Mistral api-dokument: Snabbstartsguide

Installera SDK:et och ange din bas-URL

Börja med att installera det officiella SDK:t för ditt språk och peka det mot vår slutpunkt. Bas-URL:en är HTTPS://api.mistralapidoc.com/v1. Denna enda ändring dirigerar alla anrop till vår obegränsade infrastruktur utan att ändra din befintliga logik. Du kan använda vilken standardklient som helst som stöder OpenAI-kompatibilitet. Installationen tar några sekunder och kräver inga komplexa konfigurationsfiler.

Se till att du anger din unika API-nyckel i Authorization-rubriken. Vårt system validerar denna nyckel mot ditt förbetala saldo innan någon token bearbetas. Denna metod säkerställer att du bara betalar för det du använder. Håll din nyckel säker och rotera den om du misstänger att den har exponerats. Nyckeln utfärdas omedelbart vid registrering via Google eller e-post.

Gör din första förfrågan till den obegränsade modellen

Skicka en POST-begäran till /v1/chat/completions med modell-ID:t inställt på "uncensored". Denna modell svarar på lagligt vuxeninnehåll, fiktion och kontroversiella ämnen utan standardavslag. Det är en öppen modell med vikter som är finjusterad för direkta svar. Du behöver inte ange en versionsnummer eller välja mellan olika leverantörer. Svaret returnerar text i content-fältet.

Copycurl https://api.mistralapidoc.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [{"role": "user", "content": "List all available models and their context windows"}]
  }'

Förfrågningskroppen inkluderar din matris med meddelanden och valfria parametrar. Vårt API ignorerar extra fält på ett smidigt sätt. Om du skickar en enkel prompt får du en direkt komplettering. Använd detta för att verifiera att din integration fungerar innan du lägger till komplex logik. Modellen hanterar kontext upp till 100,000 tokens effektivt.

Aktivera strömning och hantera tokenanvändning

Ställ in stream till true för att ta emot tokens via Server-Sent Events. Denna metod minskar uppfattad latens för långa svar. Den sista chunken i strömmen innehåller fullständig tokenanvändningsstatistik för den begäran. Du kan logga dessa mått för att spåra förbrukningen av dina förbetala krediter noggrant. Streaming är idealiskt för chattgränssnitt och realtidsapplikationer.

Copystream = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Tell the story in second person."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

Hantera delvisa svar genom att ackumulera innehållsdelta. Vårt API säkerställer att det totala antalet token matchar den faktiska användningen. Fel under strömning debiterar dig inte för ofullständiga token. Denna funktion ger en smidig användarupplevelse samtidigt som kostnaderna förblir transparenta. Du kan avbryta strömmen i förtid om användaren avbryter genereringen.

Använd funktionsanrop och JSON-läge

Skicka en tools-array för att aktivera funktionsanrop. Modellen kommer att returnera strukturerade verktygsanrop när det är lämpligt. Du kan också tvinga JSON-läge genom att sätta response_format till json_object. Detta garanterar att utmatningen är giltig JSON, vilket förenklar parsing i din applikation. Båda funktionerna fungerar med standard OpenAI SDK-syntax.

Copyimport OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.mistralapidoc.com/v1", apiKey: process.env.API_KEY });

const resp = await client.chat.completions.create({
  model: "uncensored",
  messages: [{ role: "user", content: "Draft a villain monologue for my game." }],
});
console.log(resp.choices[0].message.content);

Definiera ditt funktionsschema med namn, beskrivning och parametrar. API:et returnerar funktionsnamnet och argumenten i svaret. Detta tillåter din kod att köra extern logik baserat på modellens beslut. JSON-läget är användbart när du behöver strikta datastrukturer. Kombinera dessa funktioner för robusta, automatiserade arbetsflöden.

Konfigurera parametrar: temperatur, top_p och seed

Justera temperaturen för att styra slumpmässigheten. Lägre värden gör svaren mer deterministiska. Top_p begränsar nucleus-samplingen till de mest sannolika tokenen. Seed säkerställer reproducerbara utdata för felsökning. Dessa parametrar ger dig finmaskig kontroll över modellens beteende. Använd dem för att ställa in balansen mellan kreativitet och noggrannhet.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.mistralapidoc.com/v1", api_key="YOUR_KEY")

resp = client.chat.completions.create(
    model="uncensored",
    messages=[{"role": "user", "content": "Summarise this thread without softening it."}],
)
print(resp.choices[0].message.content)

Ställ in presence_penalty och frequency_penalty för att minska upprepning. Modellen stöder alla standard OpenAI-parametrar. Du kan skicka en stoppsekvens för att avbryta genereringen vid specifika markörer. Dessa kontroller hjälper dig att få exakt utmatningsformat du behöver. Experimentera med olika kombinationer för att hitta optimala inställningar för ditt användningsfall.

Gränser, fel och kontextfönster

Vårt API stöder ett kontextfönster på 100 000 token. Maxoutput per begäran är 16 000 token, eller 2 048 om du utelämnar max_tokens. Du har begränsning till 300 begäranden per minut och 8 parallella begäranden per nyckel. Begäranskroppen får inte överstiga 8 MB. Dessa gränser säkerställer rättvis användning för alla förbetalkunder.

Hantera HTTP 401-fel genom att verifiera din API-nyckel. Ett 402-fel indikerar otillräckligt förbetalt kredit. Ladda upp med krypto för att återuppta tjänsten. Ett 429-fel betyder att du har överskridit hastighetsbegränsningen. Vänta kort innan du försöker igen. Vårt system använder inte prompts för träning, vilket bevarar din dataprivacy. Fel och avslag är kostnadsfria, så du betalar endast för lyckade kompletteringar.