Pixtral Large 2411 är en multimodal modell med 124 miljarder parametrar från Mistral AI. Den kombinerar en avkodare på 123B med en bildkodare på 1B och bygger på Mistral Large 2. Tillverkaren beskriver förståelse av dokument, diagram och fotografier av verkliga motiv vid sidan av textuppgifter, med ett kontextfönster på 128K.
Märk varje bild och ange vilken detalj svaret ska undersöka. En diagramuppgift kan efterfråga den synliga trenden, relevanta etiketter och de värden som stöder en iakttagelse. För en dokumentbild kan du begära information från ett namngivet fält eller textavsnitt. Lägg till skriftlig bakgrund när den förklarar varför detaljen är viktig.
För flera bilder anger du vilka egenskaper som ska jämföras och ber om en separat iakttagelse för varje märkt källa. Håll svaret förankrat i det tillhandahållna materialet och behåll bild- eller sidetiketter tillsammans med den extraherade informationen. Kontrollera detaljerna mot originalet innan du använder dem i en annan åtgärd.
Välj de textavsnitt och bilder som är relevanta för den aktuella frågan. En genomgång kan efterfråga en förklaring av hur en figur hänger samman med den tillhörande texten. En jämförelse kan ange vilka aspekter som ska granskas i källorna och begära att de stödjande etiketterna anges intill resultaten.
Definiera det önskade resultatet och dess längd innan du skickar materialet. En kort beskrivning, en uppsättning extraherade fält eller en jämförelsetabell ger granskningen ett konkret mål. Bevara namn, mängder och källidentifierare som påverkar resultatet.
Tillverkaren rekommenderar en systemprompt som tydligt anger assistentens syfte. Ange uppgiftens villkor och önskad svarsstil uttryckligen, även när rollbeskrivningen är kort. Modellens dokumenterade instruktionsformat har en egen hantering av systemprompter vid direkt driftsättning av modellen.
Den namngivna värdbaserade profilen anger en kontext på 128 000 token. Anpassa relevant text, bilder och konversation till profilens tillgängliga utrymme och lämna plats för svaret. Bildförberedelse och gränser per begäran hör till driftkonfigurationen; tillverkarens exempel på antal bilder är exempel, inte allmänna gränser för varje endpoint.
", "aboutText": "Pixtral Large 2411 är en multimodal modell med 124 miljarder parametrar från Mistral AI. Den kombinerar en avkodare på 123B med en bildkodare på 1B och bygger på Mistral Large 2. Tillverkaren beskriver förståelse av dokument, diagram och fotografier av verkliga motiv vid sidan av textuppgifter, med ett kontextfönster på 128K.\n\n### Ställ en precis fråga om bildmaterialet\n\nMärk varje bild och ange vilken detalj svaret ska undersöka. En diagramuppgift kan efterfråga den synliga trenden, relevanta etiketter och de värden som stöder en iakttagelse. För en dokumentbild kan du begära information från ett namngivet fält eller textavsnitt. Lägg till skriftlig bakgrund när den förklarar varför detaljen är viktig.\n\nFör flera bilder anger du vilka egenskaper som ska jämföras och ber om en separat iakttagelse för varje märkt källa. Håll svaret förankrat i det tillhandahållna materialet och behåll bild- eller sidetiketter tillsammans med den extraherade informationen. Kontrollera detaljerna mot originalet innan du använder dem i en annan åtgärd.\n\n### Kombinera löptext och bilder i en uppgift\n\nVälj de textavsnitt och bilder som är relevanta för den aktuella frågan. En genomgång kan efterfråga en förklaring av hur en figur hänger samman med den tillhörande texten. En jämförelse kan ange vilka aspekter som ska granskas i källorna och begära att de stödjande etiketterna anges intill resultaten.\n\nDefiniera det önskade resultatet och dess längd innan du skickar materialet. En kort beskrivning, en uppsättning extraherade fält eller en jämförelsetabell ger granskningen ett konkret mål. Bevara namn, mängder och källidentifierare som påverkar resultatet.\n\n### Ange syftet och planera kontexten\n\nTillverkaren rekommenderar en systemprompt som tydligt anger assistentens syfte. Ange uppgiftens villkor och önskad svarsstil uttryckligen, även när rollbeskrivningen är kort. Modellens dokumenterade instruktionsformat har en egen hantering av systemprompter vid direkt driftsättning av modellen.\n\nDen namngivna värdbaserade profilen anger en kontext på 128 000 token. Anpassa relevant text, bilder och konversation till profilens tillgängliga utrymme och lämna plats för svaret. Bildförberedelse och gränser per begäran hör till driftkonfigurationen; tillverkarens exempel på antal bilder är exempel, inte allmänna gränser för varje endpoint.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Reconcile a chart caption with values\n\nCompare this transcribed figure with its accompanying prose. [FIGURE] January 100 cases; February 130; March 110. [CAPTION] Cases increased every month during the quarter. State whether the caption follows from the values, provide a more accurate one-sentence caption and list the values supporting it. Use the transcribed text only.A source-labeled consistency assessment, a corrected caption and the supporting values.Check the revised caption accounts for the February-to-March decrease.pixtral-large-2411Pixtral Large 2411 är Mistral AI:s multimodala modell för förståelse av text och bilder, däribland dokument, diagram och fotografier av verkliga motiv. Tillverkaren anger en avkodare på 123B, en bildkodare på 1B och ett kontextfönster på 128K; ge modellen en avgränsad fråga om bildmaterialet med tydligt märkta underlag.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Pixtral Large 2411 är en multimodal modell med 124 miljarder parametrar från Mistral AI. Den kombinerar en avkodare på 123B med en bildkodare på 1B och bygger på Mistral Large 2. Tillverkaren beskriver förståelse av dokument, diagram och fotografier av verkliga motiv vid sidan av textuppgifter, med ett kontextfönster på 128K.
Märk varje bild och ange vilken detalj svaret ska undersöka. En diagramuppgift kan efterfråga den synliga trenden, relevanta etiketter och de värden som stöder en iakttagelse. För en dokumentbild kan du begära information från ett namngivet fält eller textavsnitt. Lägg till skriftlig bakgrund när den förklarar varför detaljen är viktig.
För flera bilder anger du vilka egenskaper som ska jämföras och ber om en separat iakttagelse för varje märkt källa. Håll svaret förankrat i det tillhandahållna materialet och behåll bild- eller sidetiketter tillsammans med den extraherade informationen. Kontrollera detaljerna mot originalet innan du använder dem i en annan åtgärd.
Välj de textavsnitt och bilder som är relevanta för den aktuella frågan. En genomgång kan efterfråga en förklaring av hur en figur hänger samman med den tillhörande texten. En jämförelse kan ange vilka aspekter som ska granskas i källorna och begära att de stödjande etiketterna anges intill resultaten.
Definiera det önskade resultatet och dess längd innan du skickar materialet. En kort beskrivning, en uppsättning extraherade fält eller en jämförelsetabell ger granskningen ett konkret mål. Bevara namn, mängder och källidentifierare som påverkar resultatet.
Tillverkaren rekommenderar en systemprompt som tydligt anger assistentens syfte. Ange uppgiftens villkor och önskad svarsstil uttryckligen, även när rollbeskrivningen är kort. Modellens dokumenterade instruktionsformat har en egen hantering av systemprompter vid direkt driftsättning av modellen.
Den namngivna värdbaserade profilen anger en kontext på 128 000 token. Anpassa relevant text, bilder och konversation till profilens tillgängliga utrymme och lämna plats för svaret. Bildförberedelse och gränser per begäran hör till driftkonfigurationen; tillverkarens exempel på antal bilder är exempel, inte allmänna gränser för varje endpoint.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser pixtral-large-2411 | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.0044 / 1K token Utdata · Utdatatoken $0.0132 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "pixtral-large-2411", "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='pixtral-large-2411',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='pixtral-large-2411',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 pixtral-large-2411
Använd metodsökvägarna som visas ovan.
pixtral-large-2411Pixtral Large 2411 är Mistral AI:s multimodala modell för förståelse av text och bilder, däribland dokument, diagram och fotografier av verkliga motiv. Tillverkaren anger en avkodare på 123B, en bildkodare på 1B och ett kontextfönster på 128K; ge modellen en avgränsad fråga om bildmaterialet med tydligt märkta underlag.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Pixtral Large 2411 är en multimodal modell med 124 miljarder parametrar från Mistral AI. Den kombinerar en avkodare på 123B med en bildkodare på 1B och bygger på Mistral Large 2. Tillverkaren beskriver förståelse av dokument, diagram och fotografier av verkliga motiv vid sidan av textuppgifter, med ett kontextfönster på 128K.
Märk varje bild och ange vilken detalj svaret ska undersöka. En diagramuppgift kan efterfråga den synliga trenden, relevanta etiketter och de värden som stöder en iakttagelse. För en dokumentbild kan du begära information från ett namngivet fält eller textavsnitt. Lägg till skriftlig bakgrund när den förklarar varför detaljen är viktig.
För flera bilder anger du vilka egenskaper som ska jämföras och ber om en separat iakttagelse för varje märkt källa. Håll svaret förankrat i det tillhandahållna materialet och behåll bild- eller sidetiketter tillsammans med den extraherade informationen. Kontrollera detaljerna mot originalet innan du använder dem i en annan åtgärd.
Välj de textavsnitt och bilder som är relevanta för den aktuella frågan. En genomgång kan efterfråga en förklaring av hur en figur hänger samman med den tillhörande texten. En jämförelse kan ange vilka aspekter som ska granskas i källorna och begära att de stödjande etiketterna anges intill resultaten.
Definiera det önskade resultatet och dess längd innan du skickar materialet. En kort beskrivning, en uppsättning extraherade fält eller en jämförelsetabell ger granskningen ett konkret mål. Bevara namn, mängder och källidentifierare som påverkar resultatet.
Tillverkaren rekommenderar en systemprompt som tydligt anger assistentens syfte. Ange uppgiftens villkor och önskad svarsstil uttryckligen, även när rollbeskrivningen är kort. Modellens dokumenterade instruktionsformat har en egen hantering av systemprompter vid direkt driftsättning av modellen.
Den namngivna värdbaserade profilen anger en kontext på 128 000 token. Anpassa relevant text, bilder och konversation till profilens tillgängliga utrymme och lämna plats för svaret. Bildförberedelse och gränser per begäran hör till driftkonfigurationen; tillverkarens exempel på antal bilder är exempel, inte allmänna gränser för varje endpoint.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser pixtral-large-2411 | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.0044 / 1K token Utdata · Utdatatoken $0.0132 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "pixtral-large-2411",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'pixtral-large-2411', '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': 'pixtral-large-2411', '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 pixtral-large-2411
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Reconcile a chart caption with values\n\nCompare this transcribed figure with its accompanying prose. [FIGURE] January 100 cases; February 130; March 110. [CAPTION] Cases increased every month during the quarter. State whether the caption follows from the values, provide a more accurate one-sentence caption and list the values supporting it. Use the transcribed text only.A source-labeled consistency assessment, a corrected caption and the supporting values.Check the revised caption accounts for the February-to-March decrease.