Mistral Medium 3.1 är en multimodal Mistral AI-utgåva för text- och bildförståelse. Tillverkaren beskriver revisionen som en förbättring av ton och prestanda inom Medium 3-serien. Den tar emot text och bilder och producerar text: en förklaring, ett svar om ett dokument, en strukturerad post eller ett föreslaget funktionsanrop. Tillverkarens fasta identifierare för utgåvan är mistral-medium-2508.
Kontext och den specifika utgåvan
Modellsidan dokumenterar ett kontextfönster på 128k token. Använd det för att hålla relaterade källavsnitt, bildunderlag, samtalet och användarens uppgift samlade. Identifiera dokumentens roller och frågan som ska besvaras innan du tillhandahåller en stor samling. En lång kontext kan stödja en fokuserad jämförelse medan den slutliga leveransen förblir en kort tabell eller ett reviderat avsnitt.
Medium 3.1 behåller sin egen specifikation. Kontexten på 256k token, den täta arkitekturen med 128 miljarder parametrar och de konfigurerbara hybridlägena för resonemang som beskrivs för Medium 3.5 ska inte tillskrivas den här posten. Sidan för 3.1 anger inget parameterantal eller separat siffra för maximal svarslängd som säkert kan ersättas med uppgiften från den senare modellen.
Strukturerade utdata och funktioner
Tillverkaren listar strukturerade utdata, funktionsanrop och förutsagda utdata bland utgåvans funktioner. För en strukturerad extraktionsuppgift definierar du obligatoriska fält, förväntade typer och hanteringen av information som saknas i källan. En post kan innehålla dokumentidentifieraren, den extraherade utsagan, dess källhänvisning och frågan som återstår. Begär enbart posten när ett program ska tolka den, eller håll en förklaring i löptext separat när någon måste granska tolkningen.
Mistrals gemensamma dokumentation för strukturerade utdata skiljer JSON-läge från ett anpassat schema. JSON-läge kräver en uttrycklig instruktion om önskat JSON-format, medan det anpassade alternativet definierar en mer specifik struktur. Detta är formatering av textresultatet, inte en ny innehållsmodalitet eller en extern åtgärd.
För funktioner definierar applikationen den tillgängliga operationen och argumenten, modellen väljer ett lämpligt anrop och förbereder värden, och applikationen kör det. Resultatet blir sedan information för nästa svar. En dokumentassistent kan använda en uppslagning för att få saknade referensdata, men bara om den omgivande applikationen tillhandahåller uppslagningen och returnerar dess faktiska resultat. Håll det föreslagna anropet och de returnerade uppgifterna kopplade till varandra.
Förutsagda ändringar och svarsprefix
Förutsagda utdata är användbara när det mesta av det önskade resultatet redan är känt, exempelvis ett dokument eller en kodfil som behöver en begränsad ändring. Tillhandahåll befintligt innehåll och beskriv ändringen exakt, inklusive vad som måste lämnas oförändrat. En begäran kan uppdatera terminologin i ett avsnitt eller ersätta en implementationsdetalj samtidigt som resten av dokumentet bevaras. Prediktionen innehåller förväntat utdatainnehåll snarare än en slutförd ändring som tillämpats på en fil.
Modellsidan listar också fortsättning från svarsprefix. I tillverkarens chattdokumentation anger ett prefix en känd början på assistentens svar, varefter genereringen fortsätter. En känd början och en förutsagd textkropp löser olika förberedelseproblem. Batchbearbetning och agent-/samtalsgränssnitt är likaså arbetsflödesfunktioner snarare än separata bild-, ljud- eller resonemangsutgåvor av Medium 3.1.
Dokument- och bildfrågor
Det listade Document QnA-flödet kombinerar OCR-förberedd text, struktur och formatering med språkmodellsanalys. Fråga om det specifika villkor, avsnitt eller samband som uppgiften kräver. En jämförelse kan identifiera källdokumenten och efterfråga gemensamma utsagor, konflikter och olösta detaljer, med en källhänvisning bevarad bredvid varje slutsats.
Tillverkarens bildguide inkluderar uttryckligen Medium 3.1. En direkt bildfråga kan innehålla ett läsbart diagram, en dokumentbild eller en skärmbild och fråga vilket synligt underlag som stöder en slutsats. Bevara axlar, enheter, etiketter och sammanhanget runt ett beskuret fält. Om flera bilder tillhandahålls identifierar du deras ordning och roll i stället för att låta modellen härleda vilken som är original, revision eller referens.
Kombinera exempelvis ett skriftligt processkrav med en skärmbild och begär en tabell över synliga överensstämmelser, skillnader och frågor som kräver mer information. En annan uppgift kan innehålla två versioner av ett dokument och efterfråga ett reviderat avsnitt som bevarar deras gemensamma villkor samtidigt som en namngiven motsägelse löses. Detta är föreslagna tillämpningar av de dokumenterade bild-, dokument- och redigeringsfunktionerna, med det nödvändiga resultatet definierat i förväg.
Förberedelse av den slutliga leveransen
Ge assistenten en tydlig roll, källmaterialet som ska användas och svarets form. Håll bestående svarsregler skilda från dokumentet som granskas och ange målspråk och terminologi. Ett användbart svar kan skilja ett extraherat faktum, dess källa och en tolkning åt, vilket gör det lättare att granska än en enda sammanslagen sammanfattning.
Det dokumenterade resultatet förblir text. Externa verktyg, filändringar och ytterligare dokumentbearbetning hör till applikationen som är ansluten till samtalet. Bevara den namngivna utgåvan Medium 3.1 och dess kontext på 128k token och begär förklaringen, den strukturerade posten eller den riktade revisionen som nästa steg faktiskt behöver.
", "aboutText": "Mistral Medium 3.1 är en multimodal Mistral AI-utgåva för text- och bildförståelse. Tillverkaren beskriver revisionen som en förbättring av ton och prestanda inom Medium 3-serien. Den tar emot text och bilder och producerar text: en förklaring, ett svar om ett dokument, en strukturerad post eller ett föreslaget funktionsanrop. Tillverkarens fasta identifierare för utgåvan är mistral-medium-2508.\n\nKontext och den specifika utgåvan\n\nModellsidan dokumenterar ett kontextfönster på 128k token. Använd det för att hålla relaterade källavsnitt, bildunderlag, samtalet och användarens uppgift samlade. Identifiera dokumentens roller och frågan som ska besvaras innan du tillhandahåller en stor samling. En lång kontext kan stödja en fokuserad jämförelse medan den slutliga leveransen förblir en kort tabell eller ett reviderat avsnitt.\n\nMedium 3.1 behåller sin egen specifikation. Kontexten på 256k token, den täta arkitekturen med 128 miljarder parametrar och de konfigurerbara hybridlägena för resonemang som beskrivs för Medium 3.5 ska inte tillskrivas den här posten. Sidan för 3.1 anger inget parameterantal eller separat siffra för maximal svarslängd som säkert kan ersättas med uppgiften från den senare modellen.\n\nStrukturerade utdata och funktioner\n\nTillverkaren listar strukturerade utdata, funktionsanrop och förutsagda utdata bland utgåvans funktioner. För en strukturerad extraktionsuppgift definierar du obligatoriska fält, förväntade typer och hanteringen av information som saknas i källan. En post kan innehålla dokumentidentifieraren, den extraherade utsagan, dess källhänvisning och frågan som återstår. Begär enbart posten när ett program ska tolka den, eller håll en förklaring i löptext separat när någon måste granska tolkningen.\n\nMistrals gemensamma dokumentation för strukturerade utdata skiljer JSON-läge från ett anpassat schema. JSON-läge kräver en uttrycklig instruktion om önskat JSON-format, medan det anpassade alternativet definierar en mer specifik struktur. Detta är formatering av textresultatet, inte en ny innehållsmodalitet eller en extern åtgärd.\n\nFör funktioner definierar applikationen den tillgängliga operationen och argumenten, modellen väljer ett lämpligt anrop och förbereder värden, och applikationen kör det. Resultatet blir sedan information för nästa svar. En dokumentassistent kan använda en uppslagning för att få saknade referensdata, men bara om den omgivande applikationen tillhandahåller uppslagningen och returnerar dess faktiska resultat. Håll det föreslagna anropet och de returnerade uppgifterna kopplade till varandra.\n\nFörutsagda ändringar och svarsprefix\n\nFörutsagda utdata är användbara när det mesta av det önskade resultatet redan är känt, exempelvis ett dokument eller en kodfil som behöver en begränsad ändring. Tillhandahåll befintligt innehåll och beskriv ändringen exakt, inklusive vad som måste lämnas oförändrat. En begäran kan uppdatera terminologin i ett avsnitt eller ersätta en implementationsdetalj samtidigt som resten av dokumentet bevaras. Prediktionen innehåller förväntat utdatainnehåll snarare än en slutförd ändring som tillämpats på en fil.\n\nModellsidan listar också fortsättning från svarsprefix. I tillverkarens chattdokumentation anger ett prefix en känd början på assistentens svar, varefter genereringen fortsätter. En känd början och en förutsagd textkropp löser olika förberedelseproblem. Batchbearbetning och agent-/samtalsgränssnitt är likaså arbetsflödesfunktioner snarare än separata bild-, ljud- eller resonemangsutgåvor av Medium 3.1.\n\nDokument- och bildfrågor\n\nDet listade Document QnA-flödet kombinerar OCR-förberedd text, struktur och formatering med språkmodellsanalys. Fråga om det specifika villkor, avsnitt eller samband som uppgiften kräver. En jämförelse kan identifiera källdokumenten och efterfråga gemensamma utsagor, konflikter och olösta detaljer, med en källhänvisning bevarad bredvid varje slutsats.\n\nTillverkarens bildguide inkluderar uttryckligen Medium 3.1. En direkt bildfråga kan innehålla ett läsbart diagram, en dokumentbild eller en skärmbild och fråga vilket synligt underlag som stöder en slutsats. Bevara axlar, enheter, etiketter och sammanhanget runt ett beskuret fält. Om flera bilder tillhandahålls identifierar du deras ordning och roll i stället för att låta modellen härleda vilken som är original, revision eller referens.\n\nKombinera exempelvis ett skriftligt processkrav med en skärmbild och begär en tabell över synliga överensstämmelser, skillnader och frågor som kräver mer information. En annan uppgift kan innehålla två versioner av ett dokument och efterfråga ett reviderat avsnitt som bevarar deras gemensamma villkor samtidigt som en namngiven motsägelse löses. Detta är föreslagna tillämpningar av de dokumenterade bild-, dokument- och redigeringsfunktionerna, med det nödvändiga resultatet definierat i förväg.\n\nFörberedelse av den slutliga leveransen\n\nGe assistenten en tydlig roll, källmaterialet som ska användas och svarets form. Håll bestående svarsregler skilda från dokumentet som granskas och ange målspråk och terminologi. Ett användbart svar kan skilja ett extraherat faktum, dess källa och en tolkning åt, vilket gör det lättare att granska än en enda sammanslagen sammanfattning.\n\nDet dokumenterade resultatet förblir text. Externa verktyg, filändringar och ytterligare dokumentbearbetning hör till applikationen som är ansluten till samtalet. Bevara den namngivna utgåvan Medium 3.1 och dess kontext på 128k token och begär förklaringen, den strukturerade posten eller den riktade revisionen som nästa steg faktiskt behöver.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "681a001f89137506510beed181edc45214a5103ef68706f950a28e103375cbf5", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "mistralai/mistral-medium-3.1:batchMistral Medium 3.1 är en modell för text och bilder, avsedd för samtalssvar, dokumentfrågor och strukturerad extraktion. Kontexten på 128k token enligt tillverkaren och listade funktioner för funktionsanrop, förutsagda utdata och prefix stöder källbaserade förklaringar och riktade redigeringsflöden.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Mistral Medium 3.1 är en multimodal Mistral AI-utgåva för text- och bildförståelse. Tillverkaren beskriver revisionen som en förbättring av ton och prestanda inom Medium 3-serien. Den tar emot text och bilder och producerar text: en förklaring, ett svar om ett dokument, en strukturerad post eller ett föreslaget funktionsanrop. Tillverkarens fasta identifierare för utgåvan är mistral-medium-2508.
Kontext och den specifika utgåvan
Modellsidan dokumenterar ett kontextfönster på 128k token. Använd det för att hålla relaterade källavsnitt, bildunderlag, samtalet och användarens uppgift samlade. Identifiera dokumentens roller och frågan som ska besvaras innan du tillhandahåller en stor samling. En lång kontext kan stödja en fokuserad jämförelse medan den slutliga leveransen förblir en kort tabell eller ett reviderat avsnitt.
Medium 3.1 behåller sin egen specifikation. Kontexten på 256k token, den täta arkitekturen med 128 miljarder parametrar och de konfigurerbara hybridlägena för resonemang som beskrivs för Medium 3.5 ska inte tillskrivas den här posten. Sidan för 3.1 anger inget parameterantal eller separat siffra för maximal svarslängd som säkert kan ersättas med uppgiften från den senare modellen.
Strukturerade utdata och funktioner
Tillverkaren listar strukturerade utdata, funktionsanrop och förutsagda utdata bland utgåvans funktioner. För en strukturerad extraktionsuppgift definierar du obligatoriska fält, förväntade typer och hanteringen av information som saknas i källan. En post kan innehålla dokumentidentifieraren, den extraherade utsagan, dess källhänvisning och frågan som återstår. Begär enbart posten när ett program ska tolka den, eller håll en förklaring i löptext separat när någon måste granska tolkningen.
Mistrals gemensamma dokumentation för strukturerade utdata skiljer JSON-läge från ett anpassat schema. JSON-läge kräver en uttrycklig instruktion om önskat JSON-format, medan det anpassade alternativet definierar en mer specifik struktur. Detta är formatering av textresultatet, inte en ny innehållsmodalitet eller en extern åtgärd.
För funktioner definierar applikationen den tillgängliga operationen och argumenten, modellen väljer ett lämpligt anrop och förbereder värden, och applikationen kör det. Resultatet blir sedan information för nästa svar. En dokumentassistent kan använda en uppslagning för att få saknade referensdata, men bara om den omgivande applikationen tillhandahåller uppslagningen och returnerar dess faktiska resultat. Håll det föreslagna anropet och de returnerade uppgifterna kopplade till varandra.
Förutsagda ändringar och svarsprefix
Förutsagda utdata är användbara när det mesta av det önskade resultatet redan är känt, exempelvis ett dokument eller en kodfil som behöver en begränsad ändring. Tillhandahåll befintligt innehåll och beskriv ändringen exakt, inklusive vad som måste lämnas oförändrat. En begäran kan uppdatera terminologin i ett avsnitt eller ersätta en implementationsdetalj samtidigt som resten av dokumentet bevaras. Prediktionen innehåller förväntat utdatainnehåll snarare än en slutförd ändring som tillämpats på en fil.
Modellsidan listar också fortsättning från svarsprefix. I tillverkarens chattdokumentation anger ett prefix en känd början på assistentens svar, varefter genereringen fortsätter. En känd början och en förutsagd textkropp löser olika förberedelseproblem. Batchbearbetning och agent-/samtalsgränssnitt är likaså arbetsflödesfunktioner snarare än separata bild-, ljud- eller resonemangsutgåvor av Medium 3.1.
Dokument- och bildfrågor
Det listade Document QnA-flödet kombinerar OCR-förberedd text, struktur och formatering med språkmodellsanalys. Fråga om det specifika villkor, avsnitt eller samband som uppgiften kräver. En jämförelse kan identifiera källdokumenten och efterfråga gemensamma utsagor, konflikter och olösta detaljer, med en källhänvisning bevarad bredvid varje slutsats.
Tillverkarens bildguide inkluderar uttryckligen Medium 3.1. En direkt bildfråga kan innehålla ett läsbart diagram, en dokumentbild eller en skärmbild och fråga vilket synligt underlag som stöder en slutsats. Bevara axlar, enheter, etiketter och sammanhanget runt ett beskuret fält. Om flera bilder tillhandahålls identifierar du deras ordning och roll i stället för att låta modellen härleda vilken som är original, revision eller referens.
Kombinera exempelvis ett skriftligt processkrav med en skärmbild och begär en tabell över synliga överensstämmelser, skillnader och frågor som kräver mer information. En annan uppgift kan innehålla två versioner av ett dokument och efterfråga ett reviderat avsnitt som bevarar deras gemensamma villkor samtidigt som en namngiven motsägelse löses. Detta är föreslagna tillämpningar av de dokumenterade bild-, dokument- och redigeringsfunktionerna, med det nödvändiga resultatet definierat i förväg.
Förberedelse av den slutliga leveransen
Ge assistenten en tydlig roll, källmaterialet som ska användas och svarets form. Håll bestående svarsregler skilda från dokumentet som granskas och ange målspråk och terminologi. Ett användbart svar kan skilja ett extraherat faktum, dess källa och en tolkning åt, vilket gör det lättare att granska än en enda sammanslagen sammanfattning.
Det dokumenterade resultatet förblir text. Externa verktyg, filändringar och ytterligare dokumentbearbetning hör till applikationen som är ansluten till samtalet. Bevara den namngivna utgåvan Medium 3.1 och dess kontext på 128k token och begär förklaringen, den strukturerade posten eller den riktade revisionen som nästa steg faktiskt behöver.
POST /v1/batchestexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältendpoint | Typstring | KravObligatoriskt | Värden & gränser /v1/chat/completions | Standard— |
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser mistralai/mistral-medium-3.1:batch | Standard— |
Fältrequests | Typbatch_item[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältrequests[].custom_id | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältrequests[].body.messages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältcompletion_window | Typstring | KravValfritt | Värden & gränser 24h | Standard— |
Fältprovider | Typobject|null | KravValfritt | Värden & gränser | Standard— |
Fältrequests[].body.model | Typstring | KravValfritt | Värden & gränser mistralai/mistral-medium-3.1:batch, mistralai/mistral-medium-3.1 | Standard— |
Fältprovider.only | Typstring[] | KravValfritt | Värden & gränser mistral | Standard— |
Fältprovider.allow_fallbacks | Typboolean|null | KravValfritt | Värden & gränser false, null | Standard— |
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalendpoint, model, requests |
Parametermaterial_types | Avtaltext |
Parameterrepresentation | AvtalInbäddade requests[]; varje objekt har custom_id och body |
Parameterrequest_endpoint_profile | Avtal/v1/chat/completions |
Parameterfile_material | AvtalDen anropande klienten kan läsa in faktiska UTF-8 JSONL-data lokalt i requests[]. Inget uppladdningssyfte, input_file_id eller någon filreferens används. Om kundmaterial saknas eller är tomt avbryts förberedelserna före POST. |
Parameterserialization_order | Avtalendpoint, model, provider (om angivet), completion_window (om angivet), requests sist |
Parameteroptional_controls | Avtalprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtalFörfrågningskroppar för Text Chat Completions i det dokumenterade inbäddade Batch-formatet. |
Livscykel: asynchronous
GET /v1/batches/{operation_id} · Det faktiska response.id från det ursprungliga skapandesvaret; samma användare/nyckel/grupp
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 $0.0004 / 1K token Utdata · Utdatatoken $0.002 / 1K token Indata · Cacheläsning $0.00004 / 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 $0.0004 / 1K token Utdata · Utdatatoken $0.002 / 1K token Indata · Cacheläsning $0.00004 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"mistralai/mistral-medium-3.1:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['mistralai/mistral-medium-3.1:batch', 'mistralai/mistral-medium-3.1']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"mistralai/mistral-medium-3.1:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON i inbäddade results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBehåll varje fullständigt returnerat svar, fil och innehållsdel.
Spara hela det ursprungliga statusobjektet i JSON, varje resultat/custom_id och hela svars- eller felkroppen. Spara slutförda results[] som JSONL utan filtrering.
Behåll det ursprungliga operations-ID:t. Vid 503 result_pending_check gäller X-Should-Retry:false; skicka aldrig om en ursprunglig batch med okänt utfall.
| Fält | Typ |
|---|---|
Fältresults[].custom_id | Typstring |
Fältresults[].response.body.choices[].message.content | Typstring|null |
Fältresults[].error | Typobject|null |
Fältusage | Typobject|null |
Fältid | Typstring |
Fältmodel | Typstring |
Fältendpoint | Typstring |
Fältstatus | Typstring |
Fältrequest_counts | Typobject |
Fältresults[].id | Typstring |
Fältresults[].response.status_code | Typinteger |
Fältresults[].response.request_id | Typstring |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorFörfrågan har ett ogiltigt inbäddat format enligt dokumentationen, duplicerade nycklar eller en felaktig objektidentitet, eller står i konflikt med modellens konfigurerade funktioner. | Nästa stegRätta de angivna fälten innan du skickar en ny förfrågan. |
Svar401 · authentication_error | VillkorOgiltig API-nyckel. | Nästa stegAnvänd den behöriga Ailoot-nyckeln. |
Svar403 · permission_error | VillkorGrupp för batchkörning är inte tillgänglig. | Nästa stegKontrollera nyckelns/gruppens behörighet. |
Svar422 · invalid_request_error | VillkorBatchkörning debiteras från saldot; skapande via abonnemang avvisas. | Nästa stegAnvänd den behöriga gruppen med saldodebitering. |
Svar422 · price_unavailable | VillkorKostnaden för batchindata kan inte beräknas i förväg. | Nästa stegSpara svaret; använd det dokumenterade indataformatet för API-familjen. |
Svar402 · billing_error | VillkorReservation för batchkörning är inte tillgänglig. | Nästa stegSe till att villkoren för att godta förfrågan är uppfyllda innan du skickar en ny. |
Svar503 · price_unavailable | VillkorPriset för batchmetoden eller de inbyggda priserna är inte tillgängliga. | Nästa stegSpara svaret; ersätt inte priserna med andra. |
Svar503 · api_error | VillkorDen exakta leverantörsrutten är inte tillgänglig. | Nästa stegSpara svaret för att kunna reparera routningen. |
Svar503 · result_pending_check | VillkorDet ursprungliga resultatet behöver kontrolleras; X-Should-Retry:false. | Nästa stegBehåll det ursprungliga värdet för operation_id/id och läs av operationens status; upprepa aldrig det ursprungliga POST-anropet. |
Svar404 · not_found | VillkorOperationen för batchstatus saknas eller tillhör en annan identitet. | Nästa stegAnvänd exakt det ursprungliga id-värdet och samma användare/nyckel/grupp. |
Ailoot Ultra mistralai/mistral-medium-3.1:batch
Använd metodsökvägarna som visas ovan.