Mistral Small 3.1 24B Instruct 2503 在 Small 3 2501 的基礎上加入視覺理解，並將長上下文支援擴展至 128k 個 token。它具有 240 億參數，是從另行具名的 Small 3.1 Base 版本進行指令微調而成。模型接受文字與影像並產生文字，包括說明、程式碼或結構化紀錄。
主要能力
視覺讓模型能將可見材料與使用者問題一同分析。文件影像可提供待檢查欄位或陳述，示意圖可提供待說明關係，圖表則可提供比較所依據的資料。請讓標籤、單位及相關周邊內容清晰可讀，讓問題指向影像中實際存在的證據。
原廠列出涵蓋數十種語言的多語言支援，包括俄語、英語、法語、德語、希臘語、印地語、印尼語、義大利語、日語、韓語、馬來語、尼泊爾語、波蘭語、葡萄牙語、羅馬尼亞語、塞爾維亞語、西班牙語、瑞典語、土耳其語、烏克蘭語、越南語、阿拉伯語、孟加拉語、中文及波斯語。請為多語言回答定義目標語言、讀者與術語。名稱、引用標籤、變數識別碼及單位可維持不變，同時調整周邊文字。
模型卡也描述對話與推理能力、原生函式呼叫、JSON 輸出及對系統提示詞的遵循。其 tokenizer 為 Tekken，詞彙量標示為 131k。這些是具名指令微調版本的功能；Base 版本用途不同，後來的 Small 3.2 與 Small 4 版本也各有其變更與模式。
文件、程式開發與數學準備
對長文件任務，請指出文件並提出一個定義清楚的問題。比較可以要求需求矩陣，包含陳述、來源章節及文件間的分歧。摘要可以只要求與具名變更相關的材料。長上下文將這些來源保留在一起，而最終回答仍可精簡。
說明程式碼時，請提供函式，以及應追蹤其行為的輸入。包含相關輔助函式或宣告，並詢問回傳值之前狀態如何變化。對建議修改，請說明需求、要保留的公開介面及預期輸出。將修訂程式碼與說明及範例分開要求。
對數學任務，請先定義符號與定義域假設，再要求推導。指定最終結果應為精確值、四捨五入值，或某項主張的證明。如果條件出現在影像中，請保持公式與相關標籤清楚，並要求模型在回答中保留該記法。這些準備能將文件記載的程式開發與數學推理重點，轉為可檢視的成品。
指令格式與建議用法
原廠發布了區分 system、user 及 assistant 角色的 V7-Tekken 對話範本，並建議以相符 tokenizer 實作作為準據。系統指令應定義助理角色與回應規則，使用者訊息則包含實際任務及來源材料。正確的對話格式不同於在引用文件內放置類似角色的標籤。
模型卡建議採用相對低的 temperature，例如 0.15，並針對使用案例設計系統提示詞。請定義輸出欄位或章節，以及改寫後必須保留的條件。對重複擷取，要求 JSON 使用指定名稱與型別，並定義來源缺漏值的表示方式。人員需要檢視解讀方式時，可另行回傳說明段落。
函式呼叫工作流程
模型可從應用程式描述的工具中選擇函式並生成引數。應用程式執行函式，將結果與對應工具呼叫一起回傳，模型再於後續回答中使用該結果。原廠範例展示此對話循環，包括先前工具使用與新的使用者問題。因此，建議查詢與查詢實際回傳的資料不同。
實用助理可以先從文件擷取問題，再使用提供的參考函式取得缺少的條件。請清楚描述函式、包含必要引數，並讓回傳結果與原始操作保持關聯。JSON 組織文字結果；函式呼叫則要求連接的操作，而非默默執行程式碼或讀取資料庫。
實質限制
文件記載的視覺能力可讀取影像，不能生成影像。發布模型卡的助理指引也將此模型與音訊及影片轉錄區分，因此語音或影片問題需要透過適當且獨立的準備步驟提供相關內容。網路存取與外部動作同樣來自連接工具，而非單靠文字與影像模型。
128k 上下文涉及任務輸入與生成對話，而模型卡的 512 個 token 生成範例只是範例設定。已讀來源未指定獨立的硬性回答長度容量。請保留確切的 Instruct 2503 版本、對話格式，以及要求的說明、紀錄或程式碼成品。
", "aboutText": "Mistral Small 3.1 24B Instruct 2503 在 Small 3 2501 的基礎上加入視覺理解，並將長上下文支援擴展至 128k 個 token。它具有 240 億參數，是從另行具名的 Small 3.1 Base 版本進行指令微調而成。模型接受文字與影像並產生文字，包括說明、程式碼或結構化紀錄。\n\n主要能力\n\n視覺讓模型能將可見材料與使用者問題一同分析。文件影像可提供待檢查欄位或陳述，示意圖可提供待說明關係，圖表則可提供比較所依據的資料。請讓標籤、單位及相關周邊內容清晰可讀，讓問題指向影像中實際存在的證據。\n\n原廠列出涵蓋數十種語言的多語言支援，包括俄語、英語、法語、德語、希臘語、印地語、印尼語、義大利語、日語、韓語、馬來語、尼泊爾語、波蘭語、葡萄牙語、羅馬尼亞語、塞爾維亞語、西班牙語、瑞典語、土耳其語、烏克蘭語、越南語、阿拉伯語、孟加拉語、中文及波斯語。請為多語言回答定義目標語言、讀者與術語。名稱、引用標籤、變數識別碼及單位可維持不變，同時調整周邊文字。\n\n模型卡也描述對話與推理能力、原生函式呼叫、JSON 輸出及對系統提示詞的遵循。其 tokenizer 為 Tekken，詞彙量標示為 131k。這些是具名指令微調版本的功能；Base 版本用途不同，後來的 Small 3.2 與 Small 4 版本也各有其變更與模式。\n\n文件、程式開發與數學準備\n\n對長文件任務，請指出文件並提出一個定義清楚的問題。比較可以要求需求矩陣，包含陳述、來源章節及文件間的分歧。摘要可以只要求與具名變更相關的材料。長上下文將這些來源保留在一起，而最終回答仍可精簡。\n\n說明程式碼時，請提供函式，以及應追蹤其行為的輸入。包含相關輔助函式或宣告，並詢問回傳值之前狀態如何變化。對建議修改，請說明需求、要保留的公開介面及預期輸出。將修訂程式碼與說明及範例分開要求。\n\n對數學任務，請先定義符號與定義域假設，再要求推導。指定最終結果應為精確值、四捨五入值，或某項主張的證明。如果條件出現在影像中，請保持公式與相關標籤清楚，並要求模型在回答中保留該記法。這些準備能將文件記載的程式開發與數學推理重點，轉為可檢視的成品。\n\n指令格式與建議用法\n\n原廠發布了區分 system、user 及 assistant 角色的 V7-Tekken 對話範本，並建議以相符 tokenizer 實作作為準據。系統指令應定義助理角色與回應規則，使用者訊息則包含實際任務及來源材料。正確的對話格式不同於在引用文件內放置類似角色的標籤。\n\n模型卡建議採用相對低的 temperature，例如 0.15，並針對使用案例設計系統提示詞。請定義輸出欄位或章節，以及改寫後必須保留的條件。對重複擷取，要求 JSON 使用指定名稱與型別，並定義來源缺漏值的表示方式。人員需要檢視解讀方式時，可另行回傳說明段落。\n\n函式呼叫工作流程\n\n模型可從應用程式描述的工具中選擇函式並生成引數。應用程式執行函式，將結果與對應工具呼叫一起回傳，模型再於後續回答中使用該結果。原廠範例展示此對話循環，包括先前工具使用與新的使用者問題。因此，建議查詢與查詢實際回傳的資料不同。\n\n實用助理可以先從文件擷取問題，再使用提供的參考函式取得缺少的條件。請清楚描述函式、包含必要引數，並讓回傳結果與原始操作保持關聯。JSON 組織文字結果；函式呼叫則要求連接的操作，而非默默執行程式碼或讀取資料庫。\n\n實質限制\n\n文件記載的視覺能力可讀取影像，不能生成影像。發布模型卡的助理指引也將此模型與音訊及影片轉錄區分，因此語音或影片問題需要透過適當且獨立的準備步驟提供相關內容。網路存取與外部動作同樣來自連接工具，而非單靠文字與影像模型。\n\n128k 上下文涉及任務輸入與生成對話，而模型卡的 512 個 token 生成範例只是範例設定。已讀來源未指定獨立的硬性回答長度容量。請保留確切的 Instruct 2503 版本、對話格式，以及要求的說明、紀錄或程式碼成品。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Trace an accumulator function\n\nTrace this Python function on [3, -1, 4]: 'def running_sum(xs):\n total = 0\n out = []\n for x in xs:\n total += x\n out.append(total)\n return out'. Give a row for each iteration showing x, total and out, then the return value. Explain in one sentence why out differs from doubling each element.A three-row state trace, the final list and one sentence distinguishing cumulative addition from elementwise multiplication.Each row uses the prior total, including the negative input, rather than restarting the accumulator.mistralai/mistral-small-3.1-24b-instructMistral Small 3.1 24B Instruct 2503 為 Small 3 產品線加入影像理解與原廠 128k 上下文。它在獨立的指令微調版本中，結合多語言文字、程式開發及數學推理，以及系統指令、JSON 和原生函式呼叫。
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 Small 3.1 24B Instruct 2503 在 Small 3 2501 的基礎上加入視覺理解，並將長上下文支援擴展至 128k 個 token。它具有 240 億參數，是從另行具名的 Small 3.1 Base 版本進行指令微調而成。模型接受文字與影像並產生文字，包括說明、程式碼或結構化紀錄。
主要能力
視覺讓模型能將可見材料與使用者問題一同分析。文件影像可提供待檢查欄位或陳述，示意圖可提供待說明關係，圖表則可提供比較所依據的資料。請讓標籤、單位及相關周邊內容清晰可讀，讓問題指向影像中實際存在的證據。
原廠列出涵蓋數十種語言的多語言支援，包括俄語、英語、法語、德語、希臘語、印地語、印尼語、義大利語、日語、韓語、馬來語、尼泊爾語、波蘭語、葡萄牙語、羅馬尼亞語、塞爾維亞語、西班牙語、瑞典語、土耳其語、烏克蘭語、越南語、阿拉伯語、孟加拉語、中文及波斯語。請為多語言回答定義目標語言、讀者與術語。名稱、引用標籤、變數識別碼及單位可維持不變，同時調整周邊文字。
模型卡也描述對話與推理能力、原生函式呼叫、JSON 輸出及對系統提示詞的遵循。其 tokenizer 為 Tekken，詞彙量標示為 131k。這些是具名指令微調版本的功能；Base 版本用途不同，後來的 Small 3.2 與 Small 4 版本也各有其變更與模式。
文件、程式開發與數學準備
對長文件任務，請指出文件並提出一個定義清楚的問題。比較可以要求需求矩陣，包含陳述、來源章節及文件間的分歧。摘要可以只要求與具名變更相關的材料。長上下文將這些來源保留在一起，而最終回答仍可精簡。
說明程式碼時，請提供函式，以及應追蹤其行為的輸入。包含相關輔助函式或宣告，並詢問回傳值之前狀態如何變化。對建議修改，請說明需求、要保留的公開介面及預期輸出。將修訂程式碼與說明及範例分開要求。
對數學任務，請先定義符號與定義域假設，再要求推導。指定最終結果應為精確值、四捨五入值，或某項主張的證明。如果條件出現在影像中，請保持公式與相關標籤清楚，並要求模型在回答中保留該記法。這些準備能將文件記載的程式開發與數學推理重點，轉為可檢視的成品。
指令格式與建議用法
原廠發布了區分 system、user 及 assistant 角色的 V7-Tekken 對話範本，並建議以相符 tokenizer 實作作為準據。系統指令應定義助理角色與回應規則，使用者訊息則包含實際任務及來源材料。正確的對話格式不同於在引用文件內放置類似角色的標籤。
模型卡建議採用相對低的 temperature，例如 0.15，並針對使用案例設計系統提示詞。請定義輸出欄位或章節，以及改寫後必須保留的條件。對重複擷取，要求 JSON 使用指定名稱與型別，並定義來源缺漏值的表示方式。人員需要檢視解讀方式時，可另行回傳說明段落。
函式呼叫工作流程
模型可從應用程式描述的工具中選擇函式並生成引數。應用程式執行函式，將結果與對應工具呼叫一起回傳，模型再於後續回答中使用該結果。原廠範例展示此對話循環，包括先前工具使用與新的使用者問題。因此，建議查詢與查詢實際回傳的資料不同。
實用助理可以先從文件擷取問題，再使用提供的參考函式取得缺少的條件。請清楚描述函式、包含必要引數，並讓回傳結果與原始操作保持關聯。JSON 組織文字結果；函式呼叫則要求連接的操作，而非默默執行程式碼或讀取資料庫。
實質限制
文件記載的視覺能力可讀取影像，不能生成影像。發布模型卡的助理指引也將此模型與音訊及影片轉錄區分，因此語音或影片問題需要透過適當且獨立的準備步驟提供相關內容。網路存取與外部動作同樣來自連接工具，而非單靠文字與影像模型。
128k 上下文涉及任務輸入與生成對話，而模型卡的 512 個 token 生成範例只是範例設定。已讀來源未指定獨立的硬性回答長度容量。請保留確切的 Instruct 2503 版本、對話格式，以及要求的說明、紀錄或程式碼成品。
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-small-3.1-24b-instruct | 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 $0.0011 / 1K Token 輸出 · 輸出 Token $0.00111 / 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 |
| 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 $0.0011 / 1K Token 輸出 · 輸出 Token $0.00111 / 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": "mistralai/mistral-small-3.1-24b-instruct", "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-small-3.1-24b-instruct',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-small-3.1-24b-instruct',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-small-3.1-24b-instruct
請使用上方列出的 API 方法路徑。
mistralai/mistral-small-3.1-24b-instructMistral Small 3.1 24B Instruct 2503 為 Small 3 產品線加入影像理解與原廠 128k 上下文。它在獨立的指令微調版本中，結合多語言文字、程式開發及數學推理，以及系統指令、JSON 和原生函式呼叫。
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 Small 3.1 24B Instruct 2503 在 Small 3 2501 的基礎上加入視覺理解，並將長上下文支援擴展至 128k 個 token。它具有 240 億參數，是從另行具名的 Small 3.1 Base 版本進行指令微調而成。模型接受文字與影像並產生文字，包括說明、程式碼或結構化紀錄。
主要能力
視覺讓模型能將可見材料與使用者問題一同分析。文件影像可提供待檢查欄位或陳述，示意圖可提供待說明關係，圖表則可提供比較所依據的資料。請讓標籤、單位及相關周邊內容清晰可讀，讓問題指向影像中實際存在的證據。
原廠列出涵蓋數十種語言的多語言支援，包括俄語、英語、法語、德語、希臘語、印地語、印尼語、義大利語、日語、韓語、馬來語、尼泊爾語、波蘭語、葡萄牙語、羅馬尼亞語、塞爾維亞語、西班牙語、瑞典語、土耳其語、烏克蘭語、越南語、阿拉伯語、孟加拉語、中文及波斯語。請為多語言回答定義目標語言、讀者與術語。名稱、引用標籤、變數識別碼及單位可維持不變，同時調整周邊文字。
模型卡也描述對話與推理能力、原生函式呼叫、JSON 輸出及對系統提示詞的遵循。其 tokenizer 為 Tekken，詞彙量標示為 131k。這些是具名指令微調版本的功能；Base 版本用途不同，後來的 Small 3.2 與 Small 4 版本也各有其變更與模式。
文件、程式開發與數學準備
對長文件任務，請指出文件並提出一個定義清楚的問題。比較可以要求需求矩陣，包含陳述、來源章節及文件間的分歧。摘要可以只要求與具名變更相關的材料。長上下文將這些來源保留在一起，而最終回答仍可精簡。
說明程式碼時，請提供函式，以及應追蹤其行為的輸入。包含相關輔助函式或宣告，並詢問回傳值之前狀態如何變化。對建議修改，請說明需求、要保留的公開介面及預期輸出。將修訂程式碼與說明及範例分開要求。
對數學任務，請先定義符號與定義域假設，再要求推導。指定最終結果應為精確值、四捨五入值，或某項主張的證明。如果條件出現在影像中，請保持公式與相關標籤清楚，並要求模型在回答中保留該記法。這些準備能將文件記載的程式開發與數學推理重點，轉為可檢視的成品。
指令格式與建議用法
原廠發布了區分 system、user 及 assistant 角色的 V7-Tekken 對話範本，並建議以相符 tokenizer 實作作為準據。系統指令應定義助理角色與回應規則，使用者訊息則包含實際任務及來源材料。正確的對話格式不同於在引用文件內放置類似角色的標籤。
模型卡建議採用相對低的 temperature，例如 0.15，並針對使用案例設計系統提示詞。請定義輸出欄位或章節，以及改寫後必須保留的條件。對重複擷取，要求 JSON 使用指定名稱與型別，並定義來源缺漏值的表示方式。人員需要檢視解讀方式時，可另行回傳說明段落。
函式呼叫工作流程
模型可從應用程式描述的工具中選擇函式並生成引數。應用程式執行函式，將結果與對應工具呼叫一起回傳，模型再於後續回答中使用該結果。原廠範例展示此對話循環，包括先前工具使用與新的使用者問題。因此，建議查詢與查詢實際回傳的資料不同。
實用助理可以先從文件擷取問題，再使用提供的參考函式取得缺少的條件。請清楚描述函式、包含必要引數，並讓回傳結果與原始操作保持關聯。JSON 組織文字結果；函式呼叫則要求連接的操作，而非默默執行程式碼或讀取資料庫。
實質限制
文件記載的視覺能力可讀取影像，不能生成影像。發布模型卡的助理指引也將此模型與音訊及影片轉錄區分，因此語音或影片問題需要透過適當且獨立的準備步驟提供相關內容。網路存取與外部動作同樣來自連接工具，而非單靠文字與影像模型。
128k 上下文涉及任務輸入與生成對話，而模型卡的 512 個 token 生成範例只是範例設定。已讀來源未指定獨立的硬性回答長度容量。請保留確切的 Instruct 2503 版本、對話格式，以及要求的說明、紀錄或程式碼成品。
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-small-3.1-24b-instruct | 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 $0.0011 / 1K Token 輸出 · 輸出 Token $0.00111 / 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 |
| 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 $0.0011 / 1K Token 輸出 · 輸出 Token $0.00111 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "mistralai/mistral-small-3.1-24b-instruct",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-small-3.1-24b-instruct', '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-small-3.1-24b-instruct', '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-small-3.1-24b-instruct
請使用上方列出的 API 方法路徑。
英文技術範例
Trace an accumulator function\n\nTrace this Python function on [3, -1, 4]: 'def running_sum(xs):\n total = 0\n out = []\n for x in xs:\n total += x\n out.append(total)\n return out'. Give a row for each iteration showing x, total and out, then the return value. Explain in one sentence why out differs from doubling each element.A three-row state trace, the final list and one sentence distinguishing cumulative addition from elementwise multiplication.Each row uses the prior total, including the negative input, rather than restarting the accumulator.