Mistral: Pixtral Large 2502 API
Pixtral Large2502 adalah model multimodal untuk memahami dokumen, gambar, dan konteks panjang dengan keluaran terstruktur.
Pixtral Large2502 dari Mistral AI menerima masukan teks dan gambar, lalu menghasilkan keluaran teks. Model ini memiliki konteks128,000 tokens dan batas keluaran16,000 tokens; some sources list8,192. Kemampuan utamanya mencakup penalaran matematis tingkat lanjut, pemanggilan fungsi native, pemilihan alat, keluaran JSON, serta keluaran terstruktur.
Model ini cocok untuk penalaran visual, pemahaman dokumen, interpretasi grafik, ekstraksi bidang faktur, peringkasan email, klasifikasi tiket, alur kerja agen, dan aplikasi RAG. Konteks panjangnya mendukung riwayat percakapan, keluaran alat, serta dokumen yang diambil dalam satu panggilan. Pixtral Large2502 diposisikan sebagai Mistral Large2 dengan kemampuan visual tambahan dan ditujukan untuk pemrosesan dokumen perusahaan serta pemahaman visual.
Reasoning effort settings tidak didukung, dan format respons tidak dapat dipaksakan sehingga jaminan ketat untuk keluaran JSON terbatas. Beberapa sumber menyebut model ini sudah deprecated dan digantikan model visi Mistral AI yang lebih baru. Bobot model bersifat tertutup; self-hosting dimungkinkan tetapi memerlukan perangkat keras GPU besar.
Diperbarui:
ID MODEL
pixtral-large-2502- Konteks
- 128K
- Output maks
- 102.4K
- API yang direkomendasikan
- messages
- Masukan
- text / image
- Keluaran
- text
Sorotan
- Masukan teks dan gambar
- Konteks128,000 tokens
- Pemanggilan fungsi native
- Keluaran terstruktur
- Penalaran visual
- Dukungan RAG
Penyedia
Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
| Ketersediaan | |||
|---|---|---|---|
| $2 | $6 |
Statistik historis bukan pemeriksaan langsung. Data yang hilang tidak berarti gangguan.
Yang bisa dibeli dengan $10
- Masukan
- 5 jt token
- Keluaran
- 1,7 jt token
Perkiraan dari harga masukan dan keluaran saat ini, sebelum diskon.
Tolok ukur
- 34
Tolok ukur rekrutmen
poin dari100; menyelesaikan11 dari19 tugas
- 2/3
Evaluasi tugas otomasi
tugas diselesaikan dengan berhasil
- 0.8
Kecepatan pemrosesan tugas otomasi
detik median
- 10.4
Kecepatan pemrosesan tolok ukur rekrutmen
detik median
Skor sesuai publikasi penyedia model.
Mulai cepat
Kode siap pakai untuk memanggil model ini dengan API yang kompatibel dari Felo API Platform. Mulai di Playground jika Anda ingin menguji prompt sebelum menulis kode.
Siapkan kunci API
Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.
export FELO_API_KEY="YOUR_API_KEY"Kirim permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.
pixtral-large-2502const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "pixtral-large-2502",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Menggunakan SDK pihak ketiga
Pada SDK yang kompatibel, tetapkan baseURL ke https://openapi.felo.ai/api/v1. Untuk klien bergaya Claude, gunakan base URL yang kompatibel dengan Anthropic. https://openapi.felo.ai/api.
Aktifkan streaming
Tambahkan stream: true untuk menerima respons sebagai server-sent events.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "pixtral-large-2502",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform menyediakan antarmuka pemanggilan model yang kompatibel. Pilih antarmuka yang sudah didukung aplikasi atau klien agen Anda.
Messages
Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringpixtral-large-2502ID model publik yang akan dipanggil.max_tokensinteger—Jumlah maksimum token yang dihasilkan.messagesarray—Pesan percakapan untuk Chat Completions.stop———top_k———top_p———temperaturenumber—Mengontrol variasi respons jika didukung.Pertanyaan umum
Mengenal Mistral: Pixtral Large 2502?
Pixtral Large2502 dari Mistral AI menerima masukan teks dan gambar, lalu menghasilkan keluaran teks. Model ini memiliki konteks128,000 tokens dan batas keluaran16,000 tokens; some sources list8,192. Kemampuan utamanya mencakup penalaran matematis tingkat lanjut, pemanggilan fungsi native, pemilihan alat, keluaran JSON, serta keluaran terstruktur. Model ini cocok untuk penalaran visual, pemahaman dokumen, interpretasi grafik, ekstraksi bidang faktur, peringkasan email, klasifikasi tiket, alur kerja agen, dan aplikasi RAG. Konteks panjangnya mendukung riwayat percakapan, keluaran alat, serta dokumen yang diambil dalam satu panggilan. Pixtral Large2502 diposisikan sebagai Mistral Large2 dengan kemampuan visual tambahan dan ditujukan untuk pemrosesan dokumen perusahaan serta pemahaman visual. Reasoning effort settings tidak didukung, dan format respons tidak dapat dipaksakan sehingga jaminan ketat untuk keluaran JSON terbatas. Beberapa sumber menyebut model ini sudah deprecated dan digantikan model visi Mistral AI yang lebih baru. Bobot model bersifat tertutup; self-hosting dimungkinkan tetapi memerlukan perangkat keras GPU besar.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.
Input dan output apa yang didukung?
Model ini mendukung masukan teks dan gambar, dengan keluaran teks.
Berapa kapasitas konteks dan keluarannya?
Konteksnya128,000 tokens. Batas keluarannya16,000 tokens; some sources list8,192.
Untuk tugas apa model ini cocok?
Model ini cocok untuk penalaran visual, pemahaman dokumen, interpretasi grafik, ekstraksi faktur, peringkasan, klasifikasi tiket, alur kerja agen, dan aplikasi RAG.
Apakah model ini mendukung pemanggilan fungsi dan keluaran terstruktur?
Ya. Model ini mendukung pemanggilan fungsi native, pemilihan alat, keluaran JSON, dan keluaran terstruktur.
Apa keterbatasan keluaran JSON-nya?
Format respons tidak dapat dipaksakan, sehingga jaminan ketat untuk keluaran JSON terbatas.