MiMo-V2.6-Pro-UltraSpeed ist Xiaomis UltraSpeed-Modus für das Modell MiMo-V2.6-Pro. Der Hersteller führt ihn für Interaktionen und Abläufe ein, bei denen die Generierungsdauer wichtig ist, und beschreibt seine Ausgabequalität als gleichwertig mit Pro. UltraSpeed bezeichnet eine Betriebsweise des Pro-Modells und nicht das kleinere Flash-Modell. Wähle ihn, wenn für eine umfangreiche Aufgabe die nächste Antwort zügig benötigt wird, und behalte dabei dieselben Anforderungen an das Endergebnis bei.
Die zugrunde liegende Pro-Familie ist nativ omnimodal und versteht Text, Bilder, Video und Audio. Ihr veröffentlichtes Pro-Modellprofil beschreibt eine spärliche Mixture-of-Experts-Architektur mit insgesamt 1.02 Billionen Parametern, 42 Milliarden aktivierten Parametern und einem Kontext von einer Million Tokens. Eigene Bild- und Audioencoder verbinden die Medieneingaben mit dem Sprachgrundmodell. Das direkte Ergebnis ist Text oder eine Werkzeuganweisung; jede gerenderte Szene, bearbeitete Datei oder generierte Mediendatei hängt von den Werkzeugen der umgebenden Anwendung ab.
Xiaomis V2.6-Training mischt Coding, allgemeine Agentenarbeit, visuelle Aufgaben und Cybersicherheit in verschiedenen Umgebungen. Sein Rückmeldungsprozess vergleicht Aufgabenverläufe und verwendet sowohl Testergebnisse als auch Qualitätskriterien, um nützliche Strategien über umfangreiche Interaktionen hinweg zu entwickeln. Bereite ein Briefing vor, das Ziel, verfügbare Belege und Abschlusskriterien nennt. Schnellere Generierung ist nützlich, wenn sie diese Interaktionen voranbringt; sie ersetzt nicht die Prüfung, ob jeder Schritt die Frage beantwortet oder das beabsichtigte Ergebnis verändert.
Gib für einen Coding-Assistenten die betroffenen Dateien, das verlangte Verhalten und den Fehler oder die Prüfausgabe an, die die Arbeit begründen. Verlange die nächste gezielte Änderung und gib danach das tatsächliche Ergebnis aller Ausführungswerkzeuge zurück. Eine nützliche Abschlussantwort erklärt das geänderte Verhalten, die betroffenen Dateien und die tatsächlich durchgeführten Prüfungen. Halte vorgeschlagene Operationen von abgeschlossenen getrennt, damit eine schnelle Antwortfolge auf beobachtbare Arbeit zurückführbar bleibt.
Die V2.6-Beispiele des Herstellers erweitern Coding auf Spiele, 3D-Objekte und interaktive Szenen, deren Implementierung mithilfe visueller Rückmeldungen verfeinert wird. Kombiniere für eine Designaufgabe ein Textbriefing mit Referenzbildern oder einer Aufnahme und lege die benötigten Bedienelemente, das Layout und sichtbare Abschlusskriterien fest. Ein Szenen- oder Oberflächenvorschlag kann dann die passenden Produktionswerkzeuge anleiten. Bewahre das gerenderte Ergebnis und die Feststellungen aus seiner Prüfung, statt den anfänglichen Code oder die Szenenanweisungen als fertiges visuelles Ergebnis zu behandeln.
Definiere für Präsentations- und Videoabläufe die Zielgruppe, die erforderlichen Inhalte, die vorgesehene Abfolge und die Elemente, die konsistent bleiben müssen. Xiaomi beschreibt die Zusammenarbeit der Pro-Familie mit Design-, Bild-, Video- und Sprecherwerkzeugen. Das sind unterstützende Abläufe und keine zusätzlichen nativen Medienausgaben des Textmodells. Ein nützliches Ergebnis kann eine Folienstruktur, eine Einstellungsfolge oder ein Satz Produktionsanweisungen sein, der genügend Details enthält, um den nächsten Schritt auszuführen und zu prüfen.
Liefere für Recherche die Frage und massgebliches Material und verlange eine Unterscheidung zwischen Fakten, Hypothesen und Berechnungen. Xiaomis Pro-Beispiele umfassen Literatur- und Patentrecherche, rechnergestützte Materialauswahl, Partituren und MIDI sowie mit Lean geprüfte mathematische Formalisierung. Bewahre die Ausgaben der tatsächlich verwendeten Recherche- oder Prüfwerkzeuge. Ein simulierter Kandidat oder ein vorgeschlagener Beweis sollte als solcher gekennzeichnet bleiben, bis das entsprechende physische Experiment oder die formale Prüfung abgeschlossen ist.
Bewahre bei Vergleichen mit gewöhnlichem Pro oder Flash die Identität Pro-UltraSpeed beim Ergebnis. Organisiere lange Verläufe um das Ziel und die Entscheidungen, die stabil bleiben müssen, und lass Platz für die Antwort und fortlaufende Werkzeugrückmeldungen. Prüfe wichtigen Code, Beobachtungen, Berechnungen und Aussagen anhand ihrer Quellenbelege. Der besondere Zweck dieses Modus ist die schnellere Pro-Generierung; das fertige Ergebnis muss weiterhin dieselben aufgabenspezifischen Kriterien erfüllen.
", "aboutText": "MiMo-V2.6-Pro-UltraSpeed ist Xiaomis UltraSpeed-Modus für das Modell MiMo-V2.6-Pro. Der Hersteller führt ihn für Interaktionen und Abläufe ein, bei denen die Generierungsdauer wichtig ist, und beschreibt seine Ausgabequalität als gleichwertig mit Pro. UltraSpeed bezeichnet eine Betriebsweise des Pro-Modells und nicht das kleinere Flash-Modell. Wähle ihn, wenn für eine umfangreiche Aufgabe die nächste Antwort zügig benötigt wird, und behalte dabei dieselben Anforderungen an das Endergebnis bei.\n\nDie zugrunde liegende Pro-Familie ist nativ omnimodal und versteht Text, Bilder, Video und Audio. Ihr veröffentlichtes Pro-Modellprofil beschreibt eine spärliche Mixture-of-Experts-Architektur mit insgesamt 1.02 Billionen Parametern, 42 Milliarden aktivierten Parametern und einem Kontext von einer Million Tokens. Eigene Bild- und Audioencoder verbinden die Medieneingaben mit dem Sprachgrundmodell. Das direkte Ergebnis ist Text oder eine Werkzeuganweisung; jede gerenderte Szene, bearbeitete Datei oder generierte Mediendatei hängt von den Werkzeugen der umgebenden Anwendung ab.\n\nXiaomis V2.6-Training mischt Coding, allgemeine Agentenarbeit, visuelle Aufgaben und Cybersicherheit in verschiedenen Umgebungen. Sein Rückmeldungsprozess vergleicht Aufgabenverläufe und verwendet sowohl Testergebnisse als auch Qualitätskriterien, um nützliche Strategien über umfangreiche Interaktionen hinweg zu entwickeln. Bereite ein Briefing vor, das Ziel, verfügbare Belege und Abschlusskriterien nennt. Schnellere Generierung ist nützlich, wenn sie diese Interaktionen voranbringt; sie ersetzt nicht die Prüfung, ob jeder Schritt die Frage beantwortet oder das beabsichtigte Ergebnis verändert.\n\nGib für einen Coding-Assistenten die betroffenen Dateien, das verlangte Verhalten und den Fehler oder die Prüfausgabe an, die die Arbeit begründen. Verlange die nächste gezielte Änderung und gib danach das tatsächliche Ergebnis aller Ausführungswerkzeuge zurück. Eine nützliche Abschlussantwort erklärt das geänderte Verhalten, die betroffenen Dateien und die tatsächlich durchgeführten Prüfungen. Halte vorgeschlagene Operationen von abgeschlossenen getrennt, damit eine schnelle Antwortfolge auf beobachtbare Arbeit zurückführbar bleibt.\n\nDie V2.6-Beispiele des Herstellers erweitern Coding auf Spiele, 3D-Objekte und interaktive Szenen, deren Implementierung mithilfe visueller Rückmeldungen verfeinert wird. Kombiniere für eine Designaufgabe ein Textbriefing mit Referenzbildern oder einer Aufnahme und lege die benötigten Bedienelemente, das Layout und sichtbare Abschlusskriterien fest. Ein Szenen- oder Oberflächenvorschlag kann dann die passenden Produktionswerkzeuge anleiten. Bewahre das gerenderte Ergebnis und die Feststellungen aus seiner Prüfung, statt den anfänglichen Code oder die Szenenanweisungen als fertiges visuelles Ergebnis zu behandeln.\n\nDefiniere für Präsentations- und Videoabläufe die Zielgruppe, die erforderlichen Inhalte, die vorgesehene Abfolge und die Elemente, die konsistent bleiben müssen. Xiaomi beschreibt die Zusammenarbeit der Pro-Familie mit Design-, Bild-, Video- und Sprecherwerkzeugen. Das sind unterstützende Abläufe und keine zusätzlichen nativen Medienausgaben des Textmodells. Ein nützliches Ergebnis kann eine Folienstruktur, eine Einstellungsfolge oder ein Satz Produktionsanweisungen sein, der genügend Details enthält, um den nächsten Schritt auszuführen und zu prüfen.\n\nLiefere für Recherche die Frage und massgebliches Material und verlange eine Unterscheidung zwischen Fakten, Hypothesen und Berechnungen. Xiaomis Pro-Beispiele umfassen Literatur- und Patentrecherche, rechnergestützte Materialauswahl, Partituren und MIDI sowie mit Lean geprüfte mathematische Formalisierung. Bewahre die Ausgaben der tatsächlich verwendeten Recherche- oder Prüfwerkzeuge. Ein simulierter Kandidat oder ein vorgeschlagener Beweis sollte als solcher gekennzeichnet bleiben, bis das entsprechende physische Experiment oder die formale Prüfung abgeschlossen ist.\n\nBewahre bei Vergleichen mit gewöhnlichem Pro oder Flash die Identität Pro-UltraSpeed beim Ergebnis. Organisiere lange Verläufe um das Ziel und die Entscheidungen, die stabil bleiben müssen, und lass Platz für die Antwort und fortlaufende Werkzeugrückmeldungen. Prüfe wichtigen Code, Beobachtungen, Berechnungen und Aussagen anhand ihrer Quellenbelege. Der besondere Zweck dieses Modus ist die schnellere Pro-Generierung; das fertige Ergebnis muss weiterhin dieselben aufgabenspezifischen Kriterien erfüllen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Revise a failing total calculation\n\nUse this code and reported check: def total(rows): return sum(row["price"] for row in rows). Input is [{"price": 3, "qty": 2}, {"price": 5, "qty": 1}]; reported output is 8, required output is 11. Propose the next focused change and checks for multiple quantities and an empty input. Do not claim to run them.A focused Python correction with a diagnosis and two proposed checks tied to the quantity requirement.Verify each unit price is multiplied by its row quantity and proposed checks remain distinct from executed results.xiaomi/mimo-v2.6-pro-ultraspeedMiMo-V2.6-Pro-UltraSpeed ist Xiaomis Modus für die schnellere Generierung mit MiMo-V2.6-Pro. Er bewahrt das omnimodale Verständnis der Pro-Familie und ihr breites Aufgabenspektrum in Coding, Design und Recherche. Das besondere Merkmal dieses Modus ist die Antwortgeschwindigkeit.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
MiMo-V2.6-Pro-UltraSpeed ist Xiaomis UltraSpeed-Modus für das Modell MiMo-V2.6-Pro. Der Hersteller führt ihn für Interaktionen und Abläufe ein, bei denen die Generierungsdauer wichtig ist, und beschreibt seine Ausgabequalität als gleichwertig mit Pro. UltraSpeed bezeichnet eine Betriebsweise des Pro-Modells und nicht das kleinere Flash-Modell. Wähle ihn, wenn für eine umfangreiche Aufgabe die nächste Antwort zügig benötigt wird, und behalte dabei dieselben Anforderungen an das Endergebnis bei.
Die zugrunde liegende Pro-Familie ist nativ omnimodal und versteht Text, Bilder, Video und Audio. Ihr veröffentlichtes Pro-Modellprofil beschreibt eine spärliche Mixture-of-Experts-Architektur mit insgesamt 1.02 Billionen Parametern, 42 Milliarden aktivierten Parametern und einem Kontext von einer Million Tokens. Eigene Bild- und Audioencoder verbinden die Medieneingaben mit dem Sprachgrundmodell. Das direkte Ergebnis ist Text oder eine Werkzeuganweisung; jede gerenderte Szene, bearbeitete Datei oder generierte Mediendatei hängt von den Werkzeugen der umgebenden Anwendung ab.
Xiaomis V2.6-Training mischt Coding, allgemeine Agentenarbeit, visuelle Aufgaben und Cybersicherheit in verschiedenen Umgebungen. Sein Rückmeldungsprozess vergleicht Aufgabenverläufe und verwendet sowohl Testergebnisse als auch Qualitätskriterien, um nützliche Strategien über umfangreiche Interaktionen hinweg zu entwickeln. Bereite ein Briefing vor, das Ziel, verfügbare Belege und Abschlusskriterien nennt. Schnellere Generierung ist nützlich, wenn sie diese Interaktionen voranbringt; sie ersetzt nicht die Prüfung, ob jeder Schritt die Frage beantwortet oder das beabsichtigte Ergebnis verändert.
Gib für einen Coding-Assistenten die betroffenen Dateien, das verlangte Verhalten und den Fehler oder die Prüfausgabe an, die die Arbeit begründen. Verlange die nächste gezielte Änderung und gib danach das tatsächliche Ergebnis aller Ausführungswerkzeuge zurück. Eine nützliche Abschlussantwort erklärt das geänderte Verhalten, die betroffenen Dateien und die tatsächlich durchgeführten Prüfungen. Halte vorgeschlagene Operationen von abgeschlossenen getrennt, damit eine schnelle Antwortfolge auf beobachtbare Arbeit zurückführbar bleibt.
Die V2.6-Beispiele des Herstellers erweitern Coding auf Spiele, 3D-Objekte und interaktive Szenen, deren Implementierung mithilfe visueller Rückmeldungen verfeinert wird. Kombiniere für eine Designaufgabe ein Textbriefing mit Referenzbildern oder einer Aufnahme und lege die benötigten Bedienelemente, das Layout und sichtbare Abschlusskriterien fest. Ein Szenen- oder Oberflächenvorschlag kann dann die passenden Produktionswerkzeuge anleiten. Bewahre das gerenderte Ergebnis und die Feststellungen aus seiner Prüfung, statt den anfänglichen Code oder die Szenenanweisungen als fertiges visuelles Ergebnis zu behandeln.
Definiere für Präsentations- und Videoabläufe die Zielgruppe, die erforderlichen Inhalte, die vorgesehene Abfolge und die Elemente, die konsistent bleiben müssen. Xiaomi beschreibt die Zusammenarbeit der Pro-Familie mit Design-, Bild-, Video- und Sprecherwerkzeugen. Das sind unterstützende Abläufe und keine zusätzlichen nativen Medienausgaben des Textmodells. Ein nützliches Ergebnis kann eine Folienstruktur, eine Einstellungsfolge oder ein Satz Produktionsanweisungen sein, der genügend Details enthält, um den nächsten Schritt auszuführen und zu prüfen.
Liefere für Recherche die Frage und massgebliches Material und verlange eine Unterscheidung zwischen Fakten, Hypothesen und Berechnungen. Xiaomis Pro-Beispiele umfassen Literatur- und Patentrecherche, rechnergestützte Materialauswahl, Partituren und MIDI sowie mit Lean geprüfte mathematische Formalisierung. Bewahre die Ausgaben der tatsächlich verwendeten Recherche- oder Prüfwerkzeuge. Ein simulierter Kandidat oder ein vorgeschlagener Beweis sollte als solcher gekennzeichnet bleiben, bis das entsprechende physische Experiment oder die formale Prüfung abgeschlossen ist.
Bewahre bei Vergleichen mit gewöhnlichem Pro oder Flash die Identität Pro-UltraSpeed beim Ergebnis. Organisiere lange Verläufe um das Ziel und die Entscheidungen, die stabil bleiben müssen, und lass Platz für die Antwort und fortlaufende Werkzeugrückmeldungen. Prüfe wichtigen Code, Beobachtungen, Berechnungen und Aussagen anhand ihrer Quellenbelege. Der besondere Zweck dieses Modus ist die schnellere Pro-Generierung; das fertige Ergebnis muss weiterhin dieselben aufgabenspezifischen Kriterien erfüllen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits xiaomi/mimo-v2.6-pro-ultraspeed | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0087 / 1K Tokens Ausgabe · Ausgabetoken $0.0174 / 1K Tokens Eingabe · Cache lesen $0.000072 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0087 / 1K Tokens Ausgabe · Ausgabetoken $0.0174 / 1K Tokens Eingabe · Cache lesen $0.000072 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-ultraspeed", "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-ultraspeed',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-ultraspeed',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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra xiaomi/mimo-v2.6-pro-ultraspeed
Verwenden Sie die oben angezeigten Methodenpfade.
xiaomi/mimo-v2.6-pro-ultraspeedMiMo-V2.6-Pro-UltraSpeed ist Xiaomis Modus für die schnellere Generierung mit MiMo-V2.6-Pro. Er bewahrt das omnimodale Verständnis der Pro-Familie und ihr breites Aufgabenspektrum in Coding, Design und Recherche. Das besondere Merkmal dieses Modus ist die Antwortgeschwindigkeit.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
MiMo-V2.6-Pro-UltraSpeed ist Xiaomis UltraSpeed-Modus für das Modell MiMo-V2.6-Pro. Der Hersteller führt ihn für Interaktionen und Abläufe ein, bei denen die Generierungsdauer wichtig ist, und beschreibt seine Ausgabequalität als gleichwertig mit Pro. UltraSpeed bezeichnet eine Betriebsweise des Pro-Modells und nicht das kleinere Flash-Modell. Wähle ihn, wenn für eine umfangreiche Aufgabe die nächste Antwort zügig benötigt wird, und behalte dabei dieselben Anforderungen an das Endergebnis bei.
Die zugrunde liegende Pro-Familie ist nativ omnimodal und versteht Text, Bilder, Video und Audio. Ihr veröffentlichtes Pro-Modellprofil beschreibt eine spärliche Mixture-of-Experts-Architektur mit insgesamt 1.02 Billionen Parametern, 42 Milliarden aktivierten Parametern und einem Kontext von einer Million Tokens. Eigene Bild- und Audioencoder verbinden die Medieneingaben mit dem Sprachgrundmodell. Das direkte Ergebnis ist Text oder eine Werkzeuganweisung; jede gerenderte Szene, bearbeitete Datei oder generierte Mediendatei hängt von den Werkzeugen der umgebenden Anwendung ab.
Xiaomis V2.6-Training mischt Coding, allgemeine Agentenarbeit, visuelle Aufgaben und Cybersicherheit in verschiedenen Umgebungen. Sein Rückmeldungsprozess vergleicht Aufgabenverläufe und verwendet sowohl Testergebnisse als auch Qualitätskriterien, um nützliche Strategien über umfangreiche Interaktionen hinweg zu entwickeln. Bereite ein Briefing vor, das Ziel, verfügbare Belege und Abschlusskriterien nennt. Schnellere Generierung ist nützlich, wenn sie diese Interaktionen voranbringt; sie ersetzt nicht die Prüfung, ob jeder Schritt die Frage beantwortet oder das beabsichtigte Ergebnis verändert.
Gib für einen Coding-Assistenten die betroffenen Dateien, das verlangte Verhalten und den Fehler oder die Prüfausgabe an, die die Arbeit begründen. Verlange die nächste gezielte Änderung und gib danach das tatsächliche Ergebnis aller Ausführungswerkzeuge zurück. Eine nützliche Abschlussantwort erklärt das geänderte Verhalten, die betroffenen Dateien und die tatsächlich durchgeführten Prüfungen. Halte vorgeschlagene Operationen von abgeschlossenen getrennt, damit eine schnelle Antwortfolge auf beobachtbare Arbeit zurückführbar bleibt.
Die V2.6-Beispiele des Herstellers erweitern Coding auf Spiele, 3D-Objekte und interaktive Szenen, deren Implementierung mithilfe visueller Rückmeldungen verfeinert wird. Kombiniere für eine Designaufgabe ein Textbriefing mit Referenzbildern oder einer Aufnahme und lege die benötigten Bedienelemente, das Layout und sichtbare Abschlusskriterien fest. Ein Szenen- oder Oberflächenvorschlag kann dann die passenden Produktionswerkzeuge anleiten. Bewahre das gerenderte Ergebnis und die Feststellungen aus seiner Prüfung, statt den anfänglichen Code oder die Szenenanweisungen als fertiges visuelles Ergebnis zu behandeln.
Definiere für Präsentations- und Videoabläufe die Zielgruppe, die erforderlichen Inhalte, die vorgesehene Abfolge und die Elemente, die konsistent bleiben müssen. Xiaomi beschreibt die Zusammenarbeit der Pro-Familie mit Design-, Bild-, Video- und Sprecherwerkzeugen. Das sind unterstützende Abläufe und keine zusätzlichen nativen Medienausgaben des Textmodells. Ein nützliches Ergebnis kann eine Folienstruktur, eine Einstellungsfolge oder ein Satz Produktionsanweisungen sein, der genügend Details enthält, um den nächsten Schritt auszuführen und zu prüfen.
Liefere für Recherche die Frage und massgebliches Material und verlange eine Unterscheidung zwischen Fakten, Hypothesen und Berechnungen. Xiaomis Pro-Beispiele umfassen Literatur- und Patentrecherche, rechnergestützte Materialauswahl, Partituren und MIDI sowie mit Lean geprüfte mathematische Formalisierung. Bewahre die Ausgaben der tatsächlich verwendeten Recherche- oder Prüfwerkzeuge. Ein simulierter Kandidat oder ein vorgeschlagener Beweis sollte als solcher gekennzeichnet bleiben, bis das entsprechende physische Experiment oder die formale Prüfung abgeschlossen ist.
Bewahre bei Vergleichen mit gewöhnlichem Pro oder Flash die Identität Pro-UltraSpeed beim Ergebnis. Organisiere lange Verläufe um das Ziel und die Entscheidungen, die stabil bleiben müssen, und lass Platz für die Antwort und fortlaufende Werkzeugrückmeldungen. Prüfe wichtigen Code, Beobachtungen, Berechnungen und Aussagen anhand ihrer Quellenbelege. Der besondere Zweck dieses Modus ist die schnellere Pro-Generierung; das fertige Ergebnis muss weiterhin dieselben aufgabenspezifischen Kriterien erfüllen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits xiaomi/mimo-v2.6-pro-ultraspeed | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0087 / 1K Tokens Ausgabe · Ausgabetoken $0.0174 / 1K Tokens Eingabe · Cache lesen $0.000072 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0087 / 1K Tokens Ausgabe · Ausgabetoken $0.0174 / 1K Tokens Eingabe · Cache lesen $0.000072 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "xiaomi/mimo-v2.6-pro-ultraspeed",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-ultraspeed', '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-ultraspeed', '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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra xiaomi/mimo-v2.6-pro-ultraspeed
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Revise a failing total calculation\n\nUse this code and reported check: def total(rows): return sum(row["price"] for row in rows). Input is [{"price": 3, "qty": 2}, {"price": 5, "qty": 1}]; reported output is 8, required output is 11. Propose the next focused change and checks for multiple quantities and an empty input. Do not claim to run them.A focused Python correction with a diagnosis and two proposed checks tied to the quantity requirement.Verify each unit price is multiplied by its row quantity and proposed checks remain distinct from executed results.