Mistral Small 4 spája všeobecné dodržiavanie pokynov, uvažovanie a programovanie v jedinom multimodálnom modeli. Výrobca ho opisuje ako zjednotenie rodín Instruct, Magistral na uvažovanie a Devstral na programovanie. Prijíma text a obrázky a vracia text, pričom pre aplikácie s nástrojmi sú dostupné volania funkcií a výstup JSON.
Architektúra a hlavné funkcie
Vydanie má celkovo 119 miliárd parametrov a aktivuje 6,5 miliardy na token. Jeho architektúra zmesi expertov obsahuje 128 expertov, z toho 4 aktívnych, a výrobca dokumentuje kontextové okno 256k. Počet aktívnych parametrov a počet expertov opisujú organizáciu modelu; odlišujú sa od množstva textového alebo obrazového obsahu zahrnutého v jednej úlohe.
Model poskytuje plnenie pokynov a uvažovanie v tom istom kontrolnom bode. Výrobca identifikuje aj vizuálne schopnosti, dodržiavanie systémového promptu a viacjazyčnú podporu desiatok jazykov vrátane angličtiny, francúzštiny, španielčiny, nemčiny, taliančiny, portugalčiny, holandčiny, čínštiny, japončiny, kórejčiny a arabčiny. Textový pokyn sa preto môže pýtať na obrázok alebo spájať písomnú požiadavku s viditeľnými dôkazmi, pričom odpoveď sa vráti ako text.
Vizuálna úloha môže dodať stránku dokumentu a žiadať hodnoty relevantné pre pomenovanú podmienku. Označenia a jednotky ponechajte čitateľné a uveďte, či má výsledok zachovať pôvodné znenie, zhrnúť ho alebo porovnať s iným zdrojom. Úloha s rozhraním môže spojiť snímku obrazovky s cieľom používateľa a žiadať relevantný viditeľný ovládací prvok a dôkazy podporujúce navrhovaný ďalší krok.
Výber režimu pokynov alebo uvažovania
Vydaná karta dokumentuje intenzitu uvažovania none pre okamžitú odpoveď v štýle plnenia pokynov a high pre uvažovanie, pričom high odporúča pre zložité prompty. Výber sa vykonáva pre každú požiadavku v rámci toho istého modelu Small 4. Bežná klasifikácia alebo krátke preformulovanie môže mať iné požiadavky na odpoveď než matematický, vizuálny alebo programovací problém, ktorý potrebuje rozvinuté vysvetlenie.
Výrobca odporúča temperature 0.7 pri vysokej intenzite uvažovania. Pri none určuje teploty od 0.0 do 0.7 podľa úlohy. Tieto nastavenia opisujú zdokumentované režimy a nemenia intenzitu uvažovania na záruku správneho výsledku. Pred výberom potrebnej miery uvažovania definujte predpoklady, podobu výstupu a relevantné zdrojové materiály.
Pri riešenom probléme dodajte úplné zadanie a žiadajte dôležité odôvodnené kroky nasledované konečným výrazom. Pri úlohe s kódom dodajte požiadavku, dotknutú funkciu a konkrétny vstup; navrhovanú implementáciu žiadajte oddelene od vysvetlenia a príkladov. Ukážky použitia výrobcu zahŕňajú dodržiavanie pokynov, výpočtový nástroj použitý na obrázok a vizuálne uvažovanie, čím ilustrujú, ako môžu textové a vizuálne dôkazy vstupovať do týchto rôznych úloh.
Programovanie, dokumenty a nástroje
Model je určený na skúmanie kódovej základne a agentov softvérového inžinierstva, všeobecných asistentov, porozumenie dokumentom a výskum. Požiadavka pre programovacieho agenta môže pomenovať modul na zmenu, rozhranie na zachovanie a správanie, ktoré má nastať. Dodajte relevantné zdroje a dôkazy zlyhania. Model môže navrhnúť ďalšiu operáciu alebo zmenu kódu, zatiaľ čo aplikácia poskytuje prístup k repozitáru, vykonávanie a spätnú väzbu.
Pri extrakcii z dokumentu identifikujte povinné polia a spôsob zápisu chýbajúcich informácií. Užitočný záznam môže oddeliť identifikátor dokumentu, zdrojové tvrdenie, interpretovanú požiadavku a nevyriešenú otázku. Karta služby výrobcu uvádza vlastný štruktúrovaný výstup a odpovedanie na otázky o dokumentoch; druhá funkcia používa spracovanie dokumentu a OCR na prípravu textu a štruktúry pred analýzou jazykovým modelom. Priama otázka k obrázku a dokumentový postup s pomocou OCR by si mali zachovať vlastnú prípravu vstupu.
Volanie funkcií vyžaduje jasne opísané nástroje. Model vyberie funkciu a vytvorí argumenty; aplikácia vykoná operáciu a vráti jej výsledok pre nasledujúcu odpoveď. Rovnaká logika platí pri vyhľadávaní, výpočte aj programovacej operácii. Formátovanie JSON usporadúva odpoveď, zatiaľ čo volanie nástroja žiada externú akciu; tieto dva výsledky nemožno považovať za zameniteľné.
Karta služby uvádza aj predikované výstupy, prefixy odpovedí, dávkovanie a agentové konverzácie. Predikované výstupy sú užitočné, keď treba dokument alebo súbor kódu znovu vygenerovať iba s obmedzenou zmenou a zvyšok obsahu je známy. Určite úpravu a materiál na zachovanie. Pokračovanie prefixu používa známy začiatok odpovede, zatiaľ čo dávkovanie sa týka odosielania práce, nie ďalšieho režimu uvažovania.
Hranice kontextu a edície
Písomnú úlohu, vizuálne materiály, konverzáciu a požadovanú odpoveď plánujte podľa zdokumentovaného kontextu 256k. Vydaný príklad použitia nastavuje kontext 262 144 tokenov, zatiaľ čo jeho príklad generovania s 1 024 tokenmi nie je samostatnou maximálnou kapacitou výstupu. Prečítané zdroje neposkytujú nezávislý pevný limit dĺžky odpovede, ktorým by sa nahradila zvolená dĺžka úlohy.
Small 4 má vlastnú architektúru zmesi expertov so 119 miliardami parametrov a hybridné režimy. Nemal by preberať hustú architektúru 128B modelu Medium 3.5 ani samostatné edície Instruct a Reasoning modelu Ministral 3. Výrobca vydáva aj samostatné kvantizované artefakty a artefakty špekulatívneho dekódovania; ide o samostatné artefakty nasadenia, nie odlišné modality obsahu. Zachovajte pomenované vydanie Small 4 a režim požadovaný pre skutočné vysvetlenie, štruktúrovaný záznam alebo výsledný kód.
", "aboutText": "Mistral Small 4 spája všeobecné dodržiavanie pokynov, uvažovanie a programovanie v jedinom multimodálnom modeli. Výrobca ho opisuje ako zjednotenie rodín Instruct, Magistral na uvažovanie a Devstral na programovanie. Prijíma text a obrázky a vracia text, pričom pre aplikácie s nástrojmi sú dostupné volania funkcií a výstup JSON.\n\nArchitektúra a hlavné funkcie\n\nVydanie má celkovo 119 miliárd parametrov a aktivuje 6,5 miliardy na token. Jeho architektúra zmesi expertov obsahuje 128 expertov, z toho 4 aktívnych, a výrobca dokumentuje kontextové okno 256k. Počet aktívnych parametrov a počet expertov opisujú organizáciu modelu; odlišujú sa od množstva textového alebo obrazového obsahu zahrnutého v jednej úlohe.\n\nModel poskytuje plnenie pokynov a uvažovanie v tom istom kontrolnom bode. Výrobca identifikuje aj vizuálne schopnosti, dodržiavanie systémového promptu a viacjazyčnú podporu desiatok jazykov vrátane angličtiny, francúzštiny, španielčiny, nemčiny, taliančiny, portugalčiny, holandčiny, čínštiny, japončiny, kórejčiny a arabčiny. Textový pokyn sa preto môže pýtať na obrázok alebo spájať písomnú požiadavku s viditeľnými dôkazmi, pričom odpoveď sa vráti ako text.\n\nVizuálna úloha môže dodať stránku dokumentu a žiadať hodnoty relevantné pre pomenovanú podmienku. Označenia a jednotky ponechajte čitateľné a uveďte, či má výsledok zachovať pôvodné znenie, zhrnúť ho alebo porovnať s iným zdrojom. Úloha s rozhraním môže spojiť snímku obrazovky s cieľom používateľa a žiadať relevantný viditeľný ovládací prvok a dôkazy podporujúce navrhovaný ďalší krok.\n\nVýber režimu pokynov alebo uvažovania\n\nVydaná karta dokumentuje intenzitu uvažovania none pre okamžitú odpoveď v štýle plnenia pokynov a high pre uvažovanie, pričom high odporúča pre zložité prompty. Výber sa vykonáva pre každú požiadavku v rámci toho istého modelu Small 4. Bežná klasifikácia alebo krátke preformulovanie môže mať iné požiadavky na odpoveď než matematický, vizuálny alebo programovací problém, ktorý potrebuje rozvinuté vysvetlenie.\n\nVýrobca odporúča temperature 0.7 pri vysokej intenzite uvažovania. Pri none určuje teploty od 0.0 do 0.7 podľa úlohy. Tieto nastavenia opisujú zdokumentované režimy a nemenia intenzitu uvažovania na záruku správneho výsledku. Pred výberom potrebnej miery uvažovania definujte predpoklady, podobu výstupu a relevantné zdrojové materiály.\n\nPri riešenom probléme dodajte úplné zadanie a žiadajte dôležité odôvodnené kroky nasledované konečným výrazom. Pri úlohe s kódom dodajte požiadavku, dotknutú funkciu a konkrétny vstup; navrhovanú implementáciu žiadajte oddelene od vysvetlenia a príkladov. Ukážky použitia výrobcu zahŕňajú dodržiavanie pokynov, výpočtový nástroj použitý na obrázok a vizuálne uvažovanie, čím ilustrujú, ako môžu textové a vizuálne dôkazy vstupovať do týchto rôznych úloh.\n\nProgramovanie, dokumenty a nástroje\n\nModel je určený na skúmanie kódovej základne a agentov softvérového inžinierstva, všeobecných asistentov, porozumenie dokumentom a výskum. Požiadavka pre programovacieho agenta môže pomenovať modul na zmenu, rozhranie na zachovanie a správanie, ktoré má nastať. Dodajte relevantné zdroje a dôkazy zlyhania. Model môže navrhnúť ďalšiu operáciu alebo zmenu kódu, zatiaľ čo aplikácia poskytuje prístup k repozitáru, vykonávanie a spätnú väzbu.\n\nPri extrakcii z dokumentu identifikujte povinné polia a spôsob zápisu chýbajúcich informácií. Užitočný záznam môže oddeliť identifikátor dokumentu, zdrojové tvrdenie, interpretovanú požiadavku a nevyriešenú otázku. Karta služby výrobcu uvádza vlastný štruktúrovaný výstup a odpovedanie na otázky o dokumentoch; druhá funkcia používa spracovanie dokumentu a OCR na prípravu textu a štruktúry pred analýzou jazykovým modelom. Priama otázka k obrázku a dokumentový postup s pomocou OCR by si mali zachovať vlastnú prípravu vstupu.\n\nVolanie funkcií vyžaduje jasne opísané nástroje. Model vyberie funkciu a vytvorí argumenty; aplikácia vykoná operáciu a vráti jej výsledok pre nasledujúcu odpoveď. Rovnaká logika platí pri vyhľadávaní, výpočte aj programovacej operácii. Formátovanie JSON usporadúva odpoveď, zatiaľ čo volanie nástroja žiada externú akciu; tieto dva výsledky nemožno považovať za zameniteľné.\n\nKarta služby uvádza aj predikované výstupy, prefixy odpovedí, dávkovanie a agentové konverzácie. Predikované výstupy sú užitočné, keď treba dokument alebo súbor kódu znovu vygenerovať iba s obmedzenou zmenou a zvyšok obsahu je známy. Určite úpravu a materiál na zachovanie. Pokračovanie prefixu používa známy začiatok odpovede, zatiaľ čo dávkovanie sa týka odosielania práce, nie ďalšieho režimu uvažovania.\n\nHranice kontextu a edície\n\nPísomnú úlohu, vizuálne materiály, konverzáciu a požadovanú odpoveď plánujte podľa zdokumentovaného kontextu 256k. Vydaný príklad použitia nastavuje kontext 262 144 tokenov, zatiaľ čo jeho príklad generovania s 1 024 tokenmi nie je samostatnou maximálnou kapacitou výstupu. Prečítané zdroje neposkytujú nezávislý pevný limit dĺžky odpovede, ktorým by sa nahradila zvolená dĺžka úlohy.\n\nSmall 4 má vlastnú architektúru zmesi expertov so 119 miliardami parametrov a hybridné režimy. Nemal by preberať hustú architektúru 128B modelu Medium 3.5 ani samostatné edície Instruct a Reasoning modelu Ministral 3. Výrobca vydáva aj samostatné kvantizované artefakty a artefakty špekulatívneho dekódovania; ide o samostatné artefakty nasadenia, nie odlišné modality obsahu. Zachovajte pomenované vydanie Small 4 a režim požadovaný pre skutočné vysvetlenie, štruktúrovaný záznam alebo výsledný kód.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický príklad v angličtine
Repair a last-line parser\n\nThis Python parser loses a final line without a trailing newline: def lines(text):\n return text.split("\\n")[:-1]\nReturn a corrected function that preserves nonempty final lines, avoids an artificial last empty line when text ends in a newline and returns [] for empty text. Include tests for all three cases.A corrected Python function, a short explanation and tests for newline, no-newline and empty input.Check that the last real line is retained and that only a trailing separator’s artificial empty entry is removed.mistralai/mistral-small-2603Mistral Small 4 je hybridný model na prácu s textom a obrázkami so schopnosťami plnenia pokynov, uvažovania a programovania. Jeho vydanie zmesi expertov so 119 miliardami parametrov aktivuje 6,5 miliardy parametrov na token a podporuje kontext 256k uvádzaný výrobcom, voliteľnú intenzitu uvažovania, JSON a volania funkcií.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Mistral Small 4 spája všeobecné dodržiavanie pokynov, uvažovanie a programovanie v jedinom multimodálnom modeli. Výrobca ho opisuje ako zjednotenie rodín Instruct, Magistral na uvažovanie a Devstral na programovanie. Prijíma text a obrázky a vracia text, pričom pre aplikácie s nástrojmi sú dostupné volania funkcií a výstup JSON.
Architektúra a hlavné funkcie
Vydanie má celkovo 119 miliárd parametrov a aktivuje 6,5 miliardy na token. Jeho architektúra zmesi expertov obsahuje 128 expertov, z toho 4 aktívnych, a výrobca dokumentuje kontextové okno 256k. Počet aktívnych parametrov a počet expertov opisujú organizáciu modelu; odlišujú sa od množstva textového alebo obrazového obsahu zahrnutého v jednej úlohe.
Model poskytuje plnenie pokynov a uvažovanie v tom istom kontrolnom bode. Výrobca identifikuje aj vizuálne schopnosti, dodržiavanie systémového promptu a viacjazyčnú podporu desiatok jazykov vrátane angličtiny, francúzštiny, španielčiny, nemčiny, taliančiny, portugalčiny, holandčiny, čínštiny, japončiny, kórejčiny a arabčiny. Textový pokyn sa preto môže pýtať na obrázok alebo spájať písomnú požiadavku s viditeľnými dôkazmi, pričom odpoveď sa vráti ako text.
Vizuálna úloha môže dodať stránku dokumentu a žiadať hodnoty relevantné pre pomenovanú podmienku. Označenia a jednotky ponechajte čitateľné a uveďte, či má výsledok zachovať pôvodné znenie, zhrnúť ho alebo porovnať s iným zdrojom. Úloha s rozhraním môže spojiť snímku obrazovky s cieľom používateľa a žiadať relevantný viditeľný ovládací prvok a dôkazy podporujúce navrhovaný ďalší krok.
Výber režimu pokynov alebo uvažovania
Vydaná karta dokumentuje intenzitu uvažovania none pre okamžitú odpoveď v štýle plnenia pokynov a high pre uvažovanie, pričom high odporúča pre zložité prompty. Výber sa vykonáva pre každú požiadavku v rámci toho istého modelu Small 4. Bežná klasifikácia alebo krátke preformulovanie môže mať iné požiadavky na odpoveď než matematický, vizuálny alebo programovací problém, ktorý potrebuje rozvinuté vysvetlenie.
Výrobca odporúča temperature 0.7 pri vysokej intenzite uvažovania. Pri none určuje teploty od 0.0 do 0.7 podľa úlohy. Tieto nastavenia opisujú zdokumentované režimy a nemenia intenzitu uvažovania na záruku správneho výsledku. Pred výberom potrebnej miery uvažovania definujte predpoklady, podobu výstupu a relevantné zdrojové materiály.
Pri riešenom probléme dodajte úplné zadanie a žiadajte dôležité odôvodnené kroky nasledované konečným výrazom. Pri úlohe s kódom dodajte požiadavku, dotknutú funkciu a konkrétny vstup; navrhovanú implementáciu žiadajte oddelene od vysvetlenia a príkladov. Ukážky použitia výrobcu zahŕňajú dodržiavanie pokynov, výpočtový nástroj použitý na obrázok a vizuálne uvažovanie, čím ilustrujú, ako môžu textové a vizuálne dôkazy vstupovať do týchto rôznych úloh.
Programovanie, dokumenty a nástroje
Model je určený na skúmanie kódovej základne a agentov softvérového inžinierstva, všeobecných asistentov, porozumenie dokumentom a výskum. Požiadavka pre programovacieho agenta môže pomenovať modul na zmenu, rozhranie na zachovanie a správanie, ktoré má nastať. Dodajte relevantné zdroje a dôkazy zlyhania. Model môže navrhnúť ďalšiu operáciu alebo zmenu kódu, zatiaľ čo aplikácia poskytuje prístup k repozitáru, vykonávanie a spätnú väzbu.
Pri extrakcii z dokumentu identifikujte povinné polia a spôsob zápisu chýbajúcich informácií. Užitočný záznam môže oddeliť identifikátor dokumentu, zdrojové tvrdenie, interpretovanú požiadavku a nevyriešenú otázku. Karta služby výrobcu uvádza vlastný štruktúrovaný výstup a odpovedanie na otázky o dokumentoch; druhá funkcia používa spracovanie dokumentu a OCR na prípravu textu a štruktúry pred analýzou jazykovým modelom. Priama otázka k obrázku a dokumentový postup s pomocou OCR by si mali zachovať vlastnú prípravu vstupu.
Volanie funkcií vyžaduje jasne opísané nástroje. Model vyberie funkciu a vytvorí argumenty; aplikácia vykoná operáciu a vráti jej výsledok pre nasledujúcu odpoveď. Rovnaká logika platí pri vyhľadávaní, výpočte aj programovacej operácii. Formátovanie JSON usporadúva odpoveď, zatiaľ čo volanie nástroja žiada externú akciu; tieto dva výsledky nemožno považovať za zameniteľné.
Karta služby uvádza aj predikované výstupy, prefixy odpovedí, dávkovanie a agentové konverzácie. Predikované výstupy sú užitočné, keď treba dokument alebo súbor kódu znovu vygenerovať iba s obmedzenou zmenou a zvyšok obsahu je známy. Určite úpravu a materiál na zachovanie. Pokračovanie prefixu používa známy začiatok odpovede, zatiaľ čo dávkovanie sa týka odosielania práce, nie ďalšieho režimu uvažovania.
Hranice kontextu a edície
Písomnú úlohu, vizuálne materiály, konverzáciu a požadovanú odpoveď plánujte podľa zdokumentovaného kontextu 256k. Vydaný príklad použitia nastavuje kontext 262 144 tokenov, zatiaľ čo jeho príklad generovania s 1 024 tokenmi nie je samostatnou maximálnou kapacitou výstupu. Prečítané zdroje neposkytujú nezávislý pevný limit dĺžky odpovede, ktorým by sa nahradila zvolená dĺžka úlohy.
Small 4 má vlastnú architektúru zmesi expertov so 119 miliardami parametrov a hybridné režimy. Nemal by preberať hustú architektúru 128B modelu Medium 3.5 ani samostatné edície Instruct a Reasoning modelu Ministral 3. Výrobca vydáva aj samostatné kvantizované artefakty a artefakty špekulatívneho dekódovania; ide o samostatné artefakty nasadenia, nie odlišné modality obsahu. Zachovajte pomenované vydanie Small 4 a režim požadovaný pre skutočné vysvetlenie, štruktúrovaný záznam alebo výsledný kód.
POST /v1/chat/completionstexttext| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity mistralai/mistral-small-2603 | 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 $0.0003 / 1K tokenov Výstup · Výstupné tokeny $0.0012 / 1K tokenov Vstup · Čítanie cache $0.00003 / 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 $0.0003 / 1K tokenov Výstup · Výstupné tokeny $0.0012 / 1K tokenov Vstup · Čítanie cache $0.00003 / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-small-2603", "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-small-2603',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-small-2603',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-small-2603
Použite cesty metód uvedené vyššie.
mistralai/mistral-small-2603Mistral Small 4 je hybridný model na prácu s textom a obrázkami so schopnosťami plnenia pokynov, uvažovania a programovania. Jeho vydanie zmesi expertov so 119 miliardami parametrov aktivuje 6,5 miliardy parametrov na token a podporuje kontext 256k uvádzaný výrobcom, voliteľnú intenzitu uvažovania, JSON a volania funkcií.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Mistral Small 4 spája všeobecné dodržiavanie pokynov, uvažovanie a programovanie v jedinom multimodálnom modeli. Výrobca ho opisuje ako zjednotenie rodín Instruct, Magistral na uvažovanie a Devstral na programovanie. Prijíma text a obrázky a vracia text, pričom pre aplikácie s nástrojmi sú dostupné volania funkcií a výstup JSON.
Architektúra a hlavné funkcie
Vydanie má celkovo 119 miliárd parametrov a aktivuje 6,5 miliardy na token. Jeho architektúra zmesi expertov obsahuje 128 expertov, z toho 4 aktívnych, a výrobca dokumentuje kontextové okno 256k. Počet aktívnych parametrov a počet expertov opisujú organizáciu modelu; odlišujú sa od množstva textového alebo obrazového obsahu zahrnutého v jednej úlohe.
Model poskytuje plnenie pokynov a uvažovanie v tom istom kontrolnom bode. Výrobca identifikuje aj vizuálne schopnosti, dodržiavanie systémového promptu a viacjazyčnú podporu desiatok jazykov vrátane angličtiny, francúzštiny, španielčiny, nemčiny, taliančiny, portugalčiny, holandčiny, čínštiny, japončiny, kórejčiny a arabčiny. Textový pokyn sa preto môže pýtať na obrázok alebo spájať písomnú požiadavku s viditeľnými dôkazmi, pričom odpoveď sa vráti ako text.
Vizuálna úloha môže dodať stránku dokumentu a žiadať hodnoty relevantné pre pomenovanú podmienku. Označenia a jednotky ponechajte čitateľné a uveďte, či má výsledok zachovať pôvodné znenie, zhrnúť ho alebo porovnať s iným zdrojom. Úloha s rozhraním môže spojiť snímku obrazovky s cieľom používateľa a žiadať relevantný viditeľný ovládací prvok a dôkazy podporujúce navrhovaný ďalší krok.
Výber režimu pokynov alebo uvažovania
Vydaná karta dokumentuje intenzitu uvažovania none pre okamžitú odpoveď v štýle plnenia pokynov a high pre uvažovanie, pričom high odporúča pre zložité prompty. Výber sa vykonáva pre každú požiadavku v rámci toho istého modelu Small 4. Bežná klasifikácia alebo krátke preformulovanie môže mať iné požiadavky na odpoveď než matematický, vizuálny alebo programovací problém, ktorý potrebuje rozvinuté vysvetlenie.
Výrobca odporúča temperature 0.7 pri vysokej intenzite uvažovania. Pri none určuje teploty od 0.0 do 0.7 podľa úlohy. Tieto nastavenia opisujú zdokumentované režimy a nemenia intenzitu uvažovania na záruku správneho výsledku. Pred výberom potrebnej miery uvažovania definujte predpoklady, podobu výstupu a relevantné zdrojové materiály.
Pri riešenom probléme dodajte úplné zadanie a žiadajte dôležité odôvodnené kroky nasledované konečným výrazom. Pri úlohe s kódom dodajte požiadavku, dotknutú funkciu a konkrétny vstup; navrhovanú implementáciu žiadajte oddelene od vysvetlenia a príkladov. Ukážky použitia výrobcu zahŕňajú dodržiavanie pokynov, výpočtový nástroj použitý na obrázok a vizuálne uvažovanie, čím ilustrujú, ako môžu textové a vizuálne dôkazy vstupovať do týchto rôznych úloh.
Programovanie, dokumenty a nástroje
Model je určený na skúmanie kódovej základne a agentov softvérového inžinierstva, všeobecných asistentov, porozumenie dokumentom a výskum. Požiadavka pre programovacieho agenta môže pomenovať modul na zmenu, rozhranie na zachovanie a správanie, ktoré má nastať. Dodajte relevantné zdroje a dôkazy zlyhania. Model môže navrhnúť ďalšiu operáciu alebo zmenu kódu, zatiaľ čo aplikácia poskytuje prístup k repozitáru, vykonávanie a spätnú väzbu.
Pri extrakcii z dokumentu identifikujte povinné polia a spôsob zápisu chýbajúcich informácií. Užitočný záznam môže oddeliť identifikátor dokumentu, zdrojové tvrdenie, interpretovanú požiadavku a nevyriešenú otázku. Karta služby výrobcu uvádza vlastný štruktúrovaný výstup a odpovedanie na otázky o dokumentoch; druhá funkcia používa spracovanie dokumentu a OCR na prípravu textu a štruktúry pred analýzou jazykovým modelom. Priama otázka k obrázku a dokumentový postup s pomocou OCR by si mali zachovať vlastnú prípravu vstupu.
Volanie funkcií vyžaduje jasne opísané nástroje. Model vyberie funkciu a vytvorí argumenty; aplikácia vykoná operáciu a vráti jej výsledok pre nasledujúcu odpoveď. Rovnaká logika platí pri vyhľadávaní, výpočte aj programovacej operácii. Formátovanie JSON usporadúva odpoveď, zatiaľ čo volanie nástroja žiada externú akciu; tieto dva výsledky nemožno považovať za zameniteľné.
Karta služby uvádza aj predikované výstupy, prefixy odpovedí, dávkovanie a agentové konverzácie. Predikované výstupy sú užitočné, keď treba dokument alebo súbor kódu znovu vygenerovať iba s obmedzenou zmenou a zvyšok obsahu je známy. Určite úpravu a materiál na zachovanie. Pokračovanie prefixu používa známy začiatok odpovede, zatiaľ čo dávkovanie sa týka odosielania práce, nie ďalšieho režimu uvažovania.
Hranice kontextu a edície
Písomnú úlohu, vizuálne materiály, konverzáciu a požadovanú odpoveď plánujte podľa zdokumentovaného kontextu 256k. Vydaný príklad použitia nastavuje kontext 262 144 tokenov, zatiaľ čo jeho príklad generovania s 1 024 tokenmi nie je samostatnou maximálnou kapacitou výstupu. Prečítané zdroje neposkytujú nezávislý pevný limit dĺžky odpovede, ktorým by sa nahradila zvolená dĺžka úlohy.
Small 4 má vlastnú architektúru zmesi expertov so 119 miliardami parametrov a hybridné režimy. Nemal by preberať hustú architektúru 128B modelu Medium 3.5 ani samostatné edície Instruct a Reasoning modelu Ministral 3. Výrobca vydáva aj samostatné kvantizované artefakty a artefakty špekulatívneho dekódovania; ide o samostatné artefakty nasadenia, nie odlišné modality obsahu. Zachovajte pomenované vydanie Small 4 a režim požadovaný pre skutočné vysvetlenie, štruktúrovaný záznam alebo výsledný kód.
POST /v1/messagestextjson, sse| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity mistralai/mistral-small-2603 | 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 $0.0003 / 1K tokenov Výstup · Výstupné tokeny $0.0012 / 1K tokenov Vstup · Čítanie cache $0.00003 / 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 $0.0003 / 1K tokenov Výstup · Výstupné tokeny $0.0012 / 1K tokenov Vstup · Čítanie cache $0.00003 / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
{\n "model": "mistralai/mistral-small-2603",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-small-2603', '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-small-2603', '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-small-2603
Použite cesty metód uvedené vyššie.
Technický príklad v angličtine
Repair a last-line parser\n\nThis Python parser loses a final line without a trailing newline: def lines(text):\n return text.split("\\n")[:-1]\nReturn a corrected function that preserves nonempty final lines, avoids an artificial last empty line when text ends in a newline and returns [] for empty text. Include tests for all three cases.A corrected Python function, a short explanation and tests for newline, no-newline and empty input.Check that the last real line is retained and that only a trailing separator’s artificial empty entry is removed.