MiMo-V2.6-Pro ist Xiaomis Spitzenmodell innerhalb seiner nativ omnimodalen V2.6-Serie. Es bringt Text-, Bild-, Video- und Audioverständnis in anspruchsvolle Softwareentwicklungs- und umfangreiche Agentenaufgaben ein. Das veröffentlichte Pro-Profil des Herstellers beschreibt eine dünn besetzte Mixture-of-Experts-Architektur mit insgesamt 1,02 Billionen Parametern und 42 Milliarden aktivierten Parametern. Sein Kontext von einer Million Token ist für lange Repositorys, Werkzeugprotokolle und Aufgaben über viele Interaktionen hinweg vorgesehen.
Die Serie entwickelt Xiaomis Reinforcement-Learning-Ansatz weiter, indem sie neben der Trainingsrechenleistung auch die Aufgabenvielfalt und die Qualität der Rückmeldungen skaliert. Programmierung, allgemeine Agenten, visuelle Aufgaben und Cybersicherheit werden über verschiedene Umgebungen hinweg gemischt. Kandidatenverläufe werden anhand aufgabenspezifischer Kriterien verglichen; Testergebnisse und bewertete Qualität tragen zum Trainingssignal bei. Die Pro-Architektur verbindet ein Grundmodell mit 70 Schichten hybrider Attention mit eigenen Bild- und Audio-Encodern und einem Decoder mit fünf Schichten zur Vorhersage mehrerer Token.
Legen Sie für Softwarearbeit das Verhalten fest, das das Programm liefern muss, stellen Sie die relevante Implementierung bereit und erklären Sie, wie der Abschluss geprüft wird. Bewahren Sie die Einschränkungen des Repositorys und die genaue Fehler- oder Änderungsanfrage. Das Modell kann eine Abfolge von Änderungen und Werkzeugergebnissen durchdenken; die Anwendung stellt die Werkzeuge bereit und protokolliert ihre Operationen. Fordern Sie einen Abschlussbericht über das geänderte Verhalten, betroffene Dateien und tatsächlich durchgeführte Prüfungen an, damit eine lange Abfolge in einem überprüfbaren Ergebnis endet.
Xiaomis Veröffentlichung erweitert den Aufgabenumfang anschließend von Programmierung auf interaktive Welten. Sie beschreibt das Erstellen von Spielen und 3D-Szenen aus Text, Bildern oder Videoreferenzen, die Implementierung von Interaktionslogik und die Verfeinerung anhand gerenderter Rückmeldungen. Außerdem beschreibt sie Blender-basierte Objekte und Szenen sowie visuelle Rückmeldungen in verkörperter Simulation. Bereiten Sie ein Szenenbriefing mit Abmessungen, Objektbeziehungen, Steuerelementen und sichtbaren Abschlusskriterien vor. Der resultierende Code, Szenenanweisungen oder durch Werkzeuge erzeugte Assets sollten in der vorgesehenen Rendering- oder Simulationsumgebung geprüft werden.
Für visuelle und gestalterische Arbeit zeigt der Hersteller Frontend-Oberflächen und Foliensätze mit Layout, Komponenten und Animation sowie Workflows mit Bild- und Videowerkzeugen. Geben Sie Zielgruppe, erforderliche Inhalte, visuelle Referenzen und die funktionsfähigen Interaktionen vor. Eine hilfreiche Anfrage kann eine Seitenimplementierung oder einen Präsentationsentwurf mit den für den nächsten Produktionsschritt benötigten Details erzeugen. Das zugrunde liegende Modell liefert Text und Werkzeuganweisungen; gerenderte Darstellungen und erzeugte Medien stammen aus den Werkzeugen des Workflows.
Die Veröffentlichung beschreibt außerdem Musik- und Rechercheanwendungen. Ihr Musikbeispiel verwendet geschriebene Partituren und MIDI als bearbeitbare Kompositionsartefakte. Ihre Recherchebeispiele verbinden Literatur- und Patentprüfung, Designhypothesen und computergestützte Simulationen sowie mit Lean geprüfte mathematische Formalisierung. Unterscheiden Sie bei einer Rechercheaufgabe Quellenbeobachtungen, Annahmen, Berechnungen und vorgeschlagene Hypothesen. Bewahren Sie Werkzeugausgaben und Prüfergebnisse und kennzeichnen Sie einen rechnerisch ermittelten Kandidaten als Kandidaten statt als im Labor validiertes Ergebnis.
Arbeit mit langem Kontext benötigt eine bewusste Organisation der Eingaben. Halten Sie Dokumentgrenzen, Dateikennungen und vorherige Entscheidungen stabil und reservieren Sie Raum für die Antwort und den fortlaufenden Werkzeugverlauf. Xiaomis lokales Rezept empfiehlt temperature 1.0 und top_p 0.95. Der Hersteller dokumentiert außerdem Wiederholungen von Werkzeugaufrufen in der V2.6-Trainingslinie und separate MOPD-Checkpoints, die dieses Problem adressieren sollen. Prüfen Sie, ob jede Aktion die Aufgabe voranbringt, und bewahren Sie die genaue Ausgabe beim Ergebnis. Wiederholte Aufrufe ohne neue Belege geben Anlass, den nächsten Schritt neu zu beurteilen.
Das abschließende Ergebnis sollte dem Abschlusskriterium der Aufgabe entsprechen: eine geprüfte Codeänderung, eine inspizierte interaktive Szene, ein bearbeitbares Designartefakt oder eine beleggestützte Rechercheanalyse. Pro, Flash und Pro-UltraSpeed haben unterschiedliche Rollen in der V2.6-Familie. Bewahren Sie diese Unterscheidung beim Ergebnisvergleich und halten Sie Material, Werkzeugbeobachtungen und Prüfprotokoll für eine Durchsicht verfügbar.
", "aboutText": "MiMo-V2.6-Pro ist Xiaomis Spitzenmodell innerhalb seiner nativ omnimodalen V2.6-Serie. Es bringt Text-, Bild-, Video- und Audioverständnis in anspruchsvolle Softwareentwicklungs- und umfangreiche Agentenaufgaben ein. Das veröffentlichte Pro-Profil des Herstellers beschreibt eine dünn besetzte Mixture-of-Experts-Architektur mit insgesamt 1,02 Billionen Parametern und 42 Milliarden aktivierten Parametern. Sein Kontext von einer Million Token ist für lange Repositorys, Werkzeugprotokolle und Aufgaben über viele Interaktionen hinweg vorgesehen.\n\nDie Serie entwickelt Xiaomis Reinforcement-Learning-Ansatz weiter, indem sie neben der Trainingsrechenleistung auch die Aufgabenvielfalt und die Qualität der Rückmeldungen skaliert. Programmierung, allgemeine Agenten, visuelle Aufgaben und Cybersicherheit werden über verschiedene Umgebungen hinweg gemischt. Kandidatenverläufe werden anhand aufgabenspezifischer Kriterien verglichen; Testergebnisse und bewertete Qualität tragen zum Trainingssignal bei. Die Pro-Architektur verbindet ein Grundmodell mit 70 Schichten hybrider Attention mit eigenen Bild- und Audio-Encodern und einem Decoder mit fünf Schichten zur Vorhersage mehrerer Token.\n\nLegen Sie für Softwarearbeit das Verhalten fest, das das Programm liefern muss, stellen Sie die relevante Implementierung bereit und erklären Sie, wie der Abschluss geprüft wird. Bewahren Sie die Einschränkungen des Repositorys und die genaue Fehler- oder Änderungsanfrage. Das Modell kann eine Abfolge von Änderungen und Werkzeugergebnissen durchdenken; die Anwendung stellt die Werkzeuge bereit und protokolliert ihre Operationen. Fordern Sie einen Abschlussbericht über das geänderte Verhalten, betroffene Dateien und tatsächlich durchgeführte Prüfungen an, damit eine lange Abfolge in einem überprüfbaren Ergebnis endet.\n\nXiaomis Veröffentlichung erweitert den Aufgabenumfang anschließend von Programmierung auf interaktive Welten. Sie beschreibt das Erstellen von Spielen und 3D-Szenen aus Text, Bildern oder Videoreferenzen, die Implementierung von Interaktionslogik und die Verfeinerung anhand gerenderter Rückmeldungen. Außerdem beschreibt sie Blender-basierte Objekte und Szenen sowie visuelle Rückmeldungen in verkörperter Simulation. Bereiten Sie ein Szenenbriefing mit Abmessungen, Objektbeziehungen, Steuerelementen und sichtbaren Abschlusskriterien vor. Der resultierende Code, Szenenanweisungen oder durch Werkzeuge erzeugte Assets sollten in der vorgesehenen Rendering- oder Simulationsumgebung geprüft werden.\n\nFür visuelle und gestalterische Arbeit zeigt der Hersteller Frontend-Oberflächen und Foliensätze mit Layout, Komponenten und Animation sowie Workflows mit Bild- und Videowerkzeugen. Geben Sie Zielgruppe, erforderliche Inhalte, visuelle Referenzen und die funktionsfähigen Interaktionen vor. Eine hilfreiche Anfrage kann eine Seitenimplementierung oder einen Präsentationsentwurf mit den für den nächsten Produktionsschritt benötigten Details erzeugen. Das zugrunde liegende Modell liefert Text und Werkzeuganweisungen; gerenderte Darstellungen und erzeugte Medien stammen aus den Werkzeugen des Workflows.\n\nDie Veröffentlichung beschreibt außerdem Musik- und Rechercheanwendungen. Ihr Musikbeispiel verwendet geschriebene Partituren und MIDI als bearbeitbare Kompositionsartefakte. Ihre Recherchebeispiele verbinden Literatur- und Patentprüfung, Designhypothesen und computergestützte Simulationen sowie mit Lean geprüfte mathematische Formalisierung. Unterscheiden Sie bei einer Rechercheaufgabe Quellenbeobachtungen, Annahmen, Berechnungen und vorgeschlagene Hypothesen. Bewahren Sie Werkzeugausgaben und Prüfergebnisse und kennzeichnen Sie einen rechnerisch ermittelten Kandidaten als Kandidaten statt als im Labor validiertes Ergebnis.\n\nArbeit mit langem Kontext benötigt eine bewusste Organisation der Eingaben. Halten Sie Dokumentgrenzen, Dateikennungen und vorherige Entscheidungen stabil und reservieren Sie Raum für die Antwort und den fortlaufenden Werkzeugverlauf. Xiaomis lokales Rezept empfiehlt temperature 1.0 und top_p 0.95. Der Hersteller dokumentiert außerdem Wiederholungen von Werkzeugaufrufen in der V2.6-Trainingslinie und separate MOPD-Checkpoints, die dieses Problem adressieren sollen. Prüfen Sie, ob jede Aktion die Aufgabe voranbringt, und bewahren Sie die genaue Ausgabe beim Ergebnis. Wiederholte Aufrufe ohne neue Belege geben Anlass, den nächsten Schritt neu zu beurteilen.\n\nDas abschließende Ergebnis sollte dem Abschlusskriterium der Aufgabe entsprechen: eine geprüfte Codeänderung, eine inspizierte interaktive Szene, ein bearbeitbares Designartefakt oder eine beleggestützte Rechercheanalyse. Pro, Flash und Pro-UltraSpeed haben unterschiedliche Rollen in der V2.6-Familie. Bewahren Sie diese Unterscheidung beim Ergebnisvergleich und halten Sie Material, Werkzeugbeobachtungen und Prüfprotokoll für eine Durchsicht verfügbar.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
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 ist Xiaomis omnimodales Spitzenmodell für anspruchsvolle Programmierung, Recherche und umfangreiche Agentenaufgaben. Es versteht Text, Bilder, Video und Audio. Das veröffentlichte Pro-Profil dokumentiert ein MoE mit 1,02 Billionen Parametern, 42 Milliarden aktiven Parametern und einem Kontext von einer Million Token.
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 ist Xiaomis Spitzenmodell innerhalb seiner nativ omnimodalen V2.6-Serie. Es bringt Text-, Bild-, Video- und Audioverständnis in anspruchsvolle Softwareentwicklungs- und umfangreiche Agentenaufgaben ein. Das veröffentlichte Pro-Profil des Herstellers beschreibt eine dünn besetzte Mixture-of-Experts-Architektur mit insgesamt 1,02 Billionen Parametern und 42 Milliarden aktivierten Parametern. Sein Kontext von einer Million Token ist für lange Repositorys, Werkzeugprotokolle und Aufgaben über viele Interaktionen hinweg vorgesehen.
Die Serie entwickelt Xiaomis Reinforcement-Learning-Ansatz weiter, indem sie neben der Trainingsrechenleistung auch die Aufgabenvielfalt und die Qualität der Rückmeldungen skaliert. Programmierung, allgemeine Agenten, visuelle Aufgaben und Cybersicherheit werden über verschiedene Umgebungen hinweg gemischt. Kandidatenverläufe werden anhand aufgabenspezifischer Kriterien verglichen; Testergebnisse und bewertete Qualität tragen zum Trainingssignal bei. Die Pro-Architektur verbindet ein Grundmodell mit 70 Schichten hybrider Attention mit eigenen Bild- und Audio-Encodern und einem Decoder mit fünf Schichten zur Vorhersage mehrerer Token.
Legen Sie für Softwarearbeit das Verhalten fest, das das Programm liefern muss, stellen Sie die relevante Implementierung bereit und erklären Sie, wie der Abschluss geprüft wird. Bewahren Sie die Einschränkungen des Repositorys und die genaue Fehler- oder Änderungsanfrage. Das Modell kann eine Abfolge von Änderungen und Werkzeugergebnissen durchdenken; die Anwendung stellt die Werkzeuge bereit und protokolliert ihre Operationen. Fordern Sie einen Abschlussbericht über das geänderte Verhalten, betroffene Dateien und tatsächlich durchgeführte Prüfungen an, damit eine lange Abfolge in einem überprüfbaren Ergebnis endet.
Xiaomis Veröffentlichung erweitert den Aufgabenumfang anschließend von Programmierung auf interaktive Welten. Sie beschreibt das Erstellen von Spielen und 3D-Szenen aus Text, Bildern oder Videoreferenzen, die Implementierung von Interaktionslogik und die Verfeinerung anhand gerenderter Rückmeldungen. Außerdem beschreibt sie Blender-basierte Objekte und Szenen sowie visuelle Rückmeldungen in verkörperter Simulation. Bereiten Sie ein Szenenbriefing mit Abmessungen, Objektbeziehungen, Steuerelementen und sichtbaren Abschlusskriterien vor. Der resultierende Code, Szenenanweisungen oder durch Werkzeuge erzeugte Assets sollten in der vorgesehenen Rendering- oder Simulationsumgebung geprüft werden.
Für visuelle und gestalterische Arbeit zeigt der Hersteller Frontend-Oberflächen und Foliensätze mit Layout, Komponenten und Animation sowie Workflows mit Bild- und Videowerkzeugen. Geben Sie Zielgruppe, erforderliche Inhalte, visuelle Referenzen und die funktionsfähigen Interaktionen vor. Eine hilfreiche Anfrage kann eine Seitenimplementierung oder einen Präsentationsentwurf mit den für den nächsten Produktionsschritt benötigten Details erzeugen. Das zugrunde liegende Modell liefert Text und Werkzeuganweisungen; gerenderte Darstellungen und erzeugte Medien stammen aus den Werkzeugen des Workflows.
Die Veröffentlichung beschreibt außerdem Musik- und Rechercheanwendungen. Ihr Musikbeispiel verwendet geschriebene Partituren und MIDI als bearbeitbare Kompositionsartefakte. Ihre Recherchebeispiele verbinden Literatur- und Patentprüfung, Designhypothesen und computergestützte Simulationen sowie mit Lean geprüfte mathematische Formalisierung. Unterscheiden Sie bei einer Rechercheaufgabe Quellenbeobachtungen, Annahmen, Berechnungen und vorgeschlagene Hypothesen. Bewahren Sie Werkzeugausgaben und Prüfergebnisse und kennzeichnen Sie einen rechnerisch ermittelten Kandidaten als Kandidaten statt als im Labor validiertes Ergebnis.
Arbeit mit langem Kontext benötigt eine bewusste Organisation der Eingaben. Halten Sie Dokumentgrenzen, Dateikennungen und vorherige Entscheidungen stabil und reservieren Sie Raum für die Antwort und den fortlaufenden Werkzeugverlauf. Xiaomis lokales Rezept empfiehlt temperature 1.0 und top_p 0.95. Der Hersteller dokumentiert außerdem Wiederholungen von Werkzeugaufrufen in der V2.6-Trainingslinie und separate MOPD-Checkpoints, die dieses Problem adressieren sollen. Prüfen Sie, ob jede Aktion die Aufgabe voranbringt, und bewahren Sie die genaue Ausgabe beim Ergebnis. Wiederholte Aufrufe ohne neue Belege geben Anlass, den nächsten Schritt neu zu beurteilen.
Das abschließende Ergebnis sollte dem Abschlusskriterium der Aufgabe entsprechen: eine geprüfte Codeänderung, eine inspizierte interaktive Szene, ein bearbeitbares Designartefakt oder eine beleggestützte Rechercheanalyse. Pro, Flash und Pro-UltraSpeed haben unterschiedliche Rollen in der V2.6-Familie. Bewahren Sie diese Unterscheidung beim Ergebnisvergleich und halten Sie Material, Werkzeugbeobachtungen und Prüfprotokoll für eine Durchsicht verfügbar.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits xiaomi/mimo-v2.6-pro | 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 $0.00087 / 1K Token Ausgabe · Ausgabetoken $0.00174 / 1K Token Eingabe · Cache-Lesen $0.0000072 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00087 / 1K Token Ausgabe · Ausgabetoken $0.00174 / 1K Token Eingabe · Cache-Lesen $0.0000072 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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", "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 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
Verwenden Sie die oben angezeigten Methodenpfade.
xiaomi/mimo-v2.6-proMiMo-V2.6-Pro ist Xiaomis omnimodales Spitzenmodell für anspruchsvolle Programmierung, Recherche und umfangreiche Agentenaufgaben. Es versteht Text, Bilder, Video und Audio. Das veröffentlichte Pro-Profil dokumentiert ein MoE mit 1,02 Billionen Parametern, 42 Milliarden aktiven Parametern und einem Kontext von einer Million Token.
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 ist Xiaomis Spitzenmodell innerhalb seiner nativ omnimodalen V2.6-Serie. Es bringt Text-, Bild-, Video- und Audioverständnis in anspruchsvolle Softwareentwicklungs- und umfangreiche Agentenaufgaben ein. Das veröffentlichte Pro-Profil des Herstellers beschreibt eine dünn besetzte Mixture-of-Experts-Architektur mit insgesamt 1,02 Billionen Parametern und 42 Milliarden aktivierten Parametern. Sein Kontext von einer Million Token ist für lange Repositorys, Werkzeugprotokolle und Aufgaben über viele Interaktionen hinweg vorgesehen.
Die Serie entwickelt Xiaomis Reinforcement-Learning-Ansatz weiter, indem sie neben der Trainingsrechenleistung auch die Aufgabenvielfalt und die Qualität der Rückmeldungen skaliert. Programmierung, allgemeine Agenten, visuelle Aufgaben und Cybersicherheit werden über verschiedene Umgebungen hinweg gemischt. Kandidatenverläufe werden anhand aufgabenspezifischer Kriterien verglichen; Testergebnisse und bewertete Qualität tragen zum Trainingssignal bei. Die Pro-Architektur verbindet ein Grundmodell mit 70 Schichten hybrider Attention mit eigenen Bild- und Audio-Encodern und einem Decoder mit fünf Schichten zur Vorhersage mehrerer Token.
Legen Sie für Softwarearbeit das Verhalten fest, das das Programm liefern muss, stellen Sie die relevante Implementierung bereit und erklären Sie, wie der Abschluss geprüft wird. Bewahren Sie die Einschränkungen des Repositorys und die genaue Fehler- oder Änderungsanfrage. Das Modell kann eine Abfolge von Änderungen und Werkzeugergebnissen durchdenken; die Anwendung stellt die Werkzeuge bereit und protokolliert ihre Operationen. Fordern Sie einen Abschlussbericht über das geänderte Verhalten, betroffene Dateien und tatsächlich durchgeführte Prüfungen an, damit eine lange Abfolge in einem überprüfbaren Ergebnis endet.
Xiaomis Veröffentlichung erweitert den Aufgabenumfang anschließend von Programmierung auf interaktive Welten. Sie beschreibt das Erstellen von Spielen und 3D-Szenen aus Text, Bildern oder Videoreferenzen, die Implementierung von Interaktionslogik und die Verfeinerung anhand gerenderter Rückmeldungen. Außerdem beschreibt sie Blender-basierte Objekte und Szenen sowie visuelle Rückmeldungen in verkörperter Simulation. Bereiten Sie ein Szenenbriefing mit Abmessungen, Objektbeziehungen, Steuerelementen und sichtbaren Abschlusskriterien vor. Der resultierende Code, Szenenanweisungen oder durch Werkzeuge erzeugte Assets sollten in der vorgesehenen Rendering- oder Simulationsumgebung geprüft werden.
Für visuelle und gestalterische Arbeit zeigt der Hersteller Frontend-Oberflächen und Foliensätze mit Layout, Komponenten und Animation sowie Workflows mit Bild- und Videowerkzeugen. Geben Sie Zielgruppe, erforderliche Inhalte, visuelle Referenzen und die funktionsfähigen Interaktionen vor. Eine hilfreiche Anfrage kann eine Seitenimplementierung oder einen Präsentationsentwurf mit den für den nächsten Produktionsschritt benötigten Details erzeugen. Das zugrunde liegende Modell liefert Text und Werkzeuganweisungen; gerenderte Darstellungen und erzeugte Medien stammen aus den Werkzeugen des Workflows.
Die Veröffentlichung beschreibt außerdem Musik- und Rechercheanwendungen. Ihr Musikbeispiel verwendet geschriebene Partituren und MIDI als bearbeitbare Kompositionsartefakte. Ihre Recherchebeispiele verbinden Literatur- und Patentprüfung, Designhypothesen und computergestützte Simulationen sowie mit Lean geprüfte mathematische Formalisierung. Unterscheiden Sie bei einer Rechercheaufgabe Quellenbeobachtungen, Annahmen, Berechnungen und vorgeschlagene Hypothesen. Bewahren Sie Werkzeugausgaben und Prüfergebnisse und kennzeichnen Sie einen rechnerisch ermittelten Kandidaten als Kandidaten statt als im Labor validiertes Ergebnis.
Arbeit mit langem Kontext benötigt eine bewusste Organisation der Eingaben. Halten Sie Dokumentgrenzen, Dateikennungen und vorherige Entscheidungen stabil und reservieren Sie Raum für die Antwort und den fortlaufenden Werkzeugverlauf. Xiaomis lokales Rezept empfiehlt temperature 1.0 und top_p 0.95. Der Hersteller dokumentiert außerdem Wiederholungen von Werkzeugaufrufen in der V2.6-Trainingslinie und separate MOPD-Checkpoints, die dieses Problem adressieren sollen. Prüfen Sie, ob jede Aktion die Aufgabe voranbringt, und bewahren Sie die genaue Ausgabe beim Ergebnis. Wiederholte Aufrufe ohne neue Belege geben Anlass, den nächsten Schritt neu zu beurteilen.
Das abschließende Ergebnis sollte dem Abschlusskriterium der Aufgabe entsprechen: eine geprüfte Codeänderung, eine inspizierte interaktive Szene, ein bearbeitbares Designartefakt oder eine beleggestützte Rechercheanalyse. Pro, Flash und Pro-UltraSpeed haben unterschiedliche Rollen in der V2.6-Familie. Bewahren Sie diese Unterscheidung beim Ergebnisvergleich und halten Sie Material, Werkzeugbeobachtungen und Prüfprotokoll für eine Durchsicht verfügbar.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits xiaomi/mimo-v2.6-pro | 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 $0.00087 / 1K Token Ausgabe · Ausgabetoken $0.00174 / 1K Token Eingabe · Cache-Lesen $0.0000072 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.00087 / 1K Token Ausgabe · Ausgabetoken $0.00174 / 1K Token Eingabe · Cache-Lesen $0.0000072 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "xiaomi/mimo-v2.6-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
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.