MiMo-V2.5 je nativně omnimodální model Xiaomi pro porozumění textu, obrázkům, videu a zvuku v jedné architektuře. Spojuje multimodální vnímání s uvažováním v dlouhém kontextu a agentními postupy. Výrobce popisuje řídký model mixture-of-experts s celkem 310B parametrů a 15B aktivovanými parametry. Jeho odpovědí je textový výstup nebo pokyn pro nástroj, který může použít podpůrná aplikace; porozumění zvukovému či vizuálnímu vstupu je oddělené od vytváření nových médií.
Jazykový základ staví na architektuře MiMo-V2-Flash a kombinuje pozornost v posuvném okně s globální pozorností v poměru 5:1 s lokálním oknem 128 tokenů. Xiaomi přidává vyhrazený vizuální transformátor s 729M parametrů a zvukový enkodér s 261M parametrů inicializovaný z MiMo-Audio. Tři moduly předpovídání více tokenů podporují spekulativní dekódování. Lokální okno pozornosti je architektonický detail; pro společnou historii úlohy výrobce stanoví mnohem větší kontext, až jeden milion tokenů.
Pro analýzu obrázku dodejte čitelný zdroj a určete vztah nebo detail, který má odpověď vysvětlit. Dokumentová úloha může požadovat tabulku pozorovaných polí s příslušnou stránkou nebo oblastí; návrhářská úloha může propojit rozvržení snímku obrazovky s požadavkem na implementaci. Zdrojový obrázek zachovejte, aby šlo ověřit drobný text, počty a prostorová pozorování. Požadujte, aby model ponechal nejasné podklady zřetelně nejasné, místo aby neurčitou značku změnil v sebejistou hodnotu.
U videa nebo zvuku propojte dodaný materiál s konkrétní otázkou a kontextem potřebným k interpretaci. Užitečný postup může vysvětlit sled akcí v rozhraní ze záznamu, označit místo, kde se pozorované chování odchyluje od zamýšlených kroků, a připravit diagnózu navázanou na příslušný časový úsek. Zachovejte chronologii a původní záznam ke kontrole. Textový výstup může posloužit jako vstup pro následnou zprávu, titulkování či úpravy, aniž by se tvrdilo, že sám představuje nově vytvořené video nebo hlasovou stopu.
U agentní úlohy dodejte cíl, příslušné zdrojové materiály a vstupní kontrakty nástrojů, které aplikace zpřístupňuje. Skutečné výstupy nástrojů uchovávejte v historii, aby model mohl další krok přizpůsobit tomu, co se stalo. Úloha v repozitáři může spojit kód, snímek výsledku a výstup kontroly a vytvořit konkrétní návrh změny. Zaznamenejte, zda se výsledná operace provedla a zda pozorovaný výstup splňuje požadované chování.
Trénovací postup výrobce začíná textovým předtrénováním, připravuje vizuální a zvukové projektory a pokračuje multimodálním předtrénováním. Supervidovaný agentní trénink postupně rozšiřuje kontext z 32K přes 256K na 1M; posilované učení a on-policy destilace od více učitelů pak rozvíjejí vnímání, uvažování a agentní chování. Výrobce uvádí přibližně 48 bilionů trénovacích tokenů. Tato historie vysvětluje společný rozsah vstupů a úloh, aniž zaručuje výsledek konkrétního záznamu nebo repozitáře.
Souhrn modelu uvádí podporu až 1M tokenů, zatímco publikovaný příklad nasazení používá konfiguraci kontextu 262 144 tokenů. Rozlišujte kapacitu modelu a pracovní okno zvolené implementace a ponechte prostor pro generovanou odpověď i navazující výsledky nástrojů. Xiaomi doporučuje pro lokální inferenci temperature 1.0 a top_p 0.95. Předzpracování médií a ovládací prvky aplikace mají odpovídat konkrétnímu rozhraní použitému pro úlohu.
MiMo-V2.5 je omnimodální sourozenec většího, textově zaměřeného MiMo-V2.5-Pro. Toto rozlišení vydání zachovejte v záznamu výsledku. Užitečným konečným výstupem je vysvětlení, extrakce nebo návrh změny propojený s dodaným textem a médii, přičemž nejistá pozorování a neověřené výsledky nástrojů zůstávají dostupné k opravě.
", "aboutText": "MiMo-V2.5 je nativně omnimodální model Xiaomi pro porozumění textu, obrázkům, videu a zvuku v jedné architektuře. Spojuje multimodální vnímání s uvažováním v dlouhém kontextu a agentními postupy. Výrobce popisuje řídký model mixture-of-experts s celkem 310B parametrů a 15B aktivovanými parametry. Jeho odpovědí je textový výstup nebo pokyn pro nástroj, který může použít podpůrná aplikace; porozumění zvukovému či vizuálnímu vstupu je oddělené od vytváření nových médií.\n\nJazykový základ staví na architektuře MiMo-V2-Flash a kombinuje pozornost v posuvném okně s globální pozorností v poměru 5:1 s lokálním oknem 128 tokenů. Xiaomi přidává vyhrazený vizuální transformátor s 729M parametrů a zvukový enkodér s 261M parametrů inicializovaný z MiMo-Audio. Tři moduly předpovídání více tokenů podporují spekulativní dekódování. Lokální okno pozornosti je architektonický detail; pro společnou historii úlohy výrobce stanoví mnohem větší kontext, až jeden milion tokenů.\n\nPro analýzu obrázku dodejte čitelný zdroj a určete vztah nebo detail, který má odpověď vysvětlit. Dokumentová úloha může požadovat tabulku pozorovaných polí s příslušnou stránkou nebo oblastí; návrhářská úloha může propojit rozvržení snímku obrazovky s požadavkem na implementaci. Zdrojový obrázek zachovejte, aby šlo ověřit drobný text, počty a prostorová pozorování. Požadujte, aby model ponechal nejasné podklady zřetelně nejasné, místo aby neurčitou značku změnil v sebejistou hodnotu.\n\nU videa nebo zvuku propojte dodaný materiál s konkrétní otázkou a kontextem potřebným k interpretaci. Užitečný postup může vysvětlit sled akcí v rozhraní ze záznamu, označit místo, kde se pozorované chování odchyluje od zamýšlených kroků, a připravit diagnózu navázanou na příslušný časový úsek. Zachovejte chronologii a původní záznam ke kontrole. Textový výstup může posloužit jako vstup pro následnou zprávu, titulkování či úpravy, aniž by se tvrdilo, že sám představuje nově vytvořené video nebo hlasovou stopu.\n\nU agentní úlohy dodejte cíl, příslušné zdrojové materiály a vstupní kontrakty nástrojů, které aplikace zpřístupňuje. Skutečné výstupy nástrojů uchovávejte v historii, aby model mohl další krok přizpůsobit tomu, co se stalo. Úloha v repozitáři může spojit kód, snímek výsledku a výstup kontroly a vytvořit konkrétní návrh změny. Zaznamenejte, zda se výsledná operace provedla a zda pozorovaný výstup splňuje požadované chování.\n\nTrénovací postup výrobce začíná textovým předtrénováním, připravuje vizuální a zvukové projektory a pokračuje multimodálním předtrénováním. Supervidovaný agentní trénink postupně rozšiřuje kontext z 32K přes 256K na 1M; posilované učení a on-policy destilace od více učitelů pak rozvíjejí vnímání, uvažování a agentní chování. Výrobce uvádí přibližně 48 bilionů trénovacích tokenů. Tato historie vysvětluje společný rozsah vstupů a úloh, aniž zaručuje výsledek konkrétního záznamu nebo repozitáře.\n\nSouhrn modelu uvádí podporu až 1M tokenů, zatímco publikovaný příklad nasazení používá konfiguraci kontextu 262 144 tokenů. Rozlišujte kapacitu modelu a pracovní okno zvolené implementace a ponechte prostor pro generovanou odpověď i navazující výsledky nástrojů. Xiaomi doporučuje pro lokální inferenci temperature 1.0 a top_p 0.95. Předzpracování médií a ovládací prvky aplikace mají odpovídat konkrétnímu rozhraní použitému pro úlohu.\n\nMiMo-V2.5 je omnimodální sourozenec většího, textově zaměřeného MiMo-V2.5-Pro. Toto rozlišení vydání zachovejte v záznamu výsledku. Užitečným konečným výstupem je vysvětlení, extrakce nebo návrh změny propojený s dodaným textem a médii, přičemž nejistá pozorování a neověřené výsledky nástrojů zůstávají dostupné k opravě.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.xiaomi/mimo-v2.5MiMo-V2.5 rozumí textu, obrázkům, videu i zvuku v jediném modelu pro multimodální analýzu a agentní úlohy. Xiaomi uvádí celkem 310 miliard parametrů, 15 miliard aktivních parametrů a kontext až jeden milion tokenů se specializovanými obrazovými a zvukovými enkodéry.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
MiMo-V2.5 je nativně omnimodální model Xiaomi pro porozumění textu, obrázkům, videu a zvuku v jedné architektuře. Spojuje multimodální vnímání s uvažováním v dlouhém kontextu a agentními postupy. Výrobce popisuje řídký model mixture-of-experts s celkem 310B parametrů a 15B aktivovanými parametry. Jeho odpovědí je textový výstup nebo pokyn pro nástroj, který může použít podpůrná aplikace; porozumění zvukovému či vizuálnímu vstupu je oddělené od vytváření nových médií.
Jazykový základ staví na architektuře MiMo-V2-Flash a kombinuje pozornost v posuvném okně s globální pozorností v poměru 5:1 s lokálním oknem 128 tokenů. Xiaomi přidává vyhrazený vizuální transformátor s 729M parametrů a zvukový enkodér s 261M parametrů inicializovaný z MiMo-Audio. Tři moduly předpovídání více tokenů podporují spekulativní dekódování. Lokální okno pozornosti je architektonický detail; pro společnou historii úlohy výrobce stanoví mnohem větší kontext, až jeden milion tokenů.
Pro analýzu obrázku dodejte čitelný zdroj a určete vztah nebo detail, který má odpověď vysvětlit. Dokumentová úloha může požadovat tabulku pozorovaných polí s příslušnou stránkou nebo oblastí; návrhářská úloha může propojit rozvržení snímku obrazovky s požadavkem na implementaci. Zdrojový obrázek zachovejte, aby šlo ověřit drobný text, počty a prostorová pozorování. Požadujte, aby model ponechal nejasné podklady zřetelně nejasné, místo aby neurčitou značku změnil v sebejistou hodnotu.
U videa nebo zvuku propojte dodaný materiál s konkrétní otázkou a kontextem potřebným k interpretaci. Užitečný postup může vysvětlit sled akcí v rozhraní ze záznamu, označit místo, kde se pozorované chování odchyluje od zamýšlených kroků, a připravit diagnózu navázanou na příslušný časový úsek. Zachovejte chronologii a původní záznam ke kontrole. Textový výstup může posloužit jako vstup pro následnou zprávu, titulkování či úpravy, aniž by se tvrdilo, že sám představuje nově vytvořené video nebo hlasovou stopu.
U agentní úlohy dodejte cíl, příslušné zdrojové materiály a vstupní kontrakty nástrojů, které aplikace zpřístupňuje. Skutečné výstupy nástrojů uchovávejte v historii, aby model mohl další krok přizpůsobit tomu, co se stalo. Úloha v repozitáři může spojit kód, snímek výsledku a výstup kontroly a vytvořit konkrétní návrh změny. Zaznamenejte, zda se výsledná operace provedla a zda pozorovaný výstup splňuje požadované chování.
Trénovací postup výrobce začíná textovým předtrénováním, připravuje vizuální a zvukové projektory a pokračuje multimodálním předtrénováním. Supervidovaný agentní trénink postupně rozšiřuje kontext z 32K přes 256K na 1M; posilované učení a on-policy destilace od více učitelů pak rozvíjejí vnímání, uvažování a agentní chování. Výrobce uvádí přibližně 48 bilionů trénovacích tokenů. Tato historie vysvětluje společný rozsah vstupů a úloh, aniž zaručuje výsledek konkrétního záznamu nebo repozitáře.
Souhrn modelu uvádí podporu až 1M tokenů, zatímco publikovaný příklad nasazení používá konfiguraci kontextu 262 144 tokenů. Rozlišujte kapacitu modelu a pracovní okno zvolené implementace a ponechte prostor pro generovanou odpověď i navazující výsledky nástrojů. Xiaomi doporučuje pro lokální inferenci temperature 1.0 a top_p 0.95. Předzpracování médií a ovládací prvky aplikace mají odpovídat konkrétnímu rozhraní použitému pro úlohu.
MiMo-V2.5 je omnimodální sourozenec většího, textově zaměřeného MiMo-V2.5-Pro. Toto rozlišení vydání zachovejte v záznamu výsledku. Užitečným konečným výstupem je vysvětlení, extrakce nebo návrh změny propojený s dodaným textem a médii, přičemž nejistá pozorování a neověřené výsledky nástrojů zůstávají dostupné k opravě.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity xiaomi/mimo-v2.5 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00028 / 1K tokenů Výstup · Výstupní tokeny $0.00056 / 1K tokenů Vstup · Čtení z mezipaměti $0.0000056 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00028 / 1K tokenů Výstup · Výstupní tokeny $0.00056 / 1K tokenů Vstup · Čtení z mezipaměti $0.0000056 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.5", "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='xiaomi/mimo-v2.5',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='xiaomi/mimo-v2.5',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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra xiaomi/mimo-v2.5
Použijte cesty metod uvedené výše.
xiaomi/mimo-v2.5MiMo-V2.5 rozumí textu, obrázkům, videu i zvuku v jediném modelu pro multimodální analýzu a agentní úlohy. Xiaomi uvádí celkem 310 miliard parametrů, 15 miliard aktivních parametrů a kontext až jeden milion tokenů se specializovanými obrazovými a zvukovými enkodéry.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
MiMo-V2.5 je nativně omnimodální model Xiaomi pro porozumění textu, obrázkům, videu a zvuku v jedné architektuře. Spojuje multimodální vnímání s uvažováním v dlouhém kontextu a agentními postupy. Výrobce popisuje řídký model mixture-of-experts s celkem 310B parametrů a 15B aktivovanými parametry. Jeho odpovědí je textový výstup nebo pokyn pro nástroj, který může použít podpůrná aplikace; porozumění zvukovému či vizuálnímu vstupu je oddělené od vytváření nových médií.
Jazykový základ staví na architektuře MiMo-V2-Flash a kombinuje pozornost v posuvném okně s globální pozorností v poměru 5:1 s lokálním oknem 128 tokenů. Xiaomi přidává vyhrazený vizuální transformátor s 729M parametrů a zvukový enkodér s 261M parametrů inicializovaný z MiMo-Audio. Tři moduly předpovídání více tokenů podporují spekulativní dekódování. Lokální okno pozornosti je architektonický detail; pro společnou historii úlohy výrobce stanoví mnohem větší kontext, až jeden milion tokenů.
Pro analýzu obrázku dodejte čitelný zdroj a určete vztah nebo detail, který má odpověď vysvětlit. Dokumentová úloha může požadovat tabulku pozorovaných polí s příslušnou stránkou nebo oblastí; návrhářská úloha může propojit rozvržení snímku obrazovky s požadavkem na implementaci. Zdrojový obrázek zachovejte, aby šlo ověřit drobný text, počty a prostorová pozorování. Požadujte, aby model ponechal nejasné podklady zřetelně nejasné, místo aby neurčitou značku změnil v sebejistou hodnotu.
U videa nebo zvuku propojte dodaný materiál s konkrétní otázkou a kontextem potřebným k interpretaci. Užitečný postup může vysvětlit sled akcí v rozhraní ze záznamu, označit místo, kde se pozorované chování odchyluje od zamýšlených kroků, a připravit diagnózu navázanou na příslušný časový úsek. Zachovejte chronologii a původní záznam ke kontrole. Textový výstup může posloužit jako vstup pro následnou zprávu, titulkování či úpravy, aniž by se tvrdilo, že sám představuje nově vytvořené video nebo hlasovou stopu.
U agentní úlohy dodejte cíl, příslušné zdrojové materiály a vstupní kontrakty nástrojů, které aplikace zpřístupňuje. Skutečné výstupy nástrojů uchovávejte v historii, aby model mohl další krok přizpůsobit tomu, co se stalo. Úloha v repozitáři může spojit kód, snímek výsledku a výstup kontroly a vytvořit konkrétní návrh změny. Zaznamenejte, zda se výsledná operace provedla a zda pozorovaný výstup splňuje požadované chování.
Trénovací postup výrobce začíná textovým předtrénováním, připravuje vizuální a zvukové projektory a pokračuje multimodálním předtrénováním. Supervidovaný agentní trénink postupně rozšiřuje kontext z 32K přes 256K na 1M; posilované učení a on-policy destilace od více učitelů pak rozvíjejí vnímání, uvažování a agentní chování. Výrobce uvádí přibližně 48 bilionů trénovacích tokenů. Tato historie vysvětluje společný rozsah vstupů a úloh, aniž zaručuje výsledek konkrétního záznamu nebo repozitáře.
Souhrn modelu uvádí podporu až 1M tokenů, zatímco publikovaný příklad nasazení používá konfiguraci kontextu 262 144 tokenů. Rozlišujte kapacitu modelu a pracovní okno zvolené implementace a ponechte prostor pro generovanou odpověď i navazující výsledky nástrojů. Xiaomi doporučuje pro lokální inferenci temperature 1.0 a top_p 0.95. Předzpracování médií a ovládací prvky aplikace mají odpovídat konkrétnímu rozhraní použitému pro úlohu.
MiMo-V2.5 je omnimodální sourozenec většího, textově zaměřeného MiMo-V2.5-Pro. Toto rozlišení vydání zachovejte v záznamu výsledku. Užitečným konečným výstupem je vysvětlení, extrakce nebo návrh změny propojený s dodaným textem a médii, přičemž nejistá pozorování a neověřené výsledky nástrojů zůstávají dostupné k opravě.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity xiaomi/mimo-v2.5 | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00028 / 1K tokenů Výstup · Výstupní tokeny $0.00056 / 1K tokenů Vstup · Čtení z mezipaměti $0.0000056 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00028 / 1K tokenů Výstup · Výstupní tokeny $0.00056 / 1K tokenů Vstup · Čtení z mezipaměti $0.0000056 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "xiaomi/mimo-v2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'xiaomi/mimo-v2.5', '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': 'xiaomi/mimo-v2.5', '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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra xiaomi/mimo-v2.5
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.