Mistral Medium 3.1 é uma edição multimodal da Mistral AI para compreensão textual e visual. O fabricante descreve esta revisão como uma melhoria do tom e do desempenho dentro da linha Medium 3. Aceita texto e imagens e produz texto: uma explicação, resposta documental, registo estruturado ou proposta de chamada de função. O identificador fixo do fabricante para esta edição é mistral-medium-2508.
Contexto e edição específica
A página do modelo documenta uma janela de contexto de 128k. Use-a para conservar juntos os trechos de origem relacionados, os elementos de prova em imagem, a conversa e a tarefa do utilizador. Identifique os papéis dos documentos e a pergunta a responder antes de fornecer uma coleção extensa. Um contexto longo pode apoiar uma comparação focada enquanto o artefacto final continua a ser uma tabela curta ou uma secção revista.
Medium 3.1 mantém a sua própria especificação. O contexto de 256k, a arquitetura densa de 128 mil milhões de parâmetros e os modos configuráveis de raciocínio híbrido descritos para Medium 3.5 não devem ser atribuídos a esta entrada. A página do 3.1 não fornece uma contagem de parâmetros nem um valor separado de extensão máxima de resposta que se possa substituir com segurança pelo do modelo posterior.
Saída estruturada e funções
O fabricante enumera saídas estruturadas, chamadas de funções e saídas previstas entre as funcionalidades desta edição. Para uma tarefa de extração estruturada, defina campos obrigatórios, tipos esperados e tratamento de informação ausente da fonte. Um registo pode conter o identificador do documento, a afirmação extraída, a localização de origem e a questão que permanece. Peça apenas o registo quando um programa o for analisar ou mantenha uma explicação em prosa separada quando alguém tiver de inspecionar a interpretação.
A documentação comum de saída estruturada da Mistral distingue o modo JSON de um esquema personalizado. O modo JSON exige uma instrução explícita sobre o formato JSON pretendido, enquanto a via personalizada define uma estrutura mais específica. Trata-se de formatação do resultado textual, não de uma nova modalidade de conteúdo nem de uma ação externa.
Para funções, a aplicação define a operação e os argumentos disponíveis, o modelo seleciona uma chamada adequada e prepara os valores, e a aplicação executa-a. O resultado passa então a ser informação para a resposta seguinte. Um assistente documental pode usar uma consulta para obter dados de referência em falta, mas apenas se a aplicação envolvente fornecer essa consulta e devolver o resultado efetivo. Mantenha associados a chamada proposta e os dados devolvidos.
Edições previstas e prefixos de resposta
As saídas previstas são úteis quando a maior parte do resultado pretendido já é conhecida, como um documento ou ficheiro de código que precise de uma edição limitada. Forneça o conteúdo existente e descreva a alteração com precisão, incluindo o que deve permanecer inalterado. Um pedido pode atualizar a terminologia de uma secção ou substituir um detalhe de implementação preservando o resto do documento. A previsão contém conteúdo de saída esperado, não uma alteração concluída e aplicada a um ficheiro.
A página do modelo enumera também continuação por prefixo de resposta. Na documentação de conversa do fabricante, um prefixo fornece um início conhecido para a resposta do assistente, após o qual a geração continua. Um início conhecido e um corpo previsto resolvem problemas de preparação diferentes. O processamento em lote e as interfaces de agente ou conversa são igualmente funcionalidades de fluxo de trabalho, não edições separadas de imagem, áudio ou raciocínio do Medium 3.1.
Perguntas documentais e visuais
O fluxo documentado de perguntas sobre documentos combina texto, estrutura e formatação preparados por OCR com análise pelo modelo de linguagem. Pergunte pela condição, trecho ou relação específicos exigidos pela tarefa. Uma comparação pode identificar os documentos de origem e pedir afirmações comuns, conflitos e pormenores por resolver, conservando a localização da fonte junto de cada conclusão.
O guia de visão do fabricante inclui explicitamente Medium 3.1. Uma pergunta visual direta pode fornecer um gráfico, imagem documental ou captura de ecrã legível e perguntar que elementos de prova visíveis sustentam uma conclusão. Preserve eixos, unidades, etiquetas e o contexto em torno de um campo recortado. Se forem fornecidas várias imagens, identifique a sua ordem e papel, em vez de deixar o modelo inferir qual é o original, a revisão ou a referência.
Por exemplo, associe um requisito de processo escrito a uma captura de ecrã e peça uma tabela de correspondências visíveis, diferenças e perguntas que exigem mais informação. Outra tarefa pode fornecer duas versões de um documento e pedir um trecho revisto que preserve as condições comuns e resolva uma inconsistência identificada. São aplicações propostas das capacidades documentadas de visão, documentos e edição, com o resultado exigido definido previamente.
Preparação do artefacto final
Dê ao assistente um papel claro, o material de origem a usar e o formato da resposta. Mantenha regras duradouras de resposta distintas do documento examinado e indique a língua final e a terminologia. Uma resposta útil pode separar um facto extraído, a sua fonte e uma interpretação, facilitando a inspeção face a um único resumo combinado.
O resultado documentado continua a ser texto. Ferramentas externas, alterações de ficheiros e processamento documental adicional pertencem à aplicação ligada à conversa. Preserve a edição identificada como Medium 3.1 e o contexto de 128k, e peça a explicação, o registo estruturado ou a revisão dirigida de que o próximo passo efetivamente precisa.
", "aboutText": "Mistral Medium 3.1 é uma edição multimodal da Mistral AI para compreensão textual e visual. O fabricante descreve esta revisão como uma melhoria do tom e do desempenho dentro da linha Medium 3. Aceita texto e imagens e produz texto: uma explicação, resposta documental, registo estruturado ou proposta de chamada de função. O identificador fixo do fabricante para esta edição é mistral-medium-2508.\n\nContexto e edição específica\n\nA página do modelo documenta uma janela de contexto de 128k. Use-a para conservar juntos os trechos de origem relacionados, os elementos de prova em imagem, a conversa e a tarefa do utilizador. Identifique os papéis dos documentos e a pergunta a responder antes de fornecer uma coleção extensa. Um contexto longo pode apoiar uma comparação focada enquanto o artefacto final continua a ser uma tabela curta ou uma secção revista.\n\nMedium 3.1 mantém a sua própria especificação. O contexto de 256k, a arquitetura densa de 128 mil milhões de parâmetros e os modos configuráveis de raciocínio híbrido descritos para Medium 3.5 não devem ser atribuídos a esta entrada. A página do 3.1 não fornece uma contagem de parâmetros nem um valor separado de extensão máxima de resposta que se possa substituir com segurança pelo do modelo posterior.\n\nSaída estruturada e funções\n\nO fabricante enumera saídas estruturadas, chamadas de funções e saídas previstas entre as funcionalidades desta edição. Para uma tarefa de extração estruturada, defina campos obrigatórios, tipos esperados e tratamento de informação ausente da fonte. Um registo pode conter o identificador do documento, a afirmação extraída, a localização de origem e a questão que permanece. Peça apenas o registo quando um programa o for analisar ou mantenha uma explicação em prosa separada quando alguém tiver de inspecionar a interpretação.\n\nA documentação comum de saída estruturada da Mistral distingue o modo JSON de um esquema personalizado. O modo JSON exige uma instrução explícita sobre o formato JSON pretendido, enquanto a via personalizada define uma estrutura mais específica. Trata-se de formatação do resultado textual, não de uma nova modalidade de conteúdo nem de uma ação externa.\n\nPara funções, a aplicação define a operação e os argumentos disponíveis, o modelo seleciona uma chamada adequada e prepara os valores, e a aplicação executa-a. O resultado passa então a ser informação para a resposta seguinte. Um assistente documental pode usar uma consulta para obter dados de referência em falta, mas apenas se a aplicação envolvente fornecer essa consulta e devolver o resultado efetivo. Mantenha associados a chamada proposta e os dados devolvidos.\n\nEdições previstas e prefixos de resposta\n\nAs saídas previstas são úteis quando a maior parte do resultado pretendido já é conhecida, como um documento ou ficheiro de código que precise de uma edição limitada. Forneça o conteúdo existente e descreva a alteração com precisão, incluindo o que deve permanecer inalterado. Um pedido pode atualizar a terminologia de uma secção ou substituir um detalhe de implementação preservando o resto do documento. A previsão contém conteúdo de saída esperado, não uma alteração concluída e aplicada a um ficheiro.\n\nA página do modelo enumera também continuação por prefixo de resposta. Na documentação de conversa do fabricante, um prefixo fornece um início conhecido para a resposta do assistente, após o qual a geração continua. Um início conhecido e um corpo previsto resolvem problemas de preparação diferentes. O processamento em lote e as interfaces de agente ou conversa são igualmente funcionalidades de fluxo de trabalho, não edições separadas de imagem, áudio ou raciocínio do Medium 3.1.\n\nPerguntas documentais e visuais\n\nO fluxo documentado de perguntas sobre documentos combina texto, estrutura e formatação preparados por OCR com análise pelo modelo de linguagem. Pergunte pela condição, trecho ou relação específicos exigidos pela tarefa. Uma comparação pode identificar os documentos de origem e pedir afirmações comuns, conflitos e pormenores por resolver, conservando a localização da fonte junto de cada conclusão.\n\nO guia de visão do fabricante inclui explicitamente Medium 3.1. Uma pergunta visual direta pode fornecer um gráfico, imagem documental ou captura de ecrã legível e perguntar que elementos de prova visíveis sustentam uma conclusão. Preserve eixos, unidades, etiquetas e o contexto em torno de um campo recortado. Se forem fornecidas várias imagens, identifique a sua ordem e papel, em vez de deixar o modelo inferir qual é o original, a revisão ou a referência.\n\nPor exemplo, associe um requisito de processo escrito a uma captura de ecrã e peça uma tabela de correspondências visíveis, diferenças e perguntas que exigem mais informação. Outra tarefa pode fornecer duas versões de um documento e pedir um trecho revisto que preserve as condições comuns e resolva uma inconsistência identificada. São aplicações propostas das capacidades documentadas de visão, documentos e edição, com o resultado exigido definido previamente.\n\nPreparação do artefacto final\n\nDê ao assistente um papel claro, o material de origem a usar e o formato da resposta. Mantenha regras duradouras de resposta distintas do documento examinado e indique a língua final e a terminologia. Uma resposta útil pode separar um facto extraído, a sua fonte e uma interpretação, facilitando a inspeção face a um único resumo combinado.\n\nO resultado documentado continua a ser texto. Ferramentas externas, alterações de ficheiros e processamento documental adicional pertencem à aplicação ligada à conversa. Preserve a edição identificada como Medium 3.1 e o contexto de 128k, e peça a explicação, o registo estruturado ou a revisão dirigida de que o próximo passo efetivamente precisa.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.mistralai/mistral-medium-3.1Mistral Medium 3.1 é um modelo de texto e imagem para respostas de conversa, perguntas documentais e extração estruturada. O contexto de 128k indicado pelo fabricante e as funcionalidades enumeradas de chamadas de funções, saídas previstas e prefixos apoiam explicações baseadas em fontes e fluxos de edição dirigida.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Mistral Medium 3.1 é uma edição multimodal da Mistral AI para compreensão textual e visual. O fabricante descreve esta revisão como uma melhoria do tom e do desempenho dentro da linha Medium 3. Aceita texto e imagens e produz texto: uma explicação, resposta documental, registo estruturado ou proposta de chamada de função. O identificador fixo do fabricante para esta edição é mistral-medium-2508.
Contexto e edição específica
A página do modelo documenta uma janela de contexto de 128k. Use-a para conservar juntos os trechos de origem relacionados, os elementos de prova em imagem, a conversa e a tarefa do utilizador. Identifique os papéis dos documentos e a pergunta a responder antes de fornecer uma coleção extensa. Um contexto longo pode apoiar uma comparação focada enquanto o artefacto final continua a ser uma tabela curta ou uma secção revista.
Medium 3.1 mantém a sua própria especificação. O contexto de 256k, a arquitetura densa de 128 mil milhões de parâmetros e os modos configuráveis de raciocínio híbrido descritos para Medium 3.5 não devem ser atribuídos a esta entrada. A página do 3.1 não fornece uma contagem de parâmetros nem um valor separado de extensão máxima de resposta que se possa substituir com segurança pelo do modelo posterior.
Saída estruturada e funções
O fabricante enumera saídas estruturadas, chamadas de funções e saídas previstas entre as funcionalidades desta edição. Para uma tarefa de extração estruturada, defina campos obrigatórios, tipos esperados e tratamento de informação ausente da fonte. Um registo pode conter o identificador do documento, a afirmação extraída, a localização de origem e a questão que permanece. Peça apenas o registo quando um programa o for analisar ou mantenha uma explicação em prosa separada quando alguém tiver de inspecionar a interpretação.
A documentação comum de saída estruturada da Mistral distingue o modo JSON de um esquema personalizado. O modo JSON exige uma instrução explícita sobre o formato JSON pretendido, enquanto a via personalizada define uma estrutura mais específica. Trata-se de formatação do resultado textual, não de uma nova modalidade de conteúdo nem de uma ação externa.
Para funções, a aplicação define a operação e os argumentos disponíveis, o modelo seleciona uma chamada adequada e prepara os valores, e a aplicação executa-a. O resultado passa então a ser informação para a resposta seguinte. Um assistente documental pode usar uma consulta para obter dados de referência em falta, mas apenas se a aplicação envolvente fornecer essa consulta e devolver o resultado efetivo. Mantenha associados a chamada proposta e os dados devolvidos.
Edições previstas e prefixos de resposta
As saídas previstas são úteis quando a maior parte do resultado pretendido já é conhecida, como um documento ou ficheiro de código que precise de uma edição limitada. Forneça o conteúdo existente e descreva a alteração com precisão, incluindo o que deve permanecer inalterado. Um pedido pode atualizar a terminologia de uma secção ou substituir um detalhe de implementação preservando o resto do documento. A previsão contém conteúdo de saída esperado, não uma alteração concluída e aplicada a um ficheiro.
A página do modelo enumera também continuação por prefixo de resposta. Na documentação de conversa do fabricante, um prefixo fornece um início conhecido para a resposta do assistente, após o qual a geração continua. Um início conhecido e um corpo previsto resolvem problemas de preparação diferentes. O processamento em lote e as interfaces de agente ou conversa são igualmente funcionalidades de fluxo de trabalho, não edições separadas de imagem, áudio ou raciocínio do Medium 3.1.
Perguntas documentais e visuais
O fluxo documentado de perguntas sobre documentos combina texto, estrutura e formatação preparados por OCR com análise pelo modelo de linguagem. Pergunte pela condição, trecho ou relação específicos exigidos pela tarefa. Uma comparação pode identificar os documentos de origem e pedir afirmações comuns, conflitos e pormenores por resolver, conservando a localização da fonte junto de cada conclusão.
O guia de visão do fabricante inclui explicitamente Medium 3.1. Uma pergunta visual direta pode fornecer um gráfico, imagem documental ou captura de ecrã legível e perguntar que elementos de prova visíveis sustentam uma conclusão. Preserve eixos, unidades, etiquetas e o contexto em torno de um campo recortado. Se forem fornecidas várias imagens, identifique a sua ordem e papel, em vez de deixar o modelo inferir qual é o original, a revisão ou a referência.
Por exemplo, associe um requisito de processo escrito a uma captura de ecrã e peça uma tabela de correspondências visíveis, diferenças e perguntas que exigem mais informação. Outra tarefa pode fornecer duas versões de um documento e pedir um trecho revisto que preserve as condições comuns e resolva uma inconsistência identificada. São aplicações propostas das capacidades documentadas de visão, documentos e edição, com o resultado exigido definido previamente.
Preparação do artefacto final
Dê ao assistente um papel claro, o material de origem a usar e o formato da resposta. Mantenha regras duradouras de resposta distintas do documento examinado e indique a língua final e a terminologia. Uma resposta útil pode separar um facto extraído, a sua fonte e uma interpretação, facilitando a inspeção face a um único resumo combinado.
O resultado documentado continua a ser texto. Ferramentas externas, alterações de ficheiros e processamento documental adicional pertencem à aplicação ligada à conversa. Preserve a edição identificada como Medium 3.1 e o contexto de 128k, e peça a explicação, o registo estruturado ou a revisão dirigida de que o próximo passo efetivamente precisa.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites mistralai/mistral-medium-3.1 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | 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— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_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.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
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 $0.0008 / 1K tokens Saída · Tokens de saída $0.004 / 1K tokens Entrada · Leitura da cache $0.00008 / 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 $0.0008 / 1K tokens Saída · Tokens de saída $0.004 / 1K tokens Entrada · Leitura da cache $0.00008 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3.1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-medium-3.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-medium-3.1',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 ou SSE
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.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| 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. |
Ailoot Ultra mistralai/mistral-medium-3.1
Use os caminhos dos métodos indicados acima.
mistralai/mistral-medium-3.1Mistral Medium 3.1 é um modelo de texto e imagem para respostas de conversa, perguntas documentais e extração estruturada. O contexto de 128k indicado pelo fabricante e as funcionalidades enumeradas de chamadas de funções, saídas previstas e prefixos apoiam explicações baseadas em fontes e fluxos de edição dirigida.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Mistral Medium 3.1 é uma edição multimodal da Mistral AI para compreensão textual e visual. O fabricante descreve esta revisão como uma melhoria do tom e do desempenho dentro da linha Medium 3. Aceita texto e imagens e produz texto: uma explicação, resposta documental, registo estruturado ou proposta de chamada de função. O identificador fixo do fabricante para esta edição é mistral-medium-2508.
Contexto e edição específica
A página do modelo documenta uma janela de contexto de 128k. Use-a para conservar juntos os trechos de origem relacionados, os elementos de prova em imagem, a conversa e a tarefa do utilizador. Identifique os papéis dos documentos e a pergunta a responder antes de fornecer uma coleção extensa. Um contexto longo pode apoiar uma comparação focada enquanto o artefacto final continua a ser uma tabela curta ou uma secção revista.
Medium 3.1 mantém a sua própria especificação. O contexto de 256k, a arquitetura densa de 128 mil milhões de parâmetros e os modos configuráveis de raciocínio híbrido descritos para Medium 3.5 não devem ser atribuídos a esta entrada. A página do 3.1 não fornece uma contagem de parâmetros nem um valor separado de extensão máxima de resposta que se possa substituir com segurança pelo do modelo posterior.
Saída estruturada e funções
O fabricante enumera saídas estruturadas, chamadas de funções e saídas previstas entre as funcionalidades desta edição. Para uma tarefa de extração estruturada, defina campos obrigatórios, tipos esperados e tratamento de informação ausente da fonte. Um registo pode conter o identificador do documento, a afirmação extraída, a localização de origem e a questão que permanece. Peça apenas o registo quando um programa o for analisar ou mantenha uma explicação em prosa separada quando alguém tiver de inspecionar a interpretação.
A documentação comum de saída estruturada da Mistral distingue o modo JSON de um esquema personalizado. O modo JSON exige uma instrução explícita sobre o formato JSON pretendido, enquanto a via personalizada define uma estrutura mais específica. Trata-se de formatação do resultado textual, não de uma nova modalidade de conteúdo nem de uma ação externa.
Para funções, a aplicação define a operação e os argumentos disponíveis, o modelo seleciona uma chamada adequada e prepara os valores, e a aplicação executa-a. O resultado passa então a ser informação para a resposta seguinte. Um assistente documental pode usar uma consulta para obter dados de referência em falta, mas apenas se a aplicação envolvente fornecer essa consulta e devolver o resultado efetivo. Mantenha associados a chamada proposta e os dados devolvidos.
Edições previstas e prefixos de resposta
As saídas previstas são úteis quando a maior parte do resultado pretendido já é conhecida, como um documento ou ficheiro de código que precise de uma edição limitada. Forneça o conteúdo existente e descreva a alteração com precisão, incluindo o que deve permanecer inalterado. Um pedido pode atualizar a terminologia de uma secção ou substituir um detalhe de implementação preservando o resto do documento. A previsão contém conteúdo de saída esperado, não uma alteração concluída e aplicada a um ficheiro.
A página do modelo enumera também continuação por prefixo de resposta. Na documentação de conversa do fabricante, um prefixo fornece um início conhecido para a resposta do assistente, após o qual a geração continua. Um início conhecido e um corpo previsto resolvem problemas de preparação diferentes. O processamento em lote e as interfaces de agente ou conversa são igualmente funcionalidades de fluxo de trabalho, não edições separadas de imagem, áudio ou raciocínio do Medium 3.1.
Perguntas documentais e visuais
O fluxo documentado de perguntas sobre documentos combina texto, estrutura e formatação preparados por OCR com análise pelo modelo de linguagem. Pergunte pela condição, trecho ou relação específicos exigidos pela tarefa. Uma comparação pode identificar os documentos de origem e pedir afirmações comuns, conflitos e pormenores por resolver, conservando a localização da fonte junto de cada conclusão.
O guia de visão do fabricante inclui explicitamente Medium 3.1. Uma pergunta visual direta pode fornecer um gráfico, imagem documental ou captura de ecrã legível e perguntar que elementos de prova visíveis sustentam uma conclusão. Preserve eixos, unidades, etiquetas e o contexto em torno de um campo recortado. Se forem fornecidas várias imagens, identifique a sua ordem e papel, em vez de deixar o modelo inferir qual é o original, a revisão ou a referência.
Por exemplo, associe um requisito de processo escrito a uma captura de ecrã e peça uma tabela de correspondências visíveis, diferenças e perguntas que exigem mais informação. Outra tarefa pode fornecer duas versões de um documento e pedir um trecho revisto que preserve as condições comuns e resolva uma inconsistência identificada. São aplicações propostas das capacidades documentadas de visão, documentos e edição, com o resultado exigido definido previamente.
Preparação do artefacto final
Dê ao assistente um papel claro, o material de origem a usar e o formato da resposta. Mantenha regras duradouras de resposta distintas do documento examinado e indique a língua final e a terminologia. Uma resposta útil pode separar um facto extraído, a sua fonte e uma interpretação, facilitando a inspeção face a um único resumo combinado.
O resultado documentado continua a ser texto. Ferramentas externas, alterações de ficheiros e processamento documental adicional pertencem à aplicação ligada à conversa. Preserve a edição identificada como Medium 3.1 e o contexto de 128k, e peça a explicação, o registo estruturado ou a revisão dirigida de que o próximo passo efetivamente precisa.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites mistralai/mistral-medium-3.1 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_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
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
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 $0.0008 / 1K tokens Saída · Tokens de saída $0.004 / 1K tokens Entrada · Leitura da cache $0.00008 / 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 $0.0008 / 1K tokens Saída · Tokens de saída $0.004 / 1K tokens Entrada · Leitura da cache $0.00008 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "mistralai/mistral-medium-3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-medium-3.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-medium-3.1', '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 ou SSE
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.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| 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. |
Ailoot Ultra mistralai/mistral-medium-3.1
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.