Mistral Saba là mô hình văn bản chuyên khu vực của Mistral AI, được tạo bằng cách tinh chỉnh mô hình dòng Small với tài liệu tuyển chọn từ Trung Đông và Nam Á. Nhà sản xuất mô tả mô hình 24 tỷ tham số nhằm phản ánh ngôn ngữ khu vực, ngữ cảnh văn hóa và lối diễn đạt địa phương. Mô hình nhận tác vụ bằng chữ cùng tài liệu nguồn và trả văn bản.
Ngôn ngữ và ngữ cảnh khu vực
Bản phát hành xác định rõ tiếng Ả Rập cùng nhiều ngôn ngữ có nguồn gốc Ấn Độ, với thế mạnh đặc biệt ở ngôn ngữ có nguồn gốc Nam Ấn như Tamil. Trọng tâm cụ thể hơn việc đơn giản đổi ngôn ngữ cuối cùng của câu trả lời đa dụng: tài liệu huấn luyện được chọn theo ngữ cảnh ngôn ngữ và văn hóa khu vực nơi phản hồi sẽ được dùng.
Chỉ rõ đối tượng đọc, khu vực, ngôn ngữ và sắc thái diễn đạt mong muốn trước khi yêu cầu kết quả. Giải thích trang trọng, thông điệp cho khách hàng và đoạn văn giáo dục có thể cần thuật ngữ cùng cách xưng hô khác nhau. Cung cấp bảng thuật ngữ cho tên sản phẩm hoặc thuật ngữ chuyên môn phải nhất quán, đồng thời nêu kết quả cần giữ câu chữ nguồn hay điều chỉnh giải thích cho người đọc.
Trang của nhà sản xuất nêu cửa sổ ngữ cảnh 32k và xác định phiên bản là mistral-saba-2502. Dùng ngữ cảnh cho các đoạn nguồn, hội thoại và chỉ dẫn liên quan cùng nhau. Phản hồi điều chỉnh theo khu vực vẫn cần điều kiện sản phẩm, quy trình hoặc nội dung tài liệu thực tế được cung cấp làm bằng chứng; hiểu văn hóa không cung cấp thông tin riêng của công ty.
Hỗ trợ hội thoại
Nhà sản xuất nhấn mạnh trợ lý hội thoại tiếng Ả Rập là trường hợp sử dụng trọng tâm. Yêu cầu hỗ trợ thực tế có thể cung cấp thông điệp người dùng và tài liệu tham chiếu đã duyệt, rồi yêu cầu phản hồi theo sắc thái được nêu tên. Yêu cầu hành động tiếp theo, điều kiện để áp dụng và mọi chi tiết người dùng còn cần cung cấp. Điều này giữ câu trả lời gắn với vấn đề cụ thể thay vì tạo lời chào khu vực chung chung.
Với giải thích song ngữ, hãy xác định ngôn ngữ nguồn và ngôn ngữ thông điệp cuối cùng. Giữ tên, số tiền hoặc đơn vị được cung cấp trong tài liệu và mô tả đối tượng cần hiểu câu trả lời. Câu hỏi tiếp theo có thể yêu cầu bản ngắn hơn hoặc làm rõ một thuật ngữ trong khi giữ nguyên các điều kiện.
Thích ứng theo lĩnh vực
Thông báo mô tả tinh chỉnh Saba cho lĩnh vực cụ thể, gồm năng lượng và ngữ cảnh chuyên môn khu vực khác. Đó là quá trình thích ứng thay vì khẳng định mọi tập dữ liệu chuyên biệt đã thuộc mô hình mặc định. Với tác vụ văn bản theo lĩnh vực, hãy cung cấp thuật ngữ, tài liệu nguồn và quy tắc trả lời liên quan tới ứng dụng thực tế.
Giải thích kỹ thuật có thể yêu cầu mô hình diễn đạt lại quy trình bằng thuật ngữ khu vực của người đọc, đồng thời giữ các bước và điều kiện gốc. Câu hỏi tài liệu có thể xác định điều khoản cần giải thích và yêu cầu câu trả lời súc tích kèm đoạn hỗ trợ. Phân biệt dữ kiện nguồn, giải thích và thuật ngữ chưa giải quyết khi chuẩn bị đầu ra.
Tạo nội dung văn hóa
Nhà sản xuất cũng mô tả nội dung viết và tài nguyên giáo dục phù hợp văn hóa. Cung cấp chủ đề, đối tượng dự định, ngôn ngữ và dữ kiện hoặc ví dụ cần xuất hiện. Với đoạn văn giáo dục, hãy chỉ rõ người học cần hiểu gì ở cuối và yêu cầu giải thích tiếp theo là ví dụ thực tế. Với thông điệp tổ chức, hãy cung cấp mục đích và thông tin người đọc phải hành động theo.
Khi thành ngữ địa phương hoặc tham chiếu văn hóa thuộc tác vụ, hãy nêu ngữ cảnh chúng sẽ được dùng. Yêu cầu cách diễn đạt khác khi phiên bản trang trọng hoặc trung tính hơn phù hợp đối tượng khác. Đây là cách thực tế để áp dụng chuyên môn khu vực của mô hình, đồng thời giữ rõ nội dung và mục đích sử dụng.
Phạm vi phiên bản và kết quả
Chuyên môn được tài liệu xác nhận của Saba là công việc ngôn ngữ khu vực dựa trên văn bản với ngữ cảnh 32k. Không nên cho nó thừa hưởng đầu vào hình ảnh, điều khiển suy luận lai hoặc tính năng định dạng công cụ từ các mô hình Small hay Medium về sau chỉ vì nó là bản tinh chỉnh dòng Small. Các nguồn đã đọc không nêu dung lượng token đầu ra tối đa riêng cho phiên bản này.
Chuẩn bị toàn bộ tác vụ bằng chữ, dữ kiện nguồn liên quan và sản phẩm mong muốn: trả lời hỗ trợ, giải thích, đoạn văn điều chỉnh hoặc văn bản giáo dục ngắn. Giữ rõ phiên bản Saba được nêu cùng ngôn ngữ và sắc thái của đối tượng đọc để văn bản thu được đáp ứng nhu cầu giao tiếp khu vực thực tế.
", "aboutText": "Mistral Saba là mô hình văn bản chuyên khu vực của Mistral AI, được tạo bằng cách tinh chỉnh mô hình dòng Small với tài liệu tuyển chọn từ Trung Đông và Nam Á. Nhà sản xuất mô tả mô hình 24 tỷ tham số nhằm phản ánh ngôn ngữ khu vực, ngữ cảnh văn hóa và lối diễn đạt địa phương. Mô hình nhận tác vụ bằng chữ cùng tài liệu nguồn và trả văn bản.\n\nNgôn ngữ và ngữ cảnh khu vực\n\nBản phát hành xác định rõ tiếng Ả Rập cùng nhiều ngôn ngữ có nguồn gốc Ấn Độ, với thế mạnh đặc biệt ở ngôn ngữ có nguồn gốc Nam Ấn như Tamil. Trọng tâm cụ thể hơn việc đơn giản đổi ngôn ngữ cuối cùng của câu trả lời đa dụng: tài liệu huấn luyện được chọn theo ngữ cảnh ngôn ngữ và văn hóa khu vực nơi phản hồi sẽ được dùng.\n\nChỉ rõ đối tượng đọc, khu vực, ngôn ngữ và sắc thái diễn đạt mong muốn trước khi yêu cầu kết quả. Giải thích trang trọng, thông điệp cho khách hàng và đoạn văn giáo dục có thể cần thuật ngữ cùng cách xưng hô khác nhau. Cung cấp bảng thuật ngữ cho tên sản phẩm hoặc thuật ngữ chuyên môn phải nhất quán, đồng thời nêu kết quả cần giữ câu chữ nguồn hay điều chỉnh giải thích cho người đọc.\n\nTrang của nhà sản xuất nêu cửa sổ ngữ cảnh 32k và xác định phiên bản là mistral-saba-2502. Dùng ngữ cảnh cho các đoạn nguồn, hội thoại và chỉ dẫn liên quan cùng nhau. Phản hồi điều chỉnh theo khu vực vẫn cần điều kiện sản phẩm, quy trình hoặc nội dung tài liệu thực tế được cung cấp làm bằng chứng; hiểu văn hóa không cung cấp thông tin riêng của công ty.\n\nHỗ trợ hội thoại\n\nNhà sản xuất nhấn mạnh trợ lý hội thoại tiếng Ả Rập là trường hợp sử dụng trọng tâm. Yêu cầu hỗ trợ thực tế có thể cung cấp thông điệp người dùng và tài liệu tham chiếu đã duyệt, rồi yêu cầu phản hồi theo sắc thái được nêu tên. Yêu cầu hành động tiếp theo, điều kiện để áp dụng và mọi chi tiết người dùng còn cần cung cấp. Điều này giữ câu trả lời gắn với vấn đề cụ thể thay vì tạo lời chào khu vực chung chung.\n\nVới giải thích song ngữ, hãy xác định ngôn ngữ nguồn và ngôn ngữ thông điệp cuối cùng. Giữ tên, số tiền hoặc đơn vị được cung cấp trong tài liệu và mô tả đối tượng cần hiểu câu trả lời. Câu hỏi tiếp theo có thể yêu cầu bản ngắn hơn hoặc làm rõ một thuật ngữ trong khi giữ nguyên các điều kiện.\n\nThích ứng theo lĩnh vực\n\nThông báo mô tả tinh chỉnh Saba cho lĩnh vực cụ thể, gồm năng lượng và ngữ cảnh chuyên môn khu vực khác. Đó là quá trình thích ứng thay vì khẳng định mọi tập dữ liệu chuyên biệt đã thuộc mô hình mặc định. Với tác vụ văn bản theo lĩnh vực, hãy cung cấp thuật ngữ, tài liệu nguồn và quy tắc trả lời liên quan tới ứng dụng thực tế.\n\nGiải thích kỹ thuật có thể yêu cầu mô hình diễn đạt lại quy trình bằng thuật ngữ khu vực của người đọc, đồng thời giữ các bước và điều kiện gốc. Câu hỏi tài liệu có thể xác định điều khoản cần giải thích và yêu cầu câu trả lời súc tích kèm đoạn hỗ trợ. Phân biệt dữ kiện nguồn, giải thích và thuật ngữ chưa giải quyết khi chuẩn bị đầu ra.\n\nTạo nội dung văn hóa\n\nNhà sản xuất cũng mô tả nội dung viết và tài nguyên giáo dục phù hợp văn hóa. Cung cấp chủ đề, đối tượng dự định, ngôn ngữ và dữ kiện hoặc ví dụ cần xuất hiện. Với đoạn văn giáo dục, hãy chỉ rõ người học cần hiểu gì ở cuối và yêu cầu giải thích tiếp theo là ví dụ thực tế. Với thông điệp tổ chức, hãy cung cấp mục đích và thông tin người đọc phải hành động theo.\n\nKhi thành ngữ địa phương hoặc tham chiếu văn hóa thuộc tác vụ, hãy nêu ngữ cảnh chúng sẽ được dùng. Yêu cầu cách diễn đạt khác khi phiên bản trang trọng hoặc trung tính hơn phù hợp đối tượng khác. Đây là cách thực tế để áp dụng chuyên môn khu vực của mô hình, đồng thời giữ rõ nội dung và mục đích sử dụng.\n\nPhạm vi phiên bản và kết quả\n\nChuyên môn được tài liệu xác nhận của Saba là công việc ngôn ngữ khu vực dựa trên văn bản với ngữ cảnh 32k. Không nên cho nó thừa hưởng đầu vào hình ảnh, điều khiển suy luận lai hoặc tính năng định dạng công cụ từ các mô hình Small hay Medium về sau chỉ vì nó là bản tinh chỉnh dòng Small. Các nguồn đã đọc không nêu dung lượng token đầu ra tối đa riêng cho phiên bản này.\n\nChuẩn bị toàn bộ tác vụ bằng chữ, dữ kiện nguồn liên quan và sản phẩm mong muốn: trả lời hỗ trợ, giải thích, đoạn văn điều chỉnh hoặc văn bản giáo dục ngắn. Giữ rõ phiên bản Saba được nêu cùng ngôn ngữ và sắc thái của đối tượng đọc để văn bản thu được đáp ứng nhu cầu giao tiếp khu vực thực tế.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.mistralai/mistral-sabaMistral Saba là mô hình văn bản 24 tỷ tham số được huấn luyện với tài liệu tuyển chọn từ Trung Đông và Nam Á. Mô hình tập trung vào ngôn ngữ và ngữ cảnh văn hóa khu vực, gồm tiếng Ả Rập và các ngôn ngữ có nguồn gốc Ấn Độ như Tamil, với ngữ cảnh 32k do nhà sản xuất công bố cho tác vụ bằng chữ.
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 Saba là mô hình văn bản chuyên khu vực của Mistral AI, được tạo bằng cách tinh chỉnh mô hình dòng Small với tài liệu tuyển chọn từ Trung Đông và Nam Á. Nhà sản xuất mô tả mô hình 24 tỷ tham số nhằm phản ánh ngôn ngữ khu vực, ngữ cảnh văn hóa và lối diễn đạt địa phương. Mô hình nhận tác vụ bằng chữ cùng tài liệu nguồn và trả văn bản.
Ngôn ngữ và ngữ cảnh khu vực
Bản phát hành xác định rõ tiếng Ả Rập cùng nhiều ngôn ngữ có nguồn gốc Ấn Độ, với thế mạnh đặc biệt ở ngôn ngữ có nguồn gốc Nam Ấn như Tamil. Trọng tâm cụ thể hơn việc đơn giản đổi ngôn ngữ cuối cùng của câu trả lời đa dụng: tài liệu huấn luyện được chọn theo ngữ cảnh ngôn ngữ và văn hóa khu vực nơi phản hồi sẽ được dùng.
Chỉ rõ đối tượng đọc, khu vực, ngôn ngữ và sắc thái diễn đạt mong muốn trước khi yêu cầu kết quả. Giải thích trang trọng, thông điệp cho khách hàng và đoạn văn giáo dục có thể cần thuật ngữ cùng cách xưng hô khác nhau. Cung cấp bảng thuật ngữ cho tên sản phẩm hoặc thuật ngữ chuyên môn phải nhất quán, đồng thời nêu kết quả cần giữ câu chữ nguồn hay điều chỉnh giải thích cho người đọc.
Trang của nhà sản xuất nêu cửa sổ ngữ cảnh 32k và xác định phiên bản là mistral-saba-2502. Dùng ngữ cảnh cho các đoạn nguồn, hội thoại và chỉ dẫn liên quan cùng nhau. Phản hồi điều chỉnh theo khu vực vẫn cần điều kiện sản phẩm, quy trình hoặc nội dung tài liệu thực tế được cung cấp làm bằng chứng; hiểu văn hóa không cung cấp thông tin riêng của công ty.
Hỗ trợ hội thoại
Nhà sản xuất nhấn mạnh trợ lý hội thoại tiếng Ả Rập là trường hợp sử dụng trọng tâm. Yêu cầu hỗ trợ thực tế có thể cung cấp thông điệp người dùng và tài liệu tham chiếu đã duyệt, rồi yêu cầu phản hồi theo sắc thái được nêu tên. Yêu cầu hành động tiếp theo, điều kiện để áp dụng và mọi chi tiết người dùng còn cần cung cấp. Điều này giữ câu trả lời gắn với vấn đề cụ thể thay vì tạo lời chào khu vực chung chung.
Với giải thích song ngữ, hãy xác định ngôn ngữ nguồn và ngôn ngữ thông điệp cuối cùng. Giữ tên, số tiền hoặc đơn vị được cung cấp trong tài liệu và mô tả đối tượng cần hiểu câu trả lời. Câu hỏi tiếp theo có thể yêu cầu bản ngắn hơn hoặc làm rõ một thuật ngữ trong khi giữ nguyên các điều kiện.
Thích ứng theo lĩnh vực
Thông báo mô tả tinh chỉnh Saba cho lĩnh vực cụ thể, gồm năng lượng và ngữ cảnh chuyên môn khu vực khác. Đó là quá trình thích ứng thay vì khẳng định mọi tập dữ liệu chuyên biệt đã thuộc mô hình mặc định. Với tác vụ văn bản theo lĩnh vực, hãy cung cấp thuật ngữ, tài liệu nguồn và quy tắc trả lời liên quan tới ứng dụng thực tế.
Giải thích kỹ thuật có thể yêu cầu mô hình diễn đạt lại quy trình bằng thuật ngữ khu vực của người đọc, đồng thời giữ các bước và điều kiện gốc. Câu hỏi tài liệu có thể xác định điều khoản cần giải thích và yêu cầu câu trả lời súc tích kèm đoạn hỗ trợ. Phân biệt dữ kiện nguồn, giải thích và thuật ngữ chưa giải quyết khi chuẩn bị đầu ra.
Tạo nội dung văn hóa
Nhà sản xuất cũng mô tả nội dung viết và tài nguyên giáo dục phù hợp văn hóa. Cung cấp chủ đề, đối tượng dự định, ngôn ngữ và dữ kiện hoặc ví dụ cần xuất hiện. Với đoạn văn giáo dục, hãy chỉ rõ người học cần hiểu gì ở cuối và yêu cầu giải thích tiếp theo là ví dụ thực tế. Với thông điệp tổ chức, hãy cung cấp mục đích và thông tin người đọc phải hành động theo.
Khi thành ngữ địa phương hoặc tham chiếu văn hóa thuộc tác vụ, hãy nêu ngữ cảnh chúng sẽ được dùng. Yêu cầu cách diễn đạt khác khi phiên bản trang trọng hoặc trung tính hơn phù hợp đối tượng khác. Đây là cách thực tế để áp dụng chuyên môn khu vực của mô hình, đồng thời giữ rõ nội dung và mục đích sử dụng.
Phạm vi phiên bản và kết quả
Chuyên môn được tài liệu xác nhận của Saba là công việc ngôn ngữ khu vực dựa trên văn bản với ngữ cảnh 32k. Không nên cho nó thừa hưởng đầu vào hình ảnh, điều khiển suy luận lai hoặc tính năng định dạng công cụ từ các mô hình Small hay Medium về sau chỉ vì nó là bản tinh chỉnh dòng Small. Các nguồn đã đọc không nêu dung lượng token đầu ra tối đa riêng cho phiên bản này.
Chuẩn bị toàn bộ tác vụ bằng chữ, dữ kiện nguồn liên quan và sản phẩm mong muốn: trả lời hỗ trợ, giải thích, đoạn văn điều chỉnh hoặc văn bản giáo dục ngắn. Giữ rõ phiên bản Saba được nêu cùng ngôn ngữ và sắc thái của đối tượng đọc để văn bản thu được đáp ứng nhu cầu giao tiếp khu vực thực tế.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn mistralai/mistral-saba | 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 $0.0004 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00004 / 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 $0.0004 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00004 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-saba", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistralai/mistral-saba',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistralai/mistral-saba',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/mistral-saba
Dùng các đường dẫn phương thức hiển thị ở trên.
mistralai/mistral-sabaMistral Saba là mô hình văn bản 24 tỷ tham số được huấn luyện với tài liệu tuyển chọn từ Trung Đông và Nam Á. Mô hình tập trung vào ngôn ngữ và ngữ cảnh văn hóa khu vực, gồm tiếng Ả Rập và các ngôn ngữ có nguồn gốc Ấn Độ như Tamil, với ngữ cảnh 32k do nhà sản xuất công bố cho tác vụ bằng chữ.
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 Saba là mô hình văn bản chuyên khu vực của Mistral AI, được tạo bằng cách tinh chỉnh mô hình dòng Small với tài liệu tuyển chọn từ Trung Đông và Nam Á. Nhà sản xuất mô tả mô hình 24 tỷ tham số nhằm phản ánh ngôn ngữ khu vực, ngữ cảnh văn hóa và lối diễn đạt địa phương. Mô hình nhận tác vụ bằng chữ cùng tài liệu nguồn và trả văn bản.
Ngôn ngữ và ngữ cảnh khu vực
Bản phát hành xác định rõ tiếng Ả Rập cùng nhiều ngôn ngữ có nguồn gốc Ấn Độ, với thế mạnh đặc biệt ở ngôn ngữ có nguồn gốc Nam Ấn như Tamil. Trọng tâm cụ thể hơn việc đơn giản đổi ngôn ngữ cuối cùng của câu trả lời đa dụng: tài liệu huấn luyện được chọn theo ngữ cảnh ngôn ngữ và văn hóa khu vực nơi phản hồi sẽ được dùng.
Chỉ rõ đối tượng đọc, khu vực, ngôn ngữ và sắc thái diễn đạt mong muốn trước khi yêu cầu kết quả. Giải thích trang trọng, thông điệp cho khách hàng và đoạn văn giáo dục có thể cần thuật ngữ cùng cách xưng hô khác nhau. Cung cấp bảng thuật ngữ cho tên sản phẩm hoặc thuật ngữ chuyên môn phải nhất quán, đồng thời nêu kết quả cần giữ câu chữ nguồn hay điều chỉnh giải thích cho người đọc.
Trang của nhà sản xuất nêu cửa sổ ngữ cảnh 32k và xác định phiên bản là mistral-saba-2502. Dùng ngữ cảnh cho các đoạn nguồn, hội thoại và chỉ dẫn liên quan cùng nhau. Phản hồi điều chỉnh theo khu vực vẫn cần điều kiện sản phẩm, quy trình hoặc nội dung tài liệu thực tế được cung cấp làm bằng chứng; hiểu văn hóa không cung cấp thông tin riêng của công ty.
Hỗ trợ hội thoại
Nhà sản xuất nhấn mạnh trợ lý hội thoại tiếng Ả Rập là trường hợp sử dụng trọng tâm. Yêu cầu hỗ trợ thực tế có thể cung cấp thông điệp người dùng và tài liệu tham chiếu đã duyệt, rồi yêu cầu phản hồi theo sắc thái được nêu tên. Yêu cầu hành động tiếp theo, điều kiện để áp dụng và mọi chi tiết người dùng còn cần cung cấp. Điều này giữ câu trả lời gắn với vấn đề cụ thể thay vì tạo lời chào khu vực chung chung.
Với giải thích song ngữ, hãy xác định ngôn ngữ nguồn và ngôn ngữ thông điệp cuối cùng. Giữ tên, số tiền hoặc đơn vị được cung cấp trong tài liệu và mô tả đối tượng cần hiểu câu trả lời. Câu hỏi tiếp theo có thể yêu cầu bản ngắn hơn hoặc làm rõ một thuật ngữ trong khi giữ nguyên các điều kiện.
Thích ứng theo lĩnh vực
Thông báo mô tả tinh chỉnh Saba cho lĩnh vực cụ thể, gồm năng lượng và ngữ cảnh chuyên môn khu vực khác. Đó là quá trình thích ứng thay vì khẳng định mọi tập dữ liệu chuyên biệt đã thuộc mô hình mặc định. Với tác vụ văn bản theo lĩnh vực, hãy cung cấp thuật ngữ, tài liệu nguồn và quy tắc trả lời liên quan tới ứng dụng thực tế.
Giải thích kỹ thuật có thể yêu cầu mô hình diễn đạt lại quy trình bằng thuật ngữ khu vực của người đọc, đồng thời giữ các bước và điều kiện gốc. Câu hỏi tài liệu có thể xác định điều khoản cần giải thích và yêu cầu câu trả lời súc tích kèm đoạn hỗ trợ. Phân biệt dữ kiện nguồn, giải thích và thuật ngữ chưa giải quyết khi chuẩn bị đầu ra.
Tạo nội dung văn hóa
Nhà sản xuất cũng mô tả nội dung viết và tài nguyên giáo dục phù hợp văn hóa. Cung cấp chủ đề, đối tượng dự định, ngôn ngữ và dữ kiện hoặc ví dụ cần xuất hiện. Với đoạn văn giáo dục, hãy chỉ rõ người học cần hiểu gì ở cuối và yêu cầu giải thích tiếp theo là ví dụ thực tế. Với thông điệp tổ chức, hãy cung cấp mục đích và thông tin người đọc phải hành động theo.
Khi thành ngữ địa phương hoặc tham chiếu văn hóa thuộc tác vụ, hãy nêu ngữ cảnh chúng sẽ được dùng. Yêu cầu cách diễn đạt khác khi phiên bản trang trọng hoặc trung tính hơn phù hợp đối tượng khác. Đây là cách thực tế để áp dụng chuyên môn khu vực của mô hình, đồng thời giữ rõ nội dung và mục đích sử dụng.
Phạm vi phiên bản và kết quả
Chuyên môn được tài liệu xác nhận của Saba là công việc ngôn ngữ khu vực dựa trên văn bản với ngữ cảnh 32k. Không nên cho nó thừa hưởng đầu vào hình ảnh, điều khiển suy luận lai hoặc tính năng định dạng công cụ từ các mô hình Small hay Medium về sau chỉ vì nó là bản tinh chỉnh dòng Small. Các nguồn đã đọc không nêu dung lượng token đầu ra tối đa riêng cho phiên bản này.
Chuẩn bị toàn bộ tác vụ bằng chữ, dữ kiện nguồn liên quan và sản phẩm mong muốn: trả lời hỗ trợ, giải thích, đoạn văn điều chỉnh hoặc văn bản giáo dục ngắn. Giữ rõ phiên bản Saba được nêu cùng ngôn ngữ và sắc thái của đối tượng đọc để văn bản thu được đáp ứng nhu cầu giao tiếp khu vực thực tế.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn mistralai/mistral-saba | 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 $0.0004 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00004 / 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 $0.0004 / 1K token Đầu ra · Token đầu ra $0.0012 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.00004 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "mistralai/mistral-saba",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-saba', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistralai/mistral-saba', '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/mistral-saba
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Draft an Arabic service reply\n\nWrite a polite Modern Standard Arabic support reply for customers in the Gulf. Approved facts: service desk hours are Sunday through Thursday, 09:00-17:00; ticket T-46 is received; no appointment has been assigned. Confirm receipt and explain the hours in two sentences. Keep T-46 unchanged and do not promise a visit time.A two-sentence Arabic reply retaining the ticket ID, workdays, hours and unassigned appointment status.Review the Arabic for meaning and verify that no appointment or Friday service is promised.