MiniMax M1 80K es la edición de razonamiento más prolongado del modelo de razonamiento textual M1 de MiniMax. La familia utiliza una arquitectura híbrida de mezcla de expertos con lightning attention, derivada de MiniMax Text-01. El fabricante describe un entrenamiento en tareas de razonamiento matemático e ingeniería de software y publica ediciones independientes con presupuestos de razonamiento de 40K y 80K.
El fabricante describe compatibilidad nativa con un contexto de un millón de tokens. El nombre de la edición 80K se refiere a su presupuesto de razonamiento, una cantidad distinta del contexto de entrada o de la respuesta final visible para el usuario. La interfaz utilizada para una tarea alojada puede ofrecer sus propios límites de trabajo más reducidos, por lo que debe planificar la petición según el perfil seleccionado.
Para una colección de fuentes más extensa, etiquete los documentos e indique la pregunta que deben responder. Solicite una conclusión vinculada a los pasajes pertinentes. Para código, identifique el comportamiento que debe cambiar, el área afectada y las comprobaciones que establecen el resultado.
El fabricante ofrece orientaciones independientes para asistencia habitual, desarrollo web y matemáticas. Sus ejemplos generales incluyen resúmenes, traducción, preguntas y escritura creativa. Una instrucción útil define el público, el material original y la entrega final para que la respuesta se mantenga centrada en la tarea.
Para desarrollo web, el fabricante recomienda una entrega HTML completa y ejecutable en un único bloque de código, con HTML y JavaScript juntos, y pide comprobar el código tras generarlo. Describa los controles, los datos y los estados que debe admitir la página. El modelo produce el código; la aplicación lo guarda y ejecuta para examinar el comportamiento representado.
Para matemáticas, las orientaciones solicitan una solución paso a paso y una respuesta final diferenciada. Aporte todas las condiciones y defina el resultado que debe establecerse. Conserve la solución propuesta junto con el problema original para que el argumento pueda examinarse con independencia de su redacción.
El fabricante incluye llamadas a funciones: el modelo puede identificar una función que debe utilizarse y aportar parámetros de forma estructurada. Una aplicación circundante proporciona las funciones disponibles, ejecuta la llamada y devuelve la observación. Por tanto, el acceso a herramientas y la acción externa dependen tanto de la aplicación configurada como de la selección del modelo.
Asigne a cada herramienta un propósito claro y distinga la observación que devuelve de la instrucción del usuario. Una respuesta posterior puede utilizar el resultado observado como prueba. La compatibilidad con herramientas del modelo textual M1 no convierte los servicios de medios independientes descritos en otras partes del ecosistema del fabricante en parte de su propia familia de salidas.
El fabricante recomienda temperature 1.0 y top_p 0.95 como ajustes de inferencia. Su descripción de la familia indica 456 mil millones de parámetros totales y 45,9 mil millones de parámetros activos por token. Al registrar una comparación, mantenga la edición 80K diferenciada de la edición 40K y utilice los controles y límites de trabajo que admite la interfaz real para una petición concreta.
", "aboutText": "MiniMax M1 80K es la edición de razonamiento más prolongado del modelo de razonamiento textual M1 de MiniMax. La familia utiliza una arquitectura híbrida de mezcla de expertos con lightning attention, derivada de MiniMax Text-01. El fabricante describe un entrenamiento en tareas de razonamiento matemático e ingeniería de software y publica ediciones independientes con presupuestos de razonamiento de 40K y 80K.\n\n### Prepare material extenso en torno a un resultado claro\n\nEl fabricante describe compatibilidad nativa con un contexto de un millón de tokens. El nombre de la edición 80K se refiere a su presupuesto de razonamiento, una cantidad distinta del contexto de entrada o de la respuesta final visible para el usuario. La interfaz utilizada para una tarea alojada puede ofrecer sus propios límites de trabajo más reducidos, por lo que debe planificar la petición según el perfil seleccionado.\n\nPara una colección de fuentes más extensa, etiquete los documentos e indique la pregunta que deben responder. Solicite una conclusión vinculada a los pasajes pertinentes. Para código, identifique el comportamiento que debe cambiar, el área afectada y las comprobaciones que establecen el resultado.\n\n### Utilice las orientaciones para formular instrucciones específicas para cada tarea\n\nEl fabricante ofrece orientaciones independientes para asistencia habitual, desarrollo web y matemáticas. Sus ejemplos generales incluyen resúmenes, traducción, preguntas y escritura creativa. Una instrucción útil define el público, el material original y la entrega final para que la respuesta se mantenga centrada en la tarea.\n\nPara desarrollo web, el fabricante recomienda una entrega HTML completa y ejecutable en un único bloque de código, con HTML y JavaScript juntos, y pide comprobar el código tras generarlo. Describa los controles, los datos y los estados que debe admitir la página. El modelo produce el código; la aplicación lo guarda y ejecuta para examinar el comportamiento representado.\n\nPara matemáticas, las orientaciones solicitan una solución paso a paso y una respuesta final diferenciada. Aporte todas las condiciones y defina el resultado que debe establecerse. Conserve la solución propuesta junto con el problema original para que el argumento pueda examinarse con independencia de su redacción.\n\n### Llamadas a funciones y ejecución real\n\nEl fabricante incluye llamadas a funciones: el modelo puede identificar una función que debe utilizarse y aportar parámetros de forma estructurada. Una aplicación circundante proporciona las funciones disponibles, ejecuta la llamada y devuelve la observación. Por tanto, el acceso a herramientas y la acción externa dependen tanto de la aplicación configurada como de la selección del modelo.\n\nAsigne a cada herramienta un propósito claro y distinga la observación que devuelve de la instrucción del usuario. Una respuesta posterior puede utilizar el resultado observado como prueba. La compatibilidad con herramientas del modelo textual M1 no convierte los servicios de medios independientes descritos en otras partes del ecosistema del fabricante en parte de su propia familia de salidas.\n\n### Conserve la edición y los ajustes\n\nEl fabricante recomienda temperature 1.0 y top_p 0.95 como ajustes de inferencia. Su descripción de la familia indica 456 mil millones de parámetros totales y 45,9 mil millones de parámetros activos por token. Al registrar una comparación, mantenga la edición 80K diferenciada de la edición 40K y utilice los controles y límites de trabajo que admite la interfaz real para una petición concreta.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Build a bounded packing calculator\n\nReturn one runnable HTML code block for a packing calculator. Inputs: item count and box capacity, both positive whole numbers. Show the number of boxes needed, rounding upward. Provide a visible validation message for invalid inputs and a reset control. Include HTML, CSS and JavaScript together, then list checks for 10 items at capacity 4 and an empty input.A complete single-file HTML artifact and a short behavior-check list, without a claim that it was run.Check ceiling division, invalid-input feedback and reset behavior in the returned code before running it.MiniMaxAI/MiniMax-M1-80kMiniMax M1 80K es un modelo de razonamiento textual con pesos abiertos para entradas largas, tareas de software y matemáticas. Su fabricante distingue la edición con presupuesto de razonamiento de 80K de la edición de 40K y publica orientaciones para formular instrucciones específicas para cada tarea.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
MiniMax M1 80K es la edición de razonamiento más prolongado del modelo de razonamiento textual M1 de MiniMax. La familia utiliza una arquitectura híbrida de mezcla de expertos con lightning attention, derivada de MiniMax Text-01. El fabricante describe un entrenamiento en tareas de razonamiento matemático e ingeniería de software y publica ediciones independientes con presupuestos de razonamiento de 40K y 80K.
El fabricante describe compatibilidad nativa con un contexto de un millón de tokens. El nombre de la edición 80K se refiere a su presupuesto de razonamiento, una cantidad distinta del contexto de entrada o de la respuesta final visible para el usuario. La interfaz utilizada para una tarea alojada puede ofrecer sus propios límites de trabajo más reducidos, por lo que debe planificar la petición según el perfil seleccionado.
Para una colección de fuentes más extensa, etiquete los documentos e indique la pregunta que deben responder. Solicite una conclusión vinculada a los pasajes pertinentes. Para código, identifique el comportamiento que debe cambiar, el área afectada y las comprobaciones que establecen el resultado.
El fabricante ofrece orientaciones independientes para asistencia habitual, desarrollo web y matemáticas. Sus ejemplos generales incluyen resúmenes, traducción, preguntas y escritura creativa. Una instrucción útil define el público, el material original y la entrega final para que la respuesta se mantenga centrada en la tarea.
Para desarrollo web, el fabricante recomienda una entrega HTML completa y ejecutable en un único bloque de código, con HTML y JavaScript juntos, y pide comprobar el código tras generarlo. Describa los controles, los datos y los estados que debe admitir la página. El modelo produce el código; la aplicación lo guarda y ejecuta para examinar el comportamiento representado.
Para matemáticas, las orientaciones solicitan una solución paso a paso y una respuesta final diferenciada. Aporte todas las condiciones y defina el resultado que debe establecerse. Conserve la solución propuesta junto con el problema original para que el argumento pueda examinarse con independencia de su redacción.
El fabricante incluye llamadas a funciones: el modelo puede identificar una función que debe utilizarse y aportar parámetros de forma estructurada. Una aplicación circundante proporciona las funciones disponibles, ejecuta la llamada y devuelve la observación. Por tanto, el acceso a herramientas y la acción externa dependen tanto de la aplicación configurada como de la selección del modelo.
Asigne a cada herramienta un propósito claro y distinga la observación que devuelve de la instrucción del usuario. Una respuesta posterior puede utilizar el resultado observado como prueba. La compatibilidad con herramientas del modelo textual M1 no convierte los servicios de medios independientes descritos en otras partes del ecosistema del fabricante en parte de su propia familia de salidas.
El fabricante recomienda temperature 1.0 y top_p 0.95 como ajustes de inferencia. Su descripción de la familia indica 456 mil millones de parámetros totales y 45,9 mil millones de parámetros activos por token. Al registrar una comparación, mantenga la edición 80K diferenciada de la edición 40K y utilice los controles y límites de trabajo que admite la interfaz real para una petición concreta.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites MiniMaxAI/MiniMax-M1-80k | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.00114 / 1K tokens Salida · Tokens de salida $0.00456 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "MiniMaxAI/MiniMax-M1-80k", "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='MiniMaxAI/MiniMax-M1-80k',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='MiniMaxAI/MiniMax-M1-80k',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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra MiniMaxAI/MiniMax-M1-80k
Usa las rutas de método indicadas arriba.
MiniMaxAI/MiniMax-M1-80kMiniMax M1 80K es un modelo de razonamiento textual con pesos abiertos para entradas largas, tareas de software y matemáticas. Su fabricante distingue la edición con presupuesto de razonamiento de 80K de la edición de 40K y publica orientaciones para formular instrucciones específicas para cada tarea.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
MiniMax M1 80K es la edición de razonamiento más prolongado del modelo de razonamiento textual M1 de MiniMax. La familia utiliza una arquitectura híbrida de mezcla de expertos con lightning attention, derivada de MiniMax Text-01. El fabricante describe un entrenamiento en tareas de razonamiento matemático e ingeniería de software y publica ediciones independientes con presupuestos de razonamiento de 40K y 80K.
El fabricante describe compatibilidad nativa con un contexto de un millón de tokens. El nombre de la edición 80K se refiere a su presupuesto de razonamiento, una cantidad distinta del contexto de entrada o de la respuesta final visible para el usuario. La interfaz utilizada para una tarea alojada puede ofrecer sus propios límites de trabajo más reducidos, por lo que debe planificar la petición según el perfil seleccionado.
Para una colección de fuentes más extensa, etiquete los documentos e indique la pregunta que deben responder. Solicite una conclusión vinculada a los pasajes pertinentes. Para código, identifique el comportamiento que debe cambiar, el área afectada y las comprobaciones que establecen el resultado.
El fabricante ofrece orientaciones independientes para asistencia habitual, desarrollo web y matemáticas. Sus ejemplos generales incluyen resúmenes, traducción, preguntas y escritura creativa. Una instrucción útil define el público, el material original y la entrega final para que la respuesta se mantenga centrada en la tarea.
Para desarrollo web, el fabricante recomienda una entrega HTML completa y ejecutable en un único bloque de código, con HTML y JavaScript juntos, y pide comprobar el código tras generarlo. Describa los controles, los datos y los estados que debe admitir la página. El modelo produce el código; la aplicación lo guarda y ejecuta para examinar el comportamiento representado.
Para matemáticas, las orientaciones solicitan una solución paso a paso y una respuesta final diferenciada. Aporte todas las condiciones y defina el resultado que debe establecerse. Conserve la solución propuesta junto con el problema original para que el argumento pueda examinarse con independencia de su redacción.
El fabricante incluye llamadas a funciones: el modelo puede identificar una función que debe utilizarse y aportar parámetros de forma estructurada. Una aplicación circundante proporciona las funciones disponibles, ejecuta la llamada y devuelve la observación. Por tanto, el acceso a herramientas y la acción externa dependen tanto de la aplicación configurada como de la selección del modelo.
Asigne a cada herramienta un propósito claro y distinga la observación que devuelve de la instrucción del usuario. Una respuesta posterior puede utilizar el resultado observado como prueba. La compatibilidad con herramientas del modelo textual M1 no convierte los servicios de medios independientes descritos en otras partes del ecosistema del fabricante en parte de su propia familia de salidas.
El fabricante recomienda temperature 1.0 y top_p 0.95 como ajustes de inferencia. Su descripción de la familia indica 456 mil millones de parámetros totales y 45,9 mil millones de parámetros activos por token. Al registrar una comparación, mantenga la edición 80K diferenciada de la edición 40K y utilice los controles y límites de trabajo que admite la interfaz real para una petición concreta.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites MiniMaxAI/MiniMax-M1-80k | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.00114 / 1K tokens Salida · Tokens de salida $0.00456 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "MiniMaxAI/MiniMax-M1-80k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'MiniMaxAI/MiniMax-M1-80k', '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': 'MiniMaxAI/MiniMax-M1-80k', '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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra MiniMaxAI/MiniMax-M1-80k
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Build a bounded packing calculator\n\nReturn one runnable HTML code block for a packing calculator. Inputs: item count and box capacity, both positive whole numbers. Show the number of boxes needed, rounding upward. Provide a visible validation message for invalid inputs and a reset control. Include HTML, CSS and JavaScript together, then list checks for 10 items at capacity 4 and an empty input.A complete single-file HTML artifact and a short behavior-check list, without a claim that it was run.Check ceiling division, invalid-input feedback and reset behavior in the returned code before running it.