MiMo-V2.6-Pro-UltraSpeed est le mode UltraSpeed de Xiaomi pour le modèle MiMo-V2.6-Pro. Le fabricant le présente pour les interactions et les workflows sensibles au temps de génération, tout en décrivant la qualité de sa sortie comme équivalente à Pro. UltraSpeed désigne une manière d’exécuter le modèle Pro plutôt que le modèle Flash, plus petit. Choisissez-le lorsqu’il est important d’obtenir rapidement la réponse suivante dans une tâche longue, en conservant les mêmes exigences pour le livrable final.
La famille Pro sous-jacente est nativement omnimodale et comprend le texte, les images, la vidéo et l’audio. Son profil de modèle Pro publié décrit une architecture parcimonieuse à mélange d’experts avec 1 020 milliards de paramètres au total, dont 42 milliards activés, et un contexte d’un million de tokens. Des encodeurs dédiés à la vision et à l’audio relient les entrées multimédias au réseau linguistique principal. Le résultat direct est du texte ou des directives d’outils ; toute scène rendue, tout fichier modifié ou tout média généré dépend des outils utilisés par l’application.
L’entraînement V2.6 de Xiaomi mêle programmation, tâches générales d’agents, tâches visuelles et cybersécurité dans différents environnements. Son processus de retour compare les trajectoires de tâches et utilise à la fois les résultats des tests et des critères de qualité, dans le but de développer des stratégies utiles au fil d’interactions prolongées. Préparez un brief indiquant l’objectif, les éléments disponibles et ce qui définira l’achèvement. Une génération plus rapide est utile si elle fait avancer ces interactions ; elle ne remplace pas la vérification que chaque étape répond à la question ou modifie le livrable visé.
Pour un assistant de programmation, fournissez les fichiers concernés, le comportement demandé et l’échec ou le résultat des vérifications qui motive le travail. Demandez la prochaine modification ciblée, puis renvoyez le résultat réel des outils d’exécution utilisés. Une réponse finale utile explique le comportement modifié, les fichiers concernés et les vérifications réellement effectuées. Distinguez les opérations proposées de celles qui sont terminées afin qu’une séquence rapide de réponses reste traçable jusqu’au travail observable.
Les exemples V2.6 du fabricant étendent la programmation aux jeux, objets 3D et scènes interactives, avec des retours visuels pour affiner leur implémentation. Pour une tâche de conception, combinez un brief textuel avec des images de référence ou un enregistrement et précisez les commandes requises, la mise en page et les critères visuels d’achèvement. Une proposition de scène ou d’interface peut alors guider les outils de production appropriés. Conservez le résultat rendu et les constats de son inspection au lieu de considérer le code initial ou les consignes de scène comme un livrable visuel terminé.
Pour les présentations et les workflows vidéo, définissez le public, le contenu requis, l’enchaînement prévu et les éléments qui doivent rester cohérents. Xiaomi décrit la famille Pro travaillant avec des outils de conception, d’image, de vidéo et de narration ; il s’agit de workflows d’appui, et non de sorties multimédias natives supplémentaires du modèle textuel. Le livrable utile peut être une structure de diapositives, une séquence de plans ou un ensemble de consignes de production suffisamment détaillé pour exécuter et inspecter l’étape suivante.
Pour la recherche, fournissez la question et des sources faisant autorité, et demandez au modèle de distinguer les faits, les hypothèses et les calculs. Les exemples Pro de Xiaomi comprennent l’examen de publications et de brevets, le criblage informatique de matériaux, les partitions musicales et MIDI, ainsi que la formalisation mathématique vérifiée avec Lean. Conservez les sorties des outils de recherche ou de vérification réellement utilisés. Un candidat simulé ou une preuve proposée doit rester identifié comme tel jusqu’à l’achèvement de l’expérience physique ou de la vérification formelle correspondante.
Conservez l’identité Pro-UltraSpeed avec le résultat lorsque vous le comparez à Pro ordinaire ou à Flash. Organisez les historiques longs autour de l’objectif et des décisions qui doivent rester stables, et laissez de la place pour la réponse et les retours continus des outils. Vérifiez le code, les observations, les calculs et les affirmations importants par rapport à leurs sources. Ce mode vise une génération Pro plus rapide ; le livrable terminé doit toujours satisfaire les mêmes critères propres à la tâche.
", "aboutText": "MiMo-V2.6-Pro-UltraSpeed est le mode UltraSpeed de Xiaomi pour le modèle MiMo-V2.6-Pro. Le fabricant le présente pour les interactions et les workflows sensibles au temps de génération, tout en décrivant la qualité de sa sortie comme équivalente à Pro. UltraSpeed désigne une manière d’exécuter le modèle Pro plutôt que le modèle Flash, plus petit. Choisissez-le lorsqu’il est important d’obtenir rapidement la réponse suivante dans une tâche longue, en conservant les mêmes exigences pour le livrable final.\n\nLa famille Pro sous-jacente est nativement omnimodale et comprend le texte, les images, la vidéo et l’audio. Son profil de modèle Pro publié décrit une architecture parcimonieuse à mélange d’experts avec 1 020 milliards de paramètres au total, dont 42 milliards activés, et un contexte d’un million de tokens. Des encodeurs dédiés à la vision et à l’audio relient les entrées multimédias au réseau linguistique principal. Le résultat direct est du texte ou des directives d’outils ; toute scène rendue, tout fichier modifié ou tout média généré dépend des outils utilisés par l’application.\n\nL’entraînement V2.6 de Xiaomi mêle programmation, tâches générales d’agents, tâches visuelles et cybersécurité dans différents environnements. Son processus de retour compare les trajectoires de tâches et utilise à la fois les résultats des tests et des critères de qualité, dans le but de développer des stratégies utiles au fil d’interactions prolongées. Préparez un brief indiquant l’objectif, les éléments disponibles et ce qui définira l’achèvement. Une génération plus rapide est utile si elle fait avancer ces interactions ; elle ne remplace pas la vérification que chaque étape répond à la question ou modifie le livrable visé.\n\nPour un assistant de programmation, fournissez les fichiers concernés, le comportement demandé et l’échec ou le résultat des vérifications qui motive le travail. Demandez la prochaine modification ciblée, puis renvoyez le résultat réel des outils d’exécution utilisés. Une réponse finale utile explique le comportement modifié, les fichiers concernés et les vérifications réellement effectuées. Distinguez les opérations proposées de celles qui sont terminées afin qu’une séquence rapide de réponses reste traçable jusqu’au travail observable.\n\nLes exemples V2.6 du fabricant étendent la programmation aux jeux, objets 3D et scènes interactives, avec des retours visuels pour affiner leur implémentation. Pour une tâche de conception, combinez un brief textuel avec des images de référence ou un enregistrement et précisez les commandes requises, la mise en page et les critères visuels d’achèvement. Une proposition de scène ou d’interface peut alors guider les outils de production appropriés. Conservez le résultat rendu et les constats de son inspection au lieu de considérer le code initial ou les consignes de scène comme un livrable visuel terminé.\n\nPour les présentations et les workflows vidéo, définissez le public, le contenu requis, l’enchaînement prévu et les éléments qui doivent rester cohérents. Xiaomi décrit la famille Pro travaillant avec des outils de conception, d’image, de vidéo et de narration ; il s’agit de workflows d’appui, et non de sorties multimédias natives supplémentaires du modèle textuel. Le livrable utile peut être une structure de diapositives, une séquence de plans ou un ensemble de consignes de production suffisamment détaillé pour exécuter et inspecter l’étape suivante.\n\nPour la recherche, fournissez la question et des sources faisant autorité, et demandez au modèle de distinguer les faits, les hypothèses et les calculs. Les exemples Pro de Xiaomi comprennent l’examen de publications et de brevets, le criblage informatique de matériaux, les partitions musicales et MIDI, ainsi que la formalisation mathématique vérifiée avec Lean. Conservez les sorties des outils de recherche ou de vérification réellement utilisés. Un candidat simulé ou une preuve proposée doit rester identifié comme tel jusqu’à l’achèvement de l’expérience physique ou de la vérification formelle correspondante.\n\nConservez l’identité Pro-UltraSpeed avec le résultat lorsque vous le comparez à Pro ordinaire ou à Flash. Organisez les historiques longs autour de l’objectif et des décisions qui doivent rester stables, et laissez de la place pour la réponse et les retours continus des outils. Vérifiez le code, les observations, les calculs et les affirmations importants par rapport à leurs sources. Ce mode vise une génération Pro plus rapide ; le livrable terminé doit toujours satisfaire les mêmes critères propres à la tâche.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Revise a failing total calculation\n\nUse this code and reported check: def total(rows): return sum(row["price"] for row in rows). Input is [{"price": 3, "qty": 2}, {"price": 5, "qty": 1}]; reported output is 8, required output is 11. Propose the next focused change and checks for multiple quantities and an empty input. Do not claim to run them.A focused Python correction with a diagnosis and two proposed checks tied to the quantity requirement.Verify each unit price is multiplied by its row quantity and proposed checks remain distinct from executed results.xiaomi/mimo-v2.6-pro-ultraspeedMiMo-V2.6-Pro-UltraSpeed est le mode de génération plus rapide de Xiaomi pour MiMo-V2.6-Pro. Il conserve la compréhension omnimodale de la famille Pro et son périmètre de tâches étendues de programmation, de conception et de recherche, tout en faisant de la rapidité de réponse la particularité du mode.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
MiMo-V2.6-Pro-UltraSpeed est le mode UltraSpeed de Xiaomi pour le modèle MiMo-V2.6-Pro. Le fabricant le présente pour les interactions et les workflows sensibles au temps de génération, tout en décrivant la qualité de sa sortie comme équivalente à Pro. UltraSpeed désigne une manière d’exécuter le modèle Pro plutôt que le modèle Flash, plus petit. Choisissez-le lorsqu’il est important d’obtenir rapidement la réponse suivante dans une tâche longue, en conservant les mêmes exigences pour le livrable final.
La famille Pro sous-jacente est nativement omnimodale et comprend le texte, les images, la vidéo et l’audio. Son profil de modèle Pro publié décrit une architecture parcimonieuse à mélange d’experts avec 1 020 milliards de paramètres au total, dont 42 milliards activés, et un contexte d’un million de tokens. Des encodeurs dédiés à la vision et à l’audio relient les entrées multimédias au réseau linguistique principal. Le résultat direct est du texte ou des directives d’outils ; toute scène rendue, tout fichier modifié ou tout média généré dépend des outils utilisés par l’application.
L’entraînement V2.6 de Xiaomi mêle programmation, tâches générales d’agents, tâches visuelles et cybersécurité dans différents environnements. Son processus de retour compare les trajectoires de tâches et utilise à la fois les résultats des tests et des critères de qualité, dans le but de développer des stratégies utiles au fil d’interactions prolongées. Préparez un brief indiquant l’objectif, les éléments disponibles et ce qui définira l’achèvement. Une génération plus rapide est utile si elle fait avancer ces interactions ; elle ne remplace pas la vérification que chaque étape répond à la question ou modifie le livrable visé.
Pour un assistant de programmation, fournissez les fichiers concernés, le comportement demandé et l’échec ou le résultat des vérifications qui motive le travail. Demandez la prochaine modification ciblée, puis renvoyez le résultat réel des outils d’exécution utilisés. Une réponse finale utile explique le comportement modifié, les fichiers concernés et les vérifications réellement effectuées. Distinguez les opérations proposées de celles qui sont terminées afin qu’une séquence rapide de réponses reste traçable jusqu’au travail observable.
Les exemples V2.6 du fabricant étendent la programmation aux jeux, objets 3D et scènes interactives, avec des retours visuels pour affiner leur implémentation. Pour une tâche de conception, combinez un brief textuel avec des images de référence ou un enregistrement et précisez les commandes requises, la mise en page et les critères visuels d’achèvement. Une proposition de scène ou d’interface peut alors guider les outils de production appropriés. Conservez le résultat rendu et les constats de son inspection au lieu de considérer le code initial ou les consignes de scène comme un livrable visuel terminé.
Pour les présentations et les workflows vidéo, définissez le public, le contenu requis, l’enchaînement prévu et les éléments qui doivent rester cohérents. Xiaomi décrit la famille Pro travaillant avec des outils de conception, d’image, de vidéo et de narration ; il s’agit de workflows d’appui, et non de sorties multimédias natives supplémentaires du modèle textuel. Le livrable utile peut être une structure de diapositives, une séquence de plans ou un ensemble de consignes de production suffisamment détaillé pour exécuter et inspecter l’étape suivante.
Pour la recherche, fournissez la question et des sources faisant autorité, et demandez au modèle de distinguer les faits, les hypothèses et les calculs. Les exemples Pro de Xiaomi comprennent l’examen de publications et de brevets, le criblage informatique de matériaux, les partitions musicales et MIDI, ainsi que la formalisation mathématique vérifiée avec Lean. Conservez les sorties des outils de recherche ou de vérification réellement utilisés. Un candidat simulé ou une preuve proposée doit rester identifié comme tel jusqu’à l’achèvement de l’expérience physique ou de la vérification formelle correspondante.
Conservez l’identité Pro-UltraSpeed avec le résultat lorsque vous le comparez à Pro ordinaire ou à Flash. Organisez les historiques longs autour de l’objectif et des décisions qui doivent rester stables, et laissez de la place pour la réponse et les retours continus des outils. Vérifiez le code, les observations, les calculs et les affirmations importants par rapport à leurs sources. Ce mode vise une génération Pro plus rapide ; le livrable terminé doit toujours satisfaire les mêmes critères propres à la tâche.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites xiaomi/mimo-v2.6-pro-ultraspeed | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | 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— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_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.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
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 $0.0087 / 1K tokens Sortie · Tokens en sortie $0.0174 / 1K tokens Entrée · Lecture du cache $0.000072 / 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 $0.0087 / 1K tokens Sortie · Tokens en sortie $0.0174 / 1K tokens Entrée · Lecture du cache $0.000072 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.6-pro-ultraspeed", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='xiaomi/mimo-v2.6-pro-ultraspeed',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='xiaomi/mimo-v2.6-pro-ultraspeed',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
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.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| 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. |
Ailoot Ultra xiaomi/mimo-v2.6-pro-ultraspeed
Utilisez les chemins de méthode indiqués ci-dessus.
xiaomi/mimo-v2.6-pro-ultraspeedMiMo-V2.6-Pro-UltraSpeed est le mode de génération plus rapide de Xiaomi pour MiMo-V2.6-Pro. Il conserve la compréhension omnimodale de la famille Pro et son périmètre de tâches étendues de programmation, de conception et de recherche, tout en faisant de la rapidité de réponse la particularité du mode.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
MiMo-V2.6-Pro-UltraSpeed est le mode UltraSpeed de Xiaomi pour le modèle MiMo-V2.6-Pro. Le fabricant le présente pour les interactions et les workflows sensibles au temps de génération, tout en décrivant la qualité de sa sortie comme équivalente à Pro. UltraSpeed désigne une manière d’exécuter le modèle Pro plutôt que le modèle Flash, plus petit. Choisissez-le lorsqu’il est important d’obtenir rapidement la réponse suivante dans une tâche longue, en conservant les mêmes exigences pour le livrable final.
La famille Pro sous-jacente est nativement omnimodale et comprend le texte, les images, la vidéo et l’audio. Son profil de modèle Pro publié décrit une architecture parcimonieuse à mélange d’experts avec 1 020 milliards de paramètres au total, dont 42 milliards activés, et un contexte d’un million de tokens. Des encodeurs dédiés à la vision et à l’audio relient les entrées multimédias au réseau linguistique principal. Le résultat direct est du texte ou des directives d’outils ; toute scène rendue, tout fichier modifié ou tout média généré dépend des outils utilisés par l’application.
L’entraînement V2.6 de Xiaomi mêle programmation, tâches générales d’agents, tâches visuelles et cybersécurité dans différents environnements. Son processus de retour compare les trajectoires de tâches et utilise à la fois les résultats des tests et des critères de qualité, dans le but de développer des stratégies utiles au fil d’interactions prolongées. Préparez un brief indiquant l’objectif, les éléments disponibles et ce qui définira l’achèvement. Une génération plus rapide est utile si elle fait avancer ces interactions ; elle ne remplace pas la vérification que chaque étape répond à la question ou modifie le livrable visé.
Pour un assistant de programmation, fournissez les fichiers concernés, le comportement demandé et l’échec ou le résultat des vérifications qui motive le travail. Demandez la prochaine modification ciblée, puis renvoyez le résultat réel des outils d’exécution utilisés. Une réponse finale utile explique le comportement modifié, les fichiers concernés et les vérifications réellement effectuées. Distinguez les opérations proposées de celles qui sont terminées afin qu’une séquence rapide de réponses reste traçable jusqu’au travail observable.
Les exemples V2.6 du fabricant étendent la programmation aux jeux, objets 3D et scènes interactives, avec des retours visuels pour affiner leur implémentation. Pour une tâche de conception, combinez un brief textuel avec des images de référence ou un enregistrement et précisez les commandes requises, la mise en page et les critères visuels d’achèvement. Une proposition de scène ou d’interface peut alors guider les outils de production appropriés. Conservez le résultat rendu et les constats de son inspection au lieu de considérer le code initial ou les consignes de scène comme un livrable visuel terminé.
Pour les présentations et les workflows vidéo, définissez le public, le contenu requis, l’enchaînement prévu et les éléments qui doivent rester cohérents. Xiaomi décrit la famille Pro travaillant avec des outils de conception, d’image, de vidéo et de narration ; il s’agit de workflows d’appui, et non de sorties multimédias natives supplémentaires du modèle textuel. Le livrable utile peut être une structure de diapositives, une séquence de plans ou un ensemble de consignes de production suffisamment détaillé pour exécuter et inspecter l’étape suivante.
Pour la recherche, fournissez la question et des sources faisant autorité, et demandez au modèle de distinguer les faits, les hypothèses et les calculs. Les exemples Pro de Xiaomi comprennent l’examen de publications et de brevets, le criblage informatique de matériaux, les partitions musicales et MIDI, ainsi que la formalisation mathématique vérifiée avec Lean. Conservez les sorties des outils de recherche ou de vérification réellement utilisés. Un candidat simulé ou une preuve proposée doit rester identifié comme tel jusqu’à l’achèvement de l’expérience physique ou de la vérification formelle correspondante.
Conservez l’identité Pro-UltraSpeed avec le résultat lorsque vous le comparez à Pro ordinaire ou à Flash. Organisez les historiques longs autour de l’objectif et des décisions qui doivent rester stables, et laissez de la place pour la réponse et les retours continus des outils. Vérifiez le code, les observations, les calculs et les affirmations importants par rapport à leurs sources. Ce mode vise une génération Pro plus rapide ; le livrable terminé doit toujours satisfaire les mêmes critères propres à la tâche.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites xiaomi/mimo-v2.6-pro-ultraspeed | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_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
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
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 $0.0087 / 1K tokens Sortie · Tokens en sortie $0.0174 / 1K tokens Entrée · Lecture du cache $0.000072 / 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 $0.0087 / 1K tokens Sortie · Tokens en sortie $0.0174 / 1K tokens Entrée · Lecture du cache $0.000072 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "xiaomi/mimo-v2.6-pro-ultraspeed",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'xiaomi/mimo-v2.6-pro-ultraspeed', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'xiaomi/mimo-v2.6-pro-ultraspeed', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
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.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| 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. |
Ailoot Ultra xiaomi/mimo-v2.6-pro-ultraspeed
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Revise a failing total calculation\n\nUse this code and reported check: def total(rows): return sum(row["price"] for row in rows). Input is [{"price": 3, "qty": 2}, {"price": 5, "qty": 1}]; reported output is 8, required output is 11. Propose the next focused change and checks for multiple quantities and an empty input. Do not claim to run them.A focused Python correction with a diagnosis and two proposed checks tied to the quantity requirement.Verify each unit price is multiplied by its row quantity and proposed checks remain distinct from executed results.