Το MiMo-V2-Omni είναι το μοντέλο της Xiaomi για συνδυασμένη κατανόηση κειμένου, εικόνων, ήχου και βίντεο και χρήση αυτής της κατανόησης σε εργασία πράκτορα. Η αρχιτεκτονική του συνδέει ειδικούς κωδικοποιητές εικόνας, βίντεο και ήχου σε έναν κοινό κορμό. Η κεντρική διάκριση είναι η συνδυασμένη αντίληψη: ένα ερώτημα μπορεί να εξαρτάται από όσα είναι ορατά, όσα ακούγονται και όσα λέει το συνοδευτικό κείμενο, αντί να απαιτεί κάθε πηγή να ερμηνεύεται μεμονωμένα. Οι έξοδοί του υποστηρίζουν γραπτή ανάλυση και δομημένα αιτήματα εργαλείων.
Η Xiaomi περιγράφει το μοντέλο ως εκπαιδευόμενο να συνδέει αντίληψη, πρόβλεψη και δράση. Ερμηνεύει την τρέχουσα σκηνή, συλλογίζεται τι μπορεί να συμβεί στη συνέχεια και επιλέγει ένα χρήσιμο επόμενο βήμα. Αυτό είναι ιδιαίτερα σχετικό με καταγεγραμμένο υλικό όπου η σημασία ενός γεγονότος εξαρτάται από περισσότερες από μία τροπικότητες. Για παράδειγμα, παρέχετε ένα κλιπ και ζητήστε να προσδιορίσει την ακολουθία ορατών ενεργειών, τους σχετικούς ήχους και τη μεταξύ τους σχέση. Προσδιορίστε αν χρειάζεστε περίληψη γεγονότος, εξήγηση της σκηνής ή λίστα παρατηρήσεων για μεταγενέστερο έλεγχο. Κρατήστε τα παρατηρούμενα γεγονότα χωριστά από τις προβλέψεις: μια ερμηνεία του τι θα μπορούσε να συμβεί δεν είναι απόδειξη ότι το γεγονός θα συμβεί.
Η κατανόηση ήχου είναι ευρύτερη από την απομαγνητοφώνηση στην περιγραφή του κατασκευαστή. Η Xiaomi αναδεικνύει την ταξινόμηση περιβαλλοντικών ήχων, τη διάκριση πολλών ομιλητών και τη συνδυασμένη συλλογιστική πάνω σε ήχο και οπτικό υλικό. Παρουσιάζει επίσης δομημένη περίληψη ενός μεγάλου, αδιάκοπου podcast. Για εργασία ήχου, δηλώστε τα θέματα ή τα ερωτήματα που έχουν σημασία και την έξοδο που χρειάζεστε, όπως περίγραμμα επιχειρημάτων, σημεία διαφωνίας ή περίληψη ανά θέμα. Για βίντεο με ομιλία, ζητήστε από το μοντέλο να συνδέσει μια δήλωση με τη δράση ή το υλικό στην οθόνη που τη συνοδεύει. Αν έχει σημασία η ακριβής διατύπωση ή η απόδοση σε ομιλητή, ζητήστε να επισημαίνει την αμφισημία αντί να την επιλύει σιωπηρά.
Στην οπτική πλευρά, ο παραγωγός αναδεικνύει τη διεπιστημονική συλλογιστική εικόνας και την ανάλυση σύνθετων γραφημάτων. Παρέχετε ένα ευανάγνωστο γράφημα και εξηγήστε το αναλυτικό ερώτημα, συμπεριλαμβανομένης της σημασίας αξόνων, μονάδων και κατηγοριών όταν αυτές οι πληροφορίες δεν είναι σαφείς στην εικόνα. Ένα ενδεικτικό αίτημα είναι η περιγραφή του κύριου μοτίβου, ο εντοπισμός μιας εμφανούς αλλαγής και η διάκριση των τιμών που είναι άμεσα ορατές στο γράφημα από μια προτεινόμενη εξήγηση. Για σύγκριση εικόνων, ορίστε τις διαφορές που σας ενδιαφέρουν και ζητήστε πίνακα συνδεδεμένο με ορατά τεκμήρια. Προετοιμάστε το υλικό πηγών ώστε οι ετικέτες και οι σχετικές λεπτομέρειες να είναι ευανάγνωστες· μια χρήσιμη ανάλυση εξαρτάται από όσα περιέχει πραγματικά η είσοδος.
Το MiMo-V2-Omni υποστηρίζει επίσης δομημένη κλήση εργαλείων και αντιστοίχιση στοιχείων διεπαφής χρήστη. Οι επιδείξεις του κατασκευαστή συνδέουν το μοντέλο με περιβάλλον πράκτορα που παρέχει έλεγχο προγράμματος περιήγησης, πρόσβαση αρχείων και αλληλεπίδραση τερματικού. Το μοντέλο ερμηνεύει την τρέχουσα κατάσταση, αποφασίζει τι θα κάνει και εκδίδει ενέργεια· το περιβάλλον την εκτελεί και επιστρέφει την ενημερωμένη κατάσταση. Για μια εργασία αυτού του τύπου, παρέχετε σαφή στόχο, τη σχετική οθόνη ή υλικό και περιγραφές επιτρεπόμενων ενεργειών. Ζητήστε από το μοντέλο να συνδέει κάθε επόμενο βήμα με την παρατηρούμενη κατάσταση και να χρησιμοποιεί το επιστρεφόμενο αποτέλεσμα πριν συνεχίσει. Ένα αίτημα εργαλείου και το αποτέλεσμα της εκτελεσμένης ενέργειας είναι ξεχωριστές πληροφορίες.
Το παράδειγμα παραγωγής πολυμέσων της Xiaomi ακολουθεί τον ίδιο διαχωρισμό εργασιών: το μοντέλο σχεδιάζει το περιεχόμενο και κατευθύνει μια προγραμματιστική διαδικασία, ενώ τα εργαλεία δημιουργούν και χειρίζονται τα πραγματικά αρχεία μέσων. Μπορείτε να χρησιμοποιήσετε το μοντέλο για προετοιμασία σχεδίου σκηνών, γραπτής εξήγησης μιας καταγραφής ή ακολουθίας ενεργειών εργαλείων. Το συγκεκριμένο παραδοτέο πρέπει να ορίζεται στην αρχή, συμπεριλαμβανομένων των απαιτούμενων περιεχομένων του και του τρόπου αναγνώρισης της ολοκλήρωσης. Κρατήστε τη δημιουργία αρχείων, την απόδοση και τις λειτουργίες εφαρμογής συνδεδεμένες με τα εργαλεία που τις εκτελούν, αντί να αντιμετωπίζετε μια απόκριση κειμένου ως ήδη δημιουργημένο αρχείο.
Για πρακτική εργασία βίντεο, παρέχετε καταγεγραμμένα κλιπ και ένα εστιασμένο ερώτημα. Η Xiaomi διακρίνει αυτή τη ροή επεξεργασίας κλιπ από την αντίληψη πραγματικού χρόνου στον ερευνητικό χάρτη πορείας της, επομένως δεν πρέπει να θεωρείται δεδομένος ο συνεχής ζωντανός έλεγχος από μια καταγεγραμμένη επίδειξη. Τα παραδείγματά της δείχνουν επίσης παρατεταμένες εργασίες μέσω περιβάλλοντος πράκτορα, χωρίς να τεκμηριώνουν απεριόριστο ορίζοντα σχεδιασμού ή καθολική υπόσχεση χρόνου ολοκλήρωσης. Ελέγξτε ερμηνείες σκηνών, τιμές γραφημάτων, συσχετίσεις ομιλητών και προτεινόμενες ενέργειες ως προς τις αρχικές εισόδους. Ο χρήσιμος ρόλος του MiMo-V2-Omni είναι να συνενώνει τις τροπικότητες σε μία αιτιολογημένη ερμηνεία της εργασίας, με αποτέλεσμα του οποίου τα τεκμήρια και τα αποτελέσματα ενεργειών μπορούν να επιθεωρηθούν.
", "aboutText": "Το MiMo-V2-Omni είναι το μοντέλο της Xiaomi για συνδυασμένη κατανόηση κειμένου, εικόνων, ήχου και βίντεο και χρήση αυτής της κατανόησης σε εργασία πράκτορα. Η αρχιτεκτονική του συνδέει ειδικούς κωδικοποιητές εικόνας, βίντεο και ήχου σε έναν κοινό κορμό. Η κεντρική διάκριση είναι η συνδυασμένη αντίληψη: ένα ερώτημα μπορεί να εξαρτάται από όσα είναι ορατά, όσα ακούγονται και όσα λέει το συνοδευτικό κείμενο, αντί να απαιτεί κάθε πηγή να ερμηνεύεται μεμονωμένα. Οι έξοδοί του υποστηρίζουν γραπτή ανάλυση και δομημένα αιτήματα εργαλείων.\n\nΗ Xiaomi περιγράφει το μοντέλο ως εκπαιδευόμενο να συνδέει αντίληψη, πρόβλεψη και δράση. Ερμηνεύει την τρέχουσα σκηνή, συλλογίζεται τι μπορεί να συμβεί στη συνέχεια και επιλέγει ένα χρήσιμο επόμενο βήμα. Αυτό είναι ιδιαίτερα σχετικό με καταγεγραμμένο υλικό όπου η σημασία ενός γεγονότος εξαρτάται από περισσότερες από μία τροπικότητες. Για παράδειγμα, παρέχετε ένα κλιπ και ζητήστε να προσδιορίσει την ακολουθία ορατών ενεργειών, τους σχετικούς ήχους και τη μεταξύ τους σχέση. Προσδιορίστε αν χρειάζεστε περίληψη γεγονότος, εξήγηση της σκηνής ή λίστα παρατηρήσεων για μεταγενέστερο έλεγχο. Κρατήστε τα παρατηρούμενα γεγονότα χωριστά από τις προβλέψεις: μια ερμηνεία του τι θα μπορούσε να συμβεί δεν είναι απόδειξη ότι το γεγονός θα συμβεί.\n\nΗ κατανόηση ήχου είναι ευρύτερη από την απομαγνητοφώνηση στην περιγραφή του κατασκευαστή. Η Xiaomi αναδεικνύει την ταξινόμηση περιβαλλοντικών ήχων, τη διάκριση πολλών ομιλητών και τη συνδυασμένη συλλογιστική πάνω σε ήχο και οπτικό υλικό. Παρουσιάζει επίσης δομημένη περίληψη ενός μεγάλου, αδιάκοπου podcast. Για εργασία ήχου, δηλώστε τα θέματα ή τα ερωτήματα που έχουν σημασία και την έξοδο που χρειάζεστε, όπως περίγραμμα επιχειρημάτων, σημεία διαφωνίας ή περίληψη ανά θέμα. Για βίντεο με ομιλία, ζητήστε από το μοντέλο να συνδέσει μια δήλωση με τη δράση ή το υλικό στην οθόνη που τη συνοδεύει. Αν έχει σημασία η ακριβής διατύπωση ή η απόδοση σε ομιλητή, ζητήστε να επισημαίνει την αμφισημία αντί να την επιλύει σιωπηρά.\n\nΣτην οπτική πλευρά, ο παραγωγός αναδεικνύει τη διεπιστημονική συλλογιστική εικόνας και την ανάλυση σύνθετων γραφημάτων. Παρέχετε ένα ευανάγνωστο γράφημα και εξηγήστε το αναλυτικό ερώτημα, συμπεριλαμβανομένης της σημασίας αξόνων, μονάδων και κατηγοριών όταν αυτές οι πληροφορίες δεν είναι σαφείς στην εικόνα. Ένα ενδεικτικό αίτημα είναι η περιγραφή του κύριου μοτίβου, ο εντοπισμός μιας εμφανούς αλλαγής και η διάκριση των τιμών που είναι άμεσα ορατές στο γράφημα από μια προτεινόμενη εξήγηση. Για σύγκριση εικόνων, ορίστε τις διαφορές που σας ενδιαφέρουν και ζητήστε πίνακα συνδεδεμένο με ορατά τεκμήρια. Προετοιμάστε το υλικό πηγών ώστε οι ετικέτες και οι σχετικές λεπτομέρειες να είναι ευανάγνωστες· μια χρήσιμη ανάλυση εξαρτάται από όσα περιέχει πραγματικά η είσοδος.\n\nΤο MiMo-V2-Omni υποστηρίζει επίσης δομημένη κλήση εργαλείων και αντιστοίχιση στοιχείων διεπαφής χρήστη. Οι επιδείξεις του κατασκευαστή συνδέουν το μοντέλο με περιβάλλον πράκτορα που παρέχει έλεγχο προγράμματος περιήγησης, πρόσβαση αρχείων και αλληλεπίδραση τερματικού. Το μοντέλο ερμηνεύει την τρέχουσα κατάσταση, αποφασίζει τι θα κάνει και εκδίδει ενέργεια· το περιβάλλον την εκτελεί και επιστρέφει την ενημερωμένη κατάσταση. Για μια εργασία αυτού του τύπου, παρέχετε σαφή στόχο, τη σχετική οθόνη ή υλικό και περιγραφές επιτρεπόμενων ενεργειών. Ζητήστε από το μοντέλο να συνδέει κάθε επόμενο βήμα με την παρατηρούμενη κατάσταση και να χρησιμοποιεί το επιστρεφόμενο αποτέλεσμα πριν συνεχίσει. Ένα αίτημα εργαλείου και το αποτέλεσμα της εκτελεσμένης ενέργειας είναι ξεχωριστές πληροφορίες.\n\nΤο παράδειγμα παραγωγής πολυμέσων της Xiaomi ακολουθεί τον ίδιο διαχωρισμό εργασιών: το μοντέλο σχεδιάζει το περιεχόμενο και κατευθύνει μια προγραμματιστική διαδικασία, ενώ τα εργαλεία δημιουργούν και χειρίζονται τα πραγματικά αρχεία μέσων. Μπορείτε να χρησιμοποιήσετε το μοντέλο για προετοιμασία σχεδίου σκηνών, γραπτής εξήγησης μιας καταγραφής ή ακολουθίας ενεργειών εργαλείων. Το συγκεκριμένο παραδοτέο πρέπει να ορίζεται στην αρχή, συμπεριλαμβανομένων των απαιτούμενων περιεχομένων του και του τρόπου αναγνώρισης της ολοκλήρωσης. Κρατήστε τη δημιουργία αρχείων, την απόδοση και τις λειτουργίες εφαρμογής συνδεδεμένες με τα εργαλεία που τις εκτελούν, αντί να αντιμετωπίζετε μια απόκριση κειμένου ως ήδη δημιουργημένο αρχείο.\n\nΓια πρακτική εργασία βίντεο, παρέχετε καταγεγραμμένα κλιπ και ένα εστιασμένο ερώτημα. Η Xiaomi διακρίνει αυτή τη ροή επεξεργασίας κλιπ από την αντίληψη πραγματικού χρόνου στον ερευνητικό χάρτη πορείας της, επομένως δεν πρέπει να θεωρείται δεδομένος ο συνεχής ζωντανός έλεγχος από μια καταγεγραμμένη επίδειξη. Τα παραδείγματά της δείχνουν επίσης παρατεταμένες εργασίες μέσω περιβάλλοντος πράκτορα, χωρίς να τεκμηριώνουν απεριόριστο ορίζοντα σχεδιασμού ή καθολική υπόσχεση χρόνου ολοκλήρωσης. Ελέγξτε ερμηνείες σκηνών, τιμές γραφημάτων, συσχετίσεις ομιλητών και προτεινόμενες ενέργειες ως προς τις αρχικές εισόδους. Ο χρήσιμος ρόλος του MiMo-V2-Omni είναι να συνενώνει τις τροπικότητες σε μία αιτιολογημένη ερμηνεία της εργασίας, με αποτέλεσμα του οποίου τα τεκμήρια και τα αποτελέσματα ενεργειών μπορούν να επιθεωρηθούν.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
Summarize a supplied podcast transcript\n\nSummarize this podcast transcript by theme. Speaker A: Smaller batches reduced our queue, but we measured only one week. Speaker B: Returns rose that week; we have not linked them to batch size. Speaker A: We should compare another week before expanding. Return agreements, unresolved relationships and the proposed next step, preserving speaker attribution.A theme-based summary with speaker labels, the agreed next step and unresolved causal claims.Check that the summary does not attribute the rise in returns to batch size or report a multi-week measurement.mimo-v2-omniΤο MiMo-V2-Omni είναι το μοντέλο της Xiaomi για συνδυασμένη κατανόηση κειμένου, εικόνας, ήχου και βίντεο. Συνδέει την αντίληψη με δομημένα αιτήματα εργαλείων και αντιστοίχιση στοιχείων διεπαφής, υποστηρίζοντας ανάλυση σκηνών, ερμηνεία γραφημάτων και ροές πρακτόρων που χρησιμοποιούν πραγματικά αποτελέσματα εργαλείων.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το MiMo-V2-Omni είναι το μοντέλο της Xiaomi για συνδυασμένη κατανόηση κειμένου, εικόνων, ήχου και βίντεο και χρήση αυτής της κατανόησης σε εργασία πράκτορα. Η αρχιτεκτονική του συνδέει ειδικούς κωδικοποιητές εικόνας, βίντεο και ήχου σε έναν κοινό κορμό. Η κεντρική διάκριση είναι η συνδυασμένη αντίληψη: ένα ερώτημα μπορεί να εξαρτάται από όσα είναι ορατά, όσα ακούγονται και όσα λέει το συνοδευτικό κείμενο, αντί να απαιτεί κάθε πηγή να ερμηνεύεται μεμονωμένα. Οι έξοδοί του υποστηρίζουν γραπτή ανάλυση και δομημένα αιτήματα εργαλείων.
Η Xiaomi περιγράφει το μοντέλο ως εκπαιδευόμενο να συνδέει αντίληψη, πρόβλεψη και δράση. Ερμηνεύει την τρέχουσα σκηνή, συλλογίζεται τι μπορεί να συμβεί στη συνέχεια και επιλέγει ένα χρήσιμο επόμενο βήμα. Αυτό είναι ιδιαίτερα σχετικό με καταγεγραμμένο υλικό όπου η σημασία ενός γεγονότος εξαρτάται από περισσότερες από μία τροπικότητες. Για παράδειγμα, παρέχετε ένα κλιπ και ζητήστε να προσδιορίσει την ακολουθία ορατών ενεργειών, τους σχετικούς ήχους και τη μεταξύ τους σχέση. Προσδιορίστε αν χρειάζεστε περίληψη γεγονότος, εξήγηση της σκηνής ή λίστα παρατηρήσεων για μεταγενέστερο έλεγχο. Κρατήστε τα παρατηρούμενα γεγονότα χωριστά από τις προβλέψεις: μια ερμηνεία του τι θα μπορούσε να συμβεί δεν είναι απόδειξη ότι το γεγονός θα συμβεί.
Η κατανόηση ήχου είναι ευρύτερη από την απομαγνητοφώνηση στην περιγραφή του κατασκευαστή. Η Xiaomi αναδεικνύει την ταξινόμηση περιβαλλοντικών ήχων, τη διάκριση πολλών ομιλητών και τη συνδυασμένη συλλογιστική πάνω σε ήχο και οπτικό υλικό. Παρουσιάζει επίσης δομημένη περίληψη ενός μεγάλου, αδιάκοπου podcast. Για εργασία ήχου, δηλώστε τα θέματα ή τα ερωτήματα που έχουν σημασία και την έξοδο που χρειάζεστε, όπως περίγραμμα επιχειρημάτων, σημεία διαφωνίας ή περίληψη ανά θέμα. Για βίντεο με ομιλία, ζητήστε από το μοντέλο να συνδέσει μια δήλωση με τη δράση ή το υλικό στην οθόνη που τη συνοδεύει. Αν έχει σημασία η ακριβής διατύπωση ή η απόδοση σε ομιλητή, ζητήστε να επισημαίνει την αμφισημία αντί να την επιλύει σιωπηρά.
Στην οπτική πλευρά, ο παραγωγός αναδεικνύει τη διεπιστημονική συλλογιστική εικόνας και την ανάλυση σύνθετων γραφημάτων. Παρέχετε ένα ευανάγνωστο γράφημα και εξηγήστε το αναλυτικό ερώτημα, συμπεριλαμβανομένης της σημασίας αξόνων, μονάδων και κατηγοριών όταν αυτές οι πληροφορίες δεν είναι σαφείς στην εικόνα. Ένα ενδεικτικό αίτημα είναι η περιγραφή του κύριου μοτίβου, ο εντοπισμός μιας εμφανούς αλλαγής και η διάκριση των τιμών που είναι άμεσα ορατές στο γράφημα από μια προτεινόμενη εξήγηση. Για σύγκριση εικόνων, ορίστε τις διαφορές που σας ενδιαφέρουν και ζητήστε πίνακα συνδεδεμένο με ορατά τεκμήρια. Προετοιμάστε το υλικό πηγών ώστε οι ετικέτες και οι σχετικές λεπτομέρειες να είναι ευανάγνωστες· μια χρήσιμη ανάλυση εξαρτάται από όσα περιέχει πραγματικά η είσοδος.
Το MiMo-V2-Omni υποστηρίζει επίσης δομημένη κλήση εργαλείων και αντιστοίχιση στοιχείων διεπαφής χρήστη. Οι επιδείξεις του κατασκευαστή συνδέουν το μοντέλο με περιβάλλον πράκτορα που παρέχει έλεγχο προγράμματος περιήγησης, πρόσβαση αρχείων και αλληλεπίδραση τερματικού. Το μοντέλο ερμηνεύει την τρέχουσα κατάσταση, αποφασίζει τι θα κάνει και εκδίδει ενέργεια· το περιβάλλον την εκτελεί και επιστρέφει την ενημερωμένη κατάσταση. Για μια εργασία αυτού του τύπου, παρέχετε σαφή στόχο, τη σχετική οθόνη ή υλικό και περιγραφές επιτρεπόμενων ενεργειών. Ζητήστε από το μοντέλο να συνδέει κάθε επόμενο βήμα με την παρατηρούμενη κατάσταση και να χρησιμοποιεί το επιστρεφόμενο αποτέλεσμα πριν συνεχίσει. Ένα αίτημα εργαλείου και το αποτέλεσμα της εκτελεσμένης ενέργειας είναι ξεχωριστές πληροφορίες.
Το παράδειγμα παραγωγής πολυμέσων της Xiaomi ακολουθεί τον ίδιο διαχωρισμό εργασιών: το μοντέλο σχεδιάζει το περιεχόμενο και κατευθύνει μια προγραμματιστική διαδικασία, ενώ τα εργαλεία δημιουργούν και χειρίζονται τα πραγματικά αρχεία μέσων. Μπορείτε να χρησιμοποιήσετε το μοντέλο για προετοιμασία σχεδίου σκηνών, γραπτής εξήγησης μιας καταγραφής ή ακολουθίας ενεργειών εργαλείων. Το συγκεκριμένο παραδοτέο πρέπει να ορίζεται στην αρχή, συμπεριλαμβανομένων των απαιτούμενων περιεχομένων του και του τρόπου αναγνώρισης της ολοκλήρωσης. Κρατήστε τη δημιουργία αρχείων, την απόδοση και τις λειτουργίες εφαρμογής συνδεδεμένες με τα εργαλεία που τις εκτελούν, αντί να αντιμετωπίζετε μια απόκριση κειμένου ως ήδη δημιουργημένο αρχείο.
Για πρακτική εργασία βίντεο, παρέχετε καταγεγραμμένα κλιπ και ένα εστιασμένο ερώτημα. Η Xiaomi διακρίνει αυτή τη ροή επεξεργασίας κλιπ από την αντίληψη πραγματικού χρόνου στον ερευνητικό χάρτη πορείας της, επομένως δεν πρέπει να θεωρείται δεδομένος ο συνεχής ζωντανός έλεγχος από μια καταγεγραμμένη επίδειξη. Τα παραδείγματά της δείχνουν επίσης παρατεταμένες εργασίες μέσω περιβάλλοντος πράκτορα, χωρίς να τεκμηριώνουν απεριόριστο ορίζοντα σχεδιασμού ή καθολική υπόσχεση χρόνου ολοκλήρωσης. Ελέγξτε ερμηνείες σκηνών, τιμές γραφημάτων, συσχετίσεις ομιλητών και προτεινόμενες ενέργειες ως προς τις αρχικές εισόδους. Ο χρήσιμος ρόλος του MiMo-V2-Omni είναι να συνενώνει τις τροπικότητες σε μία αιτιολογημένη ερμηνεία της εργασίας, με αποτέλεσμα του οποίου τα τεκμήρια και τα αποτελέσματα ενεργειών μπορούν να επιθεωρηθούν.
POST /v1/chat/completionstexttext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια mimo-v2-omni | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Παραδείγματα: system, user, assistant, tool, function Συνθήκες: Αυτοί οι ρόλοι αναπαρίστανται ρητά από τους τύπους συμβατότητας του πηγαίου κώδικα· το ακριβές σύνολο ρόλων παραμένει ειδικό για κάθε μοντέλο. Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_part[]|null | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_calls | Τύποςtool_call[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].tool_call_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: role=tool· χρησιμοποιήστε το πραγματικό ID που επιστράφηκε | Προεπιλογή— |
Πεδίοmessages[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].reasoning_content | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Επαναποστείλετε το πραγματικό περιεχόμενο συλλογιστικής που επιστράφηκε, όταν το μοντέλο το χρησιμοποιεί | Προεπιλογή— |
Πεδίοmessages[].reasoning_details | Τύποςobject|array | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmax_completion_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοstream_options.include_usage | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop | Τύποςstring|string[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςfunction_tool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια function Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].function.name | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο τύπου συνάρτησης | Προεπιλογή— |
Πεδίοtools[].function.description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].function.parameters | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοparallel_tool_calls | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοresponse_format | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning_effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοreasoning | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοservice_tier | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοinstructions | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Πεδίο συμβατότητας | Προεπιλογή— |
Πεδίοfunctions | Τύποςfunction[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοfunction_call | Τύποςstring|object | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοprompt_cache_options | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmodalities | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια text | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίπτεται σε αυτή τη διαδρομή κειμένου Ultra | Προεπιλογή— |
Πεδίοcache_control.ttl | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το 1h απορρίπτεται στα πραγματικά πεδία κρυφής μνήμης προτροπών | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςmessages | ΣύμβασηΠίνακας μηνυμάτων με δομή role/content |
Παράμετροςfile_material | Σύμβασηπραγματικό έγγραφο UTF-8 που εισάγεται ως αυτούσιο κείμενο· δεν συνάγεται ID αρχείου |
Παράμετροςoptional_controls | Σύμβασηstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Παράμετροςcontrol_scope | Σύμβασηεξαρτάται από το μοντέλο· τα εργαλεία συναρτήσεων του χρήστη διαφέρουν από τα φιλοξενούμενα εργαλεία |
Παράμετροςoutput_modalities | Σύμβασηtext |
Παράμετροςhosted_operations | Σύμβασηfalse |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Κύκλος ζωής: synchronous_or_streamed
Στείλτε το ακριβές ID μοντέλου μαζί με το messages.
Το μήκος συμφραζομένων δεν είναι ανώτατο όριο εξόδου.
Ένα αρχείο κειμένου μπορεί να παρέχει αυτούσιο κείμενο· οι είσοδοι εικόνας/ήχου/αντικειμένων αρχείων χρειάζονται ακριβή αντιστοίχιση.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00088 / 1K token Έξοδος · Token εξόδου $0.0044 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mimo-v2-omni", "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='mimo-v2-omni',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='mimo-v2-omni',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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε επιλογή και το περιεχόμενο/τις κλήσεις εργαλείων/το περιεχόμενο συλλογιστικής της. Στο SSE συνθέστε τις διαφορικές ενημερώσεις ανά δείκτη επιλογής/εργαλείου και κρατήστε την τελική αιτία τερματισμού και τα στοιχεία χρήσης.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοchoices[].index | Τύποςinteger |
Πεδίοchoices[].message.content | Τύποςstring|null |
Πεδίοchoices[].message.tool_calls | Τύποςtool_call[] |
Πεδίοchoices[].message.reasoning_content | Τύποςstring |
Πεδίοchoices[].message.reasoning_details | Τύποςobject|array |
Πεδίοchoices[].finish_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra mimo-v2-omni
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
mimo-v2-omniΤο MiMo-V2-Omni είναι το μοντέλο της Xiaomi για συνδυασμένη κατανόηση κειμένου, εικόνας, ήχου και βίντεο. Συνδέει την αντίληψη με δομημένα αιτήματα εργαλείων και αντιστοίχιση στοιχείων διεπαφής, υποστηρίζοντας ανάλυση σκηνών, ερμηνεία γραφημάτων και ροές πρακτόρων που χρησιμοποιούν πραγματικά αποτελέσματα εργαλείων.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το MiMo-V2-Omni είναι το μοντέλο της Xiaomi για συνδυασμένη κατανόηση κειμένου, εικόνων, ήχου και βίντεο και χρήση αυτής της κατανόησης σε εργασία πράκτορα. Η αρχιτεκτονική του συνδέει ειδικούς κωδικοποιητές εικόνας, βίντεο και ήχου σε έναν κοινό κορμό. Η κεντρική διάκριση είναι η συνδυασμένη αντίληψη: ένα ερώτημα μπορεί να εξαρτάται από όσα είναι ορατά, όσα ακούγονται και όσα λέει το συνοδευτικό κείμενο, αντί να απαιτεί κάθε πηγή να ερμηνεύεται μεμονωμένα. Οι έξοδοί του υποστηρίζουν γραπτή ανάλυση και δομημένα αιτήματα εργαλείων.
Η Xiaomi περιγράφει το μοντέλο ως εκπαιδευόμενο να συνδέει αντίληψη, πρόβλεψη και δράση. Ερμηνεύει την τρέχουσα σκηνή, συλλογίζεται τι μπορεί να συμβεί στη συνέχεια και επιλέγει ένα χρήσιμο επόμενο βήμα. Αυτό είναι ιδιαίτερα σχετικό με καταγεγραμμένο υλικό όπου η σημασία ενός γεγονότος εξαρτάται από περισσότερες από μία τροπικότητες. Για παράδειγμα, παρέχετε ένα κλιπ και ζητήστε να προσδιορίσει την ακολουθία ορατών ενεργειών, τους σχετικούς ήχους και τη μεταξύ τους σχέση. Προσδιορίστε αν χρειάζεστε περίληψη γεγονότος, εξήγηση της σκηνής ή λίστα παρατηρήσεων για μεταγενέστερο έλεγχο. Κρατήστε τα παρατηρούμενα γεγονότα χωριστά από τις προβλέψεις: μια ερμηνεία του τι θα μπορούσε να συμβεί δεν είναι απόδειξη ότι το γεγονός θα συμβεί.
Η κατανόηση ήχου είναι ευρύτερη από την απομαγνητοφώνηση στην περιγραφή του κατασκευαστή. Η Xiaomi αναδεικνύει την ταξινόμηση περιβαλλοντικών ήχων, τη διάκριση πολλών ομιλητών και τη συνδυασμένη συλλογιστική πάνω σε ήχο και οπτικό υλικό. Παρουσιάζει επίσης δομημένη περίληψη ενός μεγάλου, αδιάκοπου podcast. Για εργασία ήχου, δηλώστε τα θέματα ή τα ερωτήματα που έχουν σημασία και την έξοδο που χρειάζεστε, όπως περίγραμμα επιχειρημάτων, σημεία διαφωνίας ή περίληψη ανά θέμα. Για βίντεο με ομιλία, ζητήστε από το μοντέλο να συνδέσει μια δήλωση με τη δράση ή το υλικό στην οθόνη που τη συνοδεύει. Αν έχει σημασία η ακριβής διατύπωση ή η απόδοση σε ομιλητή, ζητήστε να επισημαίνει την αμφισημία αντί να την επιλύει σιωπηρά.
Στην οπτική πλευρά, ο παραγωγός αναδεικνύει τη διεπιστημονική συλλογιστική εικόνας και την ανάλυση σύνθετων γραφημάτων. Παρέχετε ένα ευανάγνωστο γράφημα και εξηγήστε το αναλυτικό ερώτημα, συμπεριλαμβανομένης της σημασίας αξόνων, μονάδων και κατηγοριών όταν αυτές οι πληροφορίες δεν είναι σαφείς στην εικόνα. Ένα ενδεικτικό αίτημα είναι η περιγραφή του κύριου μοτίβου, ο εντοπισμός μιας εμφανούς αλλαγής και η διάκριση των τιμών που είναι άμεσα ορατές στο γράφημα από μια προτεινόμενη εξήγηση. Για σύγκριση εικόνων, ορίστε τις διαφορές που σας ενδιαφέρουν και ζητήστε πίνακα συνδεδεμένο με ορατά τεκμήρια. Προετοιμάστε το υλικό πηγών ώστε οι ετικέτες και οι σχετικές λεπτομέρειες να είναι ευανάγνωστες· μια χρήσιμη ανάλυση εξαρτάται από όσα περιέχει πραγματικά η είσοδος.
Το MiMo-V2-Omni υποστηρίζει επίσης δομημένη κλήση εργαλείων και αντιστοίχιση στοιχείων διεπαφής χρήστη. Οι επιδείξεις του κατασκευαστή συνδέουν το μοντέλο με περιβάλλον πράκτορα που παρέχει έλεγχο προγράμματος περιήγησης, πρόσβαση αρχείων και αλληλεπίδραση τερματικού. Το μοντέλο ερμηνεύει την τρέχουσα κατάσταση, αποφασίζει τι θα κάνει και εκδίδει ενέργεια· το περιβάλλον την εκτελεί και επιστρέφει την ενημερωμένη κατάσταση. Για μια εργασία αυτού του τύπου, παρέχετε σαφή στόχο, τη σχετική οθόνη ή υλικό και περιγραφές επιτρεπόμενων ενεργειών. Ζητήστε από το μοντέλο να συνδέει κάθε επόμενο βήμα με την παρατηρούμενη κατάσταση και να χρησιμοποιεί το επιστρεφόμενο αποτέλεσμα πριν συνεχίσει. Ένα αίτημα εργαλείου και το αποτέλεσμα της εκτελεσμένης ενέργειας είναι ξεχωριστές πληροφορίες.
Το παράδειγμα παραγωγής πολυμέσων της Xiaomi ακολουθεί τον ίδιο διαχωρισμό εργασιών: το μοντέλο σχεδιάζει το περιεχόμενο και κατευθύνει μια προγραμματιστική διαδικασία, ενώ τα εργαλεία δημιουργούν και χειρίζονται τα πραγματικά αρχεία μέσων. Μπορείτε να χρησιμοποιήσετε το μοντέλο για προετοιμασία σχεδίου σκηνών, γραπτής εξήγησης μιας καταγραφής ή ακολουθίας ενεργειών εργαλείων. Το συγκεκριμένο παραδοτέο πρέπει να ορίζεται στην αρχή, συμπεριλαμβανομένων των απαιτούμενων περιεχομένων του και του τρόπου αναγνώρισης της ολοκλήρωσης. Κρατήστε τη δημιουργία αρχείων, την απόδοση και τις λειτουργίες εφαρμογής συνδεδεμένες με τα εργαλεία που τις εκτελούν, αντί να αντιμετωπίζετε μια απόκριση κειμένου ως ήδη δημιουργημένο αρχείο.
Για πρακτική εργασία βίντεο, παρέχετε καταγεγραμμένα κλιπ και ένα εστιασμένο ερώτημα. Η Xiaomi διακρίνει αυτή τη ροή επεξεργασίας κλιπ από την αντίληψη πραγματικού χρόνου στον ερευνητικό χάρτη πορείας της, επομένως δεν πρέπει να θεωρείται δεδομένος ο συνεχής ζωντανός έλεγχος από μια καταγεγραμμένη επίδειξη. Τα παραδείγματά της δείχνουν επίσης παρατεταμένες εργασίες μέσω περιβάλλοντος πράκτορα, χωρίς να τεκμηριώνουν απεριόριστο ορίζοντα σχεδιασμού ή καθολική υπόσχεση χρόνου ολοκλήρωσης. Ελέγξτε ερμηνείες σκηνών, τιμές γραφημάτων, συσχετίσεις ομιλητών και προτεινόμενες ενέργειες ως προς τις αρχικές εισόδους. Ο χρήσιμος ρόλος του MiMo-V2-Omni είναι να συνενώνει τις τροπικότητες σε μία αιτιολογημένη ερμηνεία της εργασίας, με αποτέλεσμα του οποίου τα τεκμήρια και τα αποτελέσματα ενεργειών μπορούν να επιθεωρηθούν.
POST /v1/messagestextjson, sse| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια mimo-v2-omni | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Κείμενο · Κείμενο UTF-8
Συμβολοσειρά messages[].content
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηstream |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_or_streamed
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00088 / 1K token Έξοδος · Token εξόδου $0.0044 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη $0 / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "mimo-v2-omni",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mimo-v2-omni', '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': 'mimo-v2-omni', '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 ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra mimo-v2-omni
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
Summarize a supplied podcast transcript\n\nSummarize this podcast transcript by theme. Speaker A: Smaller batches reduced our queue, but we measured only one week. Speaker B: Returns rose that week; we have not linked them to batch size. Speaker A: We should compare another week before expanding. Return agreements, unresolved relationships and the proposed next step, preserving speaker attribution.A theme-based summary with speaker labels, the agreed next step and unresolved causal claims.Check that the summary does not attribute the rise in returns to batch size or report a multi-week measurement.