Mistral Small 3.2 24B Instruct 2506 är en riktad uppdatering av Mistral Small 3.1 24B Instruct 2503. Tillverkaren identifierar tre specifika ändringar: närmare följsamhet till precisa instruktioner, färre upprepande eller okontrollerade svar och en robustare mall för funktionsanrop. Modellen förblir en instruktionsanpassad modell för text och bilder som genererar text, snarare än en ny utgåva för ljud- eller bildgenerering.
Vad som ändras och vad som förs vidare
Modellkortet för 3.2 anger uttryckligen att dess nyckelfunktioner är desamma som i den namngivna utgåvan Small 3.1. Funktionerna omfattar bildförståelse, flerspråkigt arbete, stöd för systemprompt, inbyggda funktionsanrop, JSON-utdata och ett kontextfönster på 128k token. Det hänvisade modellkortet för 3.1 beskriver en modell med 24 miljarder parametrar och en Tekken-tokenizer med en vokabulär märkt 131k. Den dokumenterade kopplingen stöder att dessa funktioner förs vidare till 3.2, samtidigt som uppdateringen 2506 bevaras som en egen utgåva.
Fokuset på instruktionsföljning är viktigt när resultatet har flera exakta krav. Tillhandahåll källmaterialet, lista reglerna som utdata måste uppfylla och ange leveransen som ska returneras. En begäran om dokumentextraktion kan kräva angivna fält, ursprungliga identifierare, en definierad representation för saknade värden och ingen löptext utanför posten. En skrivuppgift kan kräva en viss målgrupp och avsnittsordning samtidigt som tillhandahållna villkor bevaras oförändrade.
Ändringen av upprepningar gäller genereringsbeteendet och tillför inte ett nytt resonemangsläge. För ett långt svar definierar du obligatoriska avsnitt och syftet med vart och ett så att begäran får en tydlig slutpunkt. Ändringen av funktionsmallen gäller hur samtal med verktygsstöd representeras; använd samtals- och tokenizerinställningarna för den matchande utgåvan i stället för att behandla ett äldre formateringsexempel som utbytbart.
Bild- och flerspråkiga uppgifter
Den ärvda bildfunktionen gör det möjligt att kombinera en textfråga med en bild. Tillhandahåll en läsbar sida, ett diagram eller en schematisk bild och identifiera detaljen som uppgiften behöver. För en diagramjämförelse bevarar du axlar, enheter och teckenförklaring och begär observationen som stöder varje slutsats. För ett dokumentfält behåller du etiketten och det omgivande sammanhanget så att det returnerade värdet kan tolkas korrekt.
Den dokumenterade språktäckningen omfattar ryska, engelska, franska, tyska, spanska, italienska, portugisiska, kinesiska, japanska, koreanska, arabiska, farsi, hindi, bengali och andra språk som tillverkaren listar. Ange målspråket och eventuell terminologi som ska lämnas oförändrad. En tvåspråkig dokumentuppgift kan bevara identifierare och enheter samtidigt som den omgivande förklaringen anpassas till läsaren.
För en praktisk bildextraktion begär du dokumentidentifieraren, fältetiketten, den extraherade texten och den del av bilden som stöder den. En förklaring kan följa separat om läsaren behöver en tolkning. Detta hindrar avskrift, strukturerade fält och modellens slutsats från att bli ett enda oskiljbart resultat.
Systeminstruktioner och verktyg
Modellkortet för 3.2 rekommenderar en systemprompt anpassad till användningsfallet och en relativt låg temperatur, som 0.15. Ange assistentens roll, svarsregler och hantering av källmaterial uttryckligen. Placera det faktiska dokumentet eller koden tillsammans med användaruppgiften och bevara gränsen mellan instruktioner om svaret och instruktioner som citeras i källan.
Funktionsanrop kräver att applikationen tillhandahåller verktygsbeskrivningar och obligatoriska argument. Modellen förbereder ett anrop, applikationen kör funktionen och returnerar resultatet, och nästa svar använder informationen. De publicerade exemplen omfattar visuellt resonemang, verktygsanrop och instruktioner med enbart text. En uppslagningsuppgift kan därför be modellen välja en beskriven operation medan den faktiska uppslagningen och resultatet lämnas till den omgivande applikationen.
För en kodbegäran tillhandahåller du den relevanta funktionen, indata som visar problemet och beteendet som ska uppstå. Begär en föreslagen korrigering med originalgränssnittet bevarat och därefter exempel som skiljer det avsedda beteendet från andra beteenden. För en matematisk begäran definierar du variabler och antaganden och begär de viktiga motiverade stegen och ett separat slutligt uttryck. Detta är tillämpningar av de ärvda programmerings- och resonemangsfunktionerna; körning av föreslagen kod förblir ett separat steg.
Kontextens och utgåvans gränser
Använd fönstret på 128k token för källavsnitt, bilder, samtal och det förväntade svaret tillsammans. En jämförelse av stora dokument kan behålla relaterade avsnitt och samtidigt returnera en kort matris med slutsatser. Ett stort konfigurerat bildutrymme eller genereringsvärde i ett driftsexempel är inte en oberoende angiven maximal kapacitet hos modellen.
Small 3.2 är en instruktionsuppdatering med dokumenterad bildindata, inte den textbaserade Small 3 2501 eller hybridutgåvan Small 4 för resonemang. Tillverkarens modellkort anger ingen separat strikt gräns för utmatningstoken för den här posten. Bevara dess exakta identitet 2506 och formatering och definiera den strukturerade post, förklaring eller det kodförslag som nästa steg behöver.
", "aboutText": "Mistral Small 3.2 24B Instruct 2506 är en riktad uppdatering av Mistral Small 3.1 24B Instruct 2503. Tillverkaren identifierar tre specifika ändringar: närmare följsamhet till precisa instruktioner, färre upprepande eller okontrollerade svar och en robustare mall för funktionsanrop. Modellen förblir en instruktionsanpassad modell för text och bilder som genererar text, snarare än en ny utgåva för ljud- eller bildgenerering.\n\nVad som ändras och vad som förs vidare\n\nModellkortet för 3.2 anger uttryckligen att dess nyckelfunktioner är desamma som i den namngivna utgåvan Small 3.1. Funktionerna omfattar bildförståelse, flerspråkigt arbete, stöd för systemprompt, inbyggda funktionsanrop, JSON-utdata och ett kontextfönster på 128k token. Det hänvisade modellkortet för 3.1 beskriver en modell med 24 miljarder parametrar och en Tekken-tokenizer med en vokabulär märkt 131k. Den dokumenterade kopplingen stöder att dessa funktioner förs vidare till 3.2, samtidigt som uppdateringen 2506 bevaras som en egen utgåva.\n\nFokuset på instruktionsföljning är viktigt när resultatet har flera exakta krav. Tillhandahåll källmaterialet, lista reglerna som utdata måste uppfylla och ange leveransen som ska returneras. En begäran om dokumentextraktion kan kräva angivna fält, ursprungliga identifierare, en definierad representation för saknade värden och ingen löptext utanför posten. En skrivuppgift kan kräva en viss målgrupp och avsnittsordning samtidigt som tillhandahållna villkor bevaras oförändrade.\n\nÄndringen av upprepningar gäller genereringsbeteendet och tillför inte ett nytt resonemangsläge. För ett långt svar definierar du obligatoriska avsnitt och syftet med vart och ett så att begäran får en tydlig slutpunkt. Ändringen av funktionsmallen gäller hur samtal med verktygsstöd representeras; använd samtals- och tokenizerinställningarna för den matchande utgåvan i stället för att behandla ett äldre formateringsexempel som utbytbart.\n\nBild- och flerspråkiga uppgifter\n\nDen ärvda bildfunktionen gör det möjligt att kombinera en textfråga med en bild. Tillhandahåll en läsbar sida, ett diagram eller en schematisk bild och identifiera detaljen som uppgiften behöver. För en diagramjämförelse bevarar du axlar, enheter och teckenförklaring och begär observationen som stöder varje slutsats. För ett dokumentfält behåller du etiketten och det omgivande sammanhanget så att det returnerade värdet kan tolkas korrekt.\n\nDen dokumenterade språktäckningen omfattar ryska, engelska, franska, tyska, spanska, italienska, portugisiska, kinesiska, japanska, koreanska, arabiska, farsi, hindi, bengali och andra språk som tillverkaren listar. Ange målspråket och eventuell terminologi som ska lämnas oförändrad. En tvåspråkig dokumentuppgift kan bevara identifierare och enheter samtidigt som den omgivande förklaringen anpassas till läsaren.\n\nFör en praktisk bildextraktion begär du dokumentidentifieraren, fältetiketten, den extraherade texten och den del av bilden som stöder den. En förklaring kan följa separat om läsaren behöver en tolkning. Detta hindrar avskrift, strukturerade fält och modellens slutsats från att bli ett enda oskiljbart resultat.\n\nSysteminstruktioner och verktyg\n\nModellkortet för 3.2 rekommenderar en systemprompt anpassad till användningsfallet och en relativt låg temperatur, som 0.15. Ange assistentens roll, svarsregler och hantering av källmaterial uttryckligen. Placera det faktiska dokumentet eller koden tillsammans med användaruppgiften och bevara gränsen mellan instruktioner om svaret och instruktioner som citeras i källan.\n\nFunktionsanrop kräver att applikationen tillhandahåller verktygsbeskrivningar och obligatoriska argument. Modellen förbereder ett anrop, applikationen kör funktionen och returnerar resultatet, och nästa svar använder informationen. De publicerade exemplen omfattar visuellt resonemang, verktygsanrop och instruktioner med enbart text. En uppslagningsuppgift kan därför be modellen välja en beskriven operation medan den faktiska uppslagningen och resultatet lämnas till den omgivande applikationen.\n\nFör en kodbegäran tillhandahåller du den relevanta funktionen, indata som visar problemet och beteendet som ska uppstå. Begär en föreslagen korrigering med originalgränssnittet bevarat och därefter exempel som skiljer det avsedda beteendet från andra beteenden. För en matematisk begäran definierar du variabler och antaganden och begär de viktiga motiverade stegen och ett separat slutligt uttryck. Detta är tillämpningar av de ärvda programmerings- och resonemangsfunktionerna; körning av föreslagen kod förblir ett separat steg.\n\nKontextens och utgåvans gränser\n\nAnvänd fönstret på 128k token för källavsnitt, bilder, samtal och det förväntade svaret tillsammans. En jämförelse av stora dokument kan behålla relaterade avsnitt och samtidigt returnera en kort matris med slutsatser. Ett stort konfigurerat bildutrymme eller genereringsvärde i ett driftsexempel är inte en oberoende angiven maximal kapacitet hos modellen.\n\nSmall 3.2 är en instruktionsuppdatering med dokumenterad bildindata, inte den textbaserade Small 3 2501 eller hybridutgåvan Small 4 för resonemang. Tillverkarens modellkort anger ingen separat strikt gräns för utmatningstoken för den här posten. Bevara dess exakta identitet 2506 och formatering och definiera den strukturerade post, förklaring eller det kodförslag som nästa steg behöver.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.mistralai/mistral-small-3.2-24b-instructMistral Small 3.2 24B Instruct är en instruktionsmodell för text och bilder med en kontext på 128k token enligt tillverkaren. Uppdateringen 2506 förbättrar särskilt precis instruktionsföljning, minskar upprepningar och stärker mallen för funktionsanrop samtidigt som kärnfunktionerna från Small 3.1 behålls.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Mistral Small 3.2 24B Instruct 2506 är en riktad uppdatering av Mistral Small 3.1 24B Instruct 2503. Tillverkaren identifierar tre specifika ändringar: närmare följsamhet till precisa instruktioner, färre upprepande eller okontrollerade svar och en robustare mall för funktionsanrop. Modellen förblir en instruktionsanpassad modell för text och bilder som genererar text, snarare än en ny utgåva för ljud- eller bildgenerering.
Vad som ändras och vad som förs vidare
Modellkortet för 3.2 anger uttryckligen att dess nyckelfunktioner är desamma som i den namngivna utgåvan Small 3.1. Funktionerna omfattar bildförståelse, flerspråkigt arbete, stöd för systemprompt, inbyggda funktionsanrop, JSON-utdata och ett kontextfönster på 128k token. Det hänvisade modellkortet för 3.1 beskriver en modell med 24 miljarder parametrar och en Tekken-tokenizer med en vokabulär märkt 131k. Den dokumenterade kopplingen stöder att dessa funktioner förs vidare till 3.2, samtidigt som uppdateringen 2506 bevaras som en egen utgåva.
Fokuset på instruktionsföljning är viktigt när resultatet har flera exakta krav. Tillhandahåll källmaterialet, lista reglerna som utdata måste uppfylla och ange leveransen som ska returneras. En begäran om dokumentextraktion kan kräva angivna fält, ursprungliga identifierare, en definierad representation för saknade värden och ingen löptext utanför posten. En skrivuppgift kan kräva en viss målgrupp och avsnittsordning samtidigt som tillhandahållna villkor bevaras oförändrade.
Ändringen av upprepningar gäller genereringsbeteendet och tillför inte ett nytt resonemangsläge. För ett långt svar definierar du obligatoriska avsnitt och syftet med vart och ett så att begäran får en tydlig slutpunkt. Ändringen av funktionsmallen gäller hur samtal med verktygsstöd representeras; använd samtals- och tokenizerinställningarna för den matchande utgåvan i stället för att behandla ett äldre formateringsexempel som utbytbart.
Bild- och flerspråkiga uppgifter
Den ärvda bildfunktionen gör det möjligt att kombinera en textfråga med en bild. Tillhandahåll en läsbar sida, ett diagram eller en schematisk bild och identifiera detaljen som uppgiften behöver. För en diagramjämförelse bevarar du axlar, enheter och teckenförklaring och begär observationen som stöder varje slutsats. För ett dokumentfält behåller du etiketten och det omgivande sammanhanget så att det returnerade värdet kan tolkas korrekt.
Den dokumenterade språktäckningen omfattar ryska, engelska, franska, tyska, spanska, italienska, portugisiska, kinesiska, japanska, koreanska, arabiska, farsi, hindi, bengali och andra språk som tillverkaren listar. Ange målspråket och eventuell terminologi som ska lämnas oförändrad. En tvåspråkig dokumentuppgift kan bevara identifierare och enheter samtidigt som den omgivande förklaringen anpassas till läsaren.
För en praktisk bildextraktion begär du dokumentidentifieraren, fältetiketten, den extraherade texten och den del av bilden som stöder den. En förklaring kan följa separat om läsaren behöver en tolkning. Detta hindrar avskrift, strukturerade fält och modellens slutsats från att bli ett enda oskiljbart resultat.
Systeminstruktioner och verktyg
Modellkortet för 3.2 rekommenderar en systemprompt anpassad till användningsfallet och en relativt låg temperatur, som 0.15. Ange assistentens roll, svarsregler och hantering av källmaterial uttryckligen. Placera det faktiska dokumentet eller koden tillsammans med användaruppgiften och bevara gränsen mellan instruktioner om svaret och instruktioner som citeras i källan.
Funktionsanrop kräver att applikationen tillhandahåller verktygsbeskrivningar och obligatoriska argument. Modellen förbereder ett anrop, applikationen kör funktionen och returnerar resultatet, och nästa svar använder informationen. De publicerade exemplen omfattar visuellt resonemang, verktygsanrop och instruktioner med enbart text. En uppslagningsuppgift kan därför be modellen välja en beskriven operation medan den faktiska uppslagningen och resultatet lämnas till den omgivande applikationen.
För en kodbegäran tillhandahåller du den relevanta funktionen, indata som visar problemet och beteendet som ska uppstå. Begär en föreslagen korrigering med originalgränssnittet bevarat och därefter exempel som skiljer det avsedda beteendet från andra beteenden. För en matematisk begäran definierar du variabler och antaganden och begär de viktiga motiverade stegen och ett separat slutligt uttryck. Detta är tillämpningar av de ärvda programmerings- och resonemangsfunktionerna; körning av föreslagen kod förblir ett separat steg.
Kontextens och utgåvans gränser
Använd fönstret på 128k token för källavsnitt, bilder, samtal och det förväntade svaret tillsammans. En jämförelse av stora dokument kan behålla relaterade avsnitt och samtidigt returnera en kort matris med slutsatser. Ett stort konfigurerat bildutrymme eller genereringsvärde i ett driftsexempel är inte en oberoende angiven maximal kapacitet hos modellen.
Small 3.2 är en instruktionsuppdatering med dokumenterad bildindata, inte den textbaserade Small 3 2501 eller hybridutgåvan Small 4 för resonemang. Tillverkarens modellkort anger ingen separat strikt gräns för utmatningstoken för den här posten. Bevara dess exakta identitet 2506 och formatering och definiera den strukturerade post, förklaring eller det kodförslag som nästa steg behöver.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K token Utdata · Utdatatoken $0.0006 / 1K token Indata · Cacheläsning $0.00002 / 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 $0.0002 / 1K token Utdata · Utdatatoken $0.0006 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-small-3.2-24b-instruct", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-small-3.2-24b-instruct',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-small-3.2-24b-instruct',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/mistral-small-3.2-24b-instruct
Använd metodsökvägarna som visas ovan.
mistralai/mistral-small-3.2-24b-instructMistral Small 3.2 24B Instruct är en instruktionsmodell för text och bilder med en kontext på 128k token enligt tillverkaren. Uppdateringen 2506 förbättrar särskilt precis instruktionsföljning, minskar upprepningar och stärker mallen för funktionsanrop samtidigt som kärnfunktionerna från Small 3.1 behålls.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Mistral Small 3.2 24B Instruct 2506 är en riktad uppdatering av Mistral Small 3.1 24B Instruct 2503. Tillverkaren identifierar tre specifika ändringar: närmare följsamhet till precisa instruktioner, färre upprepande eller okontrollerade svar och en robustare mall för funktionsanrop. Modellen förblir en instruktionsanpassad modell för text och bilder som genererar text, snarare än en ny utgåva för ljud- eller bildgenerering.
Vad som ändras och vad som förs vidare
Modellkortet för 3.2 anger uttryckligen att dess nyckelfunktioner är desamma som i den namngivna utgåvan Small 3.1. Funktionerna omfattar bildförståelse, flerspråkigt arbete, stöd för systemprompt, inbyggda funktionsanrop, JSON-utdata och ett kontextfönster på 128k token. Det hänvisade modellkortet för 3.1 beskriver en modell med 24 miljarder parametrar och en Tekken-tokenizer med en vokabulär märkt 131k. Den dokumenterade kopplingen stöder att dessa funktioner förs vidare till 3.2, samtidigt som uppdateringen 2506 bevaras som en egen utgåva.
Fokuset på instruktionsföljning är viktigt när resultatet har flera exakta krav. Tillhandahåll källmaterialet, lista reglerna som utdata måste uppfylla och ange leveransen som ska returneras. En begäran om dokumentextraktion kan kräva angivna fält, ursprungliga identifierare, en definierad representation för saknade värden och ingen löptext utanför posten. En skrivuppgift kan kräva en viss målgrupp och avsnittsordning samtidigt som tillhandahållna villkor bevaras oförändrade.
Ändringen av upprepningar gäller genereringsbeteendet och tillför inte ett nytt resonemangsläge. För ett långt svar definierar du obligatoriska avsnitt och syftet med vart och ett så att begäran får en tydlig slutpunkt. Ändringen av funktionsmallen gäller hur samtal med verktygsstöd representeras; använd samtals- och tokenizerinställningarna för den matchande utgåvan i stället för att behandla ett äldre formateringsexempel som utbytbart.
Bild- och flerspråkiga uppgifter
Den ärvda bildfunktionen gör det möjligt att kombinera en textfråga med en bild. Tillhandahåll en läsbar sida, ett diagram eller en schematisk bild och identifiera detaljen som uppgiften behöver. För en diagramjämförelse bevarar du axlar, enheter och teckenförklaring och begär observationen som stöder varje slutsats. För ett dokumentfält behåller du etiketten och det omgivande sammanhanget så att det returnerade värdet kan tolkas korrekt.
Den dokumenterade språktäckningen omfattar ryska, engelska, franska, tyska, spanska, italienska, portugisiska, kinesiska, japanska, koreanska, arabiska, farsi, hindi, bengali och andra språk som tillverkaren listar. Ange målspråket och eventuell terminologi som ska lämnas oförändrad. En tvåspråkig dokumentuppgift kan bevara identifierare och enheter samtidigt som den omgivande förklaringen anpassas till läsaren.
För en praktisk bildextraktion begär du dokumentidentifieraren, fältetiketten, den extraherade texten och den del av bilden som stöder den. En förklaring kan följa separat om läsaren behöver en tolkning. Detta hindrar avskrift, strukturerade fält och modellens slutsats från att bli ett enda oskiljbart resultat.
Systeminstruktioner och verktyg
Modellkortet för 3.2 rekommenderar en systemprompt anpassad till användningsfallet och en relativt låg temperatur, som 0.15. Ange assistentens roll, svarsregler och hantering av källmaterial uttryckligen. Placera det faktiska dokumentet eller koden tillsammans med användaruppgiften och bevara gränsen mellan instruktioner om svaret och instruktioner som citeras i källan.
Funktionsanrop kräver att applikationen tillhandahåller verktygsbeskrivningar och obligatoriska argument. Modellen förbereder ett anrop, applikationen kör funktionen och returnerar resultatet, och nästa svar använder informationen. De publicerade exemplen omfattar visuellt resonemang, verktygsanrop och instruktioner med enbart text. En uppslagningsuppgift kan därför be modellen välja en beskriven operation medan den faktiska uppslagningen och resultatet lämnas till den omgivande applikationen.
För en kodbegäran tillhandahåller du den relevanta funktionen, indata som visar problemet och beteendet som ska uppstå. Begär en föreslagen korrigering med originalgränssnittet bevarat och därefter exempel som skiljer det avsedda beteendet från andra beteenden. För en matematisk begäran definierar du variabler och antaganden och begär de viktiga motiverade stegen och ett separat slutligt uttryck. Detta är tillämpningar av de ärvda programmerings- och resonemangsfunktionerna; körning av föreslagen kod förblir ett separat steg.
Kontextens och utgåvans gränser
Använd fönstret på 128k token för källavsnitt, bilder, samtal och det förväntade svaret tillsammans. En jämförelse av stora dokument kan behålla relaterade avsnitt och samtidigt returnera en kort matris med slutsatser. Ett stort konfigurerat bildutrymme eller genereringsvärde i ett driftsexempel är inte en oberoende angiven maximal kapacitet hos modellen.
Small 3.2 är en instruktionsuppdatering med dokumenterad bildindata, inte den textbaserade Small 3 2501 eller hybridutgåvan Small 4 för resonemang. Tillverkarens modellkort anger ingen separat strikt gräns för utmatningstoken för den här posten. Bevara dess exakta identitet 2506 och formatering och definiera den strukturerade post, förklaring eller det kodförslag som nästa steg behöver.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser mistralai/mistral-small-3.2-24b-instruct | 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 $0.0002 / 1K token Utdata · Utdatatoken $0.0006 / 1K token Indata · Cacheläsning $0.00002 / 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 $0.0002 / 1K token Utdata · Utdatatoken $0.0006 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "mistralai/mistral-small-3.2-24b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-small-3.2-24b-instruct', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-small-3.2-24b-instruct', '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/mistral-small-3.2-24b-instruct
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Extract exactly the requested fields\n\nRead this note: 'Service case C-52. Customer: Dana Lee. Device: Lamp Mini. Reported problem: switches off after ten minutes.' Return exactly four labelled lines, in this order: Case ID, Device, Problem, Purchase date. Use unknown for missing information. Omit the customer's name and all introductory or closing prose.Exactly four labelled lines containing source-derived values or unknown, in the requested order.Purchase date is unknown, Dana Lee is omitted, and there are no extra lines.