Mistral Medium 3 je multimodálny model Mistral AI na profesionálnu prácu zahŕňajúcu text, vizuálne porozumenie a kód. Pôvodné vydanie zdôrazňuje programovanie a úlohy STEM spolu s prispôsobením podnikovým znalostiam a pracovným postupom. Prijíma textové a vizuálne materiály a vytvára text vrátane vysvetlenia dokumentu, štruktúrovaného záznamu alebo navrhovanej implementácie. Pevný identifikátor výrobcu pre túto edíciu je mistral-medium-2505.
Kontext a profesionálne zdrojové materiály
Stránka modelu uvádza kontextové okno 128k. Použite tento kontext na zachovanie zdrojových pasáží, konverzácie a pokynov, ktoré určujú požadovaný artefakt. Pri porovnaní dokumentov určite, ktorý zdroj je aktuálnou požiadavkou, ktorý je navrhovanou revíziou a akú otázku treba vyriešiť. Pri každom zistení žiadajte podporný dokument a jeho časť.
Praktická úloha na vysvetlenie môže dodať postup a otázku používateľa a potom žiadať relevantnú akciu a podmienku, za ktorej je použiteľná. Technická analýza môže obsahovať zdrojové údaje, definície a kritérium porovnania. Cieľom je výsledok naviazaný na dodaný materiál, nie všeobecný opis témy.
Štruktúrované výstupy a funkcie
Stránka uvádza štruktúrované výstupy a volanie funkcií. Pri extrakcii definujte názvy polí, typy a zápis chýbajúcich zdrojových informácií. Užitočný záznam môže oddeliť identifikátor, zdrojové tvrdenie, interpretáciu a nevyriešenú otázku. Spoločné usmernenia Mistral rozlišujú režim JSON a vlastnú schému a vyžadujú výslovnú požiadavku na požadovaný formát JSON.
Volanie funkcií prepája interpretáciu modelu s operáciami opísanými aplikáciou. Model vyberie funkciu a pripraví argumenty, aplikácia funkciu vykoná a jej výsledok sa stane kontextom pre ďalšiu odpoveď. Vyhľadanie môže dodať chýbajúcu referenčnú hodnotu; výpočet môže dodať výsledok potrebný pre vysvetlenie. Zachovajte výsledok prepojený s operáciou, ktorá ho vytvorila, namiesto považovania navrhovaného volania za vykonanú akciu.
Otázky k dokumentom a vizuálnym materiálom
Pri tejto edícii sa uvádza aj odpovedanie na otázky o dokumentoch. Zdokumentovaný postup výrobcu pred analýzou jazykovým modelom pripraví text, štruktúru a formátovanie dokumentu pomocou OCR. Pýtajte sa na konkrétnu požiadavku, pasáž alebo vzťah potrebný pre úlohu. Pri viacerých dokumentoch zachovajte ich identity a vyžiadajte si porovnanie so zdrojovým umiestnením pri každom závere.
Pri vizuálnych materiáloch spojte obrázok s definovanou otázkou a zachovajte označenia, jednotky a oblasti potrebné na odpoveď. Pri grafe možno žiadať porovnanie pomenovaných radov; pri diagrame určenie, ktoré spojenie podporuje dodanú požiadavku. Čitateľný obrázok dokumentu a dokument pripravený pomocou OCR sú odlišné prípravy vstupu, aj keď oba slúžia rovnakému cieľu odpovedania na otázky.
Úpravy, prefixy a pracovné postupy
Stránka modelu uvádza predikované výstupy, prefixy odpovedí, dávkovanie a agentové konverzácie. Predikované výstupy využívajú známy obsah, keď má väčšina dokumentu alebo súboru kódu zostať a zmeniť sa iba obmedzená časť. Dodajte existujúci obsah, určite úpravu a označte materiál, ktorý treba zachovať. To sa líši od žiadosti o vytvorenie úplne nového dokumentu.
Prefix odpovede poskytuje známy začiatok generovaného textu asistenta, ktorý potom od tohto začiatku pokračuje. Dávkovanie mení spôsob odosielania úloh, zatiaľ čo rozhranie agenta či konverzácie spravuje prepojený postup. Uvedené vstavané nástroje patria tomuto rozhraniu výrobcu; nepridávajú základnému modelu ďalšiu modalitu obsahu ani nevykonávajú akciu bez prepojeného prostredia.
Programovanie a prispôsobenie doméne
Pri programovacej požiadavke dodajte požiadavku, dotknutú funkciu, relevantné deklarácie a očakávaný vstup a výstup. Vyžiadajte si navrhovanú zmenu, jej predpoklady a príklady odlišujúce zamýšľané správanie. Otázka pri ladení môže zahŕňať dôkazy zlyhania a pýtať sa, ktorá vetva v zdrojovom kóde ho vysvetľuje. Prístup k repozitáru, vykonávanie kódu a použitie zmeny poskytujú okolité vývojové nástroje.
Pôvodné oznámenie opisuje vlastné dotrénovanie a dolaďovanie pre podnikové kontexty a znalostné bázy špecifické pre doménu. Ide o samostatný proces prispôsobenia, nie o tvrdenie, že predvolený model už pozná dokumenty konkrétnej organizácie. Pri odpovedi podmienenej zdrojmi dodajte relevantné dokumenty a terminológiu priamo s úlohou a definujte pravidlá odpovede.
Hranice edície a výsledku
Táto položka zachováva identitu 2505 modelu Medium 3 a kontext 128k. Počet parametrov architektúry a konfigurovateľné ovládanie hybridného uvažovania neskôr zdokumentované pre Medium 3.5 nie sú súčasťou uvedenej špecifikácie tejto edície. Stránka presného modelu nezverejňuje počet parametrov ani samostatnú pevnú maximálnu dĺžku odpovede, ktoré by bolo možné prevziať z neskoršieho vydania.
Zamýšľaný výsledok pripravte pred požiadavkou: vysvetlenie, štruktúrovanú extrakciu, upravenú časť alebo navrhovaný kód. Textové a vizuálne dôkazy, identity zdrojov a všetky výsledky prepojených nástrojov ponechajte výslovné, aby bolo možné odpoveď preskúmať a použiť v ďalšom kroku aplikácie.
", "aboutText": "Mistral Medium 3 je multimodálny model Mistral AI na profesionálnu prácu zahŕňajúcu text, vizuálne porozumenie a kód. Pôvodné vydanie zdôrazňuje programovanie a úlohy STEM spolu s prispôsobením podnikovým znalostiam a pracovným postupom. Prijíma textové a vizuálne materiály a vytvára text vrátane vysvetlenia dokumentu, štruktúrovaného záznamu alebo navrhovanej implementácie. Pevný identifikátor výrobcu pre túto edíciu je mistral-medium-2505.\n\nKontext a profesionálne zdrojové materiály\n\nStránka modelu uvádza kontextové okno 128k. Použite tento kontext na zachovanie zdrojových pasáží, konverzácie a pokynov, ktoré určujú požadovaný artefakt. Pri porovnaní dokumentov určite, ktorý zdroj je aktuálnou požiadavkou, ktorý je navrhovanou revíziou a akú otázku treba vyriešiť. Pri každom zistení žiadajte podporný dokument a jeho časť.\n\nPraktická úloha na vysvetlenie môže dodať postup a otázku používateľa a potom žiadať relevantnú akciu a podmienku, za ktorej je použiteľná. Technická analýza môže obsahovať zdrojové údaje, definície a kritérium porovnania. Cieľom je výsledok naviazaný na dodaný materiál, nie všeobecný opis témy.\n\nŠtruktúrované výstupy a funkcie\n\nStránka uvádza štruktúrované výstupy a volanie funkcií. Pri extrakcii definujte názvy polí, typy a zápis chýbajúcich zdrojových informácií. Užitočný záznam môže oddeliť identifikátor, zdrojové tvrdenie, interpretáciu a nevyriešenú otázku. Spoločné usmernenia Mistral rozlišujú režim JSON a vlastnú schému a vyžadujú výslovnú požiadavku na požadovaný formát JSON.\n\nVolanie funkcií prepája interpretáciu modelu s operáciami opísanými aplikáciou. Model vyberie funkciu a pripraví argumenty, aplikácia funkciu vykoná a jej výsledok sa stane kontextom pre ďalšiu odpoveď. Vyhľadanie môže dodať chýbajúcu referenčnú hodnotu; výpočet môže dodať výsledok potrebný pre vysvetlenie. Zachovajte výsledok prepojený s operáciou, ktorá ho vytvorila, namiesto považovania navrhovaného volania za vykonanú akciu.\n\nOtázky k dokumentom a vizuálnym materiálom\n\nPri tejto edícii sa uvádza aj odpovedanie na otázky o dokumentoch. Zdokumentovaný postup výrobcu pred analýzou jazykovým modelom pripraví text, štruktúru a formátovanie dokumentu pomocou OCR. Pýtajte sa na konkrétnu požiadavku, pasáž alebo vzťah potrebný pre úlohu. Pri viacerých dokumentoch zachovajte ich identity a vyžiadajte si porovnanie so zdrojovým umiestnením pri každom závere.\n\nPri vizuálnych materiáloch spojte obrázok s definovanou otázkou a zachovajte označenia, jednotky a oblasti potrebné na odpoveď. Pri grafe možno žiadať porovnanie pomenovaných radov; pri diagrame určenie, ktoré spojenie podporuje dodanú požiadavku. Čitateľný obrázok dokumentu a dokument pripravený pomocou OCR sú odlišné prípravy vstupu, aj keď oba slúžia rovnakému cieľu odpovedania na otázky.\n\nÚpravy, prefixy a pracovné postupy\n\nStránka modelu uvádza predikované výstupy, prefixy odpovedí, dávkovanie a agentové konverzácie. Predikované výstupy využívajú známy obsah, keď má väčšina dokumentu alebo súboru kódu zostať a zmeniť sa iba obmedzená časť. Dodajte existujúci obsah, určite úpravu a označte materiál, ktorý treba zachovať. To sa líši od žiadosti o vytvorenie úplne nového dokumentu.\n\nPrefix odpovede poskytuje známy začiatok generovaného textu asistenta, ktorý potom od tohto začiatku pokračuje. Dávkovanie mení spôsob odosielania úloh, zatiaľ čo rozhranie agenta či konverzácie spravuje prepojený postup. Uvedené vstavané nástroje patria tomuto rozhraniu výrobcu; nepridávajú základnému modelu ďalšiu modalitu obsahu ani nevykonávajú akciu bez prepojeného prostredia.\n\nProgramovanie a prispôsobenie doméne\n\nPri programovacej požiadavke dodajte požiadavku, dotknutú funkciu, relevantné deklarácie a očakávaný vstup a výstup. Vyžiadajte si navrhovanú zmenu, jej predpoklady a príklady odlišujúce zamýšľané správanie. Otázka pri ladení môže zahŕňať dôkazy zlyhania a pýtať sa, ktorá vetva v zdrojovom kóde ho vysvetľuje. Prístup k repozitáru, vykonávanie kódu a použitie zmeny poskytujú okolité vývojové nástroje.\n\nPôvodné oznámenie opisuje vlastné dotrénovanie a dolaďovanie pre podnikové kontexty a znalostné bázy špecifické pre doménu. Ide o samostatný proces prispôsobenia, nie o tvrdenie, že predvolený model už pozná dokumenty konkrétnej organizácie. Pri odpovedi podmienenej zdrojmi dodajte relevantné dokumenty a terminológiu priamo s úlohou a definujte pravidlá odpovede.\n\nHranice edície a výsledku\n\nTáto položka zachováva identitu 2505 modelu Medium 3 a kontext 128k. Počet parametrov architektúry a konfigurovateľné ovládanie hybridného uvažovania neskôr zdokumentované pre Medium 3.5 nie sú súčasťou uvedenej špecifikácie tejto edície. Stránka presného modelu nezverejňuje počet parametrov ani samostatnú pevnú maximálnu dĺžku odpovede, ktoré by bolo možné prevziať z neskoršieho vydania.\n\nZamýšľaný výsledok pripravte pred požiadavkou: vysvetlenie, štruktúrovanú extrakciu, upravenú časť alebo navrhovaný kód. Textové a vizuálne dôkazy, identity zdrojov a všetky výsledky prepojených nástrojov ponechajte výslovné, aby bolo možné odpoveď preskúmať a použiť v ďalšom kroku aplikácie.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Apply a procedure to a concrete case\n\nUse this procedure to answer the employee: 'Requests below 500 credits need team-lead approval. Requests of 500 or more need finance approval. Purchases must wait for approval.' Employee: 'My equipment request is exactly 500 credits; can my team lead approve it and can I order today?' Give the applicable rule and missing information.A short procedural answer citing the threshold and approval-before-purchase requirement.Exactly 500 falls under finance approval, and ordering today depends on approval actually having been received.mistralai/mistral-medium-3Mistral Medium 3 je multimodálny model na profesionálne textové, vizuálne a programovacie úlohy. Kontext 128k uvádzaný výrobcom a zdokumentované štruktúrované výstupy, volania funkcií, otázky k dokumentom a predvídateľné úpravy podporujú vysvetlenia založené na zdrojoch a aplikačné postupy.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Mistral Medium 3 je multimodálny model Mistral AI na profesionálnu prácu zahŕňajúcu text, vizuálne porozumenie a kód. Pôvodné vydanie zdôrazňuje programovanie a úlohy STEM spolu s prispôsobením podnikovým znalostiam a pracovným postupom. Prijíma textové a vizuálne materiály a vytvára text vrátane vysvetlenia dokumentu, štruktúrovaného záznamu alebo navrhovanej implementácie. Pevný identifikátor výrobcu pre túto edíciu je mistral-medium-2505.
Kontext a profesionálne zdrojové materiály
Stránka modelu uvádza kontextové okno 128k. Použite tento kontext na zachovanie zdrojových pasáží, konverzácie a pokynov, ktoré určujú požadovaný artefakt. Pri porovnaní dokumentov určite, ktorý zdroj je aktuálnou požiadavkou, ktorý je navrhovanou revíziou a akú otázku treba vyriešiť. Pri každom zistení žiadajte podporný dokument a jeho časť.
Praktická úloha na vysvetlenie môže dodať postup a otázku používateľa a potom žiadať relevantnú akciu a podmienku, za ktorej je použiteľná. Technická analýza môže obsahovať zdrojové údaje, definície a kritérium porovnania. Cieľom je výsledok naviazaný na dodaný materiál, nie všeobecný opis témy.
Štruktúrované výstupy a funkcie
Stránka uvádza štruktúrované výstupy a volanie funkcií. Pri extrakcii definujte názvy polí, typy a zápis chýbajúcich zdrojových informácií. Užitočný záznam môže oddeliť identifikátor, zdrojové tvrdenie, interpretáciu a nevyriešenú otázku. Spoločné usmernenia Mistral rozlišujú režim JSON a vlastnú schému a vyžadujú výslovnú požiadavku na požadovaný formát JSON.
Volanie funkcií prepája interpretáciu modelu s operáciami opísanými aplikáciou. Model vyberie funkciu a pripraví argumenty, aplikácia funkciu vykoná a jej výsledok sa stane kontextom pre ďalšiu odpoveď. Vyhľadanie môže dodať chýbajúcu referenčnú hodnotu; výpočet môže dodať výsledok potrebný pre vysvetlenie. Zachovajte výsledok prepojený s operáciou, ktorá ho vytvorila, namiesto považovania navrhovaného volania za vykonanú akciu.
Otázky k dokumentom a vizuálnym materiálom
Pri tejto edícii sa uvádza aj odpovedanie na otázky o dokumentoch. Zdokumentovaný postup výrobcu pred analýzou jazykovým modelom pripraví text, štruktúru a formátovanie dokumentu pomocou OCR. Pýtajte sa na konkrétnu požiadavku, pasáž alebo vzťah potrebný pre úlohu. Pri viacerých dokumentoch zachovajte ich identity a vyžiadajte si porovnanie so zdrojovým umiestnením pri každom závere.
Pri vizuálnych materiáloch spojte obrázok s definovanou otázkou a zachovajte označenia, jednotky a oblasti potrebné na odpoveď. Pri grafe možno žiadať porovnanie pomenovaných radov; pri diagrame určenie, ktoré spojenie podporuje dodanú požiadavku. Čitateľný obrázok dokumentu a dokument pripravený pomocou OCR sú odlišné prípravy vstupu, aj keď oba slúžia rovnakému cieľu odpovedania na otázky.
Úpravy, prefixy a pracovné postupy
Stránka modelu uvádza predikované výstupy, prefixy odpovedí, dávkovanie a agentové konverzácie. Predikované výstupy využívajú známy obsah, keď má väčšina dokumentu alebo súboru kódu zostať a zmeniť sa iba obmedzená časť. Dodajte existujúci obsah, určite úpravu a označte materiál, ktorý treba zachovať. To sa líši od žiadosti o vytvorenie úplne nového dokumentu.
Prefix odpovede poskytuje známy začiatok generovaného textu asistenta, ktorý potom od tohto začiatku pokračuje. Dávkovanie mení spôsob odosielania úloh, zatiaľ čo rozhranie agenta či konverzácie spravuje prepojený postup. Uvedené vstavané nástroje patria tomuto rozhraniu výrobcu; nepridávajú základnému modelu ďalšiu modalitu obsahu ani nevykonávajú akciu bez prepojeného prostredia.
Programovanie a prispôsobenie doméne
Pri programovacej požiadavke dodajte požiadavku, dotknutú funkciu, relevantné deklarácie a očakávaný vstup a výstup. Vyžiadajte si navrhovanú zmenu, jej predpoklady a príklady odlišujúce zamýšľané správanie. Otázka pri ladení môže zahŕňať dôkazy zlyhania a pýtať sa, ktorá vetva v zdrojovom kóde ho vysvetľuje. Prístup k repozitáru, vykonávanie kódu a použitie zmeny poskytujú okolité vývojové nástroje.
Pôvodné oznámenie opisuje vlastné dotrénovanie a dolaďovanie pre podnikové kontexty a znalostné bázy špecifické pre doménu. Ide o samostatný proces prispôsobenia, nie o tvrdenie, že predvolený model už pozná dokumenty konkrétnej organizácie. Pri odpovedi podmienenej zdrojmi dodajte relevantné dokumenty a terminológiu priamo s úlohou a definujte pravidlá odpovede.
Hranice edície a výsledku
Táto položka zachováva identitu 2505 modelu Medium 3 a kontext 128k. Počet parametrov architektúry a konfigurovateľné ovládanie hybridného uvažovania neskôr zdokumentované pre Medium 3.5 nie sú súčasťou uvedenej špecifikácie tejto edície. Stránka presného modelu nezverejňuje počet parametrov ani samostatnú pevnú maximálnu dĺžku odpovede, ktoré by bolo možné prevziať z neskoršieho vydania.
Zamýšľaný výsledok pripravte pred požiadavkou: vysvetlenie, štruktúrovanú extrakciu, upravenú časť alebo navrhovaný kód. Textové a vizuálne dôkazy, identity zdrojov a všetky výsledky prepojených nástrojov ponechajte výslovné, aby bolo možné odpoveď preskúmať a použiť v ďalšom kroku aplikácie.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity mistralai/mistral-medium-3 | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity Minimálny počet položiek: 1 | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity Príklady: system, user, assistant, tool, function Podmienky: Tieto roly sú výslovne zastúpené typmi kompatibility v zdrojovom kóde; presný súbor rolí zostáva závislý od modelu. Závisí od modelu | Predvolené— |
Polemessages[].content | Typstring|content_part[]|null | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_calls | Typtool_call[] | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].tool_call_id | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: role=tool; použite skutočne vrátené ID | Predvolené— |
Polemessages[].name | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Polemessages[].reasoning_content | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Platí, keď: Posielajte späť skutočne vrátené uvažovanie, ak ho tento model používa | Predvolené— |
Polemessages[].reasoning_details | Typobject|array | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polemax_completion_tokens | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity Minimum: 1 Závisí od modelu | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Polestream_options.include_usage | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletemperature | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletop_p | Typnumber | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polestop | Typstring|string[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools | Typfunction_tool[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poletools[].type | Typstring | PožiadavkaVoliteľné | Hodnoty a limity function Závisí od modelu | Predvolené— |
Poletools[].function.name | Typstring | PožiadavkaPovinné | Hodnoty a limity Platí, keď: poskytnutý nástroj typu funkcia | Predvolené— |
Poletools[].function.description | Typstring | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletools[].function.parameters | TypJSON_schema | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
Poletool_choice | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleparallel_tool_calls | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleresponse_format | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning_effort | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polereasoning | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleservice_tier | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleinstructions | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Pole kompatibility | Predvolené— |
Polefunctions | Typfunction[] | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polefunction_call | Typstring|object | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Poleprompt_cache_options | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Závisí od modelu | Predvolené— |
Polemodalities | Typstring[] | PožiadavkaVoliteľné | Hodnoty a limity text | Predvolené— |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: provider.options sa na tejto textovej trase Ultra odmieta | Predvolené— |
Polecache_control.ttl | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Podmienky: Hodnota 1h sa v skutočne používaných poliach cache promptov odmieta | Predvolené— |
Text · Text UTF8
messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages |
Parametermaterial_types | Špecifikáciatext |
Parametermessages | Špecifikáciapole správ so štruktúrou role/content |
Parameterfile_material | Špecifikáciaskutočný dokument UTF-8 vložený ako doslovný text; ID súboru sa neodvodzuje |
Parameteroptional_controls | Špecifikáciastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Špecifikáciazávisí od modelu; používateľské nástroje typu funkcia sa líšia od nástrojov prevádzkovaných službou |
Parameteroutput_modalities | Špecifikáciatext |
Parameterhosted_operations | Špecifikáciafalse |
Parametermultimodal_input_binding | Špecifikácianull |
Životný cyklus: synchronous_or_streamed
Pošlite presné ID modelu spolu s messages.
Dĺžka kontextu nie je horná hranica výstupu.
Textový súbor môže poskytnúť doslovný text; obrazové a zvukové vstupy a vstupy so súborovými objektmi potrebujú presné naviazanie.
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0008 / 1K tokenov Výstup · Výstupné tokeny $0.004 / 1K tokenov Vstup · Čítanie cache $0.00008 / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0008 / 1K tokenov Výstup · Výstupné tokeny $0.004 / 1K tokenov Vstup · Čítanie cache $0.00008 / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${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", "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',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',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 alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte každý variant odpovede a jeho obsah, volania nástrojov a uvažovanie. V SSE zostavujte čiastkové zmeny podľa indexu variantu/nástroja a zachovajte konečný dôvod ukončenia aj údaje o spotrebe.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra mistralai/mistral-medium-3
Použite cesty metód uvedené vyššie.
mistralai/mistral-medium-3Mistral Medium 3 je multimodálny model na profesionálne textové, vizuálne a programovacie úlohy. Kontext 128k uvádzaný výrobcom a zdokumentované štruktúrované výstupy, volania funkcií, otázky k dokumentom a predvídateľné úpravy podporujú vysvetlenia založené na zdrojoch a aplikačné postupy.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Mistral Medium 3 je multimodálny model Mistral AI na profesionálnu prácu zahŕňajúcu text, vizuálne porozumenie a kód. Pôvodné vydanie zdôrazňuje programovanie a úlohy STEM spolu s prispôsobením podnikovým znalostiam a pracovným postupom. Prijíma textové a vizuálne materiály a vytvára text vrátane vysvetlenia dokumentu, štruktúrovaného záznamu alebo navrhovanej implementácie. Pevný identifikátor výrobcu pre túto edíciu je mistral-medium-2505.
Kontext a profesionálne zdrojové materiály
Stránka modelu uvádza kontextové okno 128k. Použite tento kontext na zachovanie zdrojových pasáží, konverzácie a pokynov, ktoré určujú požadovaný artefakt. Pri porovnaní dokumentov určite, ktorý zdroj je aktuálnou požiadavkou, ktorý je navrhovanou revíziou a akú otázku treba vyriešiť. Pri každom zistení žiadajte podporný dokument a jeho časť.
Praktická úloha na vysvetlenie môže dodať postup a otázku používateľa a potom žiadať relevantnú akciu a podmienku, za ktorej je použiteľná. Technická analýza môže obsahovať zdrojové údaje, definície a kritérium porovnania. Cieľom je výsledok naviazaný na dodaný materiál, nie všeobecný opis témy.
Štruktúrované výstupy a funkcie
Stránka uvádza štruktúrované výstupy a volanie funkcií. Pri extrakcii definujte názvy polí, typy a zápis chýbajúcich zdrojových informácií. Užitočný záznam môže oddeliť identifikátor, zdrojové tvrdenie, interpretáciu a nevyriešenú otázku. Spoločné usmernenia Mistral rozlišujú režim JSON a vlastnú schému a vyžadujú výslovnú požiadavku na požadovaný formát JSON.
Volanie funkcií prepája interpretáciu modelu s operáciami opísanými aplikáciou. Model vyberie funkciu a pripraví argumenty, aplikácia funkciu vykoná a jej výsledok sa stane kontextom pre ďalšiu odpoveď. Vyhľadanie môže dodať chýbajúcu referenčnú hodnotu; výpočet môže dodať výsledok potrebný pre vysvetlenie. Zachovajte výsledok prepojený s operáciou, ktorá ho vytvorila, namiesto považovania navrhovaného volania za vykonanú akciu.
Otázky k dokumentom a vizuálnym materiálom
Pri tejto edícii sa uvádza aj odpovedanie na otázky o dokumentoch. Zdokumentovaný postup výrobcu pred analýzou jazykovým modelom pripraví text, štruktúru a formátovanie dokumentu pomocou OCR. Pýtajte sa na konkrétnu požiadavku, pasáž alebo vzťah potrebný pre úlohu. Pri viacerých dokumentoch zachovajte ich identity a vyžiadajte si porovnanie so zdrojovým umiestnením pri každom závere.
Pri vizuálnych materiáloch spojte obrázok s definovanou otázkou a zachovajte označenia, jednotky a oblasti potrebné na odpoveď. Pri grafe možno žiadať porovnanie pomenovaných radov; pri diagrame určenie, ktoré spojenie podporuje dodanú požiadavku. Čitateľný obrázok dokumentu a dokument pripravený pomocou OCR sú odlišné prípravy vstupu, aj keď oba slúžia rovnakému cieľu odpovedania na otázky.
Úpravy, prefixy a pracovné postupy
Stránka modelu uvádza predikované výstupy, prefixy odpovedí, dávkovanie a agentové konverzácie. Predikované výstupy využívajú známy obsah, keď má väčšina dokumentu alebo súboru kódu zostať a zmeniť sa iba obmedzená časť. Dodajte existujúci obsah, určite úpravu a označte materiál, ktorý treba zachovať. To sa líši od žiadosti o vytvorenie úplne nového dokumentu.
Prefix odpovede poskytuje známy začiatok generovaného textu asistenta, ktorý potom od tohto začiatku pokračuje. Dávkovanie mení spôsob odosielania úloh, zatiaľ čo rozhranie agenta či konverzácie spravuje prepojený postup. Uvedené vstavané nástroje patria tomuto rozhraniu výrobcu; nepridávajú základnému modelu ďalšiu modalitu obsahu ani nevykonávajú akciu bez prepojeného prostredia.
Programovanie a prispôsobenie doméne
Pri programovacej požiadavke dodajte požiadavku, dotknutú funkciu, relevantné deklarácie a očakávaný vstup a výstup. Vyžiadajte si navrhovanú zmenu, jej predpoklady a príklady odlišujúce zamýšľané správanie. Otázka pri ladení môže zahŕňať dôkazy zlyhania a pýtať sa, ktorá vetva v zdrojovom kóde ho vysvetľuje. Prístup k repozitáru, vykonávanie kódu a použitie zmeny poskytujú okolité vývojové nástroje.
Pôvodné oznámenie opisuje vlastné dotrénovanie a dolaďovanie pre podnikové kontexty a znalostné bázy špecifické pre doménu. Ide o samostatný proces prispôsobenia, nie o tvrdenie, že predvolený model už pozná dokumenty konkrétnej organizácie. Pri odpovedi podmienenej zdrojmi dodajte relevantné dokumenty a terminológiu priamo s úlohou a definujte pravidlá odpovede.
Hranice edície a výsledku
Táto položka zachováva identitu 2505 modelu Medium 3 a kontext 128k. Počet parametrov architektúry a konfigurovateľné ovládanie hybridného uvažovania neskôr zdokumentované pre Medium 3.5 nie sú súčasťou uvedenej špecifikácie tejto edície. Stránka presného modelu nezverejňuje počet parametrov ani samostatnú pevnú maximálnu dĺžku odpovede, ktoré by bolo možné prevziať z neskoršieho vydania.
Zamýšľaný výsledok pripravte pred požiadavkou: vysvetlenie, štruktúrovanú extrakciu, upravenú časť alebo navrhovaný kód. Textové a vizuálne dôkazy, identity zdrojov a všetky výsledky prepojených nástrojov ponechajte výslovné, aby bolo možné odpoveď preskúmať a použiť v ďalšom kroku aplikácie.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity mistralai/mistral-medium-3 | Predvolené— |
Polemessages | Typmessage[] | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemessages[].role | Typstring | PožiadavkaPovinné | Hodnoty a limity user, assistant | Predvolené— |
Polemessages[].content | Typstring | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polemax_tokens | Typinteger | PožiadavkaPovinné | Hodnoty a limity | Predvolené— |
Polestream | Typboolean | PožiadavkaVoliteľné | Hodnoty a limity | Predvolenéfalse |
Text · Text UTF-8
reťazec messages[].content
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, messages, max_tokens |
Parameteroptional_controls | Špecifikáciastream |
Parametermaterial_types | Špecifikáciatext |
Parametertext_file_material | ŠpecifikáciaPrečítajte skutočný dokument UTF-8 a vložte jeho text do uvedeného vstupného reťazca alebo reťazca obsahu správy. |
Životný cyklus: synchronous_or_streamed
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Počet tokenov kontextu väčší než | Tokeny kontextu, najviac (vrátane hranice) | Poplatok |
|---|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Počet tokenov kontextu väčší než— | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0008 / 1K tokenov Výstup · Výstupné tokeny $0.004 / 1K tokenov Vstup · Čítanie cache $0.00008 / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| KonfiguráciaPásmo dĺžky požiadavky 1 | Sadzobník— | Počet tokenov kontextu väčší než0 | Tokeny kontextu, najviac (vrátane hranice)Bez hornej hranice | Poplatok Vstup · Vstupné tokeny $0.0008 / 1K tokenov Výstup · Výstupné tokeny $0.004 / 1K tokenov Vstup · Čítanie cache $0.00008 / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "mistralai/mistral-medium-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 alebo SSE
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Zachovajte všetky bloky obsahu, podpisy uvažovania a skutočné ID volaní nástrojov. Zostavte všetky čiastkové zmeny blokov SSE; prvý textový blok nie je celý výstup.
Zachovajte ID požiadaviek/odpovedí aj hlavičky. Všeobecná URL na načítanie textovej úlohy nie je poskytnutá.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Ailoot Ultra mistralai/mistral-medium-3
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
Apply a procedure to a concrete case\n\nUse this procedure to answer the employee: 'Requests below 500 credits need team-lead approval. Requests of 500 or more need finance approval. Purchases must wait for approval.' Employee: 'My equipment request is exactly 500 credits; can my team lead approve it and can I order today?' Give the applicable rule and missing information.A short procedural answer citing the threshold and approval-before-purchase requirement.Exactly 500 falls under finance approval, and ordering today depends on approval actually having been received.