Mistral Large je splošnonamenska večmodalna družina podjetja Mistral AI za zahtevno delo z dokumenti, programsko inženirstvo in agentske naloge. Large 4 združuje sledenje navodilom, sklepanje in uporabo orodij z izvornim vizualnim razumevanjem. Njegova drobnozrnata arhitektura mešanice ekspertov ima skupno 1,05 bilijona parametrov in 52 milijard aktivnih parametrov ter vidni kodirnik z 1,6 milijarde parametrov. Kontekstno okno Large 4 obsega 1M žetonov. Large 3 je ločena različica s skupno 675 milijardami parametrov, 41 milijardami aktivnih parametrov in kontekstnim oknom 256K.
Model dela s pisnimi nalogami in vizualnim gradivom ter ustvarja besedilo, kodo ali strukturirane rezultate. V postopku sklepanja Large 4 nastavitev minimalne intenzivnosti vrne odgovor neposredno, visoka intenzivnost pa pred končnim odgovorom vključi segment sklepanja. Celotna sporočila pomočnika ohranjajo kontinuiteto v nadaljnjih izmenjavah. Strukturiran izhod lahko uporablja JSON ali shemo po meri, aplikacija pa lahko poda predpono za nadzorovan začetek odgovora.
Klicanje funkcij povezuje analitično nalogo z zunanjimi podatki in dejanji. Podajte opise funkcij, vhodna polja in uporabnikov cilj. Model izbere funkcijo in pripravi argumente; aplikacija jo izvede, vrne rezultat in nadaljuje pogovor. Postopek lahko vključuje zaporedne klice ali več vzporednih klicev. Odgovarjanje na vprašanja o dokumentih združuje izluščevanje iz dokumenta z jezikovnim razumevanjem, paketna obdelava pa asinhrono obravnava zbirke zahtev. Razpoložljivost orodij in izvajanje zagotavlja aplikacija okoli modela.
Področja zmogljivosti Large 4 se začnejo z varnostno analizo: proizvajalec opisuje triažo zlonamerne programske opreme, prednostno razvrščanje ranljivosti in pripravo pravil zaznavanja za obrambno delo. Pri agentskem programiranju je poudarek na razumevanju repozitorija, spremembah programske opreme in zahtevnih terminalskih postopkih. Uporabna programska naloga določi prizadeto vedenje, vključene datoteke in odvisnosti ter preverjanja, ki bodo dokazala pravilen rezultat.
Pri splošnih agentskih postopkih lahko model zbira gradivo, uporablja povezana orodja in sestavlja izdelke, kot so dokumenti, preglednice in vsebina diapozitivov. Njegovo večmodalno delo zajema grafe, zahtevne strani, naravne prizore in tehnične risbe. Vizualno povezovanje z virom veže vprašanje na predmet ali območje; inženirska naloga lahko pregleda podano risbo, primerja vidne dele in vrne razlago, vezano na dokaze. Pri analizi dokumentov zahtevajte konkretno stran, tabelo ali odlomek, ki podpira vsak sklep.
Znanstvene in matematične uporabe vključujejo analizo podatkov, modeliranje, simulacijsko kodo in obsežne naloge uporabne matematike. Delo z znanjem vključuje urejanje dokumentov in preglednic ter primerjanje podatkov iz več virov. Naloga prek Ailoot API lahko določi uredljivo ogrodje poročila, strukturiran nabor ugotovitev ali kodo, ki jo aplikacija izvede in preveri. To so različni izhodi: razlaga odgovori na vprašanje, strukturiran rezultat posreduje podatke naprej, postopek z orodji pa uporabi aplikacijo za ustvarjanje ali posodobitev končnega izdelka.
Učenje Large 4 vključuje večjezično gradivo v več kot 160 jezikih, vključno z vsemi uradnimi jeziki Evropske unije. Njegovo naknadno učenje združuje nadzorovano dodatno učenje z učenjem s podkrepitvijo za sklepanje, znanstveno delo, uporabo orodij, dejstveno pravilnost in varnostno usklajevanje. Varnostno delo obravnava posredno vrivanje pozivov in zlonamerne zahteve s področja kibernetske varnosti. Izbira družine ostaja modelna linija, ki se posodablja: navedene številčne lastnosti arhitektur, kontekstna okna in vedenje sklepanja pripadajo izrecno poimenovanim različicam, ki ostanejo ločene pri izbiri fiksne različice.
", "aboutText": "Mistral Large je splošnonamenska večmodalna družina podjetja Mistral AI za zahtevno delo z dokumenti, programsko inženirstvo in agentske naloge. Large 4 združuje sledenje navodilom, sklepanje in uporabo orodij z izvornim vizualnim razumevanjem. Njegova drobnozrnata arhitektura mešanice ekspertov ima skupno 1,05 bilijona parametrov in 52 milijard aktivnih parametrov ter vidni kodirnik z 1,6 milijarde parametrov. Kontekstno okno Large 4 obsega 1M žetonov. Large 3 je ločena različica s skupno 675 milijardami parametrov, 41 milijardami aktivnih parametrov in kontekstnim oknom 256K.\n\nModel dela s pisnimi nalogami in vizualnim gradivom ter ustvarja besedilo, kodo ali strukturirane rezultate. V postopku sklepanja Large 4 nastavitev minimalne intenzivnosti vrne odgovor neposredno, visoka intenzivnost pa pred končnim odgovorom vključi segment sklepanja. Celotna sporočila pomočnika ohranjajo kontinuiteto v nadaljnjih izmenjavah. Strukturiran izhod lahko uporablja JSON ali shemo po meri, aplikacija pa lahko poda predpono za nadzorovan začetek odgovora.\n\nKlicanje funkcij povezuje analitično nalogo z zunanjimi podatki in dejanji. Podajte opise funkcij, vhodna polja in uporabnikov cilj. Model izbere funkcijo in pripravi argumente; aplikacija jo izvede, vrne rezultat in nadaljuje pogovor. Postopek lahko vključuje zaporedne klice ali več vzporednih klicev. Odgovarjanje na vprašanja o dokumentih združuje izluščevanje iz dokumenta z jezikovnim razumevanjem, paketna obdelava pa asinhrono obravnava zbirke zahtev. Razpoložljivost orodij in izvajanje zagotavlja aplikacija okoli modela.\n\nPodročja zmogljivosti Large 4 se začnejo z varnostno analizo: proizvajalec opisuje triažo zlonamerne programske opreme, prednostno razvrščanje ranljivosti in pripravo pravil zaznavanja za obrambno delo. Pri agentskem programiranju je poudarek na razumevanju repozitorija, spremembah programske opreme in zahtevnih terminalskih postopkih. Uporabna programska naloga določi prizadeto vedenje, vključene datoteke in odvisnosti ter preverjanja, ki bodo dokazala pravilen rezultat.\n\nPri splošnih agentskih postopkih lahko model zbira gradivo, uporablja povezana orodja in sestavlja izdelke, kot so dokumenti, preglednice in vsebina diapozitivov. Njegovo večmodalno delo zajema grafe, zahtevne strani, naravne prizore in tehnične risbe. Vizualno povezovanje z virom veže vprašanje na predmet ali območje; inženirska naloga lahko pregleda podano risbo, primerja vidne dele in vrne razlago, vezano na dokaze. Pri analizi dokumentov zahtevajte konkretno stran, tabelo ali odlomek, ki podpira vsak sklep.\n\nZnanstvene in matematične uporabe vključujejo analizo podatkov, modeliranje, simulacijsko kodo in obsežne naloge uporabne matematike. Delo z znanjem vključuje urejanje dokumentov in preglednic ter primerjanje podatkov iz več virov. Naloga prek Ailoot API lahko določi uredljivo ogrodje poročila, strukturiran nabor ugotovitev ali kodo, ki jo aplikacija izvede in preveri. To so različni izhodi: razlaga odgovori na vprašanje, strukturiran rezultat posreduje podatke naprej, postopek z orodji pa uporabi aplikacijo za ustvarjanje ali posodobitev končnega izdelka.\n\nUčenje Large 4 vključuje večjezično gradivo v več kot 160 jezikih, vključno z vsemi uradnimi jeziki Evropske unije. Njegovo naknadno učenje združuje nadzorovano dodatno učenje z učenjem s podkrepitvijo za sklepanje, znanstveno delo, uporabo orodij, dejstveno pravilnost in varnostno usklajevanje. Varnostno delo obravnava posredno vrivanje pozivov in zlonamerne zahteve s področja kibernetske varnosti. Izbira družine ostaja modelna linija, ki se posodablja: navedene številčne lastnosti arhitektur, kontekstna okna in vedenje sklepanja pripadajo izrecno poimenovanim različicam, ki ostanejo ločene pri izbiri fiksne različice.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
Find a report inconsistency\n\nReview these report sections. [Summary] The pilot covered 120 orders and had 6 returns. [Table] Delivered: 114; returned: 6; cancelled before dispatch: 5. Identify which totals can be reconciled and which scope is unclear. Draft a correction question for the report author, retaining section labels and avoiding an invented denominator.A source-linked finding table and a precise question about the order population and cancellations.Ensure the five cancellations are not silently added to or removed from the stated 120-order pilot.mistral-large-latestDružina Large podjetja Mistral AI združuje razumevanje dokumentov in slik s sklepanjem, programiranjem in postopki z orodji. Objavljene različice Large podpirajo strukturirane odgovore in delo z dolgim kontekstom, pri čemer sta arhitektura in velikost konteksta vezani na vsako poimenovano različico.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Mistral Large je splošnonamenska večmodalna družina podjetja Mistral AI za zahtevno delo z dokumenti, programsko inženirstvo in agentske naloge. Large 4 združuje sledenje navodilom, sklepanje in uporabo orodij z izvornim vizualnim razumevanjem. Njegova drobnozrnata arhitektura mešanice ekspertov ima skupno 1,05 bilijona parametrov in 52 milijard aktivnih parametrov ter vidni kodirnik z 1,6 milijarde parametrov. Kontekstno okno Large 4 obsega 1M žetonov. Large 3 je ločena različica s skupno 675 milijardami parametrov, 41 milijardami aktivnih parametrov in kontekstnim oknom 256K.
Model dela s pisnimi nalogami in vizualnim gradivom ter ustvarja besedilo, kodo ali strukturirane rezultate. V postopku sklepanja Large 4 nastavitev minimalne intenzivnosti vrne odgovor neposredno, visoka intenzivnost pa pred končnim odgovorom vključi segment sklepanja. Celotna sporočila pomočnika ohranjajo kontinuiteto v nadaljnjih izmenjavah. Strukturiran izhod lahko uporablja JSON ali shemo po meri, aplikacija pa lahko poda predpono za nadzorovan začetek odgovora.
Klicanje funkcij povezuje analitično nalogo z zunanjimi podatki in dejanji. Podajte opise funkcij, vhodna polja in uporabnikov cilj. Model izbere funkcijo in pripravi argumente; aplikacija jo izvede, vrne rezultat in nadaljuje pogovor. Postopek lahko vključuje zaporedne klice ali več vzporednih klicev. Odgovarjanje na vprašanja o dokumentih združuje izluščevanje iz dokumenta z jezikovnim razumevanjem, paketna obdelava pa asinhrono obravnava zbirke zahtev. Razpoložljivost orodij in izvajanje zagotavlja aplikacija okoli modela.
Področja zmogljivosti Large 4 se začnejo z varnostno analizo: proizvajalec opisuje triažo zlonamerne programske opreme, prednostno razvrščanje ranljivosti in pripravo pravil zaznavanja za obrambno delo. Pri agentskem programiranju je poudarek na razumevanju repozitorija, spremembah programske opreme in zahtevnih terminalskih postopkih. Uporabna programska naloga določi prizadeto vedenje, vključene datoteke in odvisnosti ter preverjanja, ki bodo dokazala pravilen rezultat.
Pri splošnih agentskih postopkih lahko model zbira gradivo, uporablja povezana orodja in sestavlja izdelke, kot so dokumenti, preglednice in vsebina diapozitivov. Njegovo večmodalno delo zajema grafe, zahtevne strani, naravne prizore in tehnične risbe. Vizualno povezovanje z virom veže vprašanje na predmet ali območje; inženirska naloga lahko pregleda podano risbo, primerja vidne dele in vrne razlago, vezano na dokaze. Pri analizi dokumentov zahtevajte konkretno stran, tabelo ali odlomek, ki podpira vsak sklep.
Znanstvene in matematične uporabe vključujejo analizo podatkov, modeliranje, simulacijsko kodo in obsežne naloge uporabne matematike. Delo z znanjem vključuje urejanje dokumentov in preglednic ter primerjanje podatkov iz več virov. Naloga prek Ailoot API lahko določi uredljivo ogrodje poročila, strukturiran nabor ugotovitev ali kodo, ki jo aplikacija izvede in preveri. To so različni izhodi: razlaga odgovori na vprašanje, strukturiran rezultat posreduje podatke naprej, postopek z orodji pa uporabi aplikacijo za ustvarjanje ali posodobitev končnega izdelka.
Učenje Large 4 vključuje večjezično gradivo v več kot 160 jezikih, vključno z vsemi uradnimi jeziki Evropske unije. Njegovo naknadno učenje združuje nadzorovano dodatno učenje z učenjem s podkrepitvijo za sklepanje, znanstveno delo, uporabo orodij, dejstveno pravilnost in varnostno usklajevanje. Varnostno delo obravnava posredno vrivanje pozivov in zlonamerne zahteve s področja kibernetske varnosti. Izbira družine ostaja modelna linija, ki se posodablja: navedene številčne lastnosti arhitektur, kontekstna okna in vedenje sklepanja pripadajo izrecno poimenovanim različicam, ki ostanejo ločene pri izbiri fiksne različice.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve mistral-large-latest | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.0044 / 1K žetonov Izhod · Izhodni žetoni $0.0132 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistral-large-latest", "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='mistral-large-latest',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='mistral-large-latest',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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra mistral-large-latest
Uporabite zgoraj navedene poti metod.
mistral-large-latestDružina Large podjetja Mistral AI združuje razumevanje dokumentov in slik s sklepanjem, programiranjem in postopki z orodji. Objavljene različice Large podpirajo strukturirane odgovore in delo z dolgim kontekstom, pri čemer sta arhitektura in velikost konteksta vezani na vsako poimenovano različico.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Mistral Large je splošnonamenska večmodalna družina podjetja Mistral AI za zahtevno delo z dokumenti, programsko inženirstvo in agentske naloge. Large 4 združuje sledenje navodilom, sklepanje in uporabo orodij z izvornim vizualnim razumevanjem. Njegova drobnozrnata arhitektura mešanice ekspertov ima skupno 1,05 bilijona parametrov in 52 milijard aktivnih parametrov ter vidni kodirnik z 1,6 milijarde parametrov. Kontekstno okno Large 4 obsega 1M žetonov. Large 3 je ločena različica s skupno 675 milijardami parametrov, 41 milijardami aktivnih parametrov in kontekstnim oknom 256K.
Model dela s pisnimi nalogami in vizualnim gradivom ter ustvarja besedilo, kodo ali strukturirane rezultate. V postopku sklepanja Large 4 nastavitev minimalne intenzivnosti vrne odgovor neposredno, visoka intenzivnost pa pred končnim odgovorom vključi segment sklepanja. Celotna sporočila pomočnika ohranjajo kontinuiteto v nadaljnjih izmenjavah. Strukturiran izhod lahko uporablja JSON ali shemo po meri, aplikacija pa lahko poda predpono za nadzorovan začetek odgovora.
Klicanje funkcij povezuje analitično nalogo z zunanjimi podatki in dejanji. Podajte opise funkcij, vhodna polja in uporabnikov cilj. Model izbere funkcijo in pripravi argumente; aplikacija jo izvede, vrne rezultat in nadaljuje pogovor. Postopek lahko vključuje zaporedne klice ali več vzporednih klicev. Odgovarjanje na vprašanja o dokumentih združuje izluščevanje iz dokumenta z jezikovnim razumevanjem, paketna obdelava pa asinhrono obravnava zbirke zahtev. Razpoložljivost orodij in izvajanje zagotavlja aplikacija okoli modela.
Področja zmogljivosti Large 4 se začnejo z varnostno analizo: proizvajalec opisuje triažo zlonamerne programske opreme, prednostno razvrščanje ranljivosti in pripravo pravil zaznavanja za obrambno delo. Pri agentskem programiranju je poudarek na razumevanju repozitorija, spremembah programske opreme in zahtevnih terminalskih postopkih. Uporabna programska naloga določi prizadeto vedenje, vključene datoteke in odvisnosti ter preverjanja, ki bodo dokazala pravilen rezultat.
Pri splošnih agentskih postopkih lahko model zbira gradivo, uporablja povezana orodja in sestavlja izdelke, kot so dokumenti, preglednice in vsebina diapozitivov. Njegovo večmodalno delo zajema grafe, zahtevne strani, naravne prizore in tehnične risbe. Vizualno povezovanje z virom veže vprašanje na predmet ali območje; inženirska naloga lahko pregleda podano risbo, primerja vidne dele in vrne razlago, vezano na dokaze. Pri analizi dokumentov zahtevajte konkretno stran, tabelo ali odlomek, ki podpira vsak sklep.
Znanstvene in matematične uporabe vključujejo analizo podatkov, modeliranje, simulacijsko kodo in obsežne naloge uporabne matematike. Delo z znanjem vključuje urejanje dokumentov in preglednic ter primerjanje podatkov iz več virov. Naloga prek Ailoot API lahko določi uredljivo ogrodje poročila, strukturiran nabor ugotovitev ali kodo, ki jo aplikacija izvede in preveri. To so različni izhodi: razlaga odgovori na vprašanje, strukturiran rezultat posreduje podatke naprej, postopek z orodji pa uporabi aplikacijo za ustvarjanje ali posodobitev končnega izdelka.
Učenje Large 4 vključuje večjezično gradivo v več kot 160 jezikih, vključno z vsemi uradnimi jeziki Evropske unije. Njegovo naknadno učenje združuje nadzorovano dodatno učenje z učenjem s podkrepitvijo za sklepanje, znanstveno delo, uporabo orodij, dejstveno pravilnost in varnostno usklajevanje. Varnostno delo obravnava posredno vrivanje pozivov in zlonamerne zahteve s področja kibernetske varnosti. Izbira družine ostaja modelna linija, ki se posodablja: navedene številčne lastnosti arhitektur, kontekstna okna in vedenje sklepanja pripadajo izrecno poimenovanim različicam, ki ostanejo ločene pri izbiri fiksne različice.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve mistral-large-latest | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.0044 / 1K žetonov Izhod · Izhodni žetoni $0.0132 / 1K žetonov Vhod · Branje predpomnilnika $0 / 1K žetonov Vhod · Zapis v predpomnilnik $0 / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "mistral-large-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mistral-large-latest', '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': 'mistral-large-latest', '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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra mistral-large-latest
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
Find a report inconsistency\n\nReview these report sections. [Summary] The pilot covered 120 orders and had 6 returns. [Table] Delivered: 114; returned: 6; cancelled before dispatch: 5. Identify which totals can be reconciled and which scope is unclear. Draft a correction question for the report author, retaining section labels and avoiding an invented denominator.A source-linked finding table and a precise question about the order population and cancellations.Ensure the five cancellations are not silently added to or removed from the stated 120-order pilot.