MiniMax-Text-01 هو نموذج MiniMax الموجّه للنصوص في المحادثات والمهام اللغوية والشيفرة. ويكتسب تصميمه للسياق الطويل أهمية خاصة عندما يعتمد السؤال على معلومات موزّعة في مجموعة كبيرة من المواد: مواصفة مع مراسلات، أو عدة إصدارات من مستند، أو مجموعة كبيرة من النصوص المرجعية. والناتج نص يشمل الشروح والمحتوى المكتوب والشيفرة ومعلومات استدعاء الدوال.
تجمع البنية بين Lightning Attention وSoftmax Attention التقليدي وخليط من الخبراء. وتذكر MiniMax إجماليًا قدره 456 مليار معلمة، يُفعَّل منها 45.9 مليار لكل رمز. يضم النموذج 80 طبقة و32 خبيرًا، ويوجّه كل رمز إلى الخبيرين الأعلى ترتيبًا؛ وتتبع كل مجموعة من سبع طبقات Lightning Attention طبقة Softmax Attention. هذه خصائص إصدار Text-01، وليست ادعاءً بأن كل نموذج يحمل اسم MiniMax يستخدم البنية نفسها.
تذكر MiniMax تدريبًا بسياق يبلغ مليون رمز، وتمديدًا أثناء الاستدلال يصل إلى أربعة ملايين رمز. ويهم هذا التمييز عند إعداد مهمة لمستند طويل: طول التدريب وطول الاستدلال الممتد يصفان مرحلتين مختلفتين. تتناول الشركة المصنّعة فهم اللغة واتباع التعليمات والاستدلال والرياضيات والبرمجة واستخدام المواد المرجعية الطويلة. حدّد ميزانية الطلب المتاحة لإعداد التنفيذ المختار، مع إبقاء السؤال والمستندات الداعمة وصيغة الإجابة المطلوبة واضحة.
يستخدم دليل البدء المنشور محادثة قائمة على الأدوار، تتضمن تعليمة نظام ورسالة مستخدم، وتُنسّق بقالب المحادثة الخاص بالنموذج. وقد يقدّم طلب مفيد لتحليل المستندات مقتطفات ذات تسميات واضحة ويسأل: «قارن معايير القبول في هذه المستندات. ولكل اختلاف، أعد تسمية المستند والمقطع المعني والأثر والسؤال الذي نحتاج إلى حسمه.» وللكتابة، قدّم الحقائق المصدرية والقارئ المقصود؛ وللشيفرة، أرفق الدالة المعنية والسلوك المتوقع وأمثلة تميّز النتيجة الصحيحة. هذه طرق توضيحية لاستخدام قدراته النصية، وليست ضمانات محددة سلفًا للإخراج.
استدعاء الدوال ميزة موثّقة في Text-01. يصف التطبيق الدوال المتاحة وأغراضها ومعلماتها؛ ويُعبَّر عن تعريف المعلمات باستخدام JSON Schema، ويمكن أن يشمل كائنات ومصفوفات متداخلة. يستطيع النموذج تحديد أن الطلب يحتاج إلى دالة خارجية، واقتراح اسمها مع وسائط منظّمة. يشرح دليل الشركة دالة للاستعلام عن الطقس، ثم يبيّن تحليل الاستدعاء المقترح وتنفيذه خارج النموذج وإعادة نتيجة منظّمة إلى المحادثة.
يتيح ذلك فصلًا عمليًا للمسؤوليات. يختار النموذج عملية مقترحة من الأوصاف المقدّمة؛ ويقرر التطبيق كيفية التحقق منها وتنفيذها. فمثلًا، يمكن تزويد مساعد مستندات بدالة بحث، وطلب جلب حقل المنتج الناقص قبل صياغة شرح. اكتب أوصافًا دقيقة للمعلمات، وحدّد القيم المطلوبة، واجعل البيانات المُرجعة سهلة التفسير للنموذج. إتاحة دالة لا تُلزم النموذج باستدعائها: تشير MiniMax صراحةً إلى أنه قد يرى أن إجابة عادية أنسب.
Text-01 وMiniMax-VL-01 إصداران منفصلان. يضيف الثاني مكوّنات بصرية؛ أما وصف Text-01 هذا فيتناول معالجة النص وأدواتها الموثّقة. ويتطلب السياق الطويل أيضًا إعدادًا دقيقًا للمصادر: ضع علامات لحدود المستندات، وميّز المواد المقتبسة من التعليمات، واطلب طريقة لربط الاستنتاجات بالمقاطع المقدّمة. لا تحدّد بطاقة النموذج حدًا أقصى منفصلًا وعامًا للإخراج المولّد، لذا ينبغي ألا يُفهم سياق الأربعة ملايين رمز على أنه سعة إخراج مسموحة. اختر طول إجابة يناسب المهمة، وتحقّق من البيانات الواقعية والحقول المستخرجة والشيفرة المولّدة بالرجوع إلى المواد أو الفحوص التي قدّمتها.
", "aboutText": "MiniMax-Text-01 هو نموذج MiniMax الموجّه للنصوص في المحادثات والمهام اللغوية والشيفرة. ويكتسب تصميمه للسياق الطويل أهمية خاصة عندما يعتمد السؤال على معلومات موزّعة في مجموعة كبيرة من المواد: مواصفة مع مراسلات، أو عدة إصدارات من مستند، أو مجموعة كبيرة من النصوص المرجعية. والناتج نص يشمل الشروح والمحتوى المكتوب والشيفرة ومعلومات استدعاء الدوال.\n\nتجمع البنية بين Lightning Attention وSoftmax Attention التقليدي وخليط من الخبراء. وتذكر MiniMax إجماليًا قدره 456 مليار معلمة، يُفعَّل منها 45.9 مليار لكل رمز. يضم النموذج 80 طبقة و32 خبيرًا، ويوجّه كل رمز إلى الخبيرين الأعلى ترتيبًا؛ وتتبع كل مجموعة من سبع طبقات Lightning Attention طبقة Softmax Attention. هذه خصائص إصدار Text-01، وليست ادعاءً بأن كل نموذج يحمل اسم MiniMax يستخدم البنية نفسها.\n\nتذكر MiniMax تدريبًا بسياق يبلغ مليون رمز، وتمديدًا أثناء الاستدلال يصل إلى أربعة ملايين رمز. ويهم هذا التمييز عند إعداد مهمة لمستند طويل: طول التدريب وطول الاستدلال الممتد يصفان مرحلتين مختلفتين. تتناول الشركة المصنّعة فهم اللغة واتباع التعليمات والاستدلال والرياضيات والبرمجة واستخدام المواد المرجعية الطويلة. حدّد ميزانية الطلب المتاحة لإعداد التنفيذ المختار، مع إبقاء السؤال والمستندات الداعمة وصيغة الإجابة المطلوبة واضحة.\n\nيستخدم دليل البدء المنشور محادثة قائمة على الأدوار، تتضمن تعليمة نظام ورسالة مستخدم، وتُنسّق بقالب المحادثة الخاص بالنموذج. وقد يقدّم طلب مفيد لتحليل المستندات مقتطفات ذات تسميات واضحة ويسأل: «قارن معايير القبول في هذه المستندات. ولكل اختلاف، أعد تسمية المستند والمقطع المعني والأثر والسؤال الذي نحتاج إلى حسمه.» وللكتابة، قدّم الحقائق المصدرية والقارئ المقصود؛ وللشيفرة، أرفق الدالة المعنية والسلوك المتوقع وأمثلة تميّز النتيجة الصحيحة. هذه طرق توضيحية لاستخدام قدراته النصية، وليست ضمانات محددة سلفًا للإخراج.\n\nاستدعاء الدوال ميزة موثّقة في Text-01. يصف التطبيق الدوال المتاحة وأغراضها ومعلماتها؛ ويُعبَّر عن تعريف المعلمات باستخدام JSON Schema، ويمكن أن يشمل كائنات ومصفوفات متداخلة. يستطيع النموذج تحديد أن الطلب يحتاج إلى دالة خارجية، واقتراح اسمها مع وسائط منظّمة. يشرح دليل الشركة دالة للاستعلام عن الطقس، ثم يبيّن تحليل الاستدعاء المقترح وتنفيذه خارج النموذج وإعادة نتيجة منظّمة إلى المحادثة.\n\nيتيح ذلك فصلًا عمليًا للمسؤوليات. يختار النموذج عملية مقترحة من الأوصاف المقدّمة؛ ويقرر التطبيق كيفية التحقق منها وتنفيذها. فمثلًا، يمكن تزويد مساعد مستندات بدالة بحث، وطلب جلب حقل المنتج الناقص قبل صياغة شرح. اكتب أوصافًا دقيقة للمعلمات، وحدّد القيم المطلوبة، واجعل البيانات المُرجعة سهلة التفسير للنموذج. إتاحة دالة لا تُلزم النموذج باستدعائها: تشير MiniMax صراحةً إلى أنه قد يرى أن إجابة عادية أنسب.\n\nText-01 وMiniMax-VL-01 إصداران منفصلان. يضيف الثاني مكوّنات بصرية؛ أما وصف Text-01 هذا فيتناول معالجة النص وأدواتها الموثّقة. ويتطلب السياق الطويل أيضًا إعدادًا دقيقًا للمصادر: ضع علامات لحدود المستندات، وميّز المواد المقتبسة من التعليمات، واطلب طريقة لربط الاستنتاجات بالمقاطع المقدّمة. لا تحدّد بطاقة النموذج حدًا أقصى منفصلًا وعامًا للإخراج المولّد، لذا ينبغي ألا يُفهم سياق الأربعة ملايين رمز على أنه سعة إخراج مسموحة. اختر طول إجابة يناسب المهمة، وتحقّق من البيانات الواقعية والحقول المستخرجة والشيفرة المولّدة بالرجوع إلى المواد أو الفحوص التي قدّمتها.", "editorialOverlay": { "copy_fields": { "practical_html": "مثال تقني باللغة الإنجليزية
Reconcile acceptance documents\n\nSpecification S1 says: 'An export is accepted when it contains all active accounts.' Email E1 says: 'Include suspended accounts in the acceptance sample.' Test note T1 says: 'The sample contains only active accounts.' Produce a mismatch record with source labels, practical consequence and one question for the owner. Do not silently choose a new acceptance rule.A source-labeled mismatch record, consequence and clarification question.The record must distinguish the coverage rule from the actual sample rather than declare acceptance achieved.MiniMax-Text-01MiniMax-Text-01 هو نموذج نصي طويل السياق لتحليل المستندات والكتابة والبرمجة ومسارات العمل بمساعدة الأدوات. يجمع الانتباه الهجين بمزيج الخبراء، ويمكنه اقتراح استدعاءات دوال بوسيطات منظّمة.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
MiniMax-Text-01 هو نموذج MiniMax الموجّه للنصوص في المحادثات والمهام اللغوية والشيفرة. ويكتسب تصميمه للسياق الطويل أهمية خاصة عندما يعتمد السؤال على معلومات موزّعة في مجموعة كبيرة من المواد: مواصفة مع مراسلات، أو عدة إصدارات من مستند، أو مجموعة كبيرة من النصوص المرجعية. والناتج نص يشمل الشروح والمحتوى المكتوب والشيفرة ومعلومات استدعاء الدوال.
تجمع البنية بين Lightning Attention وSoftmax Attention التقليدي وخليط من الخبراء. وتذكر MiniMax إجماليًا قدره 456 مليار معلمة، يُفعَّل منها 45.9 مليار لكل رمز. يضم النموذج 80 طبقة و32 خبيرًا، ويوجّه كل رمز إلى الخبيرين الأعلى ترتيبًا؛ وتتبع كل مجموعة من سبع طبقات Lightning Attention طبقة Softmax Attention. هذه خصائص إصدار Text-01، وليست ادعاءً بأن كل نموذج يحمل اسم MiniMax يستخدم البنية نفسها.
تذكر MiniMax تدريبًا بسياق يبلغ مليون رمز، وتمديدًا أثناء الاستدلال يصل إلى أربعة ملايين رمز. ويهم هذا التمييز عند إعداد مهمة لمستند طويل: طول التدريب وطول الاستدلال الممتد يصفان مرحلتين مختلفتين. تتناول الشركة المصنّعة فهم اللغة واتباع التعليمات والاستدلال والرياضيات والبرمجة واستخدام المواد المرجعية الطويلة. حدّد ميزانية الطلب المتاحة لإعداد التنفيذ المختار، مع إبقاء السؤال والمستندات الداعمة وصيغة الإجابة المطلوبة واضحة.
يستخدم دليل البدء المنشور محادثة قائمة على الأدوار، تتضمن تعليمة نظام ورسالة مستخدم، وتُنسّق بقالب المحادثة الخاص بالنموذج. وقد يقدّم طلب مفيد لتحليل المستندات مقتطفات ذات تسميات واضحة ويسأل: «قارن معايير القبول في هذه المستندات. ولكل اختلاف، أعد تسمية المستند والمقطع المعني والأثر والسؤال الذي نحتاج إلى حسمه.» وللكتابة، قدّم الحقائق المصدرية والقارئ المقصود؛ وللشيفرة، أرفق الدالة المعنية والسلوك المتوقع وأمثلة تميّز النتيجة الصحيحة. هذه طرق توضيحية لاستخدام قدراته النصية، وليست ضمانات محددة سلفًا للإخراج.
استدعاء الدوال ميزة موثّقة في Text-01. يصف التطبيق الدوال المتاحة وأغراضها ومعلماتها؛ ويُعبَّر عن تعريف المعلمات باستخدام JSON Schema، ويمكن أن يشمل كائنات ومصفوفات متداخلة. يستطيع النموذج تحديد أن الطلب يحتاج إلى دالة خارجية، واقتراح اسمها مع وسائط منظّمة. يشرح دليل الشركة دالة للاستعلام عن الطقس، ثم يبيّن تحليل الاستدعاء المقترح وتنفيذه خارج النموذج وإعادة نتيجة منظّمة إلى المحادثة.
يتيح ذلك فصلًا عمليًا للمسؤوليات. يختار النموذج عملية مقترحة من الأوصاف المقدّمة؛ ويقرر التطبيق كيفية التحقق منها وتنفيذها. فمثلًا، يمكن تزويد مساعد مستندات بدالة بحث، وطلب جلب حقل المنتج الناقص قبل صياغة شرح. اكتب أوصافًا دقيقة للمعلمات، وحدّد القيم المطلوبة، واجعل البيانات المُرجعة سهلة التفسير للنموذج. إتاحة دالة لا تُلزم النموذج باستدعائها: تشير MiniMax صراحةً إلى أنه قد يرى أن إجابة عادية أنسب.
Text-01 وMiniMax-VL-01 إصداران منفصلان. يضيف الثاني مكوّنات بصرية؛ أما وصف Text-01 هذا فيتناول معالجة النص وأدواتها الموثّقة. ويتطلب السياق الطويل أيضًا إعدادًا دقيقًا للمصادر: ضع علامات لحدود المستندات، وميّز المواد المقتبسة من التعليمات، واطلب طريقة لربط الاستنتاجات بالمقاطع المقدّمة. لا تحدّد بطاقة النموذج حدًا أقصى منفصلًا وعامًا للإخراج المولّد، لذا ينبغي ألا يُفهم سياق الأربعة ملايين رمز على أنه سعة إخراج مسموحة. اختر طول إجابة يناسب المهمة، وتحقّق من البيانات الواقعية والحقول المستخرجة والشيفرة المولّدة بالرجوع إلى المواد أو الفحوص التي قدّمتها.
POST /v1/chat/completionstexttext| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود MiniMax-Text-01 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود الحد الأدنى للعناصر: 1 | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود أمثلة: system, user, assistant, tool, function الشروط: تُمثَّل هذه الأدوار صراحةً بأنواع التوافق في الشيفرة المصدرية؛ وتظل مجموعة الأدوار الدقيقة خاصة بكل نموذج. يعتمد على النموذج | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring|content_part[]|null | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_calls | النوعtool_call[] | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].tool_call_id | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: role=tool؛ استخدم المعرّف الفعلي المُرجع | القيمة الافتراضية— |
الحقلmessages[].name | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].reasoning_content | النوعstring | المتطلباختياري | القيم والحدود ينطبق عندما: أعِد تمرير الاستدلال الفعلي المُرجع حيث يستخدمه هذا النموذج | القيمة الافتراضية— |
الحقلmessages[].reasoning_details | النوعobject|array | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلmax_completion_tokens | النوعinteger | المتطلباختياري | القيم والحدود الحد الأدنى: 1 يعتمد على النموذج | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
الحقلstream_options.include_usage | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtemperature | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtop_p | النوعnumber | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلstop | النوعstring|string[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools | النوعfunction_tool[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].type | النوعstring | المتطلباختياري | القيم والحدود function يعتمد على النموذج | القيمة الافتراضية— |
الحقلtools[].function.name | النوعstring | المتطلبمطلوب | القيم والحدود ينطبق عندما: أداة دالة مقدّمة | القيمة الافتراضية— |
الحقلtools[].function.description | النوعstring | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtools[].function.parameters | النوعJSON_schema | المتطلباختياري | القيم والحدود | القيمة الافتراضية— |
الحقلtool_choice | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلparallel_tool_calls | النوعboolean | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلresponse_format | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning_effort | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلreasoning | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلservice_tier | النوعstring | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلinstructions | النوعstring | المتطلباختياري | القيم والحدود حقل للتوافق | القيمة الافتراضية— |
الحقلfunctions | النوعfunction[] | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلfunction_call | النوعstring|object | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلprompt_cache_options | النوعobject | المتطلباختياري | القيم والحدود يعتمد على النموذج | القيمة الافتراضية— |
الحقلmodalities | النوعstring[] | المتطلباختياري | القيم والحدود text | القيمة الافتراضية— |
الحقلprovider | النوعobject | المتطلباختياري | القيم والحدود الشروط: يُرفَض provider.options في مسار Ultra النصي هذا | القيمة الافتراضية— |
الحقلcache_control.ttl | النوعstring | المتطلباختياري | القيم والحدود الشروط: تُرفَض 1h في المواضع الفعلية للتخزين المؤقت للموجّه | القيمة الافتراضية— |
النص · نص UTF8
messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages |
المعلمةmaterial_types | المواصفاتtext |
المعلمةmessages | المواصفاتمصفوفة رسائل ببنية role/content |
المعلمةfile_material | المواصفاتمستند UTF-8 الفعلي مُدرج كنص حرفي؛ لا يُستنتَج معرّف ملف |
المعلمةoptional_controls | المواصفاتstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
المعلمةcontrol_scope | المواصفاتخاص بالنموذج؛ أدوات الدوال التي يقدّمها المستخدم تختلف عن الأدوات المستضافة |
المعلمةoutput_modalities | المواصفاتtext |
المعلمةhosted_operations | المواصفاتfalse |
المعلمةmultimodal_input_binding | المواصفاتnull |
دورة الحياة: synchronous_or_streamed
أرسل معرّف النموذج الدقيق مع messages.
طول السياق ليس حدًا أقصى للإخراج.
يمكن لملف نصي تقديم نص حرفي؛ وتحتاج مدخلات الصور/الصوت/كائنات الملفات إلى ربط دقيق.
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.000308 / 1K من الرموز الإخراج · رموز الإخراج $0.002464 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "MiniMax-Text-01", "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='MiniMax-Text-01',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='MiniMax-Text-01',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 أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل اختيار ومحتواه واستدعاءات أدواته واستدلاله. في SSE، جمّع التحديثات بحسب فهرس الاختيار/الأداة، واحتفظ بسبب الإنهاء النهائي والاستخدام.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلchoices[].index | النوعinteger |
الحقلchoices[].message.content | النوعstring|null |
الحقلchoices[].message.tool_calls | النوعtool_call[] |
الحقلchoices[].message.reasoning_content | النوعstring |
الحقلchoices[].message.reasoning_details | النوعobject|array |
الحقلchoices[].finish_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra MiniMax-Text-01
استخدم مسارات الطرائق المعروضة أعلاه.
MiniMax-Text-01MiniMax-Text-01 هو نموذج نصي طويل السياق لتحليل المستندات والكتابة والبرمجة ومسارات العمل بمساعدة الأدوات. يجمع الانتباه الهجين بمزيج الخبراء، ويمكنه اقتراح استدعاءات دوال بوسيطات منظّمة.
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
MiniMax-Text-01 هو نموذج MiniMax الموجّه للنصوص في المحادثات والمهام اللغوية والشيفرة. ويكتسب تصميمه للسياق الطويل أهمية خاصة عندما يعتمد السؤال على معلومات موزّعة في مجموعة كبيرة من المواد: مواصفة مع مراسلات، أو عدة إصدارات من مستند، أو مجموعة كبيرة من النصوص المرجعية. والناتج نص يشمل الشروح والمحتوى المكتوب والشيفرة ومعلومات استدعاء الدوال.
تجمع البنية بين Lightning Attention وSoftmax Attention التقليدي وخليط من الخبراء. وتذكر MiniMax إجماليًا قدره 456 مليار معلمة، يُفعَّل منها 45.9 مليار لكل رمز. يضم النموذج 80 طبقة و32 خبيرًا، ويوجّه كل رمز إلى الخبيرين الأعلى ترتيبًا؛ وتتبع كل مجموعة من سبع طبقات Lightning Attention طبقة Softmax Attention. هذه خصائص إصدار Text-01، وليست ادعاءً بأن كل نموذج يحمل اسم MiniMax يستخدم البنية نفسها.
تذكر MiniMax تدريبًا بسياق يبلغ مليون رمز، وتمديدًا أثناء الاستدلال يصل إلى أربعة ملايين رمز. ويهم هذا التمييز عند إعداد مهمة لمستند طويل: طول التدريب وطول الاستدلال الممتد يصفان مرحلتين مختلفتين. تتناول الشركة المصنّعة فهم اللغة واتباع التعليمات والاستدلال والرياضيات والبرمجة واستخدام المواد المرجعية الطويلة. حدّد ميزانية الطلب المتاحة لإعداد التنفيذ المختار، مع إبقاء السؤال والمستندات الداعمة وصيغة الإجابة المطلوبة واضحة.
يستخدم دليل البدء المنشور محادثة قائمة على الأدوار، تتضمن تعليمة نظام ورسالة مستخدم، وتُنسّق بقالب المحادثة الخاص بالنموذج. وقد يقدّم طلب مفيد لتحليل المستندات مقتطفات ذات تسميات واضحة ويسأل: «قارن معايير القبول في هذه المستندات. ولكل اختلاف، أعد تسمية المستند والمقطع المعني والأثر والسؤال الذي نحتاج إلى حسمه.» وللكتابة، قدّم الحقائق المصدرية والقارئ المقصود؛ وللشيفرة، أرفق الدالة المعنية والسلوك المتوقع وأمثلة تميّز النتيجة الصحيحة. هذه طرق توضيحية لاستخدام قدراته النصية، وليست ضمانات محددة سلفًا للإخراج.
استدعاء الدوال ميزة موثّقة في Text-01. يصف التطبيق الدوال المتاحة وأغراضها ومعلماتها؛ ويُعبَّر عن تعريف المعلمات باستخدام JSON Schema، ويمكن أن يشمل كائنات ومصفوفات متداخلة. يستطيع النموذج تحديد أن الطلب يحتاج إلى دالة خارجية، واقتراح اسمها مع وسائط منظّمة. يشرح دليل الشركة دالة للاستعلام عن الطقس، ثم يبيّن تحليل الاستدعاء المقترح وتنفيذه خارج النموذج وإعادة نتيجة منظّمة إلى المحادثة.
يتيح ذلك فصلًا عمليًا للمسؤوليات. يختار النموذج عملية مقترحة من الأوصاف المقدّمة؛ ويقرر التطبيق كيفية التحقق منها وتنفيذها. فمثلًا، يمكن تزويد مساعد مستندات بدالة بحث، وطلب جلب حقل المنتج الناقص قبل صياغة شرح. اكتب أوصافًا دقيقة للمعلمات، وحدّد القيم المطلوبة، واجعل البيانات المُرجعة سهلة التفسير للنموذج. إتاحة دالة لا تُلزم النموذج باستدعائها: تشير MiniMax صراحةً إلى أنه قد يرى أن إجابة عادية أنسب.
Text-01 وMiniMax-VL-01 إصداران منفصلان. يضيف الثاني مكوّنات بصرية؛ أما وصف Text-01 هذا فيتناول معالجة النص وأدواتها الموثّقة. ويتطلب السياق الطويل أيضًا إعدادًا دقيقًا للمصادر: ضع علامات لحدود المستندات، وميّز المواد المقتبسة من التعليمات، واطلب طريقة لربط الاستنتاجات بالمقاطع المقدّمة. لا تحدّد بطاقة النموذج حدًا أقصى منفصلًا وعامًا للإخراج المولّد، لذا ينبغي ألا يُفهم سياق الأربعة ملايين رمز على أنه سعة إخراج مسموحة. اختر طول إجابة يناسب المهمة، وتحقّق من البيانات الواقعية والحقول المستخرجة والشيفرة المولّدة بالرجوع إلى المواد أو الفحوص التي قدّمتها.
POST /v1/messagestextjson, sse| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود MiniMax-Text-01 | القيمة الافتراضية— |
الحقلmessages | النوعmessage[] | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmessages[].role | النوعstring | المتطلبمطلوب | القيم والحدود user, assistant | القيمة الافتراضية— |
الحقلmessages[].content | النوعstring | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلmax_tokens | النوعinteger | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
الحقلstream | النوعboolean | المتطلباختياري | القيم والحدود | القيمة الافتراضيةfalse |
النص · نص UTF-8
سلسلة نصية messages[].content
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, messages, max_tokens |
المعلمةoptional_controls | المواصفاتstream |
المعلمةmaterial_types | المواصفاتtext |
المعلمةtext_file_material | المواصفاتاقرأ مستند UTF-8 الفعلي وضع نصه في الإدخال المحدد أو السلسلة النصية لمحتوى الرسالة. |
دورة الحياة: synchronous_or_streamed
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
| الإعدادات | جدول التعرفة | الرسوم |
|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | الرسوم الإدخال · رموز الإدخال $0.000308 / 1K من الرموز الإخراج · رموز الإخراج $0.002464 / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت $0 / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
{\n "model": "MiniMax-Text-01",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'MiniMax-Text-01', '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': 'MiniMax-Text-01', '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 أو SSE
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بكل كتل المحتوى وتوقيعات التفكير ومعرّفات استخدام الأدوات الفعلية. جمّع جميع تحديثات كتل SSE؛ فأول كتلة نصية ليست الإخراج الكامل.
احتفظ بمعرّفات الطلبات/الاستجابات والترويسات. لا يُقدَّم URL عام لاسترجاع مهمة نصية.
| الحقل | النوع |
|---|---|
الحقلid | النوعstring |
الحقلmodel | النوعstring |
الحقلcontent[] | النوعtext|thinking|tool_use|other content block |
الحقلstop_reason | النوعstring|null |
الحقلusage | النوعobject |
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة | الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد. |
Ailoot Ultra MiniMax-Text-01
استخدم مسارات الطرائق المعروضة أعلاه.
مثال تقني باللغة الإنجليزية
Reconcile acceptance documents\n\nSpecification S1 says: 'An export is accepted when it contains all active accounts.' Email E1 says: 'Include suspended accounts in the acceptance sample.' Test note T1 says: 'The sample contains only active accounts.' Produce a mismatch record with source labels, practical consequence and one question for the owner. Do not silently choose a new acceptance rule.A source-labeled mismatch record, consequence and clarification question.The record must distinguish the coverage rule from the actual sample rather than declare acceptance achieved.