Mistral Medium 3.5 là mô hình dense 128 tỷ tham số của Mistral AI, kết hợp làm theo chỉ dẫn, suy luận và lập trình trong một bộ trọng số. Mô hình nhận văn bản và hình ảnh, trả về văn bản. Nhà sản xuất định vị nó cho tác vụ tác nhân và lập trình, trong khi cùng bản trọng số có thể tạo câu trả lời hội thoại trực tiếp hoặc dùng chế độ suy luận được mô tả trong tài liệu cho tác vụ phức tạp hơn.
Mô hình hợp nhất và khả năng thị giác
Thẻ phát hành xác định 128 tỷ tham số dense và cửa sổ ngữ cảnh 256k. Bộ mã hóa thị giác được huấn luyện để xử lý các kích thước và tỷ lệ ảnh khác nhau. Hình ảnh có thể cung cấp bằng chứng cho tác vụ lập trình hoặc tài liệu: ảnh chụp giao diện, sơ đồ đi kèm yêu cầu hoặc trang chứa thông tin mô hình cần diễn giải. Kết quả có thể là giải thích bằng chữ, mã hoặc các trường có cấu trúc, thay vì ảnh được tạo.
Nhà sản xuất mô tả hỗ trợ đa ngôn ngữ trên hàng chục ngôn ngữ, gồm tiếng Anh, Pháp, Tây Ban Nha, Đức, Ý, Bồ Đào Nha, Hà Lan, Trung, Nhật, Hàn và Ả Rập. Họ cũng nhấn mạnh tuân thủ lời nhắc hệ thống và gọi hàm gốc với đầu ra JSON. Thiết lập đối tượng đọc, ngôn ngữ và quy tắc trả lời tách biệt với tài liệu được xem xét để câu chữ của tài liệu nguồn vẫn là bằng chứng cho tác vụ.
Thiết lập suy luận
Thẻ mô hình mô tả hai giá trị nỗ lực suy luận cho mỗi yêu cầu. Giá trị none tạo câu trả lời theo chỉ dẫn mà không dùng chế độ suy luận; high bật suy luận và được khuyến nghị cho lời nhắc phức tạp cùng lập trình bằng tác nhân. Đây là lựa chọn chế độ trong cùng bản trọng số Medium 3.5, không phải định danh mô hình khác.
Với nỗ lực suy luận high, nhà sản xuất khuyến nghị temperature 0.7 và top-p 0.95. Với none, tài liệu nêu temperature từ 0.0 đến 0.7 tùy tác vụ, còn top-p để trống hoặc ở 1.0. Đây là các khuyến nghị của bản phát hành. Trước tiên, hãy chọn mục đích đầu ra: trích xuất trường gọn, thay đổi mã kèm giải thích hoặc so sánh đòi hỏi nhiều quyết định có cơ sở.
Tác vụ suy luận thực tế có thể cung cấp yêu cầu, phần triển khai và đầu vào bộc lộ sai lệch. Yêu cầu mô hình xác định đường đi liên quan, giải thích khác biệt và đề xuất thay đổi nhỏ nhất vẫn giữ giao diện công khai. Yêu cầu mã đã sửa tách biệt với giả định và ví dụ. Mô hình tạo đề xuất; biên dịch, chạy và áp dụng đề xuất cần môi trường phát triển kết nối với tác nhân.
Công cụ, tài liệu và chỉnh sửa có thể dự đoán
Thẻ dịch vụ của nhà sản xuất cũng liệt kê đầu ra có cấu trúc, đầu ra dự đoán, câu hỏi tài liệu, tiền tố câu trả lời, xử lý theo lô và hội thoại tác nhân. Với trích xuất, hãy xác định tên trường, kiểu dữ liệu và cách xử lý giá trị thiếu. Chế độ JSON cung cấp cách biểu diễn có cấu trúc, còn lược đồ tùy chỉnh xác định hình dạng dữ liệu cụ thể hơn trong giao diện kết nối. Chỉ yêu cầu bản ghi khi chương trình sẽ phân tích nó, và yêu cầu phần giải thích riêng khi con người cần kiểm tra cách diễn giải.
Hỏi đáp tài liệu kết hợp văn bản và cấu trúc được OCR chuẩn bị với khả năng hiểu của mô hình ngôn ngữ. Với so sánh, hãy xác định các tài liệu và điều kiện cần đánh giá, rồi yêu cầu từng phát hiện kèm vị trí nguồn. Đầu ra hữu ích có thể tách các yêu cầu chung, điểm bất đồng và câu hỏi còn mở. Câu hỏi trực tiếp về ảnh có thể tập trung vào nhãn biểu đồ hoặc thành phần giao diện; giữ lại tiêu đề, đơn vị và vai trò của ảnh giúp câu trả lời gắn với tài liệu đã cung cấp.
Đầu ra dự đoán được tài liệu mô tả cho tác vụ mà phần lớn câu trả lời mong muốn đã biết, như tạo lại tệp mã hoặc tài liệu với chỉnh sửa giới hạn. Cung cấp nội dung hiện có và xác định thay đổi cụ thể, giữ lại những phần cần bảo toàn. Điều này khác với yêu cầu sản phẩm hoàn toàn mới hoặc tiếp tục từ tiền tố câu trả lời đã biết. Các tính năng dịch vụ mô tả lựa chọn gửi yêu cầu và định dạng; chúng không thay đổi đầu vào văn bản và hình ảnh hay đầu ra văn bản của mô hình.
Trong quy trình có công cụ hỗ trợ, ứng dụng cung cấp mô tả hàm và tham số, mô hình chọn hàm và chuẩn bị đối số, rồi ứng dụng thực thi và trả kết quả. Công cụ tính toán có thể nhận giá trị đọc từ ảnh được cung cấp, còn công cụ tra cứu có thể cung cấp thông tin thiếu cho câu trả lời tiếp theo. Giữ kết quả công cụ gắn với thao tác tạo ra nó. Suy luận tác nhân dựa vào môi trường đó, thay vì việc tạo văn bản tự nó thực hiện hành động bên ngoài.
Chuẩn bị các phiên dài
Dùng ngữ cảnh 256k cho mã nguồn, tài liệu và lịch sử hội thoại liên quan, đồng thời giữ mục tiêu thực tế rõ ràng. Phiên lập trình có thể giữ mô-đun, bên gọi và yêu cầu trong khi đề nghị một thay đổi xác định. Phiên tài liệu có thể giữ các phần liên quan cùng nhau trong khi trả bảng ngắn hoặc đoạn văn đã sửa. Dung lượng ngữ cảnh không quy định độ dài câu trả lời tối đa riêng; ví dụ tạo 1.024 token trong thẻ chỉ là minh họa, không phải giới hạn ấy.
Nhà sản xuất lưu ý cấu hình phát hành cũ từng có lỗi ngữ cảnh dài và lỗi đã được sửa, bao gồm ảnh hưởng liên quan tới các bản trọng số dẫn xuất. Giữ cấu hình phát hành đã sửa khi dùng trọng số cho các phiên dài. Không gán các chế độ lai và kiến trúc 128 tỷ tham số của Medium 3.5 cho Medium 3.1 hoặc bản trọng số draft-head có tên riêng chỉ vì cùng mang tên dòng.
", "aboutText": "Mistral Medium 3.5 là mô hình dense 128 tỷ tham số của Mistral AI, kết hợp làm theo chỉ dẫn, suy luận và lập trình trong một bộ trọng số. Mô hình nhận văn bản và hình ảnh, trả về văn bản. Nhà sản xuất định vị nó cho tác vụ tác nhân và lập trình, trong khi cùng bản trọng số có thể tạo câu trả lời hội thoại trực tiếp hoặc dùng chế độ suy luận được mô tả trong tài liệu cho tác vụ phức tạp hơn.\n\nMô hình hợp nhất và khả năng thị giác\n\nThẻ phát hành xác định 128 tỷ tham số dense và cửa sổ ngữ cảnh 256k. Bộ mã hóa thị giác được huấn luyện để xử lý các kích thước và tỷ lệ ảnh khác nhau. Hình ảnh có thể cung cấp bằng chứng cho tác vụ lập trình hoặc tài liệu: ảnh chụp giao diện, sơ đồ đi kèm yêu cầu hoặc trang chứa thông tin mô hình cần diễn giải. Kết quả có thể là giải thích bằng chữ, mã hoặc các trường có cấu trúc, thay vì ảnh được tạo.\n\nNhà sản xuất mô tả hỗ trợ đa ngôn ngữ trên hàng chục ngôn ngữ, gồm tiếng Anh, Pháp, Tây Ban Nha, Đức, Ý, Bồ Đào Nha, Hà Lan, Trung, Nhật, Hàn và Ả Rập. Họ cũng nhấn mạnh tuân thủ lời nhắc hệ thống và gọi hàm gốc với đầu ra JSON. Thiết lập đối tượng đọc, ngôn ngữ và quy tắc trả lời tách biệt với tài liệu được xem xét để câu chữ của tài liệu nguồn vẫn là bằng chứng cho tác vụ.\n\nThiết lập suy luận\n\nThẻ mô hình mô tả hai giá trị nỗ lực suy luận cho mỗi yêu cầu. Giá trị none tạo câu trả lời theo chỉ dẫn mà không dùng chế độ suy luận; high bật suy luận và được khuyến nghị cho lời nhắc phức tạp cùng lập trình bằng tác nhân. Đây là lựa chọn chế độ trong cùng bản trọng số Medium 3.5, không phải định danh mô hình khác.\n\nVới nỗ lực suy luận high, nhà sản xuất khuyến nghị temperature 0.7 và top-p 0.95. Với none, tài liệu nêu temperature từ 0.0 đến 0.7 tùy tác vụ, còn top-p để trống hoặc ở 1.0. Đây là các khuyến nghị của bản phát hành. Trước tiên, hãy chọn mục đích đầu ra: trích xuất trường gọn, thay đổi mã kèm giải thích hoặc so sánh đòi hỏi nhiều quyết định có cơ sở.\n\nTác vụ suy luận thực tế có thể cung cấp yêu cầu, phần triển khai và đầu vào bộc lộ sai lệch. Yêu cầu mô hình xác định đường đi liên quan, giải thích khác biệt và đề xuất thay đổi nhỏ nhất vẫn giữ giao diện công khai. Yêu cầu mã đã sửa tách biệt với giả định và ví dụ. Mô hình tạo đề xuất; biên dịch, chạy và áp dụng đề xuất cần môi trường phát triển kết nối với tác nhân.\n\nCông cụ, tài liệu và chỉnh sửa có thể dự đoán\n\nThẻ dịch vụ của nhà sản xuất cũng liệt kê đầu ra có cấu trúc, đầu ra dự đoán, câu hỏi tài liệu, tiền tố câu trả lời, xử lý theo lô và hội thoại tác nhân. Với trích xuất, hãy xác định tên trường, kiểu dữ liệu và cách xử lý giá trị thiếu. Chế độ JSON cung cấp cách biểu diễn có cấu trúc, còn lược đồ tùy chỉnh xác định hình dạng dữ liệu cụ thể hơn trong giao diện kết nối. Chỉ yêu cầu bản ghi khi chương trình sẽ phân tích nó, và yêu cầu phần giải thích riêng khi con người cần kiểm tra cách diễn giải.\n\nHỏi đáp tài liệu kết hợp văn bản và cấu trúc được OCR chuẩn bị với khả năng hiểu của mô hình ngôn ngữ. Với so sánh, hãy xác định các tài liệu và điều kiện cần đánh giá, rồi yêu cầu từng phát hiện kèm vị trí nguồn. Đầu ra hữu ích có thể tách các yêu cầu chung, điểm bất đồng và câu hỏi còn mở. Câu hỏi trực tiếp về ảnh có thể tập trung vào nhãn biểu đồ hoặc thành phần giao diện; giữ lại tiêu đề, đơn vị và vai trò của ảnh giúp câu trả lời gắn với tài liệu đã cung cấp.\n\nĐầu ra dự đoán được tài liệu mô tả cho tác vụ mà phần lớn câu trả lời mong muốn đã biết, như tạo lại tệp mã hoặc tài liệu với chỉnh sửa giới hạn. Cung cấp nội dung hiện có và xác định thay đổi cụ thể, giữ lại những phần cần bảo toàn. Điều này khác với yêu cầu sản phẩm hoàn toàn mới hoặc tiếp tục từ tiền tố câu trả lời đã biết. Các tính năng dịch vụ mô tả lựa chọn gửi yêu cầu và định dạng; chúng không thay đổi đầu vào văn bản và hình ảnh hay đầu ra văn bản của mô hình.\n\nTrong quy trình có công cụ hỗ trợ, ứng dụng cung cấp mô tả hàm và tham số, mô hình chọn hàm và chuẩn bị đối số, rồi ứng dụng thực thi và trả kết quả. Công cụ tính toán có thể nhận giá trị đọc từ ảnh được cung cấp, còn công cụ tra cứu có thể cung cấp thông tin thiếu cho câu trả lời tiếp theo. Giữ kết quả công cụ gắn với thao tác tạo ra nó. Suy luận tác nhân dựa vào môi trường đó, thay vì việc tạo văn bản tự nó thực hiện hành động bên ngoài.\n\nChuẩn bị các phiên dài\n\nDùng ngữ cảnh 256k cho mã nguồn, tài liệu và lịch sử hội thoại liên quan, đồng thời giữ mục tiêu thực tế rõ ràng. Phiên lập trình có thể giữ mô-đun, bên gọi và yêu cầu trong khi đề nghị một thay đổi xác định. Phiên tài liệu có thể giữ các phần liên quan cùng nhau trong khi trả bảng ngắn hoặc đoạn văn đã sửa. Dung lượng ngữ cảnh không quy định độ dài câu trả lời tối đa riêng; ví dụ tạo 1.024 token trong thẻ chỉ là minh họa, không phải giới hạn ấy.\n\nNhà sản xuất lưu ý cấu hình phát hành cũ từng có lỗi ngữ cảnh dài và lỗi đã được sửa, bao gồm ảnh hưởng liên quan tới các bản trọng số dẫn xuất. Giữ cấu hình phát hành đã sửa khi dùng trọng số cho các phiên dài. Không gán các chế độ lai và kiến trúc 128 tỷ tham số của Medium 3.5 cho Medium 3.1 hoặc bản trọng số draft-head có tên riêng chỉ vì cùng mang tên dòng.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "46dcfde57997b1844f291f332f76d0d88de6697581e8b7c2407060b483104af4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "vi", "methods": [ { "html": "mistralai/mistral-medium-3-5:batchMistral Medium 3.5 kết hợp làm theo chỉ dẫn, suy luận và lập trình trong một mô hình văn bản và hình ảnh dense 128 tỷ tham số. Mô hình có ngữ cảnh 256k do nhà sản xuất công bố, thiết lập suy luận theo từng yêu cầu, gọi hàm gốc và đầu ra có cấu trúc cho quy trình tài liệu và tác nhân.
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.
Mistral Medium 3.5 là mô hình dense 128 tỷ tham số của Mistral AI, kết hợp làm theo chỉ dẫn, suy luận và lập trình trong một bộ trọng số. Mô hình nhận văn bản và hình ảnh, trả về văn bản. Nhà sản xuất định vị nó cho tác vụ tác nhân và lập trình, trong khi cùng bản trọng số có thể tạo câu trả lời hội thoại trực tiếp hoặc dùng chế độ suy luận được mô tả trong tài liệu cho tác vụ phức tạp hơn.
Mô hình hợp nhất và khả năng thị giác
Thẻ phát hành xác định 128 tỷ tham số dense và cửa sổ ngữ cảnh 256k. Bộ mã hóa thị giác được huấn luyện để xử lý các kích thước và tỷ lệ ảnh khác nhau. Hình ảnh có thể cung cấp bằng chứng cho tác vụ lập trình hoặc tài liệu: ảnh chụp giao diện, sơ đồ đi kèm yêu cầu hoặc trang chứa thông tin mô hình cần diễn giải. Kết quả có thể là giải thích bằng chữ, mã hoặc các trường có cấu trúc, thay vì ảnh được tạo.
Nhà sản xuất mô tả hỗ trợ đa ngôn ngữ trên hàng chục ngôn ngữ, gồm tiếng Anh, Pháp, Tây Ban Nha, Đức, Ý, Bồ Đào Nha, Hà Lan, Trung, Nhật, Hàn và Ả Rập. Họ cũng nhấn mạnh tuân thủ lời nhắc hệ thống và gọi hàm gốc với đầu ra JSON. Thiết lập đối tượng đọc, ngôn ngữ và quy tắc trả lời tách biệt với tài liệu được xem xét để câu chữ của tài liệu nguồn vẫn là bằng chứng cho tác vụ.
Thiết lập suy luận
Thẻ mô hình mô tả hai giá trị nỗ lực suy luận cho mỗi yêu cầu. Giá trị none tạo câu trả lời theo chỉ dẫn mà không dùng chế độ suy luận; high bật suy luận và được khuyến nghị cho lời nhắc phức tạp cùng lập trình bằng tác nhân. Đây là lựa chọn chế độ trong cùng bản trọng số Medium 3.5, không phải định danh mô hình khác.
Với nỗ lực suy luận high, nhà sản xuất khuyến nghị temperature 0.7 và top-p 0.95. Với none, tài liệu nêu temperature từ 0.0 đến 0.7 tùy tác vụ, còn top-p để trống hoặc ở 1.0. Đây là các khuyến nghị của bản phát hành. Trước tiên, hãy chọn mục đích đầu ra: trích xuất trường gọn, thay đổi mã kèm giải thích hoặc so sánh đòi hỏi nhiều quyết định có cơ sở.
Tác vụ suy luận thực tế có thể cung cấp yêu cầu, phần triển khai và đầu vào bộc lộ sai lệch. Yêu cầu mô hình xác định đường đi liên quan, giải thích khác biệt và đề xuất thay đổi nhỏ nhất vẫn giữ giao diện công khai. Yêu cầu mã đã sửa tách biệt với giả định và ví dụ. Mô hình tạo đề xuất; biên dịch, chạy và áp dụng đề xuất cần môi trường phát triển kết nối với tác nhân.
Công cụ, tài liệu và chỉnh sửa có thể dự đoán
Thẻ dịch vụ của nhà sản xuất cũng liệt kê đầu ra có cấu trúc, đầu ra dự đoán, câu hỏi tài liệu, tiền tố câu trả lời, xử lý theo lô và hội thoại tác nhân. Với trích xuất, hãy xác định tên trường, kiểu dữ liệu và cách xử lý giá trị thiếu. Chế độ JSON cung cấp cách biểu diễn có cấu trúc, còn lược đồ tùy chỉnh xác định hình dạng dữ liệu cụ thể hơn trong giao diện kết nối. Chỉ yêu cầu bản ghi khi chương trình sẽ phân tích nó, và yêu cầu phần giải thích riêng khi con người cần kiểm tra cách diễn giải.
Hỏi đáp tài liệu kết hợp văn bản và cấu trúc được OCR chuẩn bị với khả năng hiểu của mô hình ngôn ngữ. Với so sánh, hãy xác định các tài liệu và điều kiện cần đánh giá, rồi yêu cầu từng phát hiện kèm vị trí nguồn. Đầu ra hữu ích có thể tách các yêu cầu chung, điểm bất đồng và câu hỏi còn mở. Câu hỏi trực tiếp về ảnh có thể tập trung vào nhãn biểu đồ hoặc thành phần giao diện; giữ lại tiêu đề, đơn vị và vai trò của ảnh giúp câu trả lời gắn với tài liệu đã cung cấp.
Đầu ra dự đoán được tài liệu mô tả cho tác vụ mà phần lớn câu trả lời mong muốn đã biết, như tạo lại tệp mã hoặc tài liệu với chỉnh sửa giới hạn. Cung cấp nội dung hiện có và xác định thay đổi cụ thể, giữ lại những phần cần bảo toàn. Điều này khác với yêu cầu sản phẩm hoàn toàn mới hoặc tiếp tục từ tiền tố câu trả lời đã biết. Các tính năng dịch vụ mô tả lựa chọn gửi yêu cầu và định dạng; chúng không thay đổi đầu vào văn bản và hình ảnh hay đầu ra văn bản của mô hình.
Trong quy trình có công cụ hỗ trợ, ứng dụng cung cấp mô tả hàm và tham số, mô hình chọn hàm và chuẩn bị đối số, rồi ứng dụng thực thi và trả kết quả. Công cụ tính toán có thể nhận giá trị đọc từ ảnh được cung cấp, còn công cụ tra cứu có thể cung cấp thông tin thiếu cho câu trả lời tiếp theo. Giữ kết quả công cụ gắn với thao tác tạo ra nó. Suy luận tác nhân dựa vào môi trường đó, thay vì việc tạo văn bản tự nó thực hiện hành động bên ngoài.
Chuẩn bị các phiên dài
Dùng ngữ cảnh 256k cho mã nguồn, tài liệu và lịch sử hội thoại liên quan, đồng thời giữ mục tiêu thực tế rõ ràng. Phiên lập trình có thể giữ mô-đun, bên gọi và yêu cầu trong khi đề nghị một thay đổi xác định. Phiên tài liệu có thể giữ các phần liên quan cùng nhau trong khi trả bảng ngắn hoặc đoạn văn đã sửa. Dung lượng ngữ cảnh không quy định độ dài câu trả lời tối đa riêng; ví dụ tạo 1.024 token trong thẻ chỉ là minh họa, không phải giới hạn ấy.
Nhà sản xuất lưu ý cấu hình phát hành cũ từng có lỗi ngữ cảnh dài và lỗi đã được sửa, bao gồm ảnh hưởng liên quan tới các bản trọng số dẫn xuất. Giữ cấu hình phát hành đã sửa khi dùng trọng số cho các phiên dài. Không gán các chế độ lai và kiến trúc 128 tỷ tham số của Medium 3.5 cho Medium 3.1 hoặc bản trọng số draft-head có tên riêng chỉ vì cùng mang tên dòng.
POST /v1/batchestexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngendpoint | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn /v1/chat/completions | Mặc định— |
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn mistralai/mistral-medium-3-5:batch | Mặc định— |
Trườngrequests | Loạibatch_item[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngrequests[].custom_id | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngrequests[].body.messages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngcompletion_window | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn 24h | Mặc định— |
Trườngprovider | Loạiobject|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngrequests[].body.model | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn mistralai/mistral-medium-3-5:batch, mistralai/mistral-medium-3-5 | Mặc định— |
Trườngprovider.only | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn mistral | Mặc định— |
Trườngprovider.allow_fallbacks | Loạiboolean|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn false, null | Mặc định— |
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngendpoint, model, requests |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốrepresentation | Hợp đồngrequests[] nội tuyến; mỗi phần tử có custom_id và body |
Tham sốrequest_endpoint_profile | Hợp đồng/v1/chat/completions |
Tham sốfile_material | Hợp đồngBên gọi có thể đọc dữ liệu JSONL UTF-8 thực tế trên máy cục bộ vào requests[]. Không sử dụng mục đích tải lên, input_file_id hay tham chiếu tệp. Nếu thiếu tài liệu của khách hàng hoặc tài liệu rỗng, dừng khâu chuẩn bị trước POST. |
Tham sốserialization_order | Hợp đồngendpoint, model, provider (nếu được cung cấp), completion_window (nếu được cung cấp), requests ở cuối |
Tham sốoptional_controls | Hợp đồngprovider.only, provider.allow_fallbacks, completion_window |
Tham sốschema_scope | Hợp đồngPhần thân yêu cầu Chat Completions dạng văn bản trong cấu trúc Batch nội tuyến được mô tả trong tài liệu. |
Vòng đời: asynchronous
GET /v1/batches/{operation_id} · response.id thực tế từ phản hồi tạo gốc; cùng người dùng/khóa/nhóm
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 $0.0015 / 1K token Đầu ra · Token đầu ra $0.0075 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 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 $0.0015 / 1K token Đầu ra · Token đầu ra $0.0075 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"mistralai/mistral-medium-3-5:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['mistralai/mistral-medium-3-5:batch', 'mistralai/mistral-medium-3-5']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"mistralai/mistral-medium-3-5:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON nội tuyến tại results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nLưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ lại toàn bộ JSON trạng thái gốc, mọi kết quả/custom_id và toàn bộ phần thân phản hồi hoặc lỗi. Lưu results[] đã hoàn tất dưới dạng JSONL mà không lọc.
Giữ nguyên ID thao tác gốc. Phản hồi 503 result_pending_check có X-Should-Retry:false; tuyệt đối không gửi lại lô gốc có trạng thái chưa xác định.
| Trường | Loại |
|---|---|
Trườngresults[].custom_id | Loạistring |
Trườngresults[].response.body.choices[].message.content | Loạistring|null |
Trườngresults[].error | Loạiobject|null |
Trườngusage | Loạiobject|null |
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngendpoint | Loạistring |
Trườngstatus | Loạistring |
Trườngrequest_counts | Loạiobject |
Trườngresults[].id | Loạistring |
Trườngresults[].response.status_code | Loạiinteger |
Trườngresults[].response.request_id | Loạistring |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnCấu trúc nội tuyến không đúng tài liệu, có khóa trùng, định danh phần tử không hợp lệ hoặc xung đột với khả năng đã cấu hình của mô hình. | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi bất kỳ yêu cầu mới nào. |
Phản hồi401 · authentication_error | Điều kiệnKhóa API không hợp lệ. | Bước tiếp theoSử dụng khóa Ailoot đã được cấp quyền. |
Phản hồi403 · permission_error | Điều kiệnNhóm xử lý hàng loạt không khả dụng. | Bước tiếp theoKiểm tra quyền sử dụng của khóa/nhóm. |
Phản hồi422 · invalid_request_error | Điều kiệnXử lý hàng loạt tính phí từ số dư; yêu cầu tạo qua gói thuê bao bị từ chối. | Bước tiếp theoSử dụng nhóm đã được cấp quyền và tính phí từ số dư. |
Phản hồi422 · price_unavailable | Điều kiệnKhông thể báo giá cho dữ liệu đầu vào của lô. | Bước tiếp theoGiữ lại phản hồi; sử dụng dữ liệu đầu vào của họ API được mô tả trong tài liệu. |
Phản hồi402 · billing_error | Điều kiệnKhoản dự trữ cho xử lý hàng loạt không khả dụng. | Bước tiếp theoKhắc phục vấn đề về điều kiện tiếp nhận trước khi gửi yêu cầu mới. |
Phản hồi503 · price_unavailable | Điều kiệnGiá phương thức xử lý hàng loạt/đơn giá gốc không khả dụng. | Bước tiếp theoGiữ lại phản hồi; không thay thế đơn giá. |
Phản hồi503 · api_error | Điều kiệnTuyến cụ thể tới nhà cung cấp không khả dụng. | Bước tiếp theoGiữ lại phản hồi để sửa tuyến. |
Phản hồi503 · result_pending_check | Điều kiệnKết quả gốc cần được kiểm tra; X-Should-Retry:false. | Bước tiếp theoGiữ lại operation_id/id gốc và truy xuất trạng thái của thao tác đó; tuyệt đối không lặp lại POST gốc. |
Phản hồi404 · not_found | Điều kiệnKhông tìm thấy thao tác kiểm tra trạng thái lô hoặc thao tác thuộc một danh tính khác. | Bước tiếp theoSử dụng đúng id gốc và cùng người dùng/khóa/nhóm. |
Ailoot Ultra mistralai/mistral-medium-3-5:batch
Dùng các đường dẫn phương thức hiển thị ở trên.