Source: https://ailoot.ai/models/pt-pt/mistralai-mistral-large-4-0/ Canonical: https://ailoot.ai/models/pt-pt/mistralai-mistral-large-4-0/ Language: pt-pt # Mistral: Mistral Large 4 [Markdown](https://ailoot.ai/models/pt-pt/mistralai-mistral-large-4-0/index.md) · [JSON](https://ailoot.ai/models/pt-pt/mistralai-mistral-large-4-0/facts.json) ## [Mistral: Mistral Large 4](https://ailoot.ai/models/pt-pt/mistralai-mistral-large-4-0/) Mistral Large 4 é um modelo de texto e imagem para raciocínio, programação, análise documental e agentes com ferramentas. O contexto de um milhão de tokens indicado pelo fabricante suporta grandes conjuntos de fontes, com respostas estruturadas, chamadas de funções e uma arquitetura granular de mistura de especialistas. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `mistralai/mistral-large-4-0`](https://ailoot.ai/models/pt-pt/mistralai-mistral-large-4-0/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `mistralai/mistral-large-4-0`](https://ailoot.ai/models/pt-pt/mistralai-mistral-large-4-0/#method-1) Sobre o modelo Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo. Mistral Large 4 é o modelo multimodal de uso geral da Mistral AI que combina seguimento de instruções, raciocínio, programação e trabalho com agentes. Aceita texto e imagens e produz texto, incluindo explicações, código e campos estruturados. A arquitetura granular de mistura de especialistas usa componentes selecionadas para cada token, em vez de ativar todo o conjunto de parâmetros de uma vez. Arquitetura e contexto A página atual do modelo indica 1,05 biliões de parâmetros no total, 52 mil milhões de parâmetros ativos e um codificador visual com 1,6 mil milhões de parâmetros. A página de lançamento do fabricante esclarece a convenção de contagem: 49 mil milhões de parâmetros ativos por token, ou 52 mil milhões incluindo embeddings e camadas de saída. Estes valores descrevem a estrutura do modelo, não a extensão de uma resposta. O fabricante documenta uma janela de contexto de um milhão de tokens. Use-a para reunir material de origem substancial, a conversa e as instruções, definindo a finalidade do artefacto final. Numa pergunta sobre vários documentos, identifique cada documento e o seu papel e peça a localização da fonte junto de cada conclusão. Um contexto grande é útil quando requisitos, diagramas e explicações relacionadas têm de ser considerados em conjunto. Respostas estruturadas e perguntas sobre documentos A ficha do modelo enumera saídas estruturadas, chamadas de funções, perguntas sobre documentos, prefixos de resposta, submissão em lote e conversas com agentes. A documentação de saída estruturada da Mistral distingue o modo JSON de um esquema personalizado. Especifique o formato JSON obrigatório no prompt; use um esquema definido quando a interface ligada precisar de uma estrutura de campos concreta. Um registo pode separar factos das fontes, interpretações e questões em aberto, em vez de os combinar num único parágrafo. As perguntas sobre documentos são um fluxo que combina processamento documental com compreensão do modelo de linguagem. O OCR prepara o texto, a estrutura e a formatação, após o que o modelo responde a uma pergunta sobre esse material. Um pedido pode localizar um requisito, comparar afirmações entre documentos ou resumir os elementos de prova relevantes para uma decisão. A compreensão direta de imagens e um fluxo documental assistido por OCR são formas relacionadas de preparar os elementos de prova; a etapa de processamento documental continua a ser distinta de uma entrada de imagem. Por exemplo, forneça uma especificação técnica e desenhos, identifique a revisão em análise e peça uma matriz de requisitos. Cada linha pode conter o requisito, o documento ou desenho de apoio, a diferença observada e o esclarecimento ainda necessário. Retenha etiquetas, unidades e regiões de imagem que determinam a comparação, para que o resultado permaneça ligado ao material de origem. Programação, agentes e raciocínio visual O lançamento descreve análise de cibersegurança, engenharia de software, compreensão de repositórios e fluxos orientados para terminal. Para uma revisão defensiva de código, forneça o percurso relevante, o comportamento esperado e os elementos de prova da falha. Peça a causa, uma correção proposta e exemplos que distingam o comportamento antigo do pretendido. Para uma pergunta sobre o repositório, inclua os módulos e as relações de chamada necessários para explicar o comportamento selecionado. As chamadas de funções ligam o raciocínio às ferramentas fornecidas pela aplicação. A sequência do fabricante define as funções, fornece a pergunta do utilizador, deixa o modelo preparar os argumentos, executa a função escolhida na aplicação e devolve o seu resultado para a resposta seguinte. Uma chamada proposta é distinta da execução. A ficha enumera também ferramentas incorporadas na interface de agentes e conversas do fabricante; pertencem a esse fluxo ligado e não acrescentam uma nova modalidade de entrada ou saída ao modelo. A compreensão visual inclui documentos, gráficos, cenas naturais e desenhos de engenharia. Uma tarefa sobre desenhos pode perguntar que componente identificada satisfaz um requisito fornecido, que dimensão ou anotação sustenta a conclusão e que região exige inspeção mais detalhada. Os exemplos de agentes visuais do lançamento combinam interpretação com passos de inspeção; ampliar, recuperar informação e executar outras ações exige o ambiente de ferramentas envolvente. Ciência, matemática e resultados profissionais O fabricante descreve programação científica, análise de dados, modelação e raciocínio matemático entre as aplicações previstas. Forneça equações, hipóteses, unidades e o formato exigido para o resultado. Um pedido de programação científica pode solicitar uma implementação, o significado de cada variável e um plano para comparar a saída com condições de referência. Produzir essa implementação é um resultado textual; executar a simulação ou criar um ficheiro exige o ambiente da aplicação. Para trabalho documental profissional, forneça os relatórios de origem e defina o artefacto: uma tabela comparativa, uma explicação, um trecho revisto ou conteúdo para folha de cálculo. Indique a base de cálculo e preserve as localizações dos documentos de apoio. O lançamento descreve também treino multilingue em mais de 160 línguas, incluindo todas as línguas oficiais da União Europeia; identifique a língua de saída e a terminologia exigidas ao preparar uma tarefa multilingue. Limites úteis As modalidades documentadas são entradas de texto e imagem com saída textual. O contexto de um milhão de tokens do fabricante não constitui uma especificação separada do comprimento máximo de resposta, e as fontes lidas não estabelecem um limite rígido de saída independente para esta entrada. Mantenha explícitos a edição exata Large 4, os elementos de prova preparados e as ferramentas ligadas. Um registo estruturado, uma explicação ou uma ação proposta são mais úteis quando os campos, as fontes de apoio e o próximo passo da aplicação estão definidos antes do pedido. Tarefa prática ### Tarefa prática Exemplo técnico em inglês ``` Build an engineering requirement matrix Create a requirements matrix from these text excerpts. Spec S1: the enclosure must fit a 60 mm cable bend radius. Drawing D2: available internal clearance is 45 mm. Note N3: exterior width is 120 mm. For each relevant requirement, show the source evidence, the mismatch and the clarification needed. Do not use exterior width as proof of internal clearance. ``` #### Resultado esperado ``` A source-linked matrix identifying the bend-radius/clearance conflict and the information needed for an engineering decision. ``` #### Verificar o resultado ``` The comparison keeps millimetres consistent and does not treat the unrelated exterior dimension as resolving the conflict. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `mistralai/mistral-large-4-0` [`mistralai/mistral-large-4-0`](https://ailoot.ai/models/pt-pt/#m=mistralai%2Fmistral-large-4-0&route=Ultra&caller=mistralai%2Fmistral-large-4-0&fmt=chat) Mistral /`mistralai/mistral-large-4-0` ### Introdução Mistral Large 4 é um modelo de texto e imagem para raciocínio, programação, análise documental e agentes com ferramentas. O contexto de um milhão de tokens indicado pelo fabricante suporta grandes conjuntos de fontes, com respostas estruturadas, chamadas de funções e uma arquitetura granular de mistura de especialistas. Entradas aceites Texto Resultados Texto ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Entrada `text` Saída `text` Formato de saída json ou SSE | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites mistralai/mistral-large-4-0 | Predefinição— | | Campo`messages` | Tipo`message[]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— | | Campo`messages[].role` | Tipo`string` | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— | | Campo`messages[].content` | Tipo`string\|content_part[]\|null` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`messages[].tool_calls` | Tipo`tool_call[]` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`messages[].tool_call_id` | Tipo`string` | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— | | Campo`messages[].name` | Tipo`string` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`messages[].reasoning_content` | Tipo`string` | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— | | Campo`messages[].reasoning_details` | Tipo`object\|array` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`max_tokens` | Tipo`integer` | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— | | Campo`max_completion_tokens` | Tipo`integer` | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— | | Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores e limites | Predefiniçãofalse | | Campo`stream_options.include_usage` | Tipo`boolean` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`top_p` | Tipo`number` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`stop` | Tipo`string\|string[]` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`tools` | Tipo`function_tool[]` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`tools[].type` | Tipo`string` | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— | | Campo`tools[].function.name` | Tipo`string` | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— | | Campo`tools[].function.description` | Tipo`string` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`tools[].function.parameters` | Tipo`JSON_schema` | RequisitoOpcional | Valores e limites | Predefinição— | | Campo`tool_choice` | Tipo`string\|object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`parallel_tool_calls` | Tipo`boolean` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`response_format` | Tipo`object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`reasoning_effort` | Tipo`string` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`reasoning` | Tipo`object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`service_tier` | Tipo`string` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`instructions` | Tipo`string` | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— | | Campo`functions` | Tipo`function[]` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`function_call` | Tipo`string\|object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`prompt_cache_options` | Tipo`object` | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— | | Campo`modalities` | Tipo`string[]` | RequisitoOpcional | Valores e limites text | Predefinição— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— | | Campo`cache_control.ttl` | Tipo`string` | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— | Combinações de materiais de entrada **Texto** · Texto UTF8 `messages[].content` Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, messages | | Parâmetro`material_types` | Contratotext | | Parâmetro`messages` | ContratoLista de mensagens com estrutura role/content | | Parâmetro`file_material` | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido | | Parâmetro`optional_controls` | Contratostream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parâmetro`control_scope` | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas | | Parâmetro`output_modalities` | Contratotext | | Parâmetro`hosted_operations` | Contratofalse | | Parâmetro`multimodal_input_binding` | Contratonull | Ciclo de vida: `synchronous_or_streamed` Envie o ID exato do modelo com messages. O comprimento do contexto não é um limite de saída. Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Tarifa normal Quando o modo rápido está selecionado Modo flex Tarifa normal Quando o modo flex está selecionado Esforço máximo de raciocínio Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) Esforço de raciocínio · elevado Tarifa normal Quando o esforço de raciocínio é elevado Esforço de raciocínio · nenhum Tarifa normal Quando não há esforço de raciocínio #### Tarifas Ailoot #### Preços por configuração Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas. | Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo | | --- | --- | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada **$0.00272** / 1K tokens Saída · Tokens de saída **$0.00836** / 1K tokens Entrada · Leitura da cache **$0.00028** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | | ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada **$0.00272** / 1K tokens Saída · Tokens de saída **$0.00836** / 1K tokens Entrada · Leitura da cache **$0.00028** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · OpenAI Chat curlPython SDKStreaming em Python ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "mistralai/mistral-large-4-0", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='mistralai/mistral-large-4-0',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='mistralai/mistral-large-4-0',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Receber e guardar os resultados #### Ailoot Ultra · OpenAI Chat json ou SSE ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização. ##### Se for necessário verificar a resposta original Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`choices[].index` | Tipointeger | | Campo`choices[].message.content` | Tipostring\|null | | Campo`choices[].message.tool_calls` | Tipotool\_call\[\] | | Campo`choices[].message.reasoning_content` | Tipostring | | Campo`choices[].message.reasoning_details` | Tipoobject\|array | | Campo`choices[].finish_reason` | Tipostring\|null | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`mistralai/mistral-large-4-0`](https://ailoot.ai/models/pt-pt/#m=mistralai%2Fmistral-large-4-0&route=Ultra&caller=mistralai%2Fmistral-large-4-0&fmt=chat) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`mistralai/mistral-large-4-0`](https://ailoot.ai/models/pt-pt/#m=mistralai%2Fmistral-large-4-0&route=Ultra&caller=mistralai%2Fmistral-large-4-0&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `mistralai/mistral-large-4-0` [`mistralai/mistral-large-4-0`](https://ailoot.ai/models/pt-pt/#m=mistralai%2Fmistral-large-4-0&route=Ultra&caller=mistralai%2Fmistral-large-4-0&fmt=messages) Mistral /`mistralai/mistral-large-4-0` ### Introdução Mistral Large 4 é um modelo de texto e imagem para raciocínio, programação, análise documental e agentes com ferramentas. O contexto de um milhão de tokens indicado pelo fabricante suporta grandes conjuntos de fontes, com respostas estruturadas, chamadas de funções e uma arquitetura granular de mistura de especialistas. Entradas aceites Texto Resultados json · sse ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Entrada `text` Saída `json`, `sse` Formato de saída JSON ou SSE | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites mistralai/mistral-large-4-0 | Predefinição— | | Campo`messages` | Tipo`message[]` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`messages[].role` | Tipo`string` | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— | | Campo`messages[].content` | Tipo`string` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`max_tokens` | Tipo`integer` | RequisitoObrigatório | Valores e limites | Predefinição— | | Campo`stream` | Tipo`boolean` | RequisitoOpcional | Valores e limites | Predefiniçãofalse | Combinações de materiais de entrada **Texto** · Texto UTF-8 `Cadeia de caracteres messages[].content` Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, messages, max\_tokens | | Parâmetro`optional_controls` | Contratostream | | Parâmetro`material_types` | Contratotext | | Parâmetro`text_file_material` | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. | Ciclo de vida: `synchronous_or_streamed` ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Tarifa normal Quando o modo rápido está selecionado Modo flex Tarifa normal Quando o modo flex está selecionado Esforço máximo de raciocínio Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) Esforço de raciocínio · elevado Tarifa normal Quando o esforço de raciocínio é elevado Esforço de raciocínio · nenhum Tarifa normal Quando não há esforço de raciocínio #### Tarifas Ailoot #### Preços por configuração Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas. | Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo | | --- | --- | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada **$0.00272** / 1K tokens Saída · Tokens de saída **$0.00836** / 1K tokens Entrada · Leitura da cache **$0.00028** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | | ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada **$0.00272** / 1K tokens Saída · Tokens de saída **$0.00836** / 1K tokens Entrada · Leitura da cache **$0.00028** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Anthropic Messages Corpo JSON mínimo completocurl · use o seu documento UTF-8Python · guarde o resultado completo ```json { "model": "mistralai/mistral-large-4-0", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'mistralai/mistral-large-4-0', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'mistralai/mistral-large-4-0', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Receber e guardar os resultados #### Ailoot Ultra · Anthropic Messages JSON ou SSE ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa. ##### Se for necessário verificar a resposta original Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`id` | Tipostring | | Campo`model` | Tipostring | | Campo`content[]` | Tipotext\|thinking\|tool\_use\|other content block | | Campo`stop_reason` | Tipostring\|null | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`mistralai/mistral-large-4-0`](https://ailoot.ai/models/pt-pt/#m=mistralai%2Fmistral-large-4-0&route=Ultra&caller=mistralai%2Fmistral-large-4-0&fmt=messages) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`mistralai/mistral-large-4-0`](https://ailoot.ai/models/pt-pt/#m=mistralai%2Fmistral-large-4-0&route=Ultra&caller=mistralai%2Fmistral-large-4-0&fmt=messages) FAQ · Mistral: Mistral Large 4 Que entradas e resultados estão disponíveis? `POST /v1/chat/completions` · `mistralai/mistral-large-4-0`: `text` → `text` `POST /v1/messages` · `mistralai/mistral-large-4-0`: `text` → `json`, `sse` Que campos utiliza o pedido? `POST /v1/chat/completions` · `mistralai/mistral-large-4-0`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `mistralai/mistral-large-4-0`: `model`, `messages`, `max_tokens`, `stream` Que limites se aplicam? `POST /v1/chat/completions` · `mistralai/mistral-large-4-0`: `messages.min_items`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.