Source: https://ailoot.ai/models/fr-be/xiaomi-mimo-v2-5-pro/
Canonical: https://ailoot.ai/models/fr-be/xiaomi-mimo-v2-5-pro/
Language: fr-be

# Xiaomi: MiMo-V2.5-Pro

[Markdown](https://ailoot.ai/models/fr-be/xiaomi-mimo-v2-5-pro/index.md) · [JSON](https://ailoot.ai/models/fr-be/xiaomi-mimo-v2-5-pro/facts.json)

## [Xiaomi: MiMo-V2.5-Pro](https://ailoot.ai/models/fr-be/xiaomi-mimo-v2-5-pro/)

MiMo-V2.5-Pro est le modèle de Xiaomi axé sur le texte pour l’ingénierie logicielle complexe et les longs workflows d’agents. Son profil publié associe une architecture MoE de 1,02 T paramètres, dont 42 milliards actifs, et un contexte allant jusqu’à un million de tokens, avec un entraînement axé sur une utilisation cohérente des outils.

- [**Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions` `xiaomi/mimo-v2.5-pro`](https://ailoot.ai/models/fr-be/xiaomi-mimo-v2-5-pro/#method-0)
- [**Ailoot Ultra · Messages Anthropic** `POST /v1/messages` `xiaomi/mimo-v2.5-pro`](https://ailoot.ai/models/fr-be/xiaomi-mimo-v2-5-pro/#method-1)

À propos du modèle

Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.

MiMo-V2.5-Pro est le grand modèle à mélange d’experts de Xiaomi, axé sur le texte et destiné aux tâches exigeantes d’agents, à l’ingénierie logicielle complexe et aux travaux comportant de nombreuses étapes liées entre elles. Le fabricant annonce 1 020 milliards de paramètres au total, 42 milliards de paramètres actifs et un contexte allant jusqu’à un million de tokens. Il vise à conserver les consignes de la tâche et les éléments probants accumulés, tandis qu’une application associée fournit des outils et renvoie leurs résultats.

Le modèle combine l’attention à fenêtre glissante et l’attention globale selon un schéma de 6:1. La fenêtre locale est de 128 tokens, tandis que les couches d’attention globale relient les informations à travers un historique plus long. Il s’agit de l’architecture d’attention, et non d’une limite de 128 tokens imposée à l’entrée de l’utilisateur. Le réseau principal comporte 70 couches et un routage parcimonieux des experts, avec huit experts routés sélectionnés par token. Trois modules de prédiction de plusieurs tokens sont intégrés à la conception de l’entraînement et de l’inférence pour prendre en charge le décodage spéculatif.

Le fabricant décrit un préentraînement sur 27 000 milliards de tokens, suivi d’un affinage supervisé, d’un apprentissage par renforcement spécialisé par domaine et d’une distillation à plusieurs modèles enseignants sur les sorties de la politique courante. Ces enseignants spécialisés couvrent des domaines comme les mathématiques, la sécurité et l’utilisation complexe des outils, et la dernière étape réunit leurs enseignements dans un seul modèle. Cet entraînement soutient le rôle du modèle dans les longs workflows logiciels et d’agents ; une tâche concrète nécessite toujours des exigences fournies et un moyen de déterminer si le résultat est complet.

Pour une modification logicielle, fournissez les fichiers pertinents, une erreur constatée ou le comportement demandé, les conventions du projet et les vérifications importantes. Une consigne utile consiste à demander d’identifier le comportement concerné, de proposer une implémentation ciblée et d’expliquer comment vérifier le cas attendu ainsi qu’un cas limite pertinent. Conservez les identifiants exacts du projet. Si l’environnement permet l’exécution, renvoyez les résultats réels des vérifications au lieu de demander au modèle de supposer qu’un correctif plausible fonctionne.

Pour une tâche d’agent plus longue, tenez un relevé concis de l’objectif, des décisions déjà prises et des éléments renvoyés par les outils. Précisez ce que chaque opération est autorisée à modifier et quel résultat justifierait l’étape suivante. Le modèle peut aider à raisonner à partir de ces interactions et à préparer la requête suivante, mais c’est l’application qui exécute les opérations. Conservez les erreurs et les conditions non résolues dans le compte rendu final pour qu’une longue séquence ne masque pas une étape échouée derrière une explication fluide.

Le grand contexte peut servir à comparer des implémentations ou à synthétiser plusieurs documents volumineux. Délimitez les fichiers et les documents, indiquez les sections sur lesquelles la réponse doit s’appuyer et précisez le format de sortie requis. Demandez par exemple une proposition de migration qui relie chaque composant concerné à une exigence et recense séparément les informations manquantes. Joignez au résultat les passages ou emplacements de code correspondants afin qu’un relecteur puisse remonter du raisonnement aux données d’entrée.

L’exemple de déploiement publié par Xiaomi utilise un contexte configuré à 1 048 576 tokens, tandis que sa présentation indique une prise en charge allant jusqu’à 1 M de tokens. Dans la configuration utilisée, prévoyez de la place pour le texte généré et l’historique accumulé des outils. Le fabricant recommande une température de 1.0 et un top\_p de 0.95 pour l’inférence locale. Ces valeurs relèvent de la recette du fabricant et ne garantissent pas que toutes les applications exposent les mêmes réglages ou la même fenêtre exploitable.

MiMo-V2.5-Pro se distingue de son modèle frère nativement omnimodal MiMo-V2.5 et de la série V2.6 ultérieure. Utilisez cette édition pour son périmètre documenté de tâches linguistiques et d’agents, sans lui attribuer les capacités de vision ou d’audio d’une autre édition. Le livrable final peut être une proposition de code, une explication d’implémentation ou une analyse étayée ; vérifiez les calculs importants, les exigences et les résultats des outils par rapport aux éléments fournis pour la tâche.

Cas pratique

### Cas pratique

Exemple technique en anglais

```
Correct a two-stage validation flow

Trace this Python flow: validate.py: def valid(row): return bool(row.get('email')); import.py: accepted = [r for r in rows if valid(r) is not None]. A row without email is incorrectly accepted. Propose the smallest correction, retain valid's Boolean contract and supply cases for a missing email and a present email. Separate the proposal from executed checks.
```

#### Résultat attendu

```
A cross-file cause explanation, focused consumer patch and two regression cases.
```

#### Vérifier le résultat

```
The consumer must reject False rather than treating every non-None Boolean as accepted.
```

**Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions` `xiaomi/mimo-v2.5-pro`

[`xiaomi/mimo-v2.5-pro`](https://ailoot.ai/models/fr-be/#m=xiaomi%2Fmimo-v2.5-pro&route=Ultra&caller=xiaomi%2Fmimo-v2.5-pro&fmt=chat)

Xiaomi /`xiaomi/mimo-v2.5-pro`

### Premiers pas

MiMo-V2.5-Pro est le modèle de Xiaomi axé sur le texte pour l’ingénierie logicielle complexe et les longs workflows d’agents. Son profil publié associe une architecture MoE de 1,02 T paramètres, dont 42 milliards actifs, et un contexte allant jusqu’à un million de tokens, avec un entraînement axé sur une utilisation cohérente des outils.

Entrées acceptées

Texte

Résultats

Texte

### Disponible dans Ailoot · entrées et méthodes

**Ailoot Ultra · Chat OpenAI** `POST /v1/chat/completions`

Entrée

`text`

Sortie

`text`

Format de sortie

json ou SSE

| Champ | Type | Exigence | Valeurs et limites | Par défaut |
| --- | --- | --- | --- | --- |
| Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites xiaomi/mimo-v2.5-pro | Par défaut— |
| Champ`messages` | Type`message[]` | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
| Champ`messages[].role` | Type`string` | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
| Champ`messages[].content` | Type`string\|content_part[]\|null` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`messages[].tool_calls` | Type`tool_call[]` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`messages[].tool_call_id` | Type`string` | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
| Champ`messages[].name` | Type`string` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`messages[].reasoning_content` | Type`string` | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
| Champ`messages[].reasoning_details` | Type`object\|array` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`max_tokens` | Type`integer` | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
| Champ`max_completion_tokens` | Type`integer` | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
| Champ`stream` | Type`boolean` | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
| Champ`stream_options.include_usage` | Type`boolean` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`temperature` | Type`number` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`top_p` | Type`number` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`stop` | Type`string\|string[]` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`tools` | Type`function_tool[]` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`tools[].type` | Type`string` | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
| Champ`tools[].function.name` | Type`string` | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
| Champ`tools[].function.description` | Type`string` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`tools[].function.parameters` | Type`JSON_schema` | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Champ`tool_choice` | Type`string\|object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`parallel_tool_calls` | Type`boolean` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`response_format` | Type`object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`reasoning_effort` | Type`string` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`reasoning` | Type`object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`service_tier` | Type`string` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`instructions` | Type`string` | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
| Champ`functions` | Type`function[]` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`function_call` | Type`string\|object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`prompt_cache_options` | Type`object` | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
| Champ`modalities` | Type`string[]` | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
| Champ`provider` | Type`object` | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
| Champ`cache_control.ttl` | Type`string` | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |

Combinaisons d’éléments d’entrée

**Texte** · Texte UTF8

`messages[].content`

Paramètres et cycle de vie de la méthode

| Paramètre | Contrat |
| --- | --- |
| Paramètre`content_type` | Contratapplication/json |
| Paramètre`required` | Contratmodel, messages |
| Paramètre`material_types` | Contrattext |
| Paramètre`messages` | Contrattableau de messages avec une structure role/content |
| Paramètre`file_material` | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
| Paramètre`optional_controls` | Contratstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice |
| Paramètre`control_scope` | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
| Paramètre`output_modalities` | Contrattext |
| Paramètre`hosted_operations` | Contratfalse |
| Paramètre`multimodal_input_binding` | Contratnull |

Cycle de vie : `synchronous_or_streamed`

Envoyez l’identifiant exact du modèle avec messages.

La longueur du contexte n’est pas un plafond de sortie.

Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.

### Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide

Tarif standard Lorsque le mode rapide est sélectionné

Mode Flex

Tarif standard Lorsque le mode flex est sélectionné

Effort de raisonnement maximal

Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

#### Tarifs Ailoot

#### Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
| --- | --- | --- | --- | --- |
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.00087** / 1K tokens Sortie · Tokens en sortie **$0.00174** / 1K tokens Entrée · Lecture du cache **$0.0000072** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.00087** / 1K tokens Sortie · Tokens en sortie **$0.00174** / 1K tokens Entrée · Lecture du cache **$0.0000072** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens |

Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr-be/billing/reserve/)

### Exemples de requêtes

#### Ailoot Ultra · Chat OpenAI

curlPython SDKStreaming Python

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "xiaomi/mimo-v2.5-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
```

```python
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='xiaomi/mimo-v2.5-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
```

```python
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='xiaomi/mimo-v2.5-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")
```

### Recevoir et enregistrer les résultats

#### Ailoot Ultra · Chat OpenAI

json ou SSE

##### Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.

##### Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse

| Champ | Type |
| --- | --- |
| Champ`choices[].index` | Typeinteger |
| Champ`choices[].message.content` | Typestring\|null |
| Champ`choices[].message.tool_calls` | Typetool\_call\[\] |
| Champ`choices[].message.reasoning_content` | Typestring |
| Champ`choices[].message.reasoning_details` | Typeobject\|array |
| Champ`choices[].finish_reason` | Typestring\|null |
| Champ`usage` | Typeobject |

Erreurs et étapes suivantes

| Réponse | Condition | Étape suivante |
| --- | --- | --- |
| Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |

### Alias

#### Alias du modèle

**Ailoot Ultra** [`xiaomi/mimo-v2.5-pro`](https://ailoot.ai/models/fr-be/#m=xiaomi%2Fmimo-v2.5-pro&route=Ultra&caller=xiaomi%2Fmimo-v2.5-pro&fmt=chat)

#### Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

#### ID d’appel associés

[`xiaomi/mimo-v2.5-pro`](https://ailoot.ai/models/fr-be/#m=xiaomi%2Fmimo-v2.5-pro&route=Ultra&caller=xiaomi%2Fmimo-v2.5-pro&fmt=chat)

**Ailoot Ultra · Messages Anthropic** `POST /v1/messages` `xiaomi/mimo-v2.5-pro`

[`xiaomi/mimo-v2.5-pro`](https://ailoot.ai/models/fr-be/#m=xiaomi%2Fmimo-v2.5-pro&route=Ultra&caller=xiaomi%2Fmimo-v2.5-pro&fmt=messages)

Xiaomi /`xiaomi/mimo-v2.5-pro`

### Premiers pas

MiMo-V2.5-Pro est le modèle de Xiaomi axé sur le texte pour l’ingénierie logicielle complexe et les longs workflows d’agents. Son profil publié associe une architecture MoE de 1,02 T paramètres, dont 42 milliards actifs, et un contexte allant jusqu’à un million de tokens, avec un entraînement axé sur une utilisation cohérente des outils.

Entrées acceptées

Texte

Résultats

json · sse

### Disponible dans Ailoot · entrées et méthodes

**Ailoot Ultra · Messages Anthropic** `POST /v1/messages`

Entrée

`text`

Sortie

`json`, `sse`

Format de sortie

JSON ou SSE

| Champ | Type | Exigence | Valeurs et limites | Par défaut |
| --- | --- | --- | --- | --- |
| Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites xiaomi/mimo-v2.5-pro | Par défaut— |
| Champ`messages` | Type`message[]` | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Champ`messages[].role` | Type`string` | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
| Champ`messages[].content` | Type`string` | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Champ`max_tokens` | Type`integer` | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Champ`stream` | Type`boolean` | ExigenceFacultatif | Valeurs et limites | Par défautfalse |

Combinaisons d’éléments d’entrée

**Texte** · Texte UTF-8

`chaîne messages[].content`

Paramètres et cycle de vie de la méthode

| Paramètre | Contrat |
| --- | --- |
| Paramètre`content_type` | Contratapplication/json |
| Paramètre`required` | Contratmodel, messages, max\_tokens |
| Paramètre`optional_controls` | Contratstream |
| Paramètre`material_types` | Contrattext |
| Paramètre`text_file_material` | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |

Cycle de vie : `synchronous_or_streamed`

### Tarifs

Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.

Mode rapide

Tarif standard Lorsque le mode rapide est sélectionné

Mode Flex

Tarif standard Lorsque le mode flex est sélectionné

Effort de raisonnement maximal

Tarif standard Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)

#### Tarifs Ailoot

#### Prix par configuration

Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.

| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
| --- | --- | --- | --- | --- |
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.00087** / 1K tokens Sortie · Tokens en sortie **$0.00174** / 1K tokens Entrée · Lecture du cache **$0.0000072** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée **$0.00087** / 1K tokens Sortie · Tokens en sortie **$0.00174** / 1K tokens Entrée · Lecture du cache **$0.0000072** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens |

Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr-be/billing/reserve/)

### Exemples de requêtes

#### Ailoot Ultra · Messages Anthropic

Corps JSON minimal completcurl · utilisez votre document UTF-8Python · enregistrez le résultat complet

```json
{
  "model": "xiaomi/mimo-v2.5-pro",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
```

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'xiaomi/mimo-v2.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
```

```python
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'xiaomi/mimo-v2.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
```

### Recevoir et enregistrer les résultats

#### Ailoot Ultra · Messages Anthropic

JSON ou SSE

##### Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.

##### Si la réponse d’origine doit être vérifiée

Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.

Champs de la réponse

| Champ | Type |
| --- | --- |
| Champ`id` | Typestring |
| Champ`model` | Typestring |
| Champ`content[]` | Typetext\|thinking\|tool\_use\|other content block |
| Champ`stop_reason` | Typestring\|null |
| Champ`usage` | Typeobject |

Erreurs et étapes suivantes

| Réponse | Condition | Étape suivante |
| --- | --- | --- |
| Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |

### Alias

#### Alias du modèle

**Ailoot Ultra** [`xiaomi/mimo-v2.5-pro`](https://ailoot.ai/models/fr-be/#m=xiaomi%2Fmimo-v2.5-pro&route=Ultra&caller=xiaomi%2Fmimo-v2.5-pro&fmt=messages)

#### Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

#### ID d’appel associés

[`xiaomi/mimo-v2.5-pro`](https://ailoot.ai/models/fr-be/#m=xiaomi%2Fmimo-v2.5-pro&route=Ultra&caller=xiaomi%2Fmimo-v2.5-pro&fmt=messages)

FAQ · Xiaomi: MiMo-V2.5-Pro

Quelles entrées et quels résultats sont disponibles ?

`POST /v1/chat/completions` · `xiaomi/mimo-v2.5-pro`: `text` → `text` `POST /v1/messages` · `xiaomi/mimo-v2.5-pro`: `text` → `json`, `sse`

Quels champs la requête utilise-t-elle ?

`POST /v1/chat/completions` · `xiaomi/mimo-v2.5-pro`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `xiaomi/mimo-v2.5-pro`: `model`, `messages`, `max_tokens`, `stream`

Quelles limites s’appliquent ?

`POST /v1/chat/completions` · `xiaomi/mimo-v2.5-pro`: `messages.min_items`: `1`

Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application.

## L’entreprise et son portefeuille de projets

L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois.

## Achetez des tokens à prix réduit.

Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens.

Abonnement

Choisissez une offre à tarif réduit pour vos requêtes régulières.

Code promo jusqu’à 50%

Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours.

Dépenses dans l’historique

Modèle, tokens et montant sont enregistrés pour chaque requête.

[Choisir un abonnement](https://ailoot.ai/docs/fr-be/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr-be/)

## Connectez l’API au produit que vous vendez.

SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur.

Application commerciale

Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service.

Licence revendeur

Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente.

Documents sur le site

L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion.

[Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr-be)

## Ailoot · L’entreprise et son portefeuille de projets





Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI.





L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois.





Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.