Ministral 3 3B Instruct 2512 là phiên bản được tinh chỉnh để làm theo chỉ dẫn nhỏ nhất trong dòng Ministral 3 của Mistral AI. Nhà sản xuất định vị mô hình cho các ứng dụng nhỏ gọn hoạt động theo chỉ dẫn, bao gồm chú thích ảnh, phân loại văn bản, trích xuất dữ liệu, dịch thuật và nội dung ngắn. Bản trọng số phát hành sử dụng độ chính xác FP8 và kết hợp xử lý văn bản với một thành phần tiếp nhận hình ảnh.
Thành phần và khả năng của mô hình
Thẻ mô hình liệt kê mô hình ngôn ngữ 3,4 tỷ tham số và bộ mã hóa thị giác 0,4 tỷ tham số. Tài liệu mô tả cửa sổ ngữ cảnh 256k, với độ dài cấu hình mặc định là 262.144 trong ghi chú sử dụng. Số tham số của các thành phần này thuộc phiên bản 3B, không phải các thành viên 8B hay 14B cùng dòng. Mô hình nhận văn bản và hình ảnh, đồng thời tạo văn bản, bao gồm bản ghi định dạng JSON hoặc các lời gọi hàm được đề xuất.
Nhà sản xuất mô tả khả năng hỗ trợ hàng chục ngôn ngữ, bao gồm tiếng Anh, Pháp, Tây Ban Nha, Đức, Ý, Bồ Đào Nha, Hà Lan, Trung, Nhật, Hàn và Ả Rập. Họ cũng nhấn mạnh khả năng tuân thủ lời nhắc hệ thống. Hãy chỉ rõ ngôn ngữ đầu ra cần dùng và những nhãn hoặc thuật ngữ phải giữ nguyên. Nhờ vậy, phần giải thích đã dịch hoặc bản ghi được trích xuất sẽ phù hợp với mục đích sử dụng của ứng dụng.
Phân loại và trích xuất có trọng tâm
Đối với tác vụ phân loại, hãy cung cấp các nhãn được phép, quy tắc phân biệt chúng và thông điệp cần phân loại. Yêu cầu chọn một nhãn và giải thích ngắn dựa trên thông điệp đã cung cấp. Nếu các nhãn còn mơ hồ, hãy xác định thông tin nào giúp phân biệt chúng, thay vì chỉ dựa vào tên nhãn. Cách này tạo ra kết quả gọn, có thể sử dụng nhất quán trong một quy trình lớn hơn.
Đối với trích xuất, hãy liệt kê các trường cùng kiểu dữ liệu và nêu cách biểu diễn thông tin còn thiếu. Một yêu cầu có thể đề nghị mã định danh mặt hàng, tình trạng được mô tả rõ ràng và hành động người dùng đang yêu cầu. Yêu cầu giữ nguyên câu chữ nguồn khi cách diễn đạt chính xác có ý nghĩa, hoặc trả về giá trị chuẩn hóa khi ứng dụng cung cấp quy tắc chuẩn hóa. Đầu ra JSON sắp xếp kết quả; thiết kế trường vẫn là một phần của tác vụ, chứ không phải lược đồ phổ quát được tích hợp sẵn.
Thẻ mô hình cũng nêu khả năng chú thích ảnh và tạo nội dung ngắn. Với chú thích, hãy xác định khía cạnh của ảnh cần mô tả và đối tượng đọc. Với phần giải thích ngắn, hãy cung cấp những dữ kiện phải giữ lại và độ dài mong muốn. Câu trả lời hỗ trợ có thể dùng câu hỏi gốc cùng hướng dẫn được cung cấp để tạo ra bước tiếp theo súc tích, kèm điều kiện để áp dụng bước đó.
Chuẩn bị hình ảnh và nội dung đa ngôn ngữ
Ghép hình ảnh với một câu hỏi văn bản rõ ràng. Với trường dữ liệu trong tài liệu, hãy giữ lại nhãn, giá trị và ngữ cảnh xung quanh cần thiết để diễn giải. Với mô tả vật thể, hãy chỉ rõ đặc điểm nhìn thấy nào là quan trọng. Nhà sản xuất khuyến nghị tỷ lệ ảnh gần 1:1 và tránh đầu vào quá hẹp hoặc quá rộng; hãy cắt ảnh khi cần mà không bỏ đi bằng chứng làm cơ sở cho câu hỏi.
Đối với dịch thuật, hãy cung cấp văn bản gốc, ngôn ngữ đích và danh sách thuật ngữ nếu có. Yêu cầu phần dịch tách biệt với phần giải thích tùy chọn. Tác vụ phân loại đa ngôn ngữ có thể giữ nguyên các nhãn của ứng dụng, đồng thời giải thích nhãn được chọn bằng ngôn ngữ của người đọc. Đây là các đầu ra được xác định rõ, thay vì yêu cầu thảo luận chung chung về một thông điệp hoặc hình ảnh.
Công cụ và thiết lập được khuyến nghị
Khả năng gọi hàm gốc cho phép ứng dụng kết nối cuộc hội thoại với một thao tác đã được mô tả. Mô hình chuẩn bị các đối số hàm, ứng dụng thực thi hàm và kết quả trở thành thông tin cho câu trả lời tiếp theo. Một thao tác tra cứu có thể cung cấp giá trị còn thiếu, hoặc công cụ tính toán có thể xử lý các giá trị nhận diện từ ảnh. Bản thân mô hình văn bản không thực thi hàm chỉ bằng việc tạo ra tên và đối số của hàm.
Nhà sản xuất khuyến nghị dùng chỉ dẫn hệ thống xác định môi trường và trường hợp sử dụng, bao gồm hướng dẫn dùng công cụ. Giữ mô tả công cụ rõ ràng và giới hạn bộ công cụ ở những thao tác liên quan tối thiểu. Với một trợ lý có phạm vi hẹp, tác vụ trích xuất hoặc tra cứu cụ thể có thể dễ diễn giải hơn một lời nhắc chứa nhiều hàm không liên quan và không có quy tắc lựa chọn.
Thẻ mô hình đưa ra hướng dẫn về temperature thấp: dưới 0.1 cho sử dụng hằng ngày và theo kiểu môi trường vận hành thực tế, cùng temperature khởi điểm 0.1 cho phần lớn trường hợp sử dụng trong ghi chú lấy mẫu riêng. Có thể thử các giá trị cao hơn cho nội dung sáng tạo. Các khuyến nghị này có phạm vi áp dụng được nêu khác nhau; chúng không bảo đảm một thiết lập lấy mẫu sẽ khiến mọi giá trị trích xuất hay kết quả phân loại đều chính xác.
Phạm vi phiên bản và ngữ cảnh
Ministral 3 có các bản phát hành Base, Instruct và Reasoning riêng ở mỗi kích cỡ mô hình. Mục này xác định bản trọng số Instruct 2512, không phải chế độ suy luận được tự động bật hay bản cơ sở tiền huấn luyện. Nhà sản xuất liệt kê chuyên biệt hóa và tinh chỉnh là những ứng dụng khả thi, trong khi tác vụ làm theo chỉ dẫn hiện tại vẫn cần đầu vào, quy tắc và đầu ra được xác định rõ.
Giữ tài liệu nguồn và hội thoại liên quan trong ngữ cảnh được cấu hình, đồng thời yêu cầu kết quả gọn mà bước tiếp theo của ứng dụng cần. Ghi chú sử dụng cho phép giảm độ dài ngữ cảnh cấu hình với các tác vụ không cần toàn bộ cửa sổ. Ví dụ tạo 512 token và mức cho phép tạo lớn trong ví dụ không phải những dung lượng đầu ra tối đa được tài liệu xác nhận độc lập. Việc tạo ảnh, xuất âm thanh và hành động bên ngoài đòi hỏi các thành phần khác ngoài mô hình trả kết quả văn bản này.
", "aboutText": "Ministral 3 3B Instruct 2512 là phiên bản được tinh chỉnh để làm theo chỉ dẫn nhỏ nhất trong dòng Ministral 3 của Mistral AI. Nhà sản xuất định vị mô hình cho các ứng dụng nhỏ gọn hoạt động theo chỉ dẫn, bao gồm chú thích ảnh, phân loại văn bản, trích xuất dữ liệu, dịch thuật và nội dung ngắn. Bản trọng số phát hành sử dụng độ chính xác FP8 và kết hợp xử lý văn bản với một thành phần tiếp nhận hình ảnh.\n\nThành phần và khả năng của mô hình\n\nThẻ mô hình liệt kê mô hình ngôn ngữ 3,4 tỷ tham số và bộ mã hóa thị giác 0,4 tỷ tham số. Tài liệu mô tả cửa sổ ngữ cảnh 256k, với độ dài cấu hình mặc định là 262.144 trong ghi chú sử dụng. Số tham số của các thành phần này thuộc phiên bản 3B, không phải các thành viên 8B hay 14B cùng dòng. Mô hình nhận văn bản và hình ảnh, đồng thời tạo văn bản, bao gồm bản ghi định dạng JSON hoặc các lời gọi hàm được đề xuất.\n\nNhà sản xuất mô tả khả năng hỗ trợ hàng chục ngôn ngữ, bao gồm tiếng Anh, Pháp, Tây Ban Nha, Đức, Ý, Bồ Đào Nha, Hà Lan, Trung, Nhật, Hàn và Ả Rập. Họ cũng nhấn mạnh khả năng tuân thủ lời nhắc hệ thống. Hãy chỉ rõ ngôn ngữ đầu ra cần dùng và những nhãn hoặc thuật ngữ phải giữ nguyên. Nhờ vậy, phần giải thích đã dịch hoặc bản ghi được trích xuất sẽ phù hợp với mục đích sử dụng của ứng dụng.\n\nPhân loại và trích xuất có trọng tâm\n\nĐối với tác vụ phân loại, hãy cung cấp các nhãn được phép, quy tắc phân biệt chúng và thông điệp cần phân loại. Yêu cầu chọn một nhãn và giải thích ngắn dựa trên thông điệp đã cung cấp. Nếu các nhãn còn mơ hồ, hãy xác định thông tin nào giúp phân biệt chúng, thay vì chỉ dựa vào tên nhãn. Cách này tạo ra kết quả gọn, có thể sử dụng nhất quán trong một quy trình lớn hơn.\n\nĐối với trích xuất, hãy liệt kê các trường cùng kiểu dữ liệu và nêu cách biểu diễn thông tin còn thiếu. Một yêu cầu có thể đề nghị mã định danh mặt hàng, tình trạng được mô tả rõ ràng và hành động người dùng đang yêu cầu. Yêu cầu giữ nguyên câu chữ nguồn khi cách diễn đạt chính xác có ý nghĩa, hoặc trả về giá trị chuẩn hóa khi ứng dụng cung cấp quy tắc chuẩn hóa. Đầu ra JSON sắp xếp kết quả; thiết kế trường vẫn là một phần của tác vụ, chứ không phải lược đồ phổ quát được tích hợp sẵn.\n\nThẻ mô hình cũng nêu khả năng chú thích ảnh và tạo nội dung ngắn. Với chú thích, hãy xác định khía cạnh của ảnh cần mô tả và đối tượng đọc. Với phần giải thích ngắn, hãy cung cấp những dữ kiện phải giữ lại và độ dài mong muốn. Câu trả lời hỗ trợ có thể dùng câu hỏi gốc cùng hướng dẫn được cung cấp để tạo ra bước tiếp theo súc tích, kèm điều kiện để áp dụng bước đó.\n\nChuẩn bị hình ảnh và nội dung đa ngôn ngữ\n\nGhép hình ảnh với một câu hỏi văn bản rõ ràng. Với trường dữ liệu trong tài liệu, hãy giữ lại nhãn, giá trị và ngữ cảnh xung quanh cần thiết để diễn giải. Với mô tả vật thể, hãy chỉ rõ đặc điểm nhìn thấy nào là quan trọng. Nhà sản xuất khuyến nghị tỷ lệ ảnh gần 1:1 và tránh đầu vào quá hẹp hoặc quá rộng; hãy cắt ảnh khi cần mà không bỏ đi bằng chứng làm cơ sở cho câu hỏi.\n\nĐối với dịch thuật, hãy cung cấp văn bản gốc, ngôn ngữ đích và danh sách thuật ngữ nếu có. Yêu cầu phần dịch tách biệt với phần giải thích tùy chọn. Tác vụ phân loại đa ngôn ngữ có thể giữ nguyên các nhãn của ứng dụng, đồng thời giải thích nhãn được chọn bằng ngôn ngữ của người đọc. Đây là các đầu ra được xác định rõ, thay vì yêu cầu thảo luận chung chung về một thông điệp hoặc hình ảnh.\n\nCông cụ và thiết lập được khuyến nghị\n\nKhả năng gọi hàm gốc cho phép ứng dụng kết nối cuộc hội thoại với một thao tác đã được mô tả. Mô hình chuẩn bị các đối số hàm, ứng dụng thực thi hàm và kết quả trở thành thông tin cho câu trả lời tiếp theo. Một thao tác tra cứu có thể cung cấp giá trị còn thiếu, hoặc công cụ tính toán có thể xử lý các giá trị nhận diện từ ảnh. Bản thân mô hình văn bản không thực thi hàm chỉ bằng việc tạo ra tên và đối số của hàm.\n\nNhà sản xuất khuyến nghị dùng chỉ dẫn hệ thống xác định môi trường và trường hợp sử dụng, bao gồm hướng dẫn dùng công cụ. Giữ mô tả công cụ rõ ràng và giới hạn bộ công cụ ở những thao tác liên quan tối thiểu. Với một trợ lý có phạm vi hẹp, tác vụ trích xuất hoặc tra cứu cụ thể có thể dễ diễn giải hơn một lời nhắc chứa nhiều hàm không liên quan và không có quy tắc lựa chọn.\n\nThẻ mô hình đưa ra hướng dẫn về temperature thấp: dưới 0.1 cho sử dụng hằng ngày và theo kiểu môi trường vận hành thực tế, cùng temperature khởi điểm 0.1 cho phần lớn trường hợp sử dụng trong ghi chú lấy mẫu riêng. Có thể thử các giá trị cao hơn cho nội dung sáng tạo. Các khuyến nghị này có phạm vi áp dụng được nêu khác nhau; chúng không bảo đảm một thiết lập lấy mẫu sẽ khiến mọi giá trị trích xuất hay kết quả phân loại đều chính xác.\n\nPhạm vi phiên bản và ngữ cảnh\n\nMinistral 3 có các bản phát hành Base, Instruct và Reasoning riêng ở mỗi kích cỡ mô hình. Mục này xác định bản trọng số Instruct 2512, không phải chế độ suy luận được tự động bật hay bản cơ sở tiền huấn luyện. Nhà sản xuất liệt kê chuyên biệt hóa và tinh chỉnh là những ứng dụng khả thi, trong khi tác vụ làm theo chỉ dẫn hiện tại vẫn cần đầu vào, quy tắc và đầu ra được xác định rõ.\n\nGiữ tài liệu nguồn và hội thoại liên quan trong ngữ cảnh được cấu hình, đồng thời yêu cầu kết quả gọn mà bước tiếp theo của ứng dụng cần. Ghi chú sử dụng cho phép giảm độ dài ngữ cảnh cấu hình với các tác vụ không cần toàn bộ cửa sổ. Ví dụ tạo 512 token và mức cho phép tạo lớn trong ví dụ không phải những dung lượng đầu ra tối đa được tài liệu xác nhận độc lập. Việc tạo ảnh, xuất âm thanh và hành động bên ngoài đòi hỏi các thành phần khác ngoài mô hình trả kết quả văn bản này.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Extract a return-request record\n\nExtract the item code, stated condition and requested action from this message: 'Hello, the handle of kettle KT8 is loose. It arrived today. Please arrange an exchange, not a refund.' Return those three fields and quote the wording supporting the requested action. Use 'not supplied' for any field absent from the message.A compact three-field extraction record plus the supporting request quote.Check that exchange is retained as the request and is not rewritten as a completed action.mistralai/ministral-3b-2512Ministral 3 3B Instruct 2512 là mô hình văn bản và hình ảnh đa ngôn ngữ nhỏ gọn, dành cho phân loại, trích xuất, chú thích ảnh và nội dung ngắn. Thành phần ngôn ngữ 3,4 tỷ tham số và bộ mã hóa thị giác 0,4 tỷ tham số hỗ trợ chỉ dẫn hệ thống, JSON, gọi hàm và cửa sổ ngữ cảnh 256k do nhà sản xuất công bố.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Ministral 3 3B Instruct 2512 là phiên bản được tinh chỉnh để làm theo chỉ dẫn nhỏ nhất trong dòng Ministral 3 của Mistral AI. Nhà sản xuất định vị mô hình cho các ứng dụng nhỏ gọn hoạt động theo chỉ dẫn, bao gồm chú thích ảnh, phân loại văn bản, trích xuất dữ liệu, dịch thuật và nội dung ngắn. Bản trọng số phát hành sử dụng độ chính xác FP8 và kết hợp xử lý văn bản với một thành phần tiếp nhận hình ảnh.
Thành phần và khả năng của mô hình
Thẻ mô hình liệt kê mô hình ngôn ngữ 3,4 tỷ tham số và bộ mã hóa thị giác 0,4 tỷ tham số. Tài liệu mô tả cửa sổ ngữ cảnh 256k, với độ dài cấu hình mặc định là 262.144 trong ghi chú sử dụng. Số tham số của các thành phần này thuộc phiên bản 3B, không phải các thành viên 8B hay 14B cùng dòng. Mô hình nhận văn bản và hình ảnh, đồng thời tạo văn bản, bao gồm bản ghi định dạng JSON hoặc các lời gọi hàm được đề xuất.
Nhà sản xuất mô tả khả năng hỗ trợ hàng chục ngôn ngữ, bao gồm tiếng Anh, Pháp, Tây Ban Nha, Đức, Ý, Bồ Đào Nha, Hà Lan, Trung, Nhật, Hàn và Ả Rập. Họ cũng nhấn mạnh khả năng tuân thủ lời nhắc hệ thống. Hãy chỉ rõ ngôn ngữ đầu ra cần dùng và những nhãn hoặc thuật ngữ phải giữ nguyên. Nhờ vậy, phần giải thích đã dịch hoặc bản ghi được trích xuất sẽ phù hợp với mục đích sử dụng của ứng dụng.
Phân loại và trích xuất có trọng tâm
Đối với tác vụ phân loại, hãy cung cấp các nhãn được phép, quy tắc phân biệt chúng và thông điệp cần phân loại. Yêu cầu chọn một nhãn và giải thích ngắn dựa trên thông điệp đã cung cấp. Nếu các nhãn còn mơ hồ, hãy xác định thông tin nào giúp phân biệt chúng, thay vì chỉ dựa vào tên nhãn. Cách này tạo ra kết quả gọn, có thể sử dụng nhất quán trong một quy trình lớn hơn.
Đối với trích xuất, hãy liệt kê các trường cùng kiểu dữ liệu và nêu cách biểu diễn thông tin còn thiếu. Một yêu cầu có thể đề nghị mã định danh mặt hàng, tình trạng được mô tả rõ ràng và hành động người dùng đang yêu cầu. Yêu cầu giữ nguyên câu chữ nguồn khi cách diễn đạt chính xác có ý nghĩa, hoặc trả về giá trị chuẩn hóa khi ứng dụng cung cấp quy tắc chuẩn hóa. Đầu ra JSON sắp xếp kết quả; thiết kế trường vẫn là một phần của tác vụ, chứ không phải lược đồ phổ quát được tích hợp sẵn.
Thẻ mô hình cũng nêu khả năng chú thích ảnh và tạo nội dung ngắn. Với chú thích, hãy xác định khía cạnh của ảnh cần mô tả và đối tượng đọc. Với phần giải thích ngắn, hãy cung cấp những dữ kiện phải giữ lại và độ dài mong muốn. Câu trả lời hỗ trợ có thể dùng câu hỏi gốc cùng hướng dẫn được cung cấp để tạo ra bước tiếp theo súc tích, kèm điều kiện để áp dụng bước đó.
Chuẩn bị hình ảnh và nội dung đa ngôn ngữ
Ghép hình ảnh với một câu hỏi văn bản rõ ràng. Với trường dữ liệu trong tài liệu, hãy giữ lại nhãn, giá trị và ngữ cảnh xung quanh cần thiết để diễn giải. Với mô tả vật thể, hãy chỉ rõ đặc điểm nhìn thấy nào là quan trọng. Nhà sản xuất khuyến nghị tỷ lệ ảnh gần 1:1 và tránh đầu vào quá hẹp hoặc quá rộng; hãy cắt ảnh khi cần mà không bỏ đi bằng chứng làm cơ sở cho câu hỏi.
Đối với dịch thuật, hãy cung cấp văn bản gốc, ngôn ngữ đích và danh sách thuật ngữ nếu có. Yêu cầu phần dịch tách biệt với phần giải thích tùy chọn. Tác vụ phân loại đa ngôn ngữ có thể giữ nguyên các nhãn của ứng dụng, đồng thời giải thích nhãn được chọn bằng ngôn ngữ của người đọc. Đây là các đầu ra được xác định rõ, thay vì yêu cầu thảo luận chung chung về một thông điệp hoặc hình ảnh.
Công cụ và thiết lập được khuyến nghị
Khả năng gọi hàm gốc cho phép ứng dụng kết nối cuộc hội thoại với một thao tác đã được mô tả. Mô hình chuẩn bị các đối số hàm, ứng dụng thực thi hàm và kết quả trở thành thông tin cho câu trả lời tiếp theo. Một thao tác tra cứu có thể cung cấp giá trị còn thiếu, hoặc công cụ tính toán có thể xử lý các giá trị nhận diện từ ảnh. Bản thân mô hình văn bản không thực thi hàm chỉ bằng việc tạo ra tên và đối số của hàm.
Nhà sản xuất khuyến nghị dùng chỉ dẫn hệ thống xác định môi trường và trường hợp sử dụng, bao gồm hướng dẫn dùng công cụ. Giữ mô tả công cụ rõ ràng và giới hạn bộ công cụ ở những thao tác liên quan tối thiểu. Với một trợ lý có phạm vi hẹp, tác vụ trích xuất hoặc tra cứu cụ thể có thể dễ diễn giải hơn một lời nhắc chứa nhiều hàm không liên quan và không có quy tắc lựa chọn.
Thẻ mô hình đưa ra hướng dẫn về temperature thấp: dưới 0.1 cho sử dụng hằng ngày và theo kiểu môi trường vận hành thực tế, cùng temperature khởi điểm 0.1 cho phần lớn trường hợp sử dụng trong ghi chú lấy mẫu riêng. Có thể thử các giá trị cao hơn cho nội dung sáng tạo. Các khuyến nghị này có phạm vi áp dụng được nêu khác nhau; chúng không bảo đảm một thiết lập lấy mẫu sẽ khiến mọi giá trị trích xuất hay kết quả phân loại đều chính xác.
Phạm vi phiên bản và ngữ cảnh
Ministral 3 có các bản phát hành Base, Instruct và Reasoning riêng ở mỗi kích cỡ mô hình. Mục này xác định bản trọng số Instruct 2512, không phải chế độ suy luận được tự động bật hay bản cơ sở tiền huấn luyện. Nhà sản xuất liệt kê chuyên biệt hóa và tinh chỉnh là những ứng dụng khả thi, trong khi tác vụ làm theo chỉ dẫn hiện tại vẫn cần đầu vào, quy tắc và đầu ra được xác định rõ.
Giữ tài liệu nguồn và hội thoại liên quan trong ngữ cảnh được cấu hình, đồng thời yêu cầu kết quả gọn mà bước tiếp theo của ứng dụng cần. Ghi chú sử dụng cho phép giảm độ dài ngữ cảnh cấu hình với các tác vụ không cần toàn bộ cửa sổ. Ví dụ tạo 512 token và mức cho phép tạo lớn trong ví dụ không phải những dung lượng đầu ra tối đa được tài liệu xác nhận độc lập. Việc tạo ảnh, xuất âm thanh và hành động bên ngoài đòi hỏi các thành phần khác ngoài mô hình trả kết quả văn bản này.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn mistralai/ministral-3b-2512 | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00066 / 1K token Đầu ra · Token đầu ra $0.00066 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00066 / 1K token Đầu ra · Token đầu ra $0.00066 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/ministral-3b-2512", "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/ministral-3b-2512',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/ministral-3b-2512',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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra mistralai/ministral-3b-2512
Dùng các đường dẫn phương thức hiển thị ở trên.
mistralai/ministral-3b-2512Ministral 3 3B Instruct 2512 là mô hình văn bản và hình ảnh đa ngôn ngữ nhỏ gọn, dành cho phân loại, trích xuất, chú thích ảnh và nội dung ngắn. Thành phần ngôn ngữ 3,4 tỷ tham số và bộ mã hóa thị giác 0,4 tỷ tham số hỗ trợ chỉ dẫn hệ thống, JSON, gọi hàm và cửa sổ ngữ cảnh 256k do nhà sản xuất công bố.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Ministral 3 3B Instruct 2512 là phiên bản được tinh chỉnh để làm theo chỉ dẫn nhỏ nhất trong dòng Ministral 3 của Mistral AI. Nhà sản xuất định vị mô hình cho các ứng dụng nhỏ gọn hoạt động theo chỉ dẫn, bao gồm chú thích ảnh, phân loại văn bản, trích xuất dữ liệu, dịch thuật và nội dung ngắn. Bản trọng số phát hành sử dụng độ chính xác FP8 và kết hợp xử lý văn bản với một thành phần tiếp nhận hình ảnh.
Thành phần và khả năng của mô hình
Thẻ mô hình liệt kê mô hình ngôn ngữ 3,4 tỷ tham số và bộ mã hóa thị giác 0,4 tỷ tham số. Tài liệu mô tả cửa sổ ngữ cảnh 256k, với độ dài cấu hình mặc định là 262.144 trong ghi chú sử dụng. Số tham số của các thành phần này thuộc phiên bản 3B, không phải các thành viên 8B hay 14B cùng dòng. Mô hình nhận văn bản và hình ảnh, đồng thời tạo văn bản, bao gồm bản ghi định dạng JSON hoặc các lời gọi hàm được đề xuất.
Nhà sản xuất mô tả khả năng hỗ trợ hàng chục ngôn ngữ, bao gồm tiếng Anh, Pháp, Tây Ban Nha, Đức, Ý, Bồ Đào Nha, Hà Lan, Trung, Nhật, Hàn và Ả Rập. Họ cũng nhấn mạnh khả năng tuân thủ lời nhắc hệ thống. Hãy chỉ rõ ngôn ngữ đầu ra cần dùng và những nhãn hoặc thuật ngữ phải giữ nguyên. Nhờ vậy, phần giải thích đã dịch hoặc bản ghi được trích xuất sẽ phù hợp với mục đích sử dụng của ứng dụng.
Phân loại và trích xuất có trọng tâm
Đối với tác vụ phân loại, hãy cung cấp các nhãn được phép, quy tắc phân biệt chúng và thông điệp cần phân loại. Yêu cầu chọn một nhãn và giải thích ngắn dựa trên thông điệp đã cung cấp. Nếu các nhãn còn mơ hồ, hãy xác định thông tin nào giúp phân biệt chúng, thay vì chỉ dựa vào tên nhãn. Cách này tạo ra kết quả gọn, có thể sử dụng nhất quán trong một quy trình lớn hơn.
Đối với trích xuất, hãy liệt kê các trường cùng kiểu dữ liệu và nêu cách biểu diễn thông tin còn thiếu. Một yêu cầu có thể đề nghị mã định danh mặt hàng, tình trạng được mô tả rõ ràng và hành động người dùng đang yêu cầu. Yêu cầu giữ nguyên câu chữ nguồn khi cách diễn đạt chính xác có ý nghĩa, hoặc trả về giá trị chuẩn hóa khi ứng dụng cung cấp quy tắc chuẩn hóa. Đầu ra JSON sắp xếp kết quả; thiết kế trường vẫn là một phần của tác vụ, chứ không phải lược đồ phổ quát được tích hợp sẵn.
Thẻ mô hình cũng nêu khả năng chú thích ảnh và tạo nội dung ngắn. Với chú thích, hãy xác định khía cạnh của ảnh cần mô tả và đối tượng đọc. Với phần giải thích ngắn, hãy cung cấp những dữ kiện phải giữ lại và độ dài mong muốn. Câu trả lời hỗ trợ có thể dùng câu hỏi gốc cùng hướng dẫn được cung cấp để tạo ra bước tiếp theo súc tích, kèm điều kiện để áp dụng bước đó.
Chuẩn bị hình ảnh và nội dung đa ngôn ngữ
Ghép hình ảnh với một câu hỏi văn bản rõ ràng. Với trường dữ liệu trong tài liệu, hãy giữ lại nhãn, giá trị và ngữ cảnh xung quanh cần thiết để diễn giải. Với mô tả vật thể, hãy chỉ rõ đặc điểm nhìn thấy nào là quan trọng. Nhà sản xuất khuyến nghị tỷ lệ ảnh gần 1:1 và tránh đầu vào quá hẹp hoặc quá rộng; hãy cắt ảnh khi cần mà không bỏ đi bằng chứng làm cơ sở cho câu hỏi.
Đối với dịch thuật, hãy cung cấp văn bản gốc, ngôn ngữ đích và danh sách thuật ngữ nếu có. Yêu cầu phần dịch tách biệt với phần giải thích tùy chọn. Tác vụ phân loại đa ngôn ngữ có thể giữ nguyên các nhãn của ứng dụng, đồng thời giải thích nhãn được chọn bằng ngôn ngữ của người đọc. Đây là các đầu ra được xác định rõ, thay vì yêu cầu thảo luận chung chung về một thông điệp hoặc hình ảnh.
Công cụ và thiết lập được khuyến nghị
Khả năng gọi hàm gốc cho phép ứng dụng kết nối cuộc hội thoại với một thao tác đã được mô tả. Mô hình chuẩn bị các đối số hàm, ứng dụng thực thi hàm và kết quả trở thành thông tin cho câu trả lời tiếp theo. Một thao tác tra cứu có thể cung cấp giá trị còn thiếu, hoặc công cụ tính toán có thể xử lý các giá trị nhận diện từ ảnh. Bản thân mô hình văn bản không thực thi hàm chỉ bằng việc tạo ra tên và đối số của hàm.
Nhà sản xuất khuyến nghị dùng chỉ dẫn hệ thống xác định môi trường và trường hợp sử dụng, bao gồm hướng dẫn dùng công cụ. Giữ mô tả công cụ rõ ràng và giới hạn bộ công cụ ở những thao tác liên quan tối thiểu. Với một trợ lý có phạm vi hẹp, tác vụ trích xuất hoặc tra cứu cụ thể có thể dễ diễn giải hơn một lời nhắc chứa nhiều hàm không liên quan và không có quy tắc lựa chọn.
Thẻ mô hình đưa ra hướng dẫn về temperature thấp: dưới 0.1 cho sử dụng hằng ngày và theo kiểu môi trường vận hành thực tế, cùng temperature khởi điểm 0.1 cho phần lớn trường hợp sử dụng trong ghi chú lấy mẫu riêng. Có thể thử các giá trị cao hơn cho nội dung sáng tạo. Các khuyến nghị này có phạm vi áp dụng được nêu khác nhau; chúng không bảo đảm một thiết lập lấy mẫu sẽ khiến mọi giá trị trích xuất hay kết quả phân loại đều chính xác.
Phạm vi phiên bản và ngữ cảnh
Ministral 3 có các bản phát hành Base, Instruct và Reasoning riêng ở mỗi kích cỡ mô hình. Mục này xác định bản trọng số Instruct 2512, không phải chế độ suy luận được tự động bật hay bản cơ sở tiền huấn luyện. Nhà sản xuất liệt kê chuyên biệt hóa và tinh chỉnh là những ứng dụng khả thi, trong khi tác vụ làm theo chỉ dẫn hiện tại vẫn cần đầu vào, quy tắc và đầu ra được xác định rõ.
Giữ tài liệu nguồn và hội thoại liên quan trong ngữ cảnh được cấu hình, đồng thời yêu cầu kết quả gọn mà bước tiếp theo của ứng dụng cần. Ghi chú sử dụng cho phép giảm độ dài ngữ cảnh cấu hình với các tác vụ không cần toàn bộ cửa sổ. Ví dụ tạo 512 token và mức cho phép tạo lớn trong ví dụ không phải những dung lượng đầu ra tối đa được tài liệu xác nhận độc lập. Việc tạo ảnh, xuất âm thanh và hành động bên ngoài đòi hỏi các thành phần khác ngoài mô hình trả kết quả văn bản này.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn mistralai/ministral-3b-2512 | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00066 / 1K token Đầu ra · Token đầu ra $0.00066 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00066 / 1K token Đầu ra · Token đầu ra $0.00066 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00002 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "mistralai/ministral-3b-2512",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/ministral-3b-2512', '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/ministral-3b-2512', '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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra mistralai/ministral-3b-2512
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Extract a return-request record\n\nExtract the item code, stated condition and requested action from this message: 'Hello, the handle of kettle KT8 is loose. It arrived today. Please arrange an exchange, not a refund.' Return those three fields and quote the wording supporting the requested action. Use 'not supplied' for any field absent from the message.A compact three-field extraction record plus the supporting request quote.Check that exchange is retained as the request and is not rewritten as a completed action.