Mistral Medium 3.1 是 Mistral AI 用於文字與視覺理解的多模態版本。原廠描述此修訂在 Medium 3 產品線內改善語氣與效能。它接受文字與影像並產生文字：說明、文件回答、結構化紀錄或建議的函式呼叫。原廠對此版本的固定識別碼為 mistral-medium-2508。
上下文與特定版本
模型頁面記載 128k 上下文視窗。請用它將相關來源段落、影像證據、對話及使用者任務放在一起。提供大量資料前，先指出文件角色及要回答的問題。長上下文可支援聚焦的比較，而最終成品仍是簡短表格或修訂章節。
Medium 3.1 保留自己的規格。Medium 3.5 描述的 256k 上下文、128B 稠密架構及可設定混合推理模式，不應套用至本條目。3.1 頁面未提供參數量，也未提供可安全地從後續模型替代的獨立最大回答長度數值。
結構化輸出與函式
原廠將結構化輸出、函式呼叫及預測輸出列為此版本的功能。進行結構化擷取時，請定義必要欄位、預期型別及來源缺少資訊時的處理方式。紀錄可包含文件識別碼、擷取陳述、來源位置及仍待回答的問題。程式將解析時，請只要求紀錄；人員需要檢視解讀方式時，則將文字說明分開。
Mistral 的共用結構化輸出文件區分 JSON 模式與自訂結構描述。JSON 模式需要明確指示期望的 JSON 格式，自訂途徑則定義更具體的結構。這是文字結果的格式化，並非新的內容模態或外部動作。
對函式，應用程式定義可用操作與引數，模型選擇合適呼叫並準備值，應用程式再執行。結果隨後成為下一次回答的資訊。文件助理可透過查詢取得缺少的參考資料，但前提是周邊應用程式提供該查詢並回傳實際結果。請讓建議呼叫與回傳資料保持關聯。
預測編輯與回應前綴
當大部分期望結果已知時，預測輸出很實用，例如只需少量編輯的文件或程式碼檔案。請提供現有內容並精確描述變更，包括必須維持不變的部分。請求可以更新某個章節的術語，或替換某個實作細節，同時保留文件其他部分。預測包含預期輸出內容，而非已套用至檔案的完成變更。
模型頁面也列出回應前綴接續。在原廠聊天文件中，前綴提供助理回應的已知開頭，之後生成繼續。已知開頭與預測本文解決不同的準備問題。批次處理及代理／對話介面同樣是工作流程功能，而非 Medium 3.1 的獨立影像、音訊或推理版本。
文件與視覺問題
列出的文件問答工作流程，將經 OCR 準備的文字、結構與格式結合語言模型分析。請詢問任務所需的特定條件、段落或關係。比較可以指出來源文件，要求共同陳述、衝突及未解細節，並在每項發現旁保留來源位置。
原廠的視覺指南明確包含 Medium 3.1。直接視覺問題可以提供清晰可讀的圖表、文件影像或截圖，並詢問哪些可見證據支持結論。請保留座標軸、單位、標籤，以及裁切欄位周圍的上下文。提供多張影像時，請指出順序與角色，不要讓模型自行推測哪張是原始版本、修訂版本或參考。
例如，將書面流程需求與截圖搭配，要求以表格列出可見的符合之處、差異及需要更多資訊的問題。另一項任務可提供文件的兩個版本，要求修訂段落保留共同條件，同時解決具名的不一致。這些是文件記載之視覺、文件及編輯能力的建議應用，並事先定義必要結果。
準備最終成品
請給助理清楚角色、要使用的來源材料及回答形式。將持續適用的回應規則與待檢視文件分開，並說明目標語言及術語。實用回應可區分擷取事實、來源及解讀，比單一合併摘要更容易檢視。
文件記載的結果仍是文字。外部工具、檔案變更及進一步文件處理，屬於連接對話的應用程式。請保留具名的 Medium 3.1 版本及 128k 上下文，並要求下一步實際所需的說明、結構化紀錄或針對性修訂。
", "aboutText": "Mistral Medium 3.1 是 Mistral AI 用於文字與視覺理解的多模態版本。原廠描述此修訂在 Medium 3 產品線內改善語氣與效能。它接受文字與影像並產生文字：說明、文件回答、結構化紀錄或建議的函式呼叫。原廠對此版本的固定識別碼為 mistral-medium-2508。\n\n上下文與特定版本\n\n模型頁面記載 128k 上下文視窗。請用它將相關來源段落、影像證據、對話及使用者任務放在一起。提供大量資料前，先指出文件角色及要回答的問題。長上下文可支援聚焦的比較，而最終成品仍是簡短表格或修訂章節。\n\nMedium 3.1 保留自己的規格。Medium 3.5 描述的 256k 上下文、128B 稠密架構及可設定混合推理模式，不應套用至本條目。3.1 頁面未提供參數量，也未提供可安全地從後續模型替代的獨立最大回答長度數值。\n\n結構化輸出與函式\n\n原廠將結構化輸出、函式呼叫及預測輸出列為此版本的功能。進行結構化擷取時，請定義必要欄位、預期型別及來源缺少資訊時的處理方式。紀錄可包含文件識別碼、擷取陳述、來源位置及仍待回答的問題。程式將解析時，請只要求紀錄；人員需要檢視解讀方式時，則將文字說明分開。\n\nMistral 的共用結構化輸出文件區分 JSON 模式與自訂結構描述。JSON 模式需要明確指示期望的 JSON 格式，自訂途徑則定義更具體的結構。這是文字結果的格式化，並非新的內容模態或外部動作。\n\n對函式，應用程式定義可用操作與引數，模型選擇合適呼叫並準備值，應用程式再執行。結果隨後成為下一次回答的資訊。文件助理可透過查詢取得缺少的參考資料，但前提是周邊應用程式提供該查詢並回傳實際結果。請讓建議呼叫與回傳資料保持關聯。\n\n預測編輯與回應前綴\n\n當大部分期望結果已知時，預測輸出很實用，例如只需少量編輯的文件或程式碼檔案。請提供現有內容並精確描述變更，包括必須維持不變的部分。請求可以更新某個章節的術語，或替換某個實作細節，同時保留文件其他部分。預測包含預期輸出內容，而非已套用至檔案的完成變更。\n\n模型頁面也列出回應前綴接續。在原廠聊天文件中，前綴提供助理回應的已知開頭，之後生成繼續。已知開頭與預測本文解決不同的準備問題。批次處理及代理／對話介面同樣是工作流程功能，而非 Medium 3.1 的獨立影像、音訊或推理版本。\n\n文件與視覺問題\n\n列出的文件問答工作流程，將經 OCR 準備的文字、結構與格式結合語言模型分析。請詢問任務所需的特定條件、段落或關係。比較可以指出來源文件，要求共同陳述、衝突及未解細節，並在每項發現旁保留來源位置。\n\n原廠的視覺指南明確包含 Medium 3.1。直接視覺問題可以提供清晰可讀的圖表、文件影像或截圖，並詢問哪些可見證據支持結論。請保留座標軸、單位、標籤，以及裁切欄位周圍的上下文。提供多張影像時，請指出順序與角色，不要讓模型自行推測哪張是原始版本、修訂版本或參考。\n\n例如，將書面流程需求與截圖搭配，要求以表格列出可見的符合之處、差異及需要更多資訊的問題。另一項任務可提供文件的兩個版本，要求修訂段落保留共同條件，同時解決具名的不一致。這些是文件記載之視覺、文件及編輯能力的建議應用，並事先定義必要結果。\n\n準備最終成品\n\n請給助理清楚角色、要使用的來源材料及回答形式。將持續適用的回應規則與待檢視文件分開，並說明目標語言及術語。實用回應可區分擷取事實、來源及解讀，比單一合併摘要更容易檢視。\n\n文件記載的結果仍是文字。外部工具、檔案變更及進一步文件處理，屬於連接對話的應用程式。請保留具名的 Medium 3.1 版本及 128k 上下文，並要求下一步實際所需的說明、結構化紀錄或針對性修訂。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.mistralai/mistral-medium-3.1Mistral Medium 3.1 是用於對話回答、文件問答與結構化擷取的文字與影像模型。原廠 128k 上下文，以及列出的函式呼叫、預測輸出與前綴功能，支援依據來源的說明及針對性編輯工作流程。
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 3.1 是 Mistral AI 用於文字與視覺理解的多模態版本。原廠描述此修訂在 Medium 3 產品線內改善語氣與效能。它接受文字與影像並產生文字：說明、文件回答、結構化紀錄或建議的函式呼叫。原廠對此版本的固定識別碼為 mistral-medium-2508。
上下文與特定版本
模型頁面記載 128k 上下文視窗。請用它將相關來源段落、影像證據、對話及使用者任務放在一起。提供大量資料前，先指出文件角色及要回答的問題。長上下文可支援聚焦的比較，而最終成品仍是簡短表格或修訂章節。
Medium 3.1 保留自己的規格。Medium 3.5 描述的 256k 上下文、128B 稠密架構及可設定混合推理模式，不應套用至本條目。3.1 頁面未提供參數量，也未提供可安全地從後續模型替代的獨立最大回答長度數值。
結構化輸出與函式
原廠將結構化輸出、函式呼叫及預測輸出列為此版本的功能。進行結構化擷取時，請定義必要欄位、預期型別及來源缺少資訊時的處理方式。紀錄可包含文件識別碼、擷取陳述、來源位置及仍待回答的問題。程式將解析時，請只要求紀錄；人員需要檢視解讀方式時，則將文字說明分開。
Mistral 的共用結構化輸出文件區分 JSON 模式與自訂結構描述。JSON 模式需要明確指示期望的 JSON 格式，自訂途徑則定義更具體的結構。這是文字結果的格式化，並非新的內容模態或外部動作。
對函式，應用程式定義可用操作與引數，模型選擇合適呼叫並準備值，應用程式再執行。結果隨後成為下一次回答的資訊。文件助理可透過查詢取得缺少的參考資料，但前提是周邊應用程式提供該查詢並回傳實際結果。請讓建議呼叫與回傳資料保持關聯。
預測編輯與回應前綴
當大部分期望結果已知時，預測輸出很實用，例如只需少量編輯的文件或程式碼檔案。請提供現有內容並精確描述變更，包括必須維持不變的部分。請求可以更新某個章節的術語，或替換某個實作細節，同時保留文件其他部分。預測包含預期輸出內容，而非已套用至檔案的完成變更。
模型頁面也列出回應前綴接續。在原廠聊天文件中，前綴提供助理回應的已知開頭，之後生成繼續。已知開頭與預測本文解決不同的準備問題。批次處理及代理／對話介面同樣是工作流程功能，而非 Medium 3.1 的獨立影像、音訊或推理版本。
文件與視覺問題
列出的文件問答工作流程，將經 OCR 準備的文字、結構與格式結合語言模型分析。請詢問任務所需的特定條件、段落或關係。比較可以指出來源文件，要求共同陳述、衝突及未解細節，並在每項發現旁保留來源位置。
原廠的視覺指南明確包含 Medium 3.1。直接視覺問題可以提供清晰可讀的圖表、文件影像或截圖，並詢問哪些可見證據支持結論。請保留座標軸、單位、標籤，以及裁切欄位周圍的上下文。提供多張影像時，請指出順序與角色，不要讓模型自行推測哪張是原始版本、修訂版本或參考。
例如，將書面流程需求與截圖搭配，要求以表格列出可見的符合之處、差異及需要更多資訊的問題。另一項任務可提供文件的兩個版本，要求修訂段落保留共同條件，同時解決具名的不一致。這些是文件記載之視覺、文件及編輯能力的建議應用，並事先定義必要結果。
準備最終成品
請給助理清楚角色、要使用的來源材料及回答形式。將持續適用的回應規則與待檢視文件分開，並說明目標語言及術語。實用回應可區分擷取事實、來源及解讀，比單一合併摘要更容易檢視。
文件記載的結果仍是文字。外部工具、檔案變更及進一步文件處理，屬於連接對話的應用程式。請保留具名的 Medium 3.1 版本及 128k 上下文，並要求下一步實際所需的說明、結構化紀錄或針對性修訂。
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 mistralai/mistral-medium-3.1 | 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。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0008 / 1K Token 輸出 · 輸出 Token $0.004 / 1K Token 輸入 · 讀取快取 $0.00008 / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0008 / 1K Token 輸出 · 輸出 Token $0.004 / 1K Token 輸入 · 讀取快取 $0.00008 / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mistralai/mistral-medium-3.1", "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-medium-3.1',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-medium-3.1',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 mistralai/mistral-medium-3.1
請使用上方列出的 API 方法路徑。
mistralai/mistral-medium-3.1Mistral Medium 3.1 是用於對話回答、文件問答與結構化擷取的文字與影像模型。原廠 128k 上下文，以及列出的函式呼叫、預測輸出與前綴功能，支援依據來源的說明及針對性編輯工作流程。
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 3.1 是 Mistral AI 用於文字與視覺理解的多模態版本。原廠描述此修訂在 Medium 3 產品線內改善語氣與效能。它接受文字與影像並產生文字：說明、文件回答、結構化紀錄或建議的函式呼叫。原廠對此版本的固定識別碼為 mistral-medium-2508。
上下文與特定版本
模型頁面記載 128k 上下文視窗。請用它將相關來源段落、影像證據、對話及使用者任務放在一起。提供大量資料前，先指出文件角色及要回答的問題。長上下文可支援聚焦的比較，而最終成品仍是簡短表格或修訂章節。
Medium 3.1 保留自己的規格。Medium 3.5 描述的 256k 上下文、128B 稠密架構及可設定混合推理模式，不應套用至本條目。3.1 頁面未提供參數量，也未提供可安全地從後續模型替代的獨立最大回答長度數值。
結構化輸出與函式
原廠將結構化輸出、函式呼叫及預測輸出列為此版本的功能。進行結構化擷取時，請定義必要欄位、預期型別及來源缺少資訊時的處理方式。紀錄可包含文件識別碼、擷取陳述、來源位置及仍待回答的問題。程式將解析時，請只要求紀錄；人員需要檢視解讀方式時，則將文字說明分開。
Mistral 的共用結構化輸出文件區分 JSON 模式與自訂結構描述。JSON 模式需要明確指示期望的 JSON 格式，自訂途徑則定義更具體的結構。這是文字結果的格式化，並非新的內容模態或外部動作。
對函式，應用程式定義可用操作與引數，模型選擇合適呼叫並準備值，應用程式再執行。結果隨後成為下一次回答的資訊。文件助理可透過查詢取得缺少的參考資料，但前提是周邊應用程式提供該查詢並回傳實際結果。請讓建議呼叫與回傳資料保持關聯。
預測編輯與回應前綴
當大部分期望結果已知時，預測輸出很實用，例如只需少量編輯的文件或程式碼檔案。請提供現有內容並精確描述變更，包括必須維持不變的部分。請求可以更新某個章節的術語，或替換某個實作細節，同時保留文件其他部分。預測包含預期輸出內容，而非已套用至檔案的完成變更。
模型頁面也列出回應前綴接續。在原廠聊天文件中，前綴提供助理回應的已知開頭，之後生成繼續。已知開頭與預測本文解決不同的準備問題。批次處理及代理／對話介面同樣是工作流程功能，而非 Medium 3.1 的獨立影像、音訊或推理版本。
文件與視覺問題
列出的文件問答工作流程，將經 OCR 準備的文字、結構與格式結合語言模型分析。請詢問任務所需的特定條件、段落或關係。比較可以指出來源文件，要求共同陳述、衝突及未解細節，並在每項發現旁保留來源位置。
原廠的視覺指南明確包含 Medium 3.1。直接視覺問題可以提供清晰可讀的圖表、文件影像或截圖，並詢問哪些可見證據支持結論。請保留座標軸、單位、標籤，以及裁切欄位周圍的上下文。提供多張影像時，請指出順序與角色，不要讓模型自行推測哪張是原始版本、修訂版本或參考。
例如，將書面流程需求與截圖搭配，要求以表格列出可見的符合之處、差異及需要更多資訊的問題。另一項任務可提供文件的兩個版本，要求修訂段落保留共同條件，同時解決具名的不一致。這些是文件記載之視覺、文件及編輯能力的建議應用，並事先定義必要結果。
準備最終成品
請給助理清楚角色、要使用的來源材料及回答形式。將持續適用的回應規則與待檢視文件分開，並說明目標語言及術語。實用回應可區分擷取事實、來源及解讀，比單一合併摘要更容易檢視。
文件記載的結果仍是文字。外部工具、檔案變更及進一步文件處理，屬於連接對話的應用程式。請保留具名的 Medium 3.1 版本及 128k 上下文，並要求下一步實際所需的說明、結構化紀錄或針對性修訂。
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 mistralai/mistral-medium-3.1 | 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。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0008 / 1K Token 輸出 · 輸出 Token $0.004 / 1K Token 輸入 · 讀取快取 $0.00008 / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.0008 / 1K Token 輸出 · 輸出 Token $0.004 / 1K Token 輸入 · 讀取快取 $0.00008 / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "mistralai/mistral-medium-3.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-medium-3.1', '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-medium-3.1', '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 mistralai/mistral-medium-3.1
請使用上方列出的 API 方法路徑。
英文技術範例
Apply a narrow terminology edit\n\nRevise only the terminology in this paragraph: 'A subscriber can pause the plan. The subscriber keeps access until the current period ends. Support can help the subscriber resume.' Replace 'subscriber' with 'member', adapting capitalization, and keep every condition and sentence order. Return the revised paragraph alone, without claiming a file was modified.The complete revised paragraph with the requested terminology change only.The access-until-period-end condition and pause/resume distinction must remain intact.