MiMo-V2.6-Pro er Xiaomis flagskibsmodel i den nativt omnimodale V2.6-serie. Den bringer tekst-, billed-, video- og lydforståelse ind i krævende softwareudvikling og længere agentopgaver. Producentens frigivne Pro-profil beskriver en sparsom mixture-of-experts-arkitektur med 1,02 billioner parametre i alt og 42 milliarder aktiverede parametre. Konteksten på en million tokens er beregnet til lange koderepositorier, værktøjsspor og opgaver, der strækker sig over mange interaktioner.
Serien videreudvikler Xiaomis tilgang til forstærkningslæring ved at øge opgavevariationen og feedbackkvaliteten sammen med træningsberegningerne. Kodning, generelle agenter, visuelle opgaver og cybersikkerhedsarbejde blandes på tværs af forskellige miljøer. Kandidatforløb sammenlignes efter opgavespecifikke kriterier, hvor testresultater og bedømt kvalitet bidrager til træningssignalet. Pro-arkitekturen kombinerer en grundarkitektur med 70 lag og hybrid opmærksomhed med dedikerede syns- og lydencodere og en decoder med fem lag til forudsigelse af flere tokens.
Ved softwarearbejde skal du angive den adfærd, programmet skal levere, vedlægge den relevante implementering og forklare, hvordan fuldførelse skal kontrolleres. Bevar repositoriets begrænsninger og den præcise fejl- eller ændringsanmodning. Modellen kan ræsonnere gennem en række ændringer og værktøjsresultater; applikationen stiller værktøjerne til rådighed og registrerer deres operationer. Bed om en afsluttende redegørelse for den ændrede adfærd, de berørte filer og de faktisk udførte kontroller, så et langt forløb ender i et resultat, der kan undersøges.
Xiaomis udgivelse udvider derefter opgaveområdet fra kodning til interaktive verdener. Den beskriver at bygge spil og 3D-scener ud fra tekst-, billed- eller videoreferencer, implementere interaktionslogik og forbedre arbejdet med renderet feedback. Den beskriver også Blender-baserede objekter og scener samt visuel feedback i kropsliggjort simulering. Forbered et sceneoplæg med dimensioner, objektrelationer, kontroller og synlige afslutningskriterier. Den resulterende kode, sceneinstruktionerne eller de værktøjsproducerede aktiver bør undersøges i det tilsigtede renderings- eller simuleringsmiljø.
Ved visuelt arbejde og design viser producenten frontendgrænseflader og præsentationer med layout, komponenter og animation samt arbejdsgange, der bruger billed- og videoværktøjer. Angiv målgruppen, det krævede indhold, de visuelle referencer og de interaktioner, der skal fungere. En nyttig anmodning kan producere en sideimplementering eller en præsentationsskitse med de detaljer, der er nødvendige til næste produktionstrin. Den underliggende model returnerer tekst og værktøjsinstruktioner; renderede billeder og genererede medier kommer fra værktøjerne i arbejdsgangen.
Udgivelsen beskriver også musik- og researchanvendelser. Musikeksemplet bruger skrevne noder og MIDI som redigerbare kompositionsartefakter. Researcheksemplerne kombinerer litteratur- og patentgennemgang, designhypoteser og beregningssimuleringer samt matematisk formalisering kontrolleret med Lean. Ved en researchopgave skal du skelne mellem kildeobservationer, antagelser, beregninger og foreslåede hypoteser. Bevar værktøjsoutput og verifikationsresultater, og mærk en beregningsbaseret kandidat som kandidat frem for som et laboratorievalideret resultat.
Arbejde med lang kontekst kræver bevidst organisering af input. Hold dokumentgrænser, filidentifikatorer og tidligere beslutninger stabile, og afsæt plads til svaret og den fortsatte værktøjshistorik. Xiaomis lokale opskrift anbefaler temperature 1.0 og top_p 0.95. Producenten dokumenterer også gentagne værktøjskald i V2.6-træningslinjen og særskilte MOPD-checkpoints, der skal afhjælpe problemet. Undersøg, om hver handling fremmer opgaven, og bevar den præcise udgave sammen med resultatet; gentagne kald uden ny dokumentation er en grund til at revurdere næste trin.
Slutproduktet bør svare til opgavens afslutningskriterium: en kontrolleret kodeændring, en gennemgået interaktiv scene, et redigerbart designartefakt eller en researchanalyse knyttet til dokumentation. Pro, Flash og Pro-UltraSpeed har forskellige roller i V2.6-familien. Bevar denne forskel, når resultater sammenlignes, og hold materialet, værktøjsobservationerne og verifikationshistorikken tilgængelige for gennemgang.
", "aboutText": "MiMo-V2.6-Pro er Xiaomis flagskibsmodel i den nativt omnimodale V2.6-serie. Den bringer tekst-, billed-, video- og lydforståelse ind i krævende softwareudvikling og længere agentopgaver. Producentens frigivne Pro-profil beskriver en sparsom mixture-of-experts-arkitektur med 1,02 billioner parametre i alt og 42 milliarder aktiverede parametre. Konteksten på en million tokens er beregnet til lange koderepositorier, værktøjsspor og opgaver, der strækker sig over mange interaktioner.\n\nSerien videreudvikler Xiaomis tilgang til forstærkningslæring ved at øge opgavevariationen og feedbackkvaliteten sammen med træningsberegningerne. Kodning, generelle agenter, visuelle opgaver og cybersikkerhedsarbejde blandes på tværs af forskellige miljøer. Kandidatforløb sammenlignes efter opgavespecifikke kriterier, hvor testresultater og bedømt kvalitet bidrager til træningssignalet. Pro-arkitekturen kombinerer en grundarkitektur med 70 lag og hybrid opmærksomhed med dedikerede syns- og lydencodere og en decoder med fem lag til forudsigelse af flere tokens.\n\nVed softwarearbejde skal du angive den adfærd, programmet skal levere, vedlægge den relevante implementering og forklare, hvordan fuldførelse skal kontrolleres. Bevar repositoriets begrænsninger og den præcise fejl- eller ændringsanmodning. Modellen kan ræsonnere gennem en række ændringer og værktøjsresultater; applikationen stiller værktøjerne til rådighed og registrerer deres operationer. Bed om en afsluttende redegørelse for den ændrede adfærd, de berørte filer og de faktisk udførte kontroller, så et langt forløb ender i et resultat, der kan undersøges.\n\nXiaomis udgivelse udvider derefter opgaveområdet fra kodning til interaktive verdener. Den beskriver at bygge spil og 3D-scener ud fra tekst-, billed- eller videoreferencer, implementere interaktionslogik og forbedre arbejdet med renderet feedback. Den beskriver også Blender-baserede objekter og scener samt visuel feedback i kropsliggjort simulering. Forbered et sceneoplæg med dimensioner, objektrelationer, kontroller og synlige afslutningskriterier. Den resulterende kode, sceneinstruktionerne eller de værktøjsproducerede aktiver bør undersøges i det tilsigtede renderings- eller simuleringsmiljø.\n\nVed visuelt arbejde og design viser producenten frontendgrænseflader og præsentationer med layout, komponenter og animation samt arbejdsgange, der bruger billed- og videoværktøjer. Angiv målgruppen, det krævede indhold, de visuelle referencer og de interaktioner, der skal fungere. En nyttig anmodning kan producere en sideimplementering eller en præsentationsskitse med de detaljer, der er nødvendige til næste produktionstrin. Den underliggende model returnerer tekst og værktøjsinstruktioner; renderede billeder og genererede medier kommer fra værktøjerne i arbejdsgangen.\n\nUdgivelsen beskriver også musik- og researchanvendelser. Musikeksemplet bruger skrevne noder og MIDI som redigerbare kompositionsartefakter. Researcheksemplerne kombinerer litteratur- og patentgennemgang, designhypoteser og beregningssimuleringer samt matematisk formalisering kontrolleret med Lean. Ved en researchopgave skal du skelne mellem kildeobservationer, antagelser, beregninger og foreslåede hypoteser. Bevar værktøjsoutput og verifikationsresultater, og mærk en beregningsbaseret kandidat som kandidat frem for som et laboratorievalideret resultat.\n\nArbejde med lang kontekst kræver bevidst organisering af input. Hold dokumentgrænser, filidentifikatorer og tidligere beslutninger stabile, og afsæt plads til svaret og den fortsatte værktøjshistorik. Xiaomis lokale opskrift anbefaler temperature 1.0 og top_p 0.95. Producenten dokumenterer også gentagne værktøjskald i V2.6-træningslinjen og særskilte MOPD-checkpoints, der skal afhjælpe problemet. Undersøg, om hver handling fremmer opgaven, og bevar den præcise udgave sammen med resultatet; gentagne kald uden ny dokumentation er en grund til at revurdere næste trin.\n\nSlutproduktet bør svare til opgavens afslutningskriterium: en kontrolleret kodeændring, en gennemgået interaktiv scene, et redigerbart designartefakt eller en researchanalyse knyttet til dokumentation. Pro, Flash og Pro-UltraSpeed har forskellige roller i V2.6-familien. Bevar denne forskel, når resultater sammenlignes, og hold materialet, værktøjsobservationerne og verifikationshistorikken tilgængelige for gennemgang.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Implement bounded grid movement\n\nWrite a JavaScript function move(player, direction, walls) for a 5-by-5 tile grid indexed 0–4. Directions are up, down, left and right. Return a new position; keep the current position when a move hits a wall or boundary. Walls are coordinate pairs. Provide tests for a free move, a wall and each outer boundary. No rendering is required.A pure movement function and test cases covering free movement, wall collision, boundaries and unchanged input state.Check every returned coordinate stays within 0–4 and neither the player object nor wall list is mutated.xiaomi/mimo-v2.6-proMiMo-V2.6-Pro er Xiaomis omnimodale flagskibsmodel til krævende kodning, research og længere agentopgaver. Den forstår tekst, billeder, video og lyd; den frigivne Pro-profil dokumenterer en MoE med 1,02 billioner parametre, 42 milliarder aktive parametre og en kontekst på en million tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
MiMo-V2.6-Pro er Xiaomis flagskibsmodel i den nativt omnimodale V2.6-serie. Den bringer tekst-, billed-, video- og lydforståelse ind i krævende softwareudvikling og længere agentopgaver. Producentens frigivne Pro-profil beskriver en sparsom mixture-of-experts-arkitektur med 1,02 billioner parametre i alt og 42 milliarder aktiverede parametre. Konteksten på en million tokens er beregnet til lange koderepositorier, værktøjsspor og opgaver, der strækker sig over mange interaktioner.
Serien videreudvikler Xiaomis tilgang til forstærkningslæring ved at øge opgavevariationen og feedbackkvaliteten sammen med træningsberegningerne. Kodning, generelle agenter, visuelle opgaver og cybersikkerhedsarbejde blandes på tværs af forskellige miljøer. Kandidatforløb sammenlignes efter opgavespecifikke kriterier, hvor testresultater og bedømt kvalitet bidrager til træningssignalet. Pro-arkitekturen kombinerer en grundarkitektur med 70 lag og hybrid opmærksomhed med dedikerede syns- og lydencodere og en decoder med fem lag til forudsigelse af flere tokens.
Ved softwarearbejde skal du angive den adfærd, programmet skal levere, vedlægge den relevante implementering og forklare, hvordan fuldførelse skal kontrolleres. Bevar repositoriets begrænsninger og den præcise fejl- eller ændringsanmodning. Modellen kan ræsonnere gennem en række ændringer og værktøjsresultater; applikationen stiller værktøjerne til rådighed og registrerer deres operationer. Bed om en afsluttende redegørelse for den ændrede adfærd, de berørte filer og de faktisk udførte kontroller, så et langt forløb ender i et resultat, der kan undersøges.
Xiaomis udgivelse udvider derefter opgaveområdet fra kodning til interaktive verdener. Den beskriver at bygge spil og 3D-scener ud fra tekst-, billed- eller videoreferencer, implementere interaktionslogik og forbedre arbejdet med renderet feedback. Den beskriver også Blender-baserede objekter og scener samt visuel feedback i kropsliggjort simulering. Forbered et sceneoplæg med dimensioner, objektrelationer, kontroller og synlige afslutningskriterier. Den resulterende kode, sceneinstruktionerne eller de værktøjsproducerede aktiver bør undersøges i det tilsigtede renderings- eller simuleringsmiljø.
Ved visuelt arbejde og design viser producenten frontendgrænseflader og præsentationer med layout, komponenter og animation samt arbejdsgange, der bruger billed- og videoværktøjer. Angiv målgruppen, det krævede indhold, de visuelle referencer og de interaktioner, der skal fungere. En nyttig anmodning kan producere en sideimplementering eller en præsentationsskitse med de detaljer, der er nødvendige til næste produktionstrin. Den underliggende model returnerer tekst og værktøjsinstruktioner; renderede billeder og genererede medier kommer fra værktøjerne i arbejdsgangen.
Udgivelsen beskriver også musik- og researchanvendelser. Musikeksemplet bruger skrevne noder og MIDI som redigerbare kompositionsartefakter. Researcheksemplerne kombinerer litteratur- og patentgennemgang, designhypoteser og beregningssimuleringer samt matematisk formalisering kontrolleret med Lean. Ved en researchopgave skal du skelne mellem kildeobservationer, antagelser, beregninger og foreslåede hypoteser. Bevar værktøjsoutput og verifikationsresultater, og mærk en beregningsbaseret kandidat som kandidat frem for som et laboratorievalideret resultat.
Arbejde med lang kontekst kræver bevidst organisering af input. Hold dokumentgrænser, filidentifikatorer og tidligere beslutninger stabile, og afsæt plads til svaret og den fortsatte værktøjshistorik. Xiaomis lokale opskrift anbefaler temperature 1.0 og top_p 0.95. Producenten dokumenterer også gentagne værktøjskald i V2.6-træningslinjen og særskilte MOPD-checkpoints, der skal afhjælpe problemet. Undersøg, om hver handling fremmer opgaven, og bevar den præcise udgave sammen med resultatet; gentagne kald uden ny dokumentation er en grund til at revurdere næste trin.
Slutproduktet bør svare til opgavens afslutningskriterium: en kontrolleret kodeændring, en gennemgået interaktiv scene, et redigerbart designartefakt eller en researchanalyse knyttet til dokumentation. Pro, Flash og Pro-UltraSpeed har forskellige roller i V2.6-familien. Bevar denne forskel, når resultater sammenlignes, og hold materialet, værktøjsobservationerne og verifikationshistorikken tilgængelige for gennemgang.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser xiaomi/mimo-v2.6-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00087 / 1K tokens Output · Outputtokens $0.00174 / 1K tokens Input · Cachelæsning $0.0000072 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00087 / 1K tokens Output · Outputtokens $0.00174 / 1K tokens Input · Cachelæsning $0.0000072 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.6-pro", "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-v2.6-pro',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-v2.6-pro',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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra xiaomi/mimo-v2.6-pro
Brug metodestierne vist ovenfor.
xiaomi/mimo-v2.6-proMiMo-V2.6-Pro er Xiaomis omnimodale flagskibsmodel til krævende kodning, research og længere agentopgaver. Den forstår tekst, billeder, video og lyd; den frigivne Pro-profil dokumenterer en MoE med 1,02 billioner parametre, 42 milliarder aktive parametre og en kontekst på en million tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
MiMo-V2.6-Pro er Xiaomis flagskibsmodel i den nativt omnimodale V2.6-serie. Den bringer tekst-, billed-, video- og lydforståelse ind i krævende softwareudvikling og længere agentopgaver. Producentens frigivne Pro-profil beskriver en sparsom mixture-of-experts-arkitektur med 1,02 billioner parametre i alt og 42 milliarder aktiverede parametre. Konteksten på en million tokens er beregnet til lange koderepositorier, værktøjsspor og opgaver, der strækker sig over mange interaktioner.
Serien videreudvikler Xiaomis tilgang til forstærkningslæring ved at øge opgavevariationen og feedbackkvaliteten sammen med træningsberegningerne. Kodning, generelle agenter, visuelle opgaver og cybersikkerhedsarbejde blandes på tværs af forskellige miljøer. Kandidatforløb sammenlignes efter opgavespecifikke kriterier, hvor testresultater og bedømt kvalitet bidrager til træningssignalet. Pro-arkitekturen kombinerer en grundarkitektur med 70 lag og hybrid opmærksomhed med dedikerede syns- og lydencodere og en decoder med fem lag til forudsigelse af flere tokens.
Ved softwarearbejde skal du angive den adfærd, programmet skal levere, vedlægge den relevante implementering og forklare, hvordan fuldførelse skal kontrolleres. Bevar repositoriets begrænsninger og den præcise fejl- eller ændringsanmodning. Modellen kan ræsonnere gennem en række ændringer og værktøjsresultater; applikationen stiller værktøjerne til rådighed og registrerer deres operationer. Bed om en afsluttende redegørelse for den ændrede adfærd, de berørte filer og de faktisk udførte kontroller, så et langt forløb ender i et resultat, der kan undersøges.
Xiaomis udgivelse udvider derefter opgaveområdet fra kodning til interaktive verdener. Den beskriver at bygge spil og 3D-scener ud fra tekst-, billed- eller videoreferencer, implementere interaktionslogik og forbedre arbejdet med renderet feedback. Den beskriver også Blender-baserede objekter og scener samt visuel feedback i kropsliggjort simulering. Forbered et sceneoplæg med dimensioner, objektrelationer, kontroller og synlige afslutningskriterier. Den resulterende kode, sceneinstruktionerne eller de værktøjsproducerede aktiver bør undersøges i det tilsigtede renderings- eller simuleringsmiljø.
Ved visuelt arbejde og design viser producenten frontendgrænseflader og præsentationer med layout, komponenter og animation samt arbejdsgange, der bruger billed- og videoværktøjer. Angiv målgruppen, det krævede indhold, de visuelle referencer og de interaktioner, der skal fungere. En nyttig anmodning kan producere en sideimplementering eller en præsentationsskitse med de detaljer, der er nødvendige til næste produktionstrin. Den underliggende model returnerer tekst og værktøjsinstruktioner; renderede billeder og genererede medier kommer fra værktøjerne i arbejdsgangen.
Udgivelsen beskriver også musik- og researchanvendelser. Musikeksemplet bruger skrevne noder og MIDI som redigerbare kompositionsartefakter. Researcheksemplerne kombinerer litteratur- og patentgennemgang, designhypoteser og beregningssimuleringer samt matematisk formalisering kontrolleret med Lean. Ved en researchopgave skal du skelne mellem kildeobservationer, antagelser, beregninger og foreslåede hypoteser. Bevar værktøjsoutput og verifikationsresultater, og mærk en beregningsbaseret kandidat som kandidat frem for som et laboratorievalideret resultat.
Arbejde med lang kontekst kræver bevidst organisering af input. Hold dokumentgrænser, filidentifikatorer og tidligere beslutninger stabile, og afsæt plads til svaret og den fortsatte værktøjshistorik. Xiaomis lokale opskrift anbefaler temperature 1.0 og top_p 0.95. Producenten dokumenterer også gentagne værktøjskald i V2.6-træningslinjen og særskilte MOPD-checkpoints, der skal afhjælpe problemet. Undersøg, om hver handling fremmer opgaven, og bevar den præcise udgave sammen med resultatet; gentagne kald uden ny dokumentation er en grund til at revurdere næste trin.
Slutproduktet bør svare til opgavens afslutningskriterium: en kontrolleret kodeændring, en gennemgået interaktiv scene, et redigerbart designartefakt eller en researchanalyse knyttet til dokumentation. Pro, Flash og Pro-UltraSpeed har forskellige roller i V2.6-familien. Bevar denne forskel, når resultater sammenlignes, og hold materialet, værktøjsobservationerne og verifikationshistorikken tilgængelige for gennemgang.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser xiaomi/mimo-v2.6-pro | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00087 / 1K tokens Output · Outputtokens $0.00174 / 1K tokens Input · Cachelæsning $0.0000072 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00087 / 1K tokens Output · Outputtokens $0.00174 / 1K tokens Input · Cachelæsning $0.0000072 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "xiaomi/mimo-v2.6-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v2.6-pro', '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-v2.6-pro', '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 eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra xiaomi/mimo-v2.6-pro
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Implement bounded grid movement\n\nWrite a JavaScript function move(player, direction, walls) for a 5-by-5 tile grid indexed 0–4. Directions are up, down, left and right. Return a new position; keep the current position when a move hits a wall or boundary. Walls are coordinate pairs. Provide tests for a free move, a wall and each outer boundary. No rendering is required.A pure movement function and test cases covering free movement, wall collision, boundaries and unchanged input state.Check every returned coordinate stays within 0–4 and neither the player object nor wall list is mutated.