Mistral: Pixtral Large 2502 API
Pixtral Large2502 เป็นโมเดลมัลติโมดัลสำหรับทำความเข้าใจข้อความ เอกสาร ภาพ และแผนภูมิ
Pixtral Large2502 จาก Mistral AI รับอินพุตได้ทั้งข้อความและภาพ พร้อมสร้างเอาต์พุตเป็นข้อความ รองรับบริบท128,000 tokens และจำกัดเอาต์พุต16,000 tokens โดยบางแหล่งระบุ8,192 โมเดลนี้เข้าใจเอกสาร แผนภูมิ และภาพธรรมชาติได้ รวมถึงรองรับการเรียกใช้ฟังก์ชันโดยตรง การเลือกเครื่องมือ เอาต์พุต JSON และเอาต์พุตแบบมีโครงสร้าง
โมเดลเหมาะกับงานทำความเข้าใจเอกสารและการให้เหตุผลจากภาพ เช่น การตีความแผนภูมิ การดึงข้อมูลจากใบแจ้งหนี้ การสรุปอีเมล และการจัดหมวดหมู่ทิกเก็ต บริบทขนาดใหญ่ช่วยรวมประวัติการสนทนา ผลลัพธ์จากเครื่องมือ และเอกสารที่ดึงมาด้วย RAG ไว้ในการเรียกใช้ครั้งเดียว จึงเหมาะกับเวิร์กโฟลว์เอเจนต์และงาน RAG
Pixtral Large2502 รองรับการให้เหตุผลทางคณิตศาสตร์ขั้นสูง แต่ไม่รองรับการตั้งค่าระดับความพยายามในการให้เหตุผล และไม่สามารถบังคับรูปแบบคำตอบได้ จึงมีข้อจำกัดต่อการรับประกัน JSON อย่างเคร่งครัด น้ำหนักโมเดลเป็นแบบปิด และมีแหล่งข้อมูลบางแห่งระบุว่าเลิกใช้งานแล้วหรือถูกแทนที่ด้วยโมเดลด้านวิสัยทัศน์รุ่นใหม่ของ Mistral AI
อัปเดต:
ID โมเดล
pixtral-large-2502- บริบท
- 128K
- เอาต์พุตสูงสุด
- 102.4K
- API ที่แนะนำ
- messages
- อินพุต
- text / image
- เอาต์พุต
- text
จุดเด่น
- รองรับข้อความและภาพ
- บริบท128,000 tokens
- เข้าใจเอกสารและแผนภูมิ
- รองรับการเรียกใช้ฟังก์ชัน
- เอาต์พุตแบบมีโครงสร้าง
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| อัตราความพร้อมใช้งาน | |||
|---|---|---|---|
| $2 | $6 |
สถิติย้อนหลังไม่ใช่การตรวจสอบแบบเรียลไทม์ ข้อมูลที่หายไปไม่ได้หมายถึงบริการขัดข้อง
ซื้ออะไรได้ด้วย $10
- อินพุต
- 5M token
- เอาต์พุต
- 1.7M token
ประมาณจากราคาอินพุตและเอาต์พุตปัจจุบัน ก่อนหักส่วนลด
เบนช์มาร์ก
- 34
เกณฑ์ประเมินการสรรหา
คะแนนเต็ม100 และผ่านงาน11 จาก19 งาน
- 2/3
การประเมินงานอัตโนมัติ
ทำงานสำเร็จตามสัดส่วนที่ระบุ
- 0.8
ความเร็วการประมวลผลงานอัตโนมัติ
ค่ามัธยฐานเป็นวินาที
- 10.4
ความเร็วการประมวลผลเกณฑ์ประเมินการสรรหา
ค่ามัธยฐานเป็นวินาที
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
เริ่มต้นอย่างรวดเร็ว
โค้ดพร้อมใช้สำหรับเรียกโมเดลนี้ด้วย API ที่เข้ากันได้ของ Felo API Platform เริ่มใน Playground เมื่อคุณต้องการทดสอบพรอมต์ก่อนเขียนโค้ด
ตั้งค่าคีย์ API
สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม
export FELO_API_KEY="YOUR_API_KEY"ส่งคำขอแรก
ใช้ ID โมเดลนี้กับ endpoint ของ Felo API Platform ส่วนหัวคำขอแบบไม่บังคับ เช่น X-Request-Id ช่วยในการแก้ไขปัญหา
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());การใช้ SDK ของบุคคลที่สาม
ใน SDK ที่เข้ากันได้ ให้ตั้ง baseURL เป็น https://openapi.felo.ai/api/v1. สำหรับไคลเอนต์สไตล์ Claude ให้ใช้ base URL ที่เข้ากันได้กับ Anthropic https://openapi.felo.ai/api.
เปิดใช้สตรีมมิ่ง
เพิ่ม stream: true เพื่อรับการตอบกลับเป็น 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 มีอินเทอร์เฟซสำหรับเรียกโมเดลที่เข้ากันได้ เลือกอินเทอร์เฟซที่แอปหรือไคลเอนต์เอเจนต์ของคุณรองรับอยู่แล้ว
Messages
ข้อความที่เข้ากันได้กับ Anthropic สำหรับไคลเอนต์สไตล์ Claude
POST
https://openapi.felo.ai/api/v1/messagesพารามิเตอร์
modelstringpixtral-large-2502ID โมเดลสาธารณะที่ต้องการเรียกmax_tokensinteger—จำนวนโทเคนสูงสุดที่สร้างmessagesarray—ข้อความสนทนาสำหรับ Chat Completionsstop———top_k———top_p———temperaturenumber—ควบคุมความหลากหลายของการตอบกลับเมื่อรองรับคำถามที่พบบ่อย
รู้จัก Mistral: Pixtral Large 2502?
Pixtral Large2502 จาก Mistral AI รับอินพุตได้ทั้งข้อความและภาพ พร้อมสร้างเอาต์พุตเป็นข้อความ รองรับบริบท128,000 tokens และจำกัดเอาต์พุต16,000 tokens โดยบางแหล่งระบุ8,192 โมเดลนี้เข้าใจเอกสาร แผนภูมิ และภาพธรรมชาติได้ รวมถึงรองรับการเรียกใช้ฟังก์ชันโดยตรง การเลือกเครื่องมือ เอาต์พุต JSON และเอาต์พุตแบบมีโครงสร้าง โมเดลเหมาะกับงานทำความเข้าใจเอกสารและการให้เหตุผลจากภาพ เช่น การตีความแผนภูมิ การดึงข้อมูลจากใบแจ้งหนี้ การสรุปอีเมล และการจัดหมวดหมู่ทิกเก็ต บริบทขนาดใหญ่ช่วยรวมประวัติการสนทนา ผลลัพธ์จากเครื่องมือ และเอกสารที่ดึงมาด้วย RAG ไว้ในการเรียกใช้ครั้งเดียว จึงเหมาะกับเวิร์กโฟลว์เอเจนต์และงาน RAG Pixtral Large2502 รองรับการให้เหตุผลทางคณิตศาสตร์ขั้นสูง แต่ไม่รองรับการตั้งค่าระดับความพยายามในการให้เหตุผล และไม่สามารถบังคับรูปแบบคำตอบได้ จึงมีข้อจำกัดต่อการรับประกัน JSON อย่างเคร่งครัด น้ำหนักโมเดลเป็นแบบปิด และมีแหล่งข้อมูลบางแห่งระบุว่าเลิกใช้งานแล้วหรือถูกแทนที่ด้วยโมเดลด้านวิสัยทัศน์รุ่นใหม่ของ Mistral AI
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน
รองรับอินพุตและเอาต์พุตแบบใด
รองรับอินพุตข้อความและภาพ พร้อมเอาต์พุตข้อความ
มีบริบทและความยาวเอาต์พุตเท่าใด
รองรับบริบท128,000 tokens และจำกัดเอาต์พุต16,000 tokens โดยบางแหล่งระบุ8,192
เหมาะกับงานประเภทใด
เหมาะกับการทำความเข้าใจเอกสาร การตีความแผนภูมิ การดึงข้อมูลจากใบแจ้งหนี้ การสรุปอีเมล การจัดหมวดหมู่ทิกเก็ต และเวิร์กโฟลว์ RAG
รองรับการเรียกใช้ฟังก์ชันและเอาต์พุตแบบมีโครงสร้างหรือไม่
รองรับการเรียกใช้ฟังก์ชันโดยตรง การเลือกเครื่องมือ JSON output และเอาต์พุตแบบมีโครงสร้าง แต่ไม่สามารถบังคับรูปแบบคำตอบได้
มีข้อจำกัดด้านการให้เหตุผลหรือไม่
ไม่รองรับการตั้งค่าระดับความพยายามในการให้เหตุผล และมีข้อจำกัดต่อการรับประกัน JSON อย่างเคร่งครัด