Pixtral Large är Mistral AI:s multimodala modell byggd på Mistral Large 2. Den kombinerar en multimodal avkodare med 123 miljarder parametrar med en bildkodare med en miljard parametrar, vilket ger en modell med 124 miljarder parametrar. Syftet är att behålla omfattande språkförmåga och samtidigt förstå det visuella underlag som behövs för ett svar: en dokumentsida, ett diagram, ett fotografi eller en skärmbild. Indata kan kombinera text och bilder; resultatet är text.
Mistral beskriver ett kontextfönster på 128K token och anger att det kan rymma minst 30 högupplösta bilder. Uppgiften beskriver kontextkapacitet, inte en allmän inställning för antal bilder per begäran. Den praktiska nyttan är att kunna relatera flera visuella källor till en fråga. En användbar jämförelseuppgift kan tillhandahålla märkta sidor från två rapporter och fråga vilka siffror, etiketter och slutsatser som skiljer sig åt. Håll frågetexten, varje bilds roll och den önskade svarsstrukturen tillsammans.
Tillverkaren illustrerar flerspråkig textläsning, dokumentfrågor, diagramtolkning och vanlig bildförståelse. För en dokumentassistent ber du om synliga fältnamn och värden, en beskrivning av sidlayouten eller en förklaring som kopplar formuleringarna till en tabell eller figur. För ett diagram anger du vilka axlar, serier eller intervall som ska undersökas. En exempelbegäran är: ”Jämför dessa diagram. Skilj värden som kan avläsas direkt från tolkningar, identifiera förändringen som visas och lista den information som behövs för att kontrollera slutsatsen.” Resultatet kan vara en fälttabell, en uppsättning observationer eller en skriftlig förklaring.
Modellkortet ägnar särskild uppmärksamhet åt systemprompten. Mistral rekommenderar att ta med en instruktion som anger assistentens syfte, även om den är kort. Detta är användbart för en visuell uppgift eftersom samma bild kan stödja olika arbeten: extrahera poster, beskriva en scen, förklara ett diagram eller jämföra det med ett skriftligt krav. Ange uppgiften och reglerna för osäkra eller oläsliga detaljer. När du tillhandahåller flera bilder märker du dem och anger deras ordning eller inbördes relation så att svaret kan koppla observationer till rätt material.
Mistrals modellsida listar frågor om dokument, strukturerade utdata och funktionsanrop. Tillverkarens gränssnitt stöder även batchbearbetning. Vägledningen för strukturerade utdata skiljer ett JSON-objektformat från ett eget schema; JSON-läget kräver fortfarande en uttrycklig instruktion att producera JSON. För extrahering definierar du fälten, hur saknade värden ska behandlas och skillnaden mellan avskriven text och en slutsats. Ett strukturerat svar är användbart när en applikation behöver bearbeta resultatet, medan en fri förklaring är användbar när en person behöver förstå resonemanget bakom det.
För funktionsanrop tillhandahåller applikationen verktygsdefinitioner och modellen föreslår en funktion med argument. I Mistrals arbetsflöde utför sedan applikationen åtgärden och skickar tillbaka resultatet innan modellen skriver det uppföljande svaret. Ett dokumentflöde kan använda ett verktyg för att slå upp en identifierare som lästs från en bild och sedan begära en förklaring med den returnerade posten. Den visuella modellen får inte godtycklig åtkomst till externa data bara för att en bild nämner en post: den tillåtna åtgärden och dess resultat kommer från applikationen.
Tillverkaren listar även funktioner för förutsagda utdata och prefix. Förutsagda utdata låter anroparen tillhandahålla förväntad text när ett dokument eller en kodfil genereras om med en liten ändring; ett prefix definierar svarets inledande text. Dessa är separata kontroller för förberedelse, inte ytterligare visuella modaliteter. Det användbara resultatet är fortfarande en textbeskrivning, extrahering eller förklaring, inte en nygenererad bild. Välj tydliga källbilder, ange vad som måste bevaras och kontrollera viktiga avläsningar mot originalsidan.
Beteckningen latest är ett familjealias, medan Pixtral-Large-Instruct-2411 är den fasta tillverkarutgåva som dokumenteras av modellkortet. Håll namnen åtskilda när du förbereder en upprepningsbar uppgift. Den publicerade kontextsiffran beskriver tillverkarens modell; de lästa sidorna fastställer ingen separat allmän gräns för antal utdatatoken. Välj bilduppsättning, textfråga och önskad svarslängd tillsammans och håll versionsspecifika gränser per begäran åtskilda från de allmänna visuella förmågor som beskrivs här.
", "aboutText": "Pixtral Large är Mistral AI:s multimodala modell byggd på Mistral Large 2. Den kombinerar en multimodal avkodare med 123 miljarder parametrar med en bildkodare med en miljard parametrar, vilket ger en modell med 124 miljarder parametrar. Syftet är att behålla omfattande språkförmåga och samtidigt förstå det visuella underlag som behövs för ett svar: en dokumentsida, ett diagram, ett fotografi eller en skärmbild. Indata kan kombinera text och bilder; resultatet är text.\n\nMistral beskriver ett kontextfönster på 128K token och anger att det kan rymma minst 30 högupplösta bilder. Uppgiften beskriver kontextkapacitet, inte en allmän inställning för antal bilder per begäran. Den praktiska nyttan är att kunna relatera flera visuella källor till en fråga. En användbar jämförelseuppgift kan tillhandahålla märkta sidor från två rapporter och fråga vilka siffror, etiketter och slutsatser som skiljer sig åt. Håll frågetexten, varje bilds roll och den önskade svarsstrukturen tillsammans.\n\nTillverkaren illustrerar flerspråkig textläsning, dokumentfrågor, diagramtolkning och vanlig bildförståelse. För en dokumentassistent ber du om synliga fältnamn och värden, en beskrivning av sidlayouten eller en förklaring som kopplar formuleringarna till en tabell eller figur. För ett diagram anger du vilka axlar, serier eller intervall som ska undersökas. En exempelbegäran är: ”Jämför dessa diagram. Skilj värden som kan avläsas direkt från tolkningar, identifiera förändringen som visas och lista den information som behövs för att kontrollera slutsatsen.” Resultatet kan vara en fälttabell, en uppsättning observationer eller en skriftlig förklaring.\n\nModellkortet ägnar särskild uppmärksamhet åt systemprompten. Mistral rekommenderar att ta med en instruktion som anger assistentens syfte, även om den är kort. Detta är användbart för en visuell uppgift eftersom samma bild kan stödja olika arbeten: extrahera poster, beskriva en scen, förklara ett diagram eller jämföra det med ett skriftligt krav. Ange uppgiften och reglerna för osäkra eller oläsliga detaljer. När du tillhandahåller flera bilder märker du dem och anger deras ordning eller inbördes relation så att svaret kan koppla observationer till rätt material.\n\nMistrals modellsida listar frågor om dokument, strukturerade utdata och funktionsanrop. Tillverkarens gränssnitt stöder även batchbearbetning. Vägledningen för strukturerade utdata skiljer ett JSON-objektformat från ett eget schema; JSON-läget kräver fortfarande en uttrycklig instruktion att producera JSON. För extrahering definierar du fälten, hur saknade värden ska behandlas och skillnaden mellan avskriven text och en slutsats. Ett strukturerat svar är användbart när en applikation behöver bearbeta resultatet, medan en fri förklaring är användbar när en person behöver förstå resonemanget bakom det.\n\nFör funktionsanrop tillhandahåller applikationen verktygsdefinitioner och modellen föreslår en funktion med argument. I Mistrals arbetsflöde utför sedan applikationen åtgärden och skickar tillbaka resultatet innan modellen skriver det uppföljande svaret. Ett dokumentflöde kan använda ett verktyg för att slå upp en identifierare som lästs från en bild och sedan begära en förklaring med den returnerade posten. Den visuella modellen får inte godtycklig åtkomst till externa data bara för att en bild nämner en post: den tillåtna åtgärden och dess resultat kommer från applikationen.\n\nTillverkaren listar även funktioner för förutsagda utdata och prefix. Förutsagda utdata låter anroparen tillhandahålla förväntad text när ett dokument eller en kodfil genereras om med en liten ändring; ett prefix definierar svarets inledande text. Dessa är separata kontroller för förberedelse, inte ytterligare visuella modaliteter. Det användbara resultatet är fortfarande en textbeskrivning, extrahering eller förklaring, inte en nygenererad bild. Välj tydliga källbilder, ange vad som måste bevaras och kontrollera viktiga avläsningar mot originalsidan.\n\nBeteckningen latest är ett familjealias, medan Pixtral-Large-Instruct-2411 är den fasta tillverkarutgåva som dokumenteras av modellkortet. Håll namnen åtskilda när du förbereder en upprepningsbar uppgift. Den publicerade kontextsiffran beskriver tillverkarens modell; de lästa sidorna fastställer ingen separat allmän gräns för antal utdatatoken. Välj bilduppsättning, textfråga och önskad svarslängd tillsammans och håll versionsspecifika gränser per begäran åtskilda från de allmänna visuella förmågor som beskrivs här.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.pixtral-large-latestPixtral Large kombinerar Mistrals språkförmågor med bildförståelse för dokument, diagram och fotografier. Den producerar textsvar och stöder strukturerade resultat och applikationsdefinierade verktyg i tillverkarens dokumenterade gränssnitt.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Pixtral Large är Mistral AI:s multimodala modell byggd på Mistral Large 2. Den kombinerar en multimodal avkodare med 123 miljarder parametrar med en bildkodare med en miljard parametrar, vilket ger en modell med 124 miljarder parametrar. Syftet är att behålla omfattande språkförmåga och samtidigt förstå det visuella underlag som behövs för ett svar: en dokumentsida, ett diagram, ett fotografi eller en skärmbild. Indata kan kombinera text och bilder; resultatet är text.
Mistral beskriver ett kontextfönster på 128K token och anger att det kan rymma minst 30 högupplösta bilder. Uppgiften beskriver kontextkapacitet, inte en allmän inställning för antal bilder per begäran. Den praktiska nyttan är att kunna relatera flera visuella källor till en fråga. En användbar jämförelseuppgift kan tillhandahålla märkta sidor från två rapporter och fråga vilka siffror, etiketter och slutsatser som skiljer sig åt. Håll frågetexten, varje bilds roll och den önskade svarsstrukturen tillsammans.
Tillverkaren illustrerar flerspråkig textläsning, dokumentfrågor, diagramtolkning och vanlig bildförståelse. För en dokumentassistent ber du om synliga fältnamn och värden, en beskrivning av sidlayouten eller en förklaring som kopplar formuleringarna till en tabell eller figur. För ett diagram anger du vilka axlar, serier eller intervall som ska undersökas. En exempelbegäran är: ”Jämför dessa diagram. Skilj värden som kan avläsas direkt från tolkningar, identifiera förändringen som visas och lista den information som behövs för att kontrollera slutsatsen.” Resultatet kan vara en fälttabell, en uppsättning observationer eller en skriftlig förklaring.
Modellkortet ägnar särskild uppmärksamhet åt systemprompten. Mistral rekommenderar att ta med en instruktion som anger assistentens syfte, även om den är kort. Detta är användbart för en visuell uppgift eftersom samma bild kan stödja olika arbeten: extrahera poster, beskriva en scen, förklara ett diagram eller jämföra det med ett skriftligt krav. Ange uppgiften och reglerna för osäkra eller oläsliga detaljer. När du tillhandahåller flera bilder märker du dem och anger deras ordning eller inbördes relation så att svaret kan koppla observationer till rätt material.
Mistrals modellsida listar frågor om dokument, strukturerade utdata och funktionsanrop. Tillverkarens gränssnitt stöder även batchbearbetning. Vägledningen för strukturerade utdata skiljer ett JSON-objektformat från ett eget schema; JSON-läget kräver fortfarande en uttrycklig instruktion att producera JSON. För extrahering definierar du fälten, hur saknade värden ska behandlas och skillnaden mellan avskriven text och en slutsats. Ett strukturerat svar är användbart när en applikation behöver bearbeta resultatet, medan en fri förklaring är användbar när en person behöver förstå resonemanget bakom det.
För funktionsanrop tillhandahåller applikationen verktygsdefinitioner och modellen föreslår en funktion med argument. I Mistrals arbetsflöde utför sedan applikationen åtgärden och skickar tillbaka resultatet innan modellen skriver det uppföljande svaret. Ett dokumentflöde kan använda ett verktyg för att slå upp en identifierare som lästs från en bild och sedan begära en förklaring med den returnerade posten. Den visuella modellen får inte godtycklig åtkomst till externa data bara för att en bild nämner en post: den tillåtna åtgärden och dess resultat kommer från applikationen.
Tillverkaren listar även funktioner för förutsagda utdata och prefix. Förutsagda utdata låter anroparen tillhandahålla förväntad text när ett dokument eller en kodfil genereras om med en liten ändring; ett prefix definierar svarets inledande text. Dessa är separata kontroller för förberedelse, inte ytterligare visuella modaliteter. Det användbara resultatet är fortfarande en textbeskrivning, extrahering eller förklaring, inte en nygenererad bild. Välj tydliga källbilder, ange vad som måste bevaras och kontrollera viktiga avläsningar mot originalsidan.
Beteckningen latest är ett familjealias, medan Pixtral-Large-Instruct-2411 är den fasta tillverkarutgåva som dokumenteras av modellkortet. Håll namnen åtskilda när du förbereder en upprepningsbar uppgift. Den publicerade kontextsiffran beskriver tillverkarens modell; de lästa sidorna fastställer ingen separat allmän gräns för antal utdatatoken. Välj bilduppsättning, textfråga och önskad svarslängd tillsammans och håll versionsspecifika gränser per begäran åtskilda från de allmänna visuella förmågor som beskrivs här.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser pixtral-large-latest | 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-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='pixtral-large-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='pixtral-large-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-latest
Använd metodsökvägarna som visas ovan.
pixtral-large-latestPixtral Large kombinerar Mistrals språkförmågor med bildförståelse för dokument, diagram och fotografier. Den producerar textsvar och stöder strukturerade resultat och applikationsdefinierade verktyg i tillverkarens dokumenterade gränssnitt.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Pixtral Large är Mistral AI:s multimodala modell byggd på Mistral Large 2. Den kombinerar en multimodal avkodare med 123 miljarder parametrar med en bildkodare med en miljard parametrar, vilket ger en modell med 124 miljarder parametrar. Syftet är att behålla omfattande språkförmåga och samtidigt förstå det visuella underlag som behövs för ett svar: en dokumentsida, ett diagram, ett fotografi eller en skärmbild. Indata kan kombinera text och bilder; resultatet är text.
Mistral beskriver ett kontextfönster på 128K token och anger att det kan rymma minst 30 högupplösta bilder. Uppgiften beskriver kontextkapacitet, inte en allmän inställning för antal bilder per begäran. Den praktiska nyttan är att kunna relatera flera visuella källor till en fråga. En användbar jämförelseuppgift kan tillhandahålla märkta sidor från två rapporter och fråga vilka siffror, etiketter och slutsatser som skiljer sig åt. Håll frågetexten, varje bilds roll och den önskade svarsstrukturen tillsammans.
Tillverkaren illustrerar flerspråkig textläsning, dokumentfrågor, diagramtolkning och vanlig bildförståelse. För en dokumentassistent ber du om synliga fältnamn och värden, en beskrivning av sidlayouten eller en förklaring som kopplar formuleringarna till en tabell eller figur. För ett diagram anger du vilka axlar, serier eller intervall som ska undersökas. En exempelbegäran är: ”Jämför dessa diagram. Skilj värden som kan avläsas direkt från tolkningar, identifiera förändringen som visas och lista den information som behövs för att kontrollera slutsatsen.” Resultatet kan vara en fälttabell, en uppsättning observationer eller en skriftlig förklaring.
Modellkortet ägnar särskild uppmärksamhet åt systemprompten. Mistral rekommenderar att ta med en instruktion som anger assistentens syfte, även om den är kort. Detta är användbart för en visuell uppgift eftersom samma bild kan stödja olika arbeten: extrahera poster, beskriva en scen, förklara ett diagram eller jämföra det med ett skriftligt krav. Ange uppgiften och reglerna för osäkra eller oläsliga detaljer. När du tillhandahåller flera bilder märker du dem och anger deras ordning eller inbördes relation så att svaret kan koppla observationer till rätt material.
Mistrals modellsida listar frågor om dokument, strukturerade utdata och funktionsanrop. Tillverkarens gränssnitt stöder även batchbearbetning. Vägledningen för strukturerade utdata skiljer ett JSON-objektformat från ett eget schema; JSON-läget kräver fortfarande en uttrycklig instruktion att producera JSON. För extrahering definierar du fälten, hur saknade värden ska behandlas och skillnaden mellan avskriven text och en slutsats. Ett strukturerat svar är användbart när en applikation behöver bearbeta resultatet, medan en fri förklaring är användbar när en person behöver förstå resonemanget bakom det.
För funktionsanrop tillhandahåller applikationen verktygsdefinitioner och modellen föreslår en funktion med argument. I Mistrals arbetsflöde utför sedan applikationen åtgärden och skickar tillbaka resultatet innan modellen skriver det uppföljande svaret. Ett dokumentflöde kan använda ett verktyg för att slå upp en identifierare som lästs från en bild och sedan begära en förklaring med den returnerade posten. Den visuella modellen får inte godtycklig åtkomst till externa data bara för att en bild nämner en post: den tillåtna åtgärden och dess resultat kommer från applikationen.
Tillverkaren listar även funktioner för förutsagda utdata och prefix. Förutsagda utdata låter anroparen tillhandahålla förväntad text när ett dokument eller en kodfil genereras om med en liten ändring; ett prefix definierar svarets inledande text. Dessa är separata kontroller för förberedelse, inte ytterligare visuella modaliteter. Det användbara resultatet är fortfarande en textbeskrivning, extrahering eller förklaring, inte en nygenererad bild. Välj tydliga källbilder, ange vad som måste bevaras och kontrollera viktiga avläsningar mot originalsidan.
Beteckningen latest är ett familjealias, medan Pixtral-Large-Instruct-2411 är den fasta tillverkarutgåva som dokumenteras av modellkortet. Håll namnen åtskilda när du förbereder en upprepningsbar uppgift. Den publicerade kontextsiffran beskriver tillverkarens modell; de lästa sidorna fastställer ingen separat allmän gräns för antal utdatatoken. Välj bilduppsättning, textfråga och önskad svarslängd tillsammans och håll versionsspecifika gränser per begäran åtskilda från de allmänna visuella förmågor som beskrivs här.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser pixtral-large-latest | 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 $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "pixtral-large-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'pixtral-large-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'pixtral-large-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-latest
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Compare transcribed report charts\n\nCompare these chart transcriptions. Report A: online 40 orders, retail 60; total 100. Report B: online 55 orders, retail 45; total 100. Describe the channel mix change and distinguish order-count change from percentage-point change. Provide a short report caption without inventing chart colors, revenue or causes.A channel comparison table and a two-sentence caption with units distinguishing orders from percentage points.Check that both totals stay 100 and changes are labelled with the correct units rather than relative percent.