Mistral: Mistral Medium 3.5 (batch)

Mistral Medium 3.5 łączy wykonywanie instrukcji, rozumowanie i programowanie w gęstym modelu przyjmującym tekst i obrazy, o 128 mld parametrów. Oferuje kontekst producenta o wielkości 256 tys. tokenów, ustawienia rozumowania dla każdego żądania, natywne wywoływanie funkcji i uporządkowane wyniki do pracy z dokumentami i agentami.

Ailoot Ultra · Batch POST /v1/batches mistralai/mistral-medium-3-5:batch

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

Mistral Medium 3.5 to gęsty model firmy Mistral AI o 128 mld parametrów, łączący wykonywanie instrukcji, rozumowanie i programowanie w jednym zestawie wag. Otrzymuje tekst i obrazy oraz zwraca tekst. Producent pozycjonuje go do zadań agentowych i programistycznych, przy czym ten sam checkpoint może udzielić bezpośredniej odpowiedzi w rozmowie albo użyć udokumentowanego trybu rozumowania do bardziej złożonego zadania.

Ujednolicony model i możliwości wizualne

Opublikowana karta podaje 128 mld parametrów w architekturze gęstej i okno kontekstowe o wielkości 256 tys. tokenów. Jego enkoder wizyjny jest trenowany do obsługi różnych rozmiarów i proporcji obrazów. Obrazy mogą dostarczać dowodów do zadania programistycznego lub dokumentowego: zrzut ekranu interfejsu, diagram towarzyszący wymaganiu albo strona zawierająca informacje, które model musi zinterpretować. Wynikiem może być pisemne wyjaśnienie, kod lub uporządkowane pola, a nie wygenerowany obraz.

Producent opisuje obsługę kilkudziesięciu języków, w tym angielskiego, francuskiego, hiszpańskiego, niemieckiego, włoskiego, portugalskiego, niderlandzkiego, chińskiego, japońskiego, koreańskiego i arabskiego. Podkreśla również przestrzeganie promptu systemowego oraz natywne wywoływanie funkcji z wynikiem JSON. Ustal odbiorców, język i reguły odpowiedzi oddzielnie od badanego materiału, aby brzmienie dokumentu źródłowego pozostało dowodem w zadaniu.

Ustawienia rozumowania

Karta dokumentuje dwie wartości intensywności rozumowania dla każdego żądania. Wartość none daje odpowiedź w stylu instrukcyjnym bez trybu rozumowania; high włącza rozumowanie i jest zalecana do złożonych promptów oraz programowania z użyciem agentów. Jest to wybór trybu w obrębie tego samego checkpointu Medium 3.5, a nie inna tożsamość modelu.

Dla wysokiej intensywności rozumowania producent zaleca temperaturę 0.7 i top-p 0.95. Dla none dokumentuje temperatury między 0.0 a 0.7 zależnie od zadania i pozostawienie top-p bez ustawienia lub na 1.0. Są to zalecenia dla tego wydania. Najpierw wybierz cel wyniku: zwięzłą ekstrakcję pól, zmianę kodu z wyjaśnieniem albo porównanie wymagające kilku uzasadnionych decyzji.

Praktyczne zadanie z rozumowaniem może dostarczać wymaganie, implementację i dane wejściowe ujawniające niezgodność. Poproś model o rozpoznanie właściwej ścieżki, wyjaśnienie rozbieżności i zaproponowanie najmniejszej zmiany zachowującej publiczny interfejs. Zażądaj zmienionego kodu oddzielnie od założeń i przykładów. Model generuje propozycję; kompilowanie, uruchamianie i zastosowanie wymagają środowiska programistycznego połączonego z agentem.

Narzędzia, dokumenty i przewidywalne zmiany

Karta usługi producenta wymienia też uporządkowane wyniki, przewidywane wyniki, pytania o dokumenty, prefiksy odpowiedzi, przetwarzanie wsadowe i rozmowy agentowe. Dla ekstrakcji zdefiniuj nazwy pól, typy i sposób traktowania brakujących wartości. Tryb JSON zapewnia uporządkowaną reprezentację, a schemat niestandardowy określa bardziej szczegółową strukturę w połączonym interfejsie. Poproś tylko o rekord, gdy ma go parsować program, i o osobne wyjaśnienie, gdy interpretację ma sprawdzić człowiek.

Odpowiadanie na pytania o dokumenty łączy tekst i strukturę przygotowane przez OCR z rozumieniem modelu językowego. Przy porównaniu wskaż dokumenty i warunek do oceny, a następnie zażądaj każdego ustalenia wraz z jego lokalizacją źródłową. Przydatny wynik może rozdzielać wspólne wymagania, rozbieżności i otwarte pytania. Bezpośrednie pytania o obrazy mogą dotyczyć etykiety wykresu lub elementu interfejsu; zachowanie nagłówków, jednostek i ról obrazów pomaga utrzymać związek odpowiedzi z dostarczonym materiałem.

Przewidywane wyniki są udokumentowane dla zadań, w których znaczna część pożądanej odpowiedzi jest już znana, takich jak ponowne generowanie pliku kodu lub dokumentu z ograniczonymi zmianami. Dostarcz istniejącą treść i wskaż konkretną zmianę, zachowując części, które powinny pozostać. Różni się to od prośby o całkowicie nowy artefakt lub kontynuację od znanego prefiksu odpowiedzi. Funkcje usługi opisują opcje przesyłania i formatowania; nie zmieniają tekstowo-obrazowego wejścia modelu ani jego tekstowego wyjścia.

W przepływie wspomaganym narzędziami aplikacja dostarcza opisy funkcji i parametry, model wybiera funkcję i przygotowuje argumenty, a aplikacja ją wykonuje i zwraca wynik. Narzędzie obliczeniowe może otrzymać wartości odczytane z dostarczonego obrazu, a narzędzie wyszukiwania może dostarczyć brakujące informacje dla kolejnej odpowiedzi. Zachowuj powiązanie wyniku narzędzia z operacją, która go wytworzyła. Rozumowanie agentowe opiera się na tym środowisku; samo generowanie tekstu nie wykonuje działań zewnętrznych.

Przygotowanie długich sesji

Wykorzystuj kontekst o wielkości 256 tys. tokenów na powiązany kod źródłowy, dokumenty i historię rozmowy, jasno utrzymując właściwy cel. Sesja programistyczna może zachować moduł, jego wywołującego i wymagania, jednocześnie żądając jednej zdefiniowanej zmiany. Sesja dokumentowa może utrzymać istotne sekcje razem, zwracając krótką tabelę lub zmieniony fragment. Pojemność kontekstu nie określa osobnej maksymalnej długości odpowiedzi; przykład generowania 1024 tokenów w karcie jest ilustracją, a nie takim limitem.

Producent zaznacza, że starsza opublikowana konfiguracja zawierała błąd długiego kontekstu i że został on poprawiony, także w odniesieniu do pochodnych checkpointów. Przy korzystaniu z wag do długich sesji zachowaj poprawioną konfigurację wydania. Hybrydowych trybów i architektury o 128 mld parametrów Medium 3.5 nie należy przypisywać Medium 3.1 ani osobno nazwanemu checkpointowi draft-head tylko dlatego, że ich nazwy należą do tej samej rodziny.

Ailoot Ultra · Batch POST /v1/batches mistralai/mistral-medium-3-5:batch

mistralai/mistral-medium-3-5:batch

Mistral /mistralai/mistral-medium-3-5:batch

Start

Akceptowane dane wejściowe: Tekst
Wyniki: Tekst

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Batch POST /v1/batches

Wejście: text
Wyjście: text
Format wyjściowy: JSON bezpośrednio w results[].response.body

Pole	Typ	Wymaganie	Wartości i limity	Domyślnie
Pole`endpoint`	Typ`string`	WymaganieWymagane	Wartości i limity /v1/chat/completions	Domyślnie—
Pole`model`	Typ`string`	WymaganieWymagane	Wartości i limity mistralai/mistral-medium-3-5:batch	Domyślnie—
Pole`requests`	Typ`batch_item[]`	WymaganieWymagane	Wartości i limity Minimalna liczba elementów: 1	Domyślnie—
Pole`requests[].custom_id`	Typ`string`	WymaganieWymagane	Wartości i limity	Domyślnie—
Pole`requests[].body.messages`	Typ`message[]`	WymaganieWymagane	Wartości i limity	Domyślnie—
Pole`completion_window`	Typ`string`	WymaganieOpcjonalne	Wartości i limity 24h	Domyślnie—
Pole`provider`	Typ`object\|null`	WymaganieOpcjonalne	Wartości i limity	Domyślnie—
Pole`requests[].body.model`	Typ`string`	WymaganieOpcjonalne	Wartości i limity mistralai/mistral-medium-3-5:batch, mistralai/mistral-medium-3-5	Domyślnie—
Pole`provider.only`	Typ`string[]`	WymaganieOpcjonalne	Wartości i limity mistral	Domyślnie—
Pole`provider.allow_fallbacks`	Typ`boolean\|null`	WymaganieOpcjonalne	Wartości i limity false, null	Domyślnie—

Parametry i cykl życia metody

Parametr	Kontrakt
Parametr`content_type`	Kontraktapplication/json
Parametr`required`	Kontraktendpoint, model, requests
Parametr`material_types`	Kontrakttext
Parametr`representation`	Kontraktrequests[] bezpośrednio w żądaniu; każdy element zawiera custom_id i body
Parametr`request_endpoint_profile`	Kontrakt/v1/chat/completions
Parametr`file_material`	KontraktWywołujący może lokalnie wczytać rzeczywisty plik JSONL w kodowaniu UTF-8 do requests[]. Nie używa się przeznaczenia przesyłanego pliku, input_file_id ani odwołania do pliku. Brak materiałów klienta lub ich pusta zawartość zatrzymują przygotowanie przed POST.
Parametr`serialization_order`	Kontraktendpoint, model, provider (jeśli podano), completion_window (jeśli podano), requests na końcu
Parametr`optional_controls`	Kontraktprovider.only, provider.allow_fallbacks, completion_window
Parametr`schema_scope`	KontraktTreści żądań tekstowych Chat Completions w udokumentowanej strukturze Batch z danymi bezpośrednio w żądaniu.

Cykl życia: asynchronous

GET /v1/batches/{operation_id} · Rzeczywista wartość response.id zwrócona przy pierwotnym utworzeniu; ten sam użytkownik, klucz i grupa

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki: Nie określono Gdy wybrany jest tryb szybki
Tryb flex: Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania: Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)
Wycena jawnej pamięci podręcznej: Niewłączone Gdy zażądano jawnej pamięci podręcznej

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

Konfiguracja	Tabela stawek	Tokeny kontekstu, więcej niż	Tokeny kontekstu, do podanej wartości włącznie	Opłata
KonfiguracjaPodstawowe stawki za tokeny	Tabela stawekStawka podstawowa	Tokeny kontekstu, więcej niż—	Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy	Opłata Wejście · Tokeny wejściowe $0.0015 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0075 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaPrzedział długości żądania 1	Tabela stawek—	Tokeny kontekstu, więcej niż0	Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy	Opłata Wejście · Tokeny wejściowe $0.0015 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0075 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Batch

curl · zachowany zestaw danych testowychPython HTTP · rzeczywisty JSONL klientaPython · zapisz każdy ukończony wynik

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"mistralai/mistral-medium-3-5:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json

import json, os
from pathlib import Path
from urllib.request import Request, urlopen

def prepare_requests(customer_path):
    path = Path(customer_path)
    if not path.is_file(): raise ValueError("Customer JSONL file is missing")
    items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
    if not items: raise ValueError("Customer JSONL contains no requests")
    ids = set()
    for item in items:
        if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
        cid = item["custom_id"]
        if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
        ids.add(cid)
        if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
        supplied_model = item["body"].get("model")
        if supplied_model is not None and supplied_model not in ['mistralai/mistral-medium-3-5:batch', 'mistralai/mistral-medium-3-5']: raise ValueError("body.model must be an exact documented caller or wire ID")
    return {"endpoint":"/v1/chat/completions", "model":"mistralai/mistral-medium-3-5:batch", "requests":items}

if __name__ == "__main__":
    material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")
    if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")
    body = prepare_requests(material)
    key = os.environ.get("AILOOT_API_KEY", "")
    if not key: raise SystemExit("Set AILOOT_API_KEY")
    request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")
    with urlopen(request) as response:
        raw = response.read()
        Path("batch-create-response.json").write_bytes(raw)
        print(raw.decode("utf-8"))

import json
from pathlib import Path
raw = Path("batch-status-response.json").read_bytes()
response = json.loads(raw)
if response.get("status") != "completed":
    raise SystemExit("Keep the original operation; read its status without resubmitting")
results = response.get("results")
if not isinstance(results, list) or not results:
    raise SystemExit("Preserve the original response; completed results are missing")
Path("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\n" for item in results), encoding="utf-8")
# Preserve batch-status-response.json with aggregate usage and every result/error.

Odbieranie i zapisywanie wyników

Ailoot Ultra · Batch

JSON bezpośrednio w results[].response.body

GET /v1/batches/{operation_id}

Sprawdź status zadania

curl · status pierwotnej operacji

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj pełny pierwotny JSON stanu, każdy wynik i custom_id oraz pełną treść odpowiedzi lub błędu. Zapisz ukończone wyniki z results[] jako JSONL bez filtrowania.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj pierwotny identyfikator operacji. Odpowiedź 503 result_pending_check zawiera X-Should-Retry:false; nigdy nie wysyłaj ponownie pierwotnego żądania Batch, którego wynik jest nieznany.

Pola odpowiedzi

Pole	Typ
Pole`results[].custom_id`	Typstring
Pole`results[].response.body.choices[].message.content`	Typstring\|null
Pole`results[].error`	Typobject\|null
Pole`usage`	Typobject\|null
Pole`id`	Typstring
Pole`model`	Typstring
Pole`endpoint`	Typstring
Pole`status`	Typstring
Pole`request_counts`	Typobject
Pole`results[].id`	Typstring
Pole`results[].response.status_code`	Typinteger
Pole`results[].response.request_id`	Typstring

Błędy i dalsze kroki

Odpowiedź	Warunek	Następny krok
Odpowiedź400 · `invalid_request_error`	WarunekNieprawidłowa udokumentowana struktura z danymi bezpośrednio w żądaniu, zduplikowane klucze, problem z tożsamością elementu lub konflikt ze skonfigurowanymi możliwościami modelu.	Następny krokPopraw wskazane pola przed wysłaniem jakiegokolwiek nowego żądania.
Odpowiedź401 · `authentication_error`	WarunekNieprawidłowy klucz API.	Następny krokUżyj autoryzowanego klucza Ailoot.
Odpowiedź403 · `permission_error`	WarunekGrupa Batch jest niedostępna.	Następny krokSprawdź uprawnienia klucza i grupy.
Odpowiedź422 · `invalid_request_error`	WarunekBatch korzysta z rozliczania z salda; utworzenie w ramach subskrypcji jest odrzucane.	Następny krokUżyj autoryzowanej grupy rozliczanej z salda.
Odpowiedź422 · `price_unavailable`	WarunekNie można wycenić danych wejściowych Batch.	Następny krokZachowaj odpowiedź; użyj danych wejściowych udokumentowanych dla tej rodziny API.
Odpowiedź402 · `billing_error`	WarunekRezerwa dla Batch jest niedostępna.	Następny krokRozwiąż problem dopuszczenia żądania przed wysłaniem nowego.
Odpowiedź503 · `price_unavailable`	WarunekCena metody Batch lub stawki natywne są niedostępne.	Następny krokZachowaj odpowiedź; nie zastępuj cen innymi.
Odpowiedź503 · `api_error`	WarunekDokładna trasa dostawcy jest niedostępna.	Następny krokZachowaj odpowiedź na potrzeby naprawy trasy.
Odpowiedź503 · `result_pending_check`	WarunekPierwotny wynik wymaga sprawdzenia; X-Should-Retry:false.	Następny krokZachowaj pierwotny operation_id/id i odczytuj stan operacji; nigdy nie powtarzaj pierwotnego POST.
Odpowiedź404 · `not_found`	WarunekOperacja sprawdzania stanu Batch nie istnieje lub należy do innej tożsamości.	Następny krokUżyj dokładnego pierwotnego id oraz tego samego użytkownika, klucza i grupy.

Aliasy

Aliasy modelu

Ailoot Ultra mistralai/mistral-medium-3-5:batch

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

mistralai/mistral-medium-3-5:batch

FAQ · Mistral: Mistral Medium 3.5 (batch)

Jakie dane wejściowe i wyniki są dostępne?: POST /v1/batches · mistralai/mistral-medium-3-5:batch: text → text
Jakich pól używa żądanie?: POST /v1/batches · mistralai/mistral-medium-3-5:batch: endpoint, model, requests, completion_window, provider
Jakie limity obowiązują?: POST /v1/batches · mistralai/mistral-medium-3-5:batch: requests.min_items: 1

Mistral: Mistral Medium 3.5 (batch)