Ministral 3 3B Instruct 2512 — наименьшая инструктивно дообученная редакция семейства Ministral 3 компании Mistral AI. Разработчик позиционирует её для компактных приложений на основе инструкций, включая подписи к изображениям, классификацию текста, извлечение данных, перевод и короткие тексты. Выпущенная контрольная точка использует точность FP8 и сочетает обработку текста с компонентом визуального ввода.
Компоненты и возможности модели
В карточке указаны языковая модель на 3,4 млрд параметров и визуальный кодировщик на 0,4 млрд. Документировано окно контекста 256k с длиной 262 144 по умолчанию в примечаниях к использованию. Эти числа компонентов относятся к редакции 3B, а не к членам семейства 8B или 14B. Модель принимает текст и изображения и генерирует текст, включая записи в формате JSON или предлагаемые вызовы функций.
Разработчик описывает поддержку десятков языков, включая английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, китайский, японский, корейский и арабский. Он также выделяет соблюдение системного запроса. Задайте нужный язык вывода и метки или термины, которые должны остаться неизменными. Это сохраняет соответствие переведённого объяснения или извлечённой записи назначению приложения.
Конкретные задачи классификации и извлечения
Для классификации передайте допустимые метки, правило их различения и сообщение для классификации. Запросите одну выбранную метку и краткое объяснение с опорой на сообщение. Если метки неоднозначны, определите сведения, которые их различают, вместо опоры только на названия. Так получается компактный результат для последовательного использования в более широком процессе.
Для извлечения перечислите поля и типы и укажите представление отсутствующей информации. Запрос может требовать идентификатор объекта, явно описанное условие и действие, которое запрашивает пользователь. Требуйте исходную формулировку, когда важна точность текста, или нормализованное значение, когда приложение задаёт правило нормализации. Вывод JSON организует результат; проектирование полей остаётся частью задачи, а не встроенной универсальной схемой.
Карточка также называет создание подписей к изображениям и коротких текстов. Для подписи определите описываемый аспект изображения и аудиторию. Для краткого объяснения передайте факты для сохранения и желаемую длину. Ответ в стиле поддержки может использовать исходный вопрос и предоставленные инструкции для краткого следующего шага с условием его применимости.
Подготовка визуальных и многоязычных задач
Сопроводите изображение ясным текстовым вопросом. Для поля документа сохраните подпись, значение и окружающий контекст, нужный для интерпретации. Для описания объекта укажите важный видимый признак. Разработчик рекомендует использовать изображения с пропорциями, близкими к 1:1, и избегать очень узких или широких входных изображений; при необходимости кадрируйте, не удаляя сведения, на которые опирается вопрос.
Для перевода передайте исходный текст, целевой язык и список терминов, если он есть. Запросите переведённый фрагмент отдельно от необязательного объяснения. Многоязычная классификация может сохранять метки приложения неизменными, объясняя выбор на языке читателя. Это определённые результаты вместо свободного обсуждения сообщения или изображения.
Инструменты и рекомендуемые настройки
Нативный вызов функций позволяет приложению связать диалог с описанной операцией. Модель готовит аргументы, приложение выполняет функцию, и её результат становится информацией для следующего ответа. Поиск значения может восполнить пробел, а вычислительный инструмент — обработать значения, найденные на изображении. Сама текстовая модель не выполняет функцию только за счёт выдачи имени и аргументов.
Разработчик рекомендует системную инструкцию, определяющую среду и сценарий использования, включая указания по инструментам. Делайте описания ясными и ограничивайте набор минимально нужными операциями. Для узкого ассистента явная задача извлечения или поиска значения может быть понятнее запроса с множеством посторонних функций без правила выбора.
Карточка рекомендует низкую температуру: ниже 0,1 для повседневного и производственного использования, а в отдельной заметке по выборке — начальную температуру 0,1 для большинства случаев. Для творческого содержимого можно исследовать более высокие значения. Эти рекомендации имеют разные заявленные области применения; они не гарантируют, что одна настройка выборки делает правильными все извлечённые значения или классификации.
Границы редакции и контекста
Ministral 3 предоставляет отдельные выпуски Base, Instruct и Reasoning для каждого размера модели. Эта запись указывает контрольную точку Instruct 2512, а не автоматически включённый режим рассуждения или предобученную основу. Разработчик называет специализацию и дообучение возможными применениями, но текущей инструктивной задаче всё равно нужны ясно определённые входные данные, правила и вывод.
Уместите нужные исходные материалы и диалог в настроенный контекст и запросите компактный результат для следующего шага приложения. Примечания к использованию позволяют уменьшить настроенную длину контекста для задач, которым не нужно полное окно. Пример генерации на 512 токенов и пример с большим допустимым объёмом генерации не являются независимо документированными максимальными объёмами вывода. Генерация изображений, аудиовывод и внешние действия требуют других компонентов сверх этой модели с текстовым результатом.
", "aboutText": "Ministral 3 3B Instruct 2512 — наименьшая инструктивно дообученная редакция семейства Ministral 3 компании Mistral AI. Разработчик позиционирует её для компактных приложений на основе инструкций, включая подписи к изображениям, классификацию текста, извлечение данных, перевод и короткие тексты. Выпущенная контрольная точка использует точность FP8 и сочетает обработку текста с компонентом визуального ввода.\n\nКомпоненты и возможности модели\n\nВ карточке указаны языковая модель на 3,4 млрд параметров и визуальный кодировщик на 0,4 млрд. Документировано окно контекста 256k с длиной 262 144 по умолчанию в примечаниях к использованию. Эти числа компонентов относятся к редакции 3B, а не к членам семейства 8B или 14B. Модель принимает текст и изображения и генерирует текст, включая записи в формате JSON или предлагаемые вызовы функций.\n\nРазработчик описывает поддержку десятков языков, включая английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, китайский, японский, корейский и арабский. Он также выделяет соблюдение системного запроса. Задайте нужный язык вывода и метки или термины, которые должны остаться неизменными. Это сохраняет соответствие переведённого объяснения или извлечённой записи назначению приложения.\n\nКонкретные задачи классификации и извлечения\n\nДля классификации передайте допустимые метки, правило их различения и сообщение для классификации. Запросите одну выбранную метку и краткое объяснение с опорой на сообщение. Если метки неоднозначны, определите сведения, которые их различают, вместо опоры только на названия. Так получается компактный результат для последовательного использования в более широком процессе.\n\nДля извлечения перечислите поля и типы и укажите представление отсутствующей информации. Запрос может требовать идентификатор объекта, явно описанное условие и действие, которое запрашивает пользователь. Требуйте исходную формулировку, когда важна точность текста, или нормализованное значение, когда приложение задаёт правило нормализации. Вывод JSON организует результат; проектирование полей остаётся частью задачи, а не встроенной универсальной схемой.\n\nКарточка также называет создание подписей к изображениям и коротких текстов. Для подписи определите описываемый аспект изображения и аудиторию. Для краткого объяснения передайте факты для сохранения и желаемую длину. Ответ в стиле поддержки может использовать исходный вопрос и предоставленные инструкции для краткого следующего шага с условием его применимости.\n\nПодготовка визуальных и многоязычных задач\n\nСопроводите изображение ясным текстовым вопросом. Для поля документа сохраните подпись, значение и окружающий контекст, нужный для интерпретации. Для описания объекта укажите важный видимый признак. Разработчик рекомендует использовать изображения с пропорциями, близкими к 1:1, и избегать очень узких или широких входных изображений; при необходимости кадрируйте, не удаляя сведения, на которые опирается вопрос.\n\nДля перевода передайте исходный текст, целевой язык и список терминов, если он есть. Запросите переведённый фрагмент отдельно от необязательного объяснения. Многоязычная классификация может сохранять метки приложения неизменными, объясняя выбор на языке читателя. Это определённые результаты вместо свободного обсуждения сообщения или изображения.\n\nИнструменты и рекомендуемые настройки\n\nНативный вызов функций позволяет приложению связать диалог с описанной операцией. Модель готовит аргументы, приложение выполняет функцию, и её результат становится информацией для следующего ответа. Поиск значения может восполнить пробел, а вычислительный инструмент — обработать значения, найденные на изображении. Сама текстовая модель не выполняет функцию только за счёт выдачи имени и аргументов.\n\nРазработчик рекомендует системную инструкцию, определяющую среду и сценарий использования, включая указания по инструментам. Делайте описания ясными и ограничивайте набор минимально нужными операциями. Для узкого ассистента явная задача извлечения или поиска значения может быть понятнее запроса с множеством посторонних функций без правила выбора.\n\nКарточка рекомендует низкую температуру: ниже 0,1 для повседневного и производственного использования, а в отдельной заметке по выборке — начальную температуру 0,1 для большинства случаев. Для творческого содержимого можно исследовать более высокие значения. Эти рекомендации имеют разные заявленные области применения; они не гарантируют, что одна настройка выборки делает правильными все извлечённые значения или классификации.\n\nГраницы редакции и контекста\n\nMinistral 3 предоставляет отдельные выпуски Base, Instruct и Reasoning для каждого размера модели. Эта запись указывает контрольную точку Instruct 2512, а не автоматически включённый режим рассуждения или предобученную основу. Разработчик называет специализацию и дообучение возможными применениями, но текущей инструктивной задаче всё равно нужны ясно определённые входные данные, правила и вывод.\n\nУместите нужные исходные материалы и диалог в настроенный контекст и запросите компактный результат для следующего шага приложения. Примечания к использованию позволяют уменьшить настроенную длину контекста для задач, которым не нужно полное окно. Пример генерации на 512 токенов и пример с большим допустимым объёмом генерации не являются независимо документированными максимальными объёмами вывода. Генерация изображений, аудиовывод и внешние действия требуют других компонентов сверх этой модели с текстовым результатом.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Extract a return-request record\n\nExtract the item code, stated condition and requested action from this message: 'Hello, the handle of kettle KT8 is loose. It arrived today. Please arrange an exchange, not a refund.' Return those three fields and quote the wording supporting the requested action. Use 'not supplied' for any field absent from the message.A compact three-field extraction record plus the supporting request quote.Check that exchange is retained as the request and is not rewritten as a completed action.mistralai/ministral-3b-2512Ministral 3 3B Instruct 2512 — компактная многоязычная модель для текста и изображений, предназначенная для классификации, извлечения, подписей к изображениям и коротких текстов. Языковой компонент на 3,4 млрд параметров и визуальный кодировщик на 0,4 млрд поддерживают системные инструкции, JSON, вызовы функций и контекст производителя 256k.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Ministral 3 3B Instruct 2512 — наименьшая инструктивно дообученная редакция семейства Ministral 3 компании Mistral AI. Разработчик позиционирует её для компактных приложений на основе инструкций, включая подписи к изображениям, классификацию текста, извлечение данных, перевод и короткие тексты. Выпущенная контрольная точка использует точность FP8 и сочетает обработку текста с компонентом визуального ввода.
Компоненты и возможности модели
В карточке указаны языковая модель на 3,4 млрд параметров и визуальный кодировщик на 0,4 млрд. Документировано окно контекста 256k с длиной 262 144 по умолчанию в примечаниях к использованию. Эти числа компонентов относятся к редакции 3B, а не к членам семейства 8B или 14B. Модель принимает текст и изображения и генерирует текст, включая записи в формате JSON или предлагаемые вызовы функций.
Разработчик описывает поддержку десятков языков, включая английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, китайский, японский, корейский и арабский. Он также выделяет соблюдение системного запроса. Задайте нужный язык вывода и метки или термины, которые должны остаться неизменными. Это сохраняет соответствие переведённого объяснения или извлечённой записи назначению приложения.
Конкретные задачи классификации и извлечения
Для классификации передайте допустимые метки, правило их различения и сообщение для классификации. Запросите одну выбранную метку и краткое объяснение с опорой на сообщение. Если метки неоднозначны, определите сведения, которые их различают, вместо опоры только на названия. Так получается компактный результат для последовательного использования в более широком процессе.
Для извлечения перечислите поля и типы и укажите представление отсутствующей информации. Запрос может требовать идентификатор объекта, явно описанное условие и действие, которое запрашивает пользователь. Требуйте исходную формулировку, когда важна точность текста, или нормализованное значение, когда приложение задаёт правило нормализации. Вывод JSON организует результат; проектирование полей остаётся частью задачи, а не встроенной универсальной схемой.
Карточка также называет создание подписей к изображениям и коротких текстов. Для подписи определите описываемый аспект изображения и аудиторию. Для краткого объяснения передайте факты для сохранения и желаемую длину. Ответ в стиле поддержки может использовать исходный вопрос и предоставленные инструкции для краткого следующего шага с условием его применимости.
Подготовка визуальных и многоязычных задач
Сопроводите изображение ясным текстовым вопросом. Для поля документа сохраните подпись, значение и окружающий контекст, нужный для интерпретации. Для описания объекта укажите важный видимый признак. Разработчик рекомендует использовать изображения с пропорциями, близкими к 1:1, и избегать очень узких или широких входных изображений; при необходимости кадрируйте, не удаляя сведения, на которые опирается вопрос.
Для перевода передайте исходный текст, целевой язык и список терминов, если он есть. Запросите переведённый фрагмент отдельно от необязательного объяснения. Многоязычная классификация может сохранять метки приложения неизменными, объясняя выбор на языке читателя. Это определённые результаты вместо свободного обсуждения сообщения или изображения.
Инструменты и рекомендуемые настройки
Нативный вызов функций позволяет приложению связать диалог с описанной операцией. Модель готовит аргументы, приложение выполняет функцию, и её результат становится информацией для следующего ответа. Поиск значения может восполнить пробел, а вычислительный инструмент — обработать значения, найденные на изображении. Сама текстовая модель не выполняет функцию только за счёт выдачи имени и аргументов.
Разработчик рекомендует системную инструкцию, определяющую среду и сценарий использования, включая указания по инструментам. Делайте описания ясными и ограничивайте набор минимально нужными операциями. Для узкого ассистента явная задача извлечения или поиска значения может быть понятнее запроса с множеством посторонних функций без правила выбора.
Карточка рекомендует низкую температуру: ниже 0,1 для повседневного и производственного использования, а в отдельной заметке по выборке — начальную температуру 0,1 для большинства случаев. Для творческого содержимого можно исследовать более высокие значения. Эти рекомендации имеют разные заявленные области применения; они не гарантируют, что одна настройка выборки делает правильными все извлечённые значения или классификации.
Границы редакции и контекста
Ministral 3 предоставляет отдельные выпуски Base, Instruct и Reasoning для каждого размера модели. Эта запись указывает контрольную точку Instruct 2512, а не автоматически включённый режим рассуждения или предобученную основу. Разработчик называет специализацию и дообучение возможными применениями, но текущей инструктивной задаче всё равно нужны ясно определённые входные данные, правила и вывод.
Уместите нужные исходные материалы и диалог в настроенный контекст и запросите компактный результат для следующего шага приложения. Примечания к использованию позволяют уменьшить настроенную длину контекста для задач, которым не нужно полное окно. Пример генерации на 512 токенов и пример с большим допустимым объёмом генерации не являются независимо документированными максимальными объёмами вывода. Генерация изображений, аудиовывод и внешние действия требуют других компонентов сверх этой модели с текстовым результатом.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения mistralai/ministral-3b-2512 | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— |
Полеmessages[].content | Типstring|content_part[]|null | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_calls | Типtool_call[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_call_id | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— |
Полеmessages[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].reasoning_content | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— |
Полеmessages[].reasoning_details | Типobject|array | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеmax_completion_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеstream_options.include_usage | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop | Типstring|string[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типfunction_tool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].type | Типstring | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— |
Полеtools[].function.name | Типstring | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— |
Полеtools[].function.description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].function.parameters | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеparallel_tool_calls | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеresponse_format | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning_effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеservice_tier | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеinstructions | Типstring | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— |
Полеfunctions | Типfunction[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеfunction_call | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеprompt_cache_options | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmodalities | Типstring[] | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— |
Полеcache_control.ttl | Типstring | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— |
Текст · Текст UTF8
messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages |
Параметрmaterial_types | Контрактtext |
Параметрmessages | Контрактмассив сообщений со структурой role/content |
Параметрfile_material | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него |
Параметрoptional_controls | Контрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса |
Параметрoutput_modalities | Контрактtext |
Параметрhosted_operations | Контрактfalse |
Параметрmultimodal_input_binding | Контрактnull |
Жизненный цикл: synchronous_or_streamed
Отправляйте точный ID модели вместе с messages.
Длина контекста не является пределом выхода.
Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.00066 / 1K токенов Выход · Выходные токены $0.00066 / 1K токенов Вход · Чтение кэша $0.00002 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.00066 / 1K токенов Выход · Выходные токены $0.00066 / 1K токенов Вход · Чтение кэша $0.00002 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/ministral-3b-2512", "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/ministral-3b-2512',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/ministral-3b-2512',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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеchoices[].index | Типinteger |
Полеchoices[].message.content | Типstring|null |
Полеchoices[].message.tool_calls | Типtool_call[] |
Полеchoices[].message.reasoning_content | Типstring |
Полеchoices[].message.reasoning_details | Типobject|array |
Полеchoices[].finish_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra mistralai/ministral-3b-2512
Используйте пути методов, указанные выше.
mistralai/ministral-3b-2512Ministral 3 3B Instruct 2512 — компактная многоязычная модель для текста и изображений, предназначенная для классификации, извлечения, подписей к изображениям и коротких текстов. Языковой компонент на 3,4 млрд параметров и визуальный кодировщик на 0,4 млрд поддерживают системные инструкции, JSON, вызовы функций и контекст производителя 256k.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Ministral 3 3B Instruct 2512 — наименьшая инструктивно дообученная редакция семейства Ministral 3 компании Mistral AI. Разработчик позиционирует её для компактных приложений на основе инструкций, включая подписи к изображениям, классификацию текста, извлечение данных, перевод и короткие тексты. Выпущенная контрольная точка использует точность FP8 и сочетает обработку текста с компонентом визуального ввода.
Компоненты и возможности модели
В карточке указаны языковая модель на 3,4 млрд параметров и визуальный кодировщик на 0,4 млрд. Документировано окно контекста 256k с длиной 262 144 по умолчанию в примечаниях к использованию. Эти числа компонентов относятся к редакции 3B, а не к членам семейства 8B или 14B. Модель принимает текст и изображения и генерирует текст, включая записи в формате JSON или предлагаемые вызовы функций.
Разработчик описывает поддержку десятков языков, включая английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, китайский, японский, корейский и арабский. Он также выделяет соблюдение системного запроса. Задайте нужный язык вывода и метки или термины, которые должны остаться неизменными. Это сохраняет соответствие переведённого объяснения или извлечённой записи назначению приложения.
Конкретные задачи классификации и извлечения
Для классификации передайте допустимые метки, правило их различения и сообщение для классификации. Запросите одну выбранную метку и краткое объяснение с опорой на сообщение. Если метки неоднозначны, определите сведения, которые их различают, вместо опоры только на названия. Так получается компактный результат для последовательного использования в более широком процессе.
Для извлечения перечислите поля и типы и укажите представление отсутствующей информации. Запрос может требовать идентификатор объекта, явно описанное условие и действие, которое запрашивает пользователь. Требуйте исходную формулировку, когда важна точность текста, или нормализованное значение, когда приложение задаёт правило нормализации. Вывод JSON организует результат; проектирование полей остаётся частью задачи, а не встроенной универсальной схемой.
Карточка также называет создание подписей к изображениям и коротких текстов. Для подписи определите описываемый аспект изображения и аудиторию. Для краткого объяснения передайте факты для сохранения и желаемую длину. Ответ в стиле поддержки может использовать исходный вопрос и предоставленные инструкции для краткого следующего шага с условием его применимости.
Подготовка визуальных и многоязычных задач
Сопроводите изображение ясным текстовым вопросом. Для поля документа сохраните подпись, значение и окружающий контекст, нужный для интерпретации. Для описания объекта укажите важный видимый признак. Разработчик рекомендует использовать изображения с пропорциями, близкими к 1:1, и избегать очень узких или широких входных изображений; при необходимости кадрируйте, не удаляя сведения, на которые опирается вопрос.
Для перевода передайте исходный текст, целевой язык и список терминов, если он есть. Запросите переведённый фрагмент отдельно от необязательного объяснения. Многоязычная классификация может сохранять метки приложения неизменными, объясняя выбор на языке читателя. Это определённые результаты вместо свободного обсуждения сообщения или изображения.
Инструменты и рекомендуемые настройки
Нативный вызов функций позволяет приложению связать диалог с описанной операцией. Модель готовит аргументы, приложение выполняет функцию, и её результат становится информацией для следующего ответа. Поиск значения может восполнить пробел, а вычислительный инструмент — обработать значения, найденные на изображении. Сама текстовая модель не выполняет функцию только за счёт выдачи имени и аргументов.
Разработчик рекомендует системную инструкцию, определяющую среду и сценарий использования, включая указания по инструментам. Делайте описания ясными и ограничивайте набор минимально нужными операциями. Для узкого ассистента явная задача извлечения или поиска значения может быть понятнее запроса с множеством посторонних функций без правила выбора.
Карточка рекомендует низкую температуру: ниже 0,1 для повседневного и производственного использования, а в отдельной заметке по выборке — начальную температуру 0,1 для большинства случаев. Для творческого содержимого можно исследовать более высокие значения. Эти рекомендации имеют разные заявленные области применения; они не гарантируют, что одна настройка выборки делает правильными все извлечённые значения или классификации.
Границы редакции и контекста
Ministral 3 предоставляет отдельные выпуски Base, Instruct и Reasoning для каждого размера модели. Эта запись указывает контрольную точку Instruct 2512, а не автоматически включённый режим рассуждения или предобученную основу. Разработчик называет специализацию и дообучение возможными применениями, но текущей инструктивной задаче всё равно нужны ясно определённые входные данные, правила и вывод.
Уместите нужные исходные материалы и диалог в настроенный контекст и запросите компактный результат для следующего шага приложения. Примечания к использованию позволяют уменьшить настроенную длину контекста для задач, которым не нужно полное окно. Пример генерации на 512 токенов и пример с большим допустимым объёмом генерации не являются независимо документированными максимальными объёмами вывода. Генерация изображений, аудиовывод и внешние действия требуют других компонентов сверх этой модели с текстовым результатом.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения mistralai/ministral-3b-2512 | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Текст · Текст UTF-8
строка messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактstream |
Параметрmaterial_types | Контрактtext |
Параметрtext_file_material | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. |
Жизненный цикл: synchronous_or_streamed
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.00066 / 1K токенов Выход · Выходные токены $0.00066 / 1K токенов Вход · Чтение кэша $0.00002 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.00066 / 1K токенов Выход · Выходные токены $0.00066 / 1K токенов Вход · Чтение кэша $0.00002 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "mistralai/ministral-3b-2512",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/ministral-3b-2512', '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/ministral-3b-2512', '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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеid | Типstring |
Полеmodel | Типstring |
Полеcontent[] | Типtext|thinking|tool_use|other content block |
Полеstop_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra mistralai/ministral-3b-2512
Используйте пути методов, указанные выше.
Технический пример на английском
Extract a return-request record\n\nExtract the item code, stated condition and requested action from this message: 'Hello, the handle of kettle KT8 is loose. It arrived today. Please arrange an exchange, not a refund.' Return those three fields and quote the wording supporting the requested action. Use 'not supplied' for any field absent from the message.A compact three-field extraction record plus the supporting request quote.Check that exchange is retained as the request and is not rewritten as a completed action.