Mistral Medium 是 Mistral AI 用於應用助理、文件工作與軟體代理的模型系列。Medium 3.5 版本在具有 1,280 億參數及 256K 上下文視窗的稠密模型中，結合指令遵循、推理與程式開發。它能理解文字與視覺材料，並產生文字、程式碼或結構化結果。其視覺編碼器經過訓練，可處理不同影像尺寸與長寬比，讓任務能結合書面需求與截圖、文件頁面或其他視覺證據。
模型功能包括結構化輸出與函式呼叫。回應必須維持機器可讀結構時，JSON 輸出很實用；自訂結構描述則定義必要欄位及其型別。文件任務可以回傳擷取事實的表格、章節比較，或含有未解問題的摘要。文件問答將文件文字與結構的擷取結合語言模型理解，讓問題能對應相關內容，而非任意猜測。
在工具輔助任務中，應用程式描述其函式及接受的引數。模型選擇函式並準備引數，在應用程式執行動作後接收結果。對話可接續另一個工具呼叫或最終答案。在應用程式允許的情況下，並行工具使用可讓獨立呼叫一起提出。工具選擇控制可允許模型自行決定、強制使用工具，或將任務維持在文字回應範圍內。
Medium 3.5 可針對每個請求調整推理強度。最低思考設定直接回傳答案；高強度設定會在最終答案前加入推理區段，並建議用於代理與程式開發任務。在多回合推理對話中，完整助理訊息會保留後續工作所需的資訊。修改含有已知段落的程式碼或文件時，預測輸出可提供協助，而提供的前綴則能固定答案開頭。批次工作流程可非同步處理一組獨立請求。
此版本專為持續多個步驟的工作設計。程式開發範例包括模組重構、修正錯誤、生成檢查、更新相依套件，以及調查失敗的開發工作流程。實用的任務指派應提供受影響檔案、所需行為及清楚的完成標準。模型可以利用儲存庫探索與應用程式執行檢查的結果，修訂建議方案；工具與檔案存取由周邊代理環境控制。
對知識工作，原廠描述了研究、綜整，以及跨連接工具的工作流程。Ailoot API 任務可以要求根據提供的文件整理結構化簡報、比較技術選項，或根據檢索資訊撰寫草稿。請指定支持結論的觀察，以及用來完成任務的成品。模型準備推理與結果；應用程式提供資訊存取、執行動作並呈現交付成果。Medium 系列名稱仍代表隨更新變動的選項，而此處描述的數值架構、視覺處理與推理模式，則屬於明確具名的 Medium 3.5 版本。
", "aboutText": "Mistral Medium 是 Mistral AI 用於應用助理、文件工作與軟體代理的模型系列。Medium 3.5 版本在具有 1,280 億參數及 256K 上下文視窗的稠密模型中，結合指令遵循、推理與程式開發。它能理解文字與視覺材料，並產生文字、程式碼或結構化結果。其視覺編碼器經過訓練，可處理不同影像尺寸與長寬比，讓任務能結合書面需求與截圖、文件頁面或其他視覺證據。\n\n模型功能包括結構化輸出與函式呼叫。回應必須維持機器可讀結構時，JSON 輸出很實用；自訂結構描述則定義必要欄位及其型別。文件任務可以回傳擷取事實的表格、章節比較，或含有未解問題的摘要。文件問答將文件文字與結構的擷取結合語言模型理解，讓問題能對應相關內容，而非任意猜測。\n\n在工具輔助任務中，應用程式描述其函式及接受的引數。模型選擇函式並準備引數，在應用程式執行動作後接收結果。對話可接續另一個工具呼叫或最終答案。在應用程式允許的情況下，並行工具使用可讓獨立呼叫一起提出。工具選擇控制可允許模型自行決定、強制使用工具，或將任務維持在文字回應範圍內。\n\nMedium 3.5 可針對每個請求調整推理強度。最低思考設定直接回傳答案；高強度設定會在最終答案前加入推理區段，並建議用於代理與程式開發任務。在多回合推理對話中，完整助理訊息會保留後續工作所需的資訊。修改含有已知段落的程式碼或文件時，預測輸出可提供協助，而提供的前綴則能固定答案開頭。批次工作流程可非同步處理一組獨立請求。\n\n此版本專為持續多個步驟的工作設計。程式開發範例包括模組重構、修正錯誤、生成檢查、更新相依套件，以及調查失敗的開發工作流程。實用的任務指派應提供受影響檔案、所需行為及清楚的完成標準。模型可以利用儲存庫探索與應用程式執行檢查的結果，修訂建議方案；工具與檔案存取由周邊代理環境控制。\n\n對知識工作，原廠描述了研究、綜整，以及跨連接工具的工作流程。Ailoot API 任務可以要求根據提供的文件整理結構化簡報、比較技術選項，或根據檢索資訊撰寫草稿。請指定支持結論的觀察，以及用來完成任務的成品。模型準備推理與結果；應用程式提供資訊存取、執行動作並呈現交付成果。Medium 系列名稱仍代表隨更新變動的選項，而此處描述的數值架構、視覺處理與推理模式，則屬於明確具名的 Medium 3.5 版本。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Extract obligations from a supplier note\n\nPrepare a document brief from this note: 'The supplier will send samples by 6 June. The buyer must approve the color before production starts. The production lead time is 20 business days after approval. No shipping date has been agreed.' Return obligations, dependency and unresolved information, preserving the distinction between sample delivery and production timing.A concise obligation table and a separate list of unresolved scheduling information.The brief does not calculate an agreed shipping date from a production lead time alone.mistral-medium-latestMistral AI 的 Medium 系列支援文件理解、程式開發，以及跨越多個工具輔助步驟的代理。其 Medium 3.5 版本將指令遵循與可調整推理整合在多模態模型中，具備 256K 上下文視窗。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Mistral Medium 是 Mistral AI 用於應用助理、文件工作與軟體代理的模型系列。Medium 3.5 版本在具有 1,280 億參數及 256K 上下文視窗的稠密模型中，結合指令遵循、推理與程式開發。它能理解文字與視覺材料，並產生文字、程式碼或結構化結果。其視覺編碼器經過訓練，可處理不同影像尺寸與長寬比，讓任務能結合書面需求與截圖、文件頁面或其他視覺證據。
模型功能包括結構化輸出與函式呼叫。回應必須維持機器可讀結構時，JSON 輸出很實用；自訂結構描述則定義必要欄位及其型別。文件任務可以回傳擷取事實的表格、章節比較，或含有未解問題的摘要。文件問答將文件文字與結構的擷取結合語言模型理解，讓問題能對應相關內容，而非任意猜測。
在工具輔助任務中，應用程式描述其函式及接受的引數。模型選擇函式並準備引數，在應用程式執行動作後接收結果。對話可接續另一個工具呼叫或最終答案。在應用程式允許的情況下，並行工具使用可讓獨立呼叫一起提出。工具選擇控制可允許模型自行決定、強制使用工具，或將任務維持在文字回應範圍內。
Medium 3.5 可針對每個請求調整推理強度。最低思考設定直接回傳答案；高強度設定會在最終答案前加入推理區段，並建議用於代理與程式開發任務。在多回合推理對話中，完整助理訊息會保留後續工作所需的資訊。修改含有已知段落的程式碼或文件時，預測輸出可提供協助，而提供的前綴則能固定答案開頭。批次工作流程可非同步處理一組獨立請求。
此版本專為持續多個步驟的工作設計。程式開發範例包括模組重構、修正錯誤、生成檢查、更新相依套件，以及調查失敗的開發工作流程。實用的任務指派應提供受影響檔案、所需行為及清楚的完成標準。模型可以利用儲存庫探索與應用程式執行檢查的結果，修訂建議方案；工具與檔案存取由周邊代理環境控制。
對知識工作，原廠描述了研究、綜整，以及跨連接工具的工作流程。Ailoot API 任務可以要求根據提供的文件整理結構化簡報、比較技術選項，或根據檢索資訊撰寫草稿。請指定支持結論的觀察，以及用來完成任務的成品。模型準備推理與結果；應用程式提供資訊存取、執行動作並呈現交付成果。Medium 系列名稱仍代表隨更新變動的選項，而此處描述的數值架構、視覺處理與推理模式，則屬於明確具名的 Medium 3.5 版本。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 mistral-medium-latest | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.00088 / 1K Token 輸出 · 輸出 Token $0.0132 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistral-medium-latest", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mistral-medium-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mistral-medium-latest',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra mistral-medium-latest
請使用上方列出的 API 方法路徑。
mistral-medium-latestMistral AI 的 Medium 系列支援文件理解、程式開發，以及跨越多個工具輔助步驟的代理。其 Medium 3.5 版本將指令遵循與可調整推理整合在多模態模型中，具備 256K 上下文視窗。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Mistral Medium 是 Mistral AI 用於應用助理、文件工作與軟體代理的模型系列。Medium 3.5 版本在具有 1,280 億參數及 256K 上下文視窗的稠密模型中，結合指令遵循、推理與程式開發。它能理解文字與視覺材料，並產生文字、程式碼或結構化結果。其視覺編碼器經過訓練，可處理不同影像尺寸與長寬比，讓任務能結合書面需求與截圖、文件頁面或其他視覺證據。
模型功能包括結構化輸出與函式呼叫。回應必須維持機器可讀結構時，JSON 輸出很實用；自訂結構描述則定義必要欄位及其型別。文件任務可以回傳擷取事實的表格、章節比較，或含有未解問題的摘要。文件問答將文件文字與結構的擷取結合語言模型理解，讓問題能對應相關內容，而非任意猜測。
在工具輔助任務中，應用程式描述其函式及接受的引數。模型選擇函式並準備引數，在應用程式執行動作後接收結果。對話可接續另一個工具呼叫或最終答案。在應用程式允許的情況下，並行工具使用可讓獨立呼叫一起提出。工具選擇控制可允許模型自行決定、強制使用工具，或將任務維持在文字回應範圍內。
Medium 3.5 可針對每個請求調整推理強度。最低思考設定直接回傳答案；高強度設定會在最終答案前加入推理區段，並建議用於代理與程式開發任務。在多回合推理對話中，完整助理訊息會保留後續工作所需的資訊。修改含有已知段落的程式碼或文件時，預測輸出可提供協助，而提供的前綴則能固定答案開頭。批次工作流程可非同步處理一組獨立請求。
此版本專為持續多個步驟的工作設計。程式開發範例包括模組重構、修正錯誤、生成檢查、更新相依套件，以及調查失敗的開發工作流程。實用的任務指派應提供受影響檔案、所需行為及清楚的完成標準。模型可以利用儲存庫探索與應用程式執行檢查的結果，修訂建議方案；工具與檔案存取由周邊代理環境控制。
對知識工作，原廠描述了研究、綜整，以及跨連接工具的工作流程。Ailoot API 任務可以要求根據提供的文件整理結構化簡報、比較技術選項，或根據檢索資訊撰寫草稿。請指定支持結論的觀察，以及用來完成任務的成品。模型準備推理與結果；應用程式提供資訊存取、執行動作並呈現交付成果。Medium 系列名稱仍代表隨更新變動的選項，而此處描述的數值架構、視覺處理與推理模式，則屬於明確具名的 Medium 3.5 版本。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 mistral-medium-latest | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.00088 / 1K Token 輸出 · 輸出 Token $0.0132 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "mistral-medium-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistral-medium-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mistral-medium-latest', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra mistral-medium-latest
請使用上方列出的 API 方法路徑。
英文技術範例
Extract obligations from a supplier note\n\nPrepare a document brief from this note: 'The supplier will send samples by 6 June. The buyer must approve the color before production starts. The production lead time is 20 business days after approval. No shipping date has been agreed.' Return obligations, dependency and unresolved information, preserving the distinction between sample delivery and production timing.A concise obligation table and a separate list of unresolved scheduling information.The brief does not calculate an agreed shipping date from a production lead time alone.