Codestral 2508 är Mistral AI:s kodmodell för återkommande kompletterings- och genereringsuppgifter där svarstiden är viktig. Den tar emot källkod och textbaserade krav och returnerar text som kan innehålla en implementation, komplettering, korrigering eller förklaring. Den namngivna utgåvan 2508 fokuserar på utvecklarens aktuella redigeringskontext och är varken en inbäddningsmodell eller en komplett agent för kodarkiv i sig.
Kodkomplettering och uppdateringen 2508
Tillverkaren positionerar Codestral för fill-in-the-middle-komplettering och redigering av flera rader. Utgåvan beskriver förbättringar i kompletteringsbeteendet, bland annat minskad okontrollerad generering, tillsammans med förbättringar av instruktionsföljning och koduppgifter i chattläge. Detta är ändringar i den här Codestral-utgåvan; den omgivande kodningsstackens informationshämtning och autonoma agentfunktioner hör till separat namngivna komponenter.
För en kompletteringsuppgift håller du den relevanta funktionssignaturen, deklarationerna och anropskontexten tillsammans med markörpositionen. Ange om det önskade resultatet bara är den saknade koden eller en fullständigt reviderad funktion. En begäran avsedd för en kodredigerare kan exempelvis efterfråga en loopkropp som bevarar befintlig returtyp, behåller dubbla värden och inte ändrar anroparens indata. Resultatet får då en konkret infogningspunkt och ett definierat beteende.
Förberedelse för fill-in-the-middle
I tillverkarens FIM-gränssnitt innehåller prompten text eller kod som ska kompletteras, och ett valfritt suffix innehåller materialet efter luckan. När båda anges fyller modellen utrymmet mellan dem. Utan suffix fortsätter den från prompten. Detta skiljer sig från en vanlig samtalsbegäran om en kodändring och en förklaring; varje förberedelsesätt definierar ett eget kontrakt för utdata.
Användbara indata för att fylla en lucka innehåller funktionens början, koden som ska följa efter infogningen och eventuella relevanta typ- eller hjälpfunktionsdefinitioner. Bevara indrag och avgränsare så att den returnerade texten passar det befintliga fragmentet. Om uppgiften bara behöver den saknade funktionskroppen begär du den i stället för en omskrivning av hela filen. En separat chattfråga kan förklara varför det kompletterade fragmentet uppfyller kravet.
Den officiella FIM-dokumentationen tillåter en budget för utmatningstoken och kräver att prompten tillsammans med budgeten ryms inom modellens kontext. Den dokumenterar också stoppsekvenser och strömning av genererat innehåll. Välj ett kompletteringsflöde när resultatet måste passa kodluckan, och ett samtalsflöde när uppgiften efterfrågar kod tillsammans med en förklaring.
Kontext och stödfunktioner
Modellsidan anger ett kontextfönster på 128k token. Använd kontexten för att behålla källkoden och deklarationerna som bestämmer den avsedda ändringen, samtidigt som den faktiska redigeringsuppgiften hålls tydlig. För en felrättning tillhandahåller du den berörda funktionen, konkreta felutlösande indata, det förväntade resultatet och felet eller det observerade beteendet. Begär den föreslagna korrigeringen separat från förklaringen och exemplen.
Sidan listar också strukturerade utdata, funktionsanrop, förutsagda utdata, dokumentfrågor, svarsprefix och batchbearbetning tillsammans med chatt- och FIM-funktioner. För ett strukturerat kodgranskningsresultat definierar du fält som den berörda symbolen, den observerade avvikelsen, den föreslagna ändringen och det antagande som fortfarande behöver förtydligas. Mistrals vägledning för strukturerade utdata skiljer JSON-läge från ett anpassat schema, med det önskade JSON-formatet angivet i prompten.
Förutsagda utdata är avsedda för innehåll där stora delar av svaret redan är kända. De kan användas när ett dokument eller en kodfil återskapas med en begränsad ändring medan resten av innehållet behålls. Ange den exakta ändringen och materialet som ska bevaras. Ett svarsprefix ger i stället en känd början som genereringen fortsätter från; det skiljer sig både från en känd fullständig text och från ett FIM-suffix.
En dokumentationsfråga kan använda tillverkarens dokumentbearbetningsflöde för att förbereda text och struktur med OCR före språkmodellens analys. För programmeringsmaterial som redan finns som text tillhandahåller du relevanta dokumentationsavsnitt och frågar vilket villkor som styr implementationen. Håll varje extraherat krav kopplat till sitt källavsnitt så att den genererade koden eller förklaringen förblir knuten till den tillhandahållna specifikationen.
Verktyg och praktiska resultat
Funktionsanrop låter applikationen tillhandahålla beskrivna operationer och deras parametrar. Modellen förbereder ett anrop, applikationen kör det och det returnerade resultatet blir kontext för nästa svar. En kodassistent kan få ett uppslagningsresultat eller beräkningsresultat genom denna cykel, men att kompilera, testa eller tillämpa en föreslagen ändring kräver fortfarande den omgivande utvecklingsmiljön.
För en praktisk korrigering definierar du det publika gränssnitt som måste förbli kompatibelt och begär det reviderade fragmentet, en kort förklaring och exempelindata med förväntade utdata. För en genererad funktion anger du accepterade typer och gränsfall. För en förklaring tillhandahåller du de indata som ska följas steg för steg, så att svaret kopplar en konkret exekveringsväg till det returnerade värdet.
Codestral producerar text. Den ärver inte kodsökningsvektorer från Codestral Embed, automatisering av kodarkiv från Devstral eller bildgenerering från en bildmodell. Den specifika modellsidan för 2508 publicerar inget parameterantal eller separat maximal svarslängd som kan lånas från en annan utgåva. Bevara den namngivna utgåvan, kodningskontexten och den efterfrågade leveransen när du förbereder ett repeterbart arbetsflöde för kodredigerare eller chatt.
", "aboutText": "Codestral 2508 är Mistral AI:s kodmodell för återkommande kompletterings- och genereringsuppgifter där svarstiden är viktig. Den tar emot källkod och textbaserade krav och returnerar text som kan innehålla en implementation, komplettering, korrigering eller förklaring. Den namngivna utgåvan 2508 fokuserar på utvecklarens aktuella redigeringskontext och är varken en inbäddningsmodell eller en komplett agent för kodarkiv i sig.\n\nKodkomplettering och uppdateringen 2508\n\nTillverkaren positionerar Codestral för fill-in-the-middle-komplettering och redigering av flera rader. Utgåvan beskriver förbättringar i kompletteringsbeteendet, bland annat minskad okontrollerad generering, tillsammans med förbättringar av instruktionsföljning och koduppgifter i chattläge. Detta är ändringar i den här Codestral-utgåvan; den omgivande kodningsstackens informationshämtning och autonoma agentfunktioner hör till separat namngivna komponenter.\n\nFör en kompletteringsuppgift håller du den relevanta funktionssignaturen, deklarationerna och anropskontexten tillsammans med markörpositionen. Ange om det önskade resultatet bara är den saknade koden eller en fullständigt reviderad funktion. En begäran avsedd för en kodredigerare kan exempelvis efterfråga en loopkropp som bevarar befintlig returtyp, behåller dubbla värden och inte ändrar anroparens indata. Resultatet får då en konkret infogningspunkt och ett definierat beteende.\n\nFörberedelse för fill-in-the-middle\n\nI tillverkarens FIM-gränssnitt innehåller prompten text eller kod som ska kompletteras, och ett valfritt suffix innehåller materialet efter luckan. När båda anges fyller modellen utrymmet mellan dem. Utan suffix fortsätter den från prompten. Detta skiljer sig från en vanlig samtalsbegäran om en kodändring och en förklaring; varje förberedelsesätt definierar ett eget kontrakt för utdata.\n\nAnvändbara indata för att fylla en lucka innehåller funktionens början, koden som ska följa efter infogningen och eventuella relevanta typ- eller hjälpfunktionsdefinitioner. Bevara indrag och avgränsare så att den returnerade texten passar det befintliga fragmentet. Om uppgiften bara behöver den saknade funktionskroppen begär du den i stället för en omskrivning av hela filen. En separat chattfråga kan förklara varför det kompletterade fragmentet uppfyller kravet.\n\nDen officiella FIM-dokumentationen tillåter en budget för utmatningstoken och kräver att prompten tillsammans med budgeten ryms inom modellens kontext. Den dokumenterar också stoppsekvenser och strömning av genererat innehåll. Välj ett kompletteringsflöde när resultatet måste passa kodluckan, och ett samtalsflöde när uppgiften efterfrågar kod tillsammans med en förklaring.\n\nKontext och stödfunktioner\n\nModellsidan anger ett kontextfönster på 128k token. Använd kontexten för att behålla källkoden och deklarationerna som bestämmer den avsedda ändringen, samtidigt som den faktiska redigeringsuppgiften hålls tydlig. För en felrättning tillhandahåller du den berörda funktionen, konkreta felutlösande indata, det förväntade resultatet och felet eller det observerade beteendet. Begär den föreslagna korrigeringen separat från förklaringen och exemplen.\n\nSidan listar också strukturerade utdata, funktionsanrop, förutsagda utdata, dokumentfrågor, svarsprefix och batchbearbetning tillsammans med chatt- och FIM-funktioner. För ett strukturerat kodgranskningsresultat definierar du fält som den berörda symbolen, den observerade avvikelsen, den föreslagna ändringen och det antagande som fortfarande behöver förtydligas. Mistrals vägledning för strukturerade utdata skiljer JSON-läge från ett anpassat schema, med det önskade JSON-formatet angivet i prompten.\n\nFörutsagda utdata är avsedda för innehåll där stora delar av svaret redan är kända. De kan användas när ett dokument eller en kodfil återskapas med en begränsad ändring medan resten av innehållet behålls. Ange den exakta ändringen och materialet som ska bevaras. Ett svarsprefix ger i stället en känd början som genereringen fortsätter från; det skiljer sig både från en känd fullständig text och från ett FIM-suffix.\n\nEn dokumentationsfråga kan använda tillverkarens dokumentbearbetningsflöde för att förbereda text och struktur med OCR före språkmodellens analys. För programmeringsmaterial som redan finns som text tillhandahåller du relevanta dokumentationsavsnitt och frågar vilket villkor som styr implementationen. Håll varje extraherat krav kopplat till sitt källavsnitt så att den genererade koden eller förklaringen förblir knuten till den tillhandahållna specifikationen.\n\nVerktyg och praktiska resultat\n\nFunktionsanrop låter applikationen tillhandahålla beskrivna operationer och deras parametrar. Modellen förbereder ett anrop, applikationen kör det och det returnerade resultatet blir kontext för nästa svar. En kodassistent kan få ett uppslagningsresultat eller beräkningsresultat genom denna cykel, men att kompilera, testa eller tillämpa en föreslagen ändring kräver fortfarande den omgivande utvecklingsmiljön.\n\nFör en praktisk korrigering definierar du det publika gränssnitt som måste förbli kompatibelt och begär det reviderade fragmentet, en kort förklaring och exempelindata med förväntade utdata. För en genererad funktion anger du accepterade typer och gränsfall. För en förklaring tillhandahåller du de indata som ska följas steg för steg, så att svaret kopplar en konkret exekveringsväg till det returnerade värdet.\n\nCodestral producerar text. Den ärver inte kodsökningsvektorer från Codestral Embed, automatisering av kodarkiv från Devstral eller bildgenerering från en bildmodell. Den specifika modellsidan för 2508 publicerar inget parameterantal eller separat maximal svarslängd som kan lånas från en annan utgåva. Bevara den namngivna utgåvan, kodningskontexten och den efterfrågade leveransen när du förbereder ett repeterbart arbetsflöde för kodredigerare eller chatt.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Fill a nonmutating loop body\n\nComplete only the missing body in this Python function: 'def doubled(values):\n result = []\n # missing body\n return result'. It must append twice every input value, preserve order and duplicate values, and leave values unchanged. Return the indented insertion followed by assert tests for [2, 2, -1] and []. This is a chat completion request, not a FIM transport request.Only the missing indented loop body, then two tests verifying [4, 4, -2] and an empty result.The insertion fits before return result and never deduplicates or mutates the input.mistralai/codestral-2508Codestral 2508 är Mistral AI:s textmodell för kodgenerering och kontextmedveten komplettering. Den är optimerad för återkommande uppgifter i kodredigeraren, inklusive fill-in-the-middle och ändringar på flera rader, med en kontext på 128k token enligt tillverkaren och dokumenterade funktioner för chatt, strukturerade utdata och verktyg.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Codestral 2508 är Mistral AI:s kodmodell för återkommande kompletterings- och genereringsuppgifter där svarstiden är viktig. Den tar emot källkod och textbaserade krav och returnerar text som kan innehålla en implementation, komplettering, korrigering eller förklaring. Den namngivna utgåvan 2508 fokuserar på utvecklarens aktuella redigeringskontext och är varken en inbäddningsmodell eller en komplett agent för kodarkiv i sig.
Kodkomplettering och uppdateringen 2508
Tillverkaren positionerar Codestral för fill-in-the-middle-komplettering och redigering av flera rader. Utgåvan beskriver förbättringar i kompletteringsbeteendet, bland annat minskad okontrollerad generering, tillsammans med förbättringar av instruktionsföljning och koduppgifter i chattläge. Detta är ändringar i den här Codestral-utgåvan; den omgivande kodningsstackens informationshämtning och autonoma agentfunktioner hör till separat namngivna komponenter.
För en kompletteringsuppgift håller du den relevanta funktionssignaturen, deklarationerna och anropskontexten tillsammans med markörpositionen. Ange om det önskade resultatet bara är den saknade koden eller en fullständigt reviderad funktion. En begäran avsedd för en kodredigerare kan exempelvis efterfråga en loopkropp som bevarar befintlig returtyp, behåller dubbla värden och inte ändrar anroparens indata. Resultatet får då en konkret infogningspunkt och ett definierat beteende.
Förberedelse för fill-in-the-middle
I tillverkarens FIM-gränssnitt innehåller prompten text eller kod som ska kompletteras, och ett valfritt suffix innehåller materialet efter luckan. När båda anges fyller modellen utrymmet mellan dem. Utan suffix fortsätter den från prompten. Detta skiljer sig från en vanlig samtalsbegäran om en kodändring och en förklaring; varje förberedelsesätt definierar ett eget kontrakt för utdata.
Användbara indata för att fylla en lucka innehåller funktionens början, koden som ska följa efter infogningen och eventuella relevanta typ- eller hjälpfunktionsdefinitioner. Bevara indrag och avgränsare så att den returnerade texten passar det befintliga fragmentet. Om uppgiften bara behöver den saknade funktionskroppen begär du den i stället för en omskrivning av hela filen. En separat chattfråga kan förklara varför det kompletterade fragmentet uppfyller kravet.
Den officiella FIM-dokumentationen tillåter en budget för utmatningstoken och kräver att prompten tillsammans med budgeten ryms inom modellens kontext. Den dokumenterar också stoppsekvenser och strömning av genererat innehåll. Välj ett kompletteringsflöde när resultatet måste passa kodluckan, och ett samtalsflöde när uppgiften efterfrågar kod tillsammans med en förklaring.
Kontext och stödfunktioner
Modellsidan anger ett kontextfönster på 128k token. Använd kontexten för att behålla källkoden och deklarationerna som bestämmer den avsedda ändringen, samtidigt som den faktiska redigeringsuppgiften hålls tydlig. För en felrättning tillhandahåller du den berörda funktionen, konkreta felutlösande indata, det förväntade resultatet och felet eller det observerade beteendet. Begär den föreslagna korrigeringen separat från förklaringen och exemplen.
Sidan listar också strukturerade utdata, funktionsanrop, förutsagda utdata, dokumentfrågor, svarsprefix och batchbearbetning tillsammans med chatt- och FIM-funktioner. För ett strukturerat kodgranskningsresultat definierar du fält som den berörda symbolen, den observerade avvikelsen, den föreslagna ändringen och det antagande som fortfarande behöver förtydligas. Mistrals vägledning för strukturerade utdata skiljer JSON-läge från ett anpassat schema, med det önskade JSON-formatet angivet i prompten.
Förutsagda utdata är avsedda för innehåll där stora delar av svaret redan är kända. De kan användas när ett dokument eller en kodfil återskapas med en begränsad ändring medan resten av innehållet behålls. Ange den exakta ändringen och materialet som ska bevaras. Ett svarsprefix ger i stället en känd början som genereringen fortsätter från; det skiljer sig både från en känd fullständig text och från ett FIM-suffix.
En dokumentationsfråga kan använda tillverkarens dokumentbearbetningsflöde för att förbereda text och struktur med OCR före språkmodellens analys. För programmeringsmaterial som redan finns som text tillhandahåller du relevanta dokumentationsavsnitt och frågar vilket villkor som styr implementationen. Håll varje extraherat krav kopplat till sitt källavsnitt så att den genererade koden eller förklaringen förblir knuten till den tillhandahållna specifikationen.
Verktyg och praktiska resultat
Funktionsanrop låter applikationen tillhandahålla beskrivna operationer och deras parametrar. Modellen förbereder ett anrop, applikationen kör det och det returnerade resultatet blir kontext för nästa svar. En kodassistent kan få ett uppslagningsresultat eller beräkningsresultat genom denna cykel, men att kompilera, testa eller tillämpa en föreslagen ändring kräver fortfarande den omgivande utvecklingsmiljön.
För en praktisk korrigering definierar du det publika gränssnitt som måste förbli kompatibelt och begär det reviderade fragmentet, en kort förklaring och exempelindata med förväntade utdata. För en genererad funktion anger du accepterade typer och gränsfall. För en förklaring tillhandahåller du de indata som ska följas steg för steg, så att svaret kopplar en konkret exekveringsväg till det returnerade värdet.
Codestral producerar text. Den ärver inte kodsökningsvektorer från Codestral Embed, automatisering av kodarkiv från Devstral eller bildgenerering från en bildmodell. Den specifika modellsidan för 2508 publicerar inget parameterantal eller separat maximal svarslängd som kan lånas från en annan utgåva. Bevara den namngivna utgåvan, kodningskontexten och den efterfrågade leveransen när du förbereder ett repeterbart arbetsflöde för kodredigerare eller chatt.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser mistralai/codestral-2508 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.0018 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.0018 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/codestral-2508", "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/codestral-2508',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/codestral-2508',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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra mistralai/codestral-2508
Använd metodsökvägarna som visas ovan.
mistralai/codestral-2508Codestral 2508 är Mistral AI:s textmodell för kodgenerering och kontextmedveten komplettering. Den är optimerad för återkommande uppgifter i kodredigeraren, inklusive fill-in-the-middle och ändringar på flera rader, med en kontext på 128k token enligt tillverkaren och dokumenterade funktioner för chatt, strukturerade utdata och verktyg.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Codestral 2508 är Mistral AI:s kodmodell för återkommande kompletterings- och genereringsuppgifter där svarstiden är viktig. Den tar emot källkod och textbaserade krav och returnerar text som kan innehålla en implementation, komplettering, korrigering eller förklaring. Den namngivna utgåvan 2508 fokuserar på utvecklarens aktuella redigeringskontext och är varken en inbäddningsmodell eller en komplett agent för kodarkiv i sig.
Kodkomplettering och uppdateringen 2508
Tillverkaren positionerar Codestral för fill-in-the-middle-komplettering och redigering av flera rader. Utgåvan beskriver förbättringar i kompletteringsbeteendet, bland annat minskad okontrollerad generering, tillsammans med förbättringar av instruktionsföljning och koduppgifter i chattläge. Detta är ändringar i den här Codestral-utgåvan; den omgivande kodningsstackens informationshämtning och autonoma agentfunktioner hör till separat namngivna komponenter.
För en kompletteringsuppgift håller du den relevanta funktionssignaturen, deklarationerna och anropskontexten tillsammans med markörpositionen. Ange om det önskade resultatet bara är den saknade koden eller en fullständigt reviderad funktion. En begäran avsedd för en kodredigerare kan exempelvis efterfråga en loopkropp som bevarar befintlig returtyp, behåller dubbla värden och inte ändrar anroparens indata. Resultatet får då en konkret infogningspunkt och ett definierat beteende.
Förberedelse för fill-in-the-middle
I tillverkarens FIM-gränssnitt innehåller prompten text eller kod som ska kompletteras, och ett valfritt suffix innehåller materialet efter luckan. När båda anges fyller modellen utrymmet mellan dem. Utan suffix fortsätter den från prompten. Detta skiljer sig från en vanlig samtalsbegäran om en kodändring och en förklaring; varje förberedelsesätt definierar ett eget kontrakt för utdata.
Användbara indata för att fylla en lucka innehåller funktionens början, koden som ska följa efter infogningen och eventuella relevanta typ- eller hjälpfunktionsdefinitioner. Bevara indrag och avgränsare så att den returnerade texten passar det befintliga fragmentet. Om uppgiften bara behöver den saknade funktionskroppen begär du den i stället för en omskrivning av hela filen. En separat chattfråga kan förklara varför det kompletterade fragmentet uppfyller kravet.
Den officiella FIM-dokumentationen tillåter en budget för utmatningstoken och kräver att prompten tillsammans med budgeten ryms inom modellens kontext. Den dokumenterar också stoppsekvenser och strömning av genererat innehåll. Välj ett kompletteringsflöde när resultatet måste passa kodluckan, och ett samtalsflöde när uppgiften efterfrågar kod tillsammans med en förklaring.
Kontext och stödfunktioner
Modellsidan anger ett kontextfönster på 128k token. Använd kontexten för att behålla källkoden och deklarationerna som bestämmer den avsedda ändringen, samtidigt som den faktiska redigeringsuppgiften hålls tydlig. För en felrättning tillhandahåller du den berörda funktionen, konkreta felutlösande indata, det förväntade resultatet och felet eller det observerade beteendet. Begär den föreslagna korrigeringen separat från förklaringen och exemplen.
Sidan listar också strukturerade utdata, funktionsanrop, förutsagda utdata, dokumentfrågor, svarsprefix och batchbearbetning tillsammans med chatt- och FIM-funktioner. För ett strukturerat kodgranskningsresultat definierar du fält som den berörda symbolen, den observerade avvikelsen, den föreslagna ändringen och det antagande som fortfarande behöver förtydligas. Mistrals vägledning för strukturerade utdata skiljer JSON-läge från ett anpassat schema, med det önskade JSON-formatet angivet i prompten.
Förutsagda utdata är avsedda för innehåll där stora delar av svaret redan är kända. De kan användas när ett dokument eller en kodfil återskapas med en begränsad ändring medan resten av innehållet behålls. Ange den exakta ändringen och materialet som ska bevaras. Ett svarsprefix ger i stället en känd början som genereringen fortsätter från; det skiljer sig både från en känd fullständig text och från ett FIM-suffix.
En dokumentationsfråga kan använda tillverkarens dokumentbearbetningsflöde för att förbereda text och struktur med OCR före språkmodellens analys. För programmeringsmaterial som redan finns som text tillhandahåller du relevanta dokumentationsavsnitt och frågar vilket villkor som styr implementationen. Håll varje extraherat krav kopplat till sitt källavsnitt så att den genererade koden eller förklaringen förblir knuten till den tillhandahållna specifikationen.
Verktyg och praktiska resultat
Funktionsanrop låter applikationen tillhandahålla beskrivna operationer och deras parametrar. Modellen förbereder ett anrop, applikationen kör det och det returnerade resultatet blir kontext för nästa svar. En kodassistent kan få ett uppslagningsresultat eller beräkningsresultat genom denna cykel, men att kompilera, testa eller tillämpa en föreslagen ändring kräver fortfarande den omgivande utvecklingsmiljön.
För en praktisk korrigering definierar du det publika gränssnitt som måste förbli kompatibelt och begär det reviderade fragmentet, en kort förklaring och exempelindata med förväntade utdata. För en genererad funktion anger du accepterade typer och gränsfall. För en förklaring tillhandahåller du de indata som ska följas steg för steg, så att svaret kopplar en konkret exekveringsväg till det returnerade värdet.
Codestral producerar text. Den ärver inte kodsökningsvektorer från Codestral Embed, automatisering av kodarkiv från Devstral eller bildgenerering från en bildmodell. Den specifika modellsidan för 2508 publicerar inget parameterantal eller separat maximal svarslängd som kan lånas från en annan utgåva. Bevara den namngivna utgåvan, kodningskontexten och den efterfrågade leveransen när du förbereder ett repeterbart arbetsflöde för kodredigerare eller chatt.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser mistralai/codestral-2508 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.0018 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.0018 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "mistralai/codestral-2508",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/codestral-2508', '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/codestral-2508', '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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra mistralai/codestral-2508
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Fill a nonmutating loop body\n\nComplete only the missing body in this Python function: 'def doubled(values):\n result = []\n # missing body\n return result'. It must append twice every input value, preserve order and duplicate values, and leave values unchanged. Return the indented insertion followed by assert tests for [2, 2, -1] and []. This is a chat completion request, not a FIM transport request.Only the missing indented loop body, then two tests verifying [4, 4, -2] and an empty result.The insertion fits before return result and never deduplicates or mutates the input.