Mistral: Pixtral Large 2502 API
Pixtral Large2502 combina comprensione visiva, ragionamento matematico e gestione di contesti estesi per documenti e flussi aziendali.
Pixtral Large2502 di Mistral AI è un modello multimodale con input testuale e visivo e output testuale. Dispone di un contesto di128,000 tokens e di un limite di output indicato come16,000 tokens; alcune fonti riportano8,192. Comprende documenti, grafici e immagini naturali, mantenendo nella stessa chiamata cronologia, risultati degli strumenti e documenti recuperati.
È adatto al ragionamento visivo, alla comprensione documentale, all’interpretazione di grafici e all’estrazione di campi dalle fatture. Può inoltre riassumere email, classificare ticket e supportare flussi con agenti e applicazioni RAG. Offre function calling nativo, selezione degli strumenti, output strutturato e JSON output, oltre a capacità avanzate di ragionamento matematico.
Non supporta impostazioni per l’intensità del ragionamento e non consente di imporre i formati di risposta, limitando le garanzie per output JSON rigorosi. I pesi sono chiusi; il self-hosting è possibile, ma richiede hardware GPU significativo per il decoder123B. Alcune fonti lo descrivono come deprecato e sostituito da modelli visivi più recenti di Mistral AI.
Aggiornato:
ID MODELLO
pixtral-large-2502- Contesto
- 128K
- Output max
- 102.4K
- API consigliata
- messages
- Input
- text / image
- Output
- text
In evidenza
- Contesto da128,000 tokens
- Input testuale e visivo
- Ragionamento matematico avanzato
- Function calling nativo
- Output strutturato
- Comprensione di documenti
Fornitori
Confronta i prezzi delle API tra fornitori. Seleziona un fornitore per vedere tutti i costi e le condizioni.
| Disponibilità | |||
|---|---|---|---|
| $2 | $6 |
Le statistiche storiche non sono un controllo in tempo reale. I dati mancanti non indicano un guasto.
Cosa acquisti con $10
- Input
- 5 Mln token
- Output
- 1,7 Mln token
Stima basata sui prezzi attuali di input e output, esclusi gli sconti.
Benchmark
- 34
Benchmark di reclutamento
points su100; ha superato11 di19 posizioni
- 2/3
Valutazione di attività di automazione
attività completate correttamente
- 0.8
Velocità di elaborazione delle attività di automazione
secondi mediani
- 10.4
Velocità di elaborazione del benchmark di reclutamento
secondi mediani
Punteggi come pubblicati dal fornitore del modello.
Avvio rapido
Codice pronto all'uso per chiamare questo modello con le API compatibili di Felo API Platform. Inizia nel Playground se vuoi testare i prompt prima di scrivere codice.
Imposta la chiave API
Crea una chiave dal tuo account Felo API Platform e impostala come variabile d'ambiente.
export FELO_API_KEY="YOUR_API_KEY"Invia la prima richiesta
Usa questo ID modello con l'endpoint Felo API Platform. Le intestazioni facoltative come X-Request-Id aiutano nella risoluzione dei problemi.
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());Usare SDK di terze parti
Negli SDK compatibili imposta baseURL su https://openapi.felo.ai/api/v1. Per i client in stile Claude, usa la base URL compatibile con Anthropic. https://openapi.felo.ai/api.
Attiva lo streaming
Aggiungi stream: true per ricevere le risposte come 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 espone superfici compatibili per le chiamate ai modelli. Scegli la superficie che la tua app o il tuo client agente già supporta.
Messages
Messaggi compatibili con Anthropic per i client in stile Claude.
POST
https://openapi.felo.ai/api/v1/messagesParametri
modelstringpixtral-large-2502ID pubblico del modello da chiamare.max_tokensinteger—Numero massimo di token generati.messagesarray—Messaggi della conversazione per Chat Completions.stop———top_k———top_p———temperaturenumber—Controlla la varietà delle risposte quando supportato.Domande frequenti
Cos'è Mistral: Pixtral Large 2502?
Pixtral Large2502 di Mistral AI è un modello multimodale con input testuale e visivo e output testuale. Dispone di un contesto di128,000 tokens e di un limite di output indicato come16,000 tokens; alcune fonti riportano8,192. Comprende documenti, grafici e immagini naturali, mantenendo nella stessa chiamata cronologia, risultati degli strumenti e documenti recuperati. È adatto al ragionamento visivo, alla comprensione documentale, all’interpretazione di grafici e all’estrazione di campi dalle fatture. Può inoltre riassumere email, classificare ticket e supportare flussi con agenti e applicazioni RAG. Offre function calling nativo, selezione degli strumenti, output strutturato e JSON output, oltre a capacità avanzate di ragionamento matematico. Non supporta impostazioni per l’intensità del ragionamento e non consente di imporre i formati di risposta, limitando le garanzie per output JSON rigorosi. I pesi sono chiusi; il self-hosting è possibile, ma richiede hardware GPU significativo per il decoder123B. Alcune fonti lo descrivono come deprecato e sostituito da modelli visivi più recenti di Mistral AI.
Come viene addebitato l'utilizzo?
La fattura dipende dal fornitore che usi, dai suoi prezzi e dal tuo utilizzo. Input più lunghi o altre condizioni possono avere prezzi diversi.
Quali input e output supporta?
Supporta input testuale e immagini, con output testuale.
Quanto contesto e output gestisce?
Il contesto è di128,000 tokens. Il limite di output è indicato come16,000 tokens; alcune fonti riportano8,192.
Per quali attività è indicato?
È indicato per ragionamento visivo, documenti, grafici, estrazione da fatture, riassunti, classificazione di ticket, flussi con agenti e applicazioni RAG.
Supporta strumenti e output strutturati?
Sì. Supporta function calling nativo, selezione degli strumenti, output strutturato e JSON output.
Quali sono le principali limitazioni?
Non supporta impostazioni per l’intensità del ragionamento e non permette di imporre i formati di risposta. Alcune fonti lo descrivono inoltre come deprecato.