fabrikant is die op de modelkaart wordt beschreven. Houd die namen gescheiden bij het voorbereiden van een herhaalbare taak. Het gepubliceerde contextcijfer beschrijft het model van de producent; de geraadpleegde pagina's stellen geen afzonderlijke universele limiet voor uitvoertokens vast. Kies de afbeeldingsverzameling, de tekstuele vraag en de gewenste antwoordlengte samen en houd versiespecifieke verzoeklimieten gescheiden van de algemene visuele mogelijkheden die hier worden beschreven.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten pixtral-large-latest | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0044 / 1K tokens Uitvoer · Uitvoertokens $0.0132 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "pixtral-large-latest", "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='pixtral-large-latest',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='pixtral-large-latest',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 pixtral-large-latest
Gebruik de hierboven getoonde methodepaden.
pixtral-large-latestPixtral Large combineert de taalmogelijkheden van Mistral met beeldbegrip voor documenten, grafieken en foto's. Het produceert tekstuele antwoorden en ondersteunt gestructureerde resultaten en door applicaties gedefinieerde tools in de gedocumenteerde interfaces van de fabrikant.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Pixtral Large is het multimodale model van Mistral AI, gebouwd op Mistral Large 2. Het combineert een multimodale decoder met 123 miljard parameters met een vision-encoder van één miljard parameters tot een model met 124 miljard parameters. Het doel is omvangrijke taalmogelijkheden te behouden en tegelijk het visuele bewijsmateriaal te begrijpen dat voor een antwoord nodig is: een documentpagina, een grafiek, een foto of een screenshot. De invoer kan tekst en afbeeldingen combineren; het resultaat is tekst.
Mistral beschrijft een contextvenster van 128K tokens en stelt dat dit ten minste 30 afbeeldingen met hoge resolutie kan bevatten. Die uitspraak beschrijft de contextcapaciteit en geen universele instelling voor het aantal afbeeldingen per verzoek. De praktische waarde is dat meerdere visuele bronnen aan één vraag kunnen worden gekoppeld. Een bruikbare vergelijkingstaak kan pagina's met labels uit twee rapporten aanleveren en vragen welke cijfers, labels en conclusies verschillen. Houd de vraagtekst, de rol van elke afbeelding en de vereiste antwoordstructuur bij elkaar.
De fabrikant illustreert het lezen van meertalige tekst, documentvragen, grafiekinterpretatie en gewoon beeldbegrip. Vraag een documentassistent om zichtbare veldnamen en waarden, een beschrijving van de pagina-indeling of een uitleg die de formulering verbindt met een tabel of figuur. Geef bij een grafiek aan welke assen, reeksen of intervallen je wilt laten onderzoeken. Een voorbeeldverzoek is: “Vergelijk deze grafieken. Scheid rechtstreeks leesbare waarden van interpretaties, identificeer de getoonde verandering en som de informatie op die nodig is om de conclusie te controleren.” Het resultaat kan een veldentabel, een reeks waarnemingen of een schriftelijke uitleg zijn.
De modelkaart besteedt bijzondere aandacht aan de systeemprompt. Mistral raadt aan een instructie op te nemen die het doel van de assistent benoemt, ook als die kort is. Dit is nuttig voor een visuele taak, omdat dezelfde afbeelding verschillende opdrachten kan ondersteunen: vermeldingen extraheren, een scène beschrijven, een diagram uitleggen of het vergelijken met een schriftelijke eis. Benoem de opdracht en de regels voor onzekere of onleesbare details. Geef bij meerdere afbeeldingen elke afbeelding een label en benoem de volgorde of onderlinge relatie, zodat het antwoord waarnemingen aan het juiste materiaal kan koppelen.
De modelpagina van Mistral vermeldt het beantwoorden van documentvragen, gestructureerde uitvoer en functieaanroepen. De interface van de fabrikant ondersteunt ook batchverwerking. Het advies voor gestructureerde uitvoer onderscheidt een JSON-objectformaat van een aangepast schema; de JSON-modus vereist nog steeds een expliciete instructie om JSON te produceren. Definieer bij extractie de velden, de behandeling van ontbrekende waarden en het verschil tussen overgeschreven tekst en een conclusie. Een gestructureerd antwoord is nuttig wanneer een applicatie het resultaat moet verwerken, terwijl een vrije uitleg nuttig is wanneer een persoon de achterliggende redenering moet begrijpen.
Voor functieaanroepen levert de applicatie tooldefinities aan en stelt het model een functie met argumenten voor. In de werkwijze van Mistral voert de applicatie vervolgens de handeling uit en stuurt het resultaat terug voordat het model het vervolgantwoord schrijft. Een documentworkflow kan met een tool een identificatie opzoeken die uit een afbeelding is gelezen en vervolgens om een uitleg vragen op basis van de geretourneerde registratie. Het visuele model krijgt niet zomaar toegang tot externe gegevens omdat een afbeelding een registratie noemt: de toegestane handeling en het resultaat komen van de applicatie.
De producent vermeldt ook functies voor predicted-output en prefix. Met predicted outputs kan een aanroeper verwachte tekst aanleveren bij het opnieuw genereren van een document of codebestand met een kleine wijziging; een prefix bepaalt de begintekst van het antwoord. Dit zijn afzonderlijke instellingen voor de voorbereiding, geen extra visuele modaliteiten. De bruikbare uitvoer blijft een tekstuele beschrijving, extractie of uitleg, geen nieuw gerenderde afbeelding. Kies duidelijke bronafbeeldingen, specificeer wat behouden moet blijven en controleer cruciale aflezingen aan de hand van de oorspronkelijke pagina.
Het label latest is een familiealias, terwijl Pixtral-Large-Instruct-2411 de vaste release van de fabrikant is die op de modelkaart wordt beschreven. Houd die namen gescheiden bij het voorbereiden van een herhaalbare taak. Het gepubliceerde contextcijfer beschrijft het model van de producent; de geraadpleegde pagina's stellen geen afzonderlijke universele limiet voor uitvoertokens vast. Kies de afbeeldingsverzameling, de tekstuele vraag en de gewenste antwoordlengte samen en houd versiespecifieke verzoeklimieten gescheiden van de algemene visuele mogelijkheden die hier worden beschreven.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten pixtral-large-latest | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0044 / 1K tokens Uitvoer · Uitvoertokens $0.0132 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "pixtral-large-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'pixtral-large-latest', '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': 'pixtral-large-latest', '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 pixtral-large-latest
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.