MiMo-V2.5 est le modèle omnimodal natif de Xiaomi, conçu pour comprendre le texte, les images, la vidéo et l’audio dans une seule architecture. Il combine la perception multimodale, le raisonnement à long contexte et les flux de travail d’agents. Le fabricant décrit un mélange d’experts creux de 310B paramètres au total et 15B paramètres activés. Sa réponse est un livrable textuel ou une instruction d’outil utilisable par une application compatible; comprendre une entrée audio ou visuelle est distinct de générer de nouveaux médias.
Le réseau de langage s’appuie sur l’architecture MiMo-V2-Flash et combine l’attention à fenêtre glissante et l’attention globale selon un schéma 5:1, avec une fenêtre locale de 128 jetons. Xiaomi ajoute un transformeur visuel dédié de 729M paramètres et un encodeur audio de 261M paramètres initialisé à partir de MiMo-Audio. Trois modules de prédiction de plusieurs jetons prennent en charge le décodage spéculatif. La fenêtre d’attention locale est un détail architectural; le fabricant annonce un contexte beaucoup plus grand, allant jusqu’à un million de jetons, pour l’historique de tâche combiné.
Pour analyser une image, fournissez une source lisible et précisez la relation ou le détail à expliquer. Une tâche documentaire peut demander un tableau des champs observés avec la page ou la zone correspondante; une tâche de design peut relier la disposition d’une capture d’écran à une exigence d’implémentation. Conservez l’image source afin de vérifier les petits caractères, les nombres ou les observations spatiales. Demandez au modèle de rendre visibles les éléments incertains plutôt que de transformer une marque indistincte en valeur affirmée.
Pour la vidéo ou l’audio, accompagnez les éléments fournis d’une question ciblée et du contexte nécessaire à leur interprétation. Un flux utile consiste à expliquer une séquence d’actions d’interface à partir d’un enregistrement, à repérer où le comportement observé s’écarte des étapes prévues et à préparer un diagnostic lié à l’intervalle pertinent. Préservez la chronologie et l’enregistrement original pour la révision. La sortie textuelle peut alimenter ensuite un rapport, un sous-titrage ou une étape de montage sans être présentée comme une nouvelle vidéo ou piste vocale générée.
Pour une tâche d’agent, fournissez l’objectif, les sources pertinentes et les contrats d’entrée des outils exposés par l’application. Conservez les sorties réelles des outils dans l’historique pour que le modèle adapte l’étape suivante aux faits observés. Une tâche de dépôt peut combiner du code, une capture du résultat et la sortie d’une vérification afin de produire une proposition de modification ciblée. Notez si l’opération proposée a été exécutée et si le livrable observé satisfait le comportement demandé.
La séquence d’entraînement du fabricant commence par le préentraînement textuel, prépare les projecteurs visuels et audio, puis se poursuit par le préentraînement multimodal. L’entraînement supervisé d’agents étend progressivement le contexte de 32K à 256K, puis à 1M; l’apprentissage par renforcement et la distillation on-policy à plusieurs enseignants développent ensuite la perception, le raisonnement et le comportement d’agent. Le fabricant annonce environ 48 billions de jetons d’entraînement. Cet historique explique l’étendue combinée des entrées et des tâches sans garantir le traitement d’un enregistrement ou d’un dépôt précis.
Le résumé du modèle annonce jusqu’à 1M jetons, tandis que l’exemple de mise en service publié utilise un contexte de 262 144 jetons. Distinguez la capacité du modèle de la fenêtre de travail de l’implémentation choisie et laissez de la place pour la réponse générée et les résultats d’outils suivants. Xiaomi recommande temperature 1.0 et top_p 0.95 pour l’inférence locale. Le prétraitement des médias et les réglages applicatifs doivent suivre l’interface précise utilisée.
MiMo-V2.5 est le modèle omnimodal apparenté à MiMo-V2.5-Pro, plus grand et centré sur le texte. Conservez cette distinction d’édition dans le résultat enregistré. Le livrable utile est une explication, une extraction ou une proposition de modification liée au texte et aux médias fournis, avec les observations incertaines et les résultats d’outils non vérifiés accessibles à la correction.
", "aboutText": "MiMo-V2.5 est le modèle omnimodal natif de Xiaomi, conçu pour comprendre le texte, les images, la vidéo et l’audio dans une seule architecture. Il combine la perception multimodale, le raisonnement à long contexte et les flux de travail d’agents. Le fabricant décrit un mélange d’experts creux de 310B paramètres au total et 15B paramètres activés. Sa réponse est un livrable textuel ou une instruction d’outil utilisable par une application compatible; comprendre une entrée audio ou visuelle est distinct de générer de nouveaux médias.\n\nLe réseau de langage s’appuie sur l’architecture MiMo-V2-Flash et combine l’attention à fenêtre glissante et l’attention globale selon un schéma 5:1, avec une fenêtre locale de 128 jetons. Xiaomi ajoute un transformeur visuel dédié de 729M paramètres et un encodeur audio de 261M paramètres initialisé à partir de MiMo-Audio. Trois modules de prédiction de plusieurs jetons prennent en charge le décodage spéculatif. La fenêtre d’attention locale est un détail architectural; le fabricant annonce un contexte beaucoup plus grand, allant jusqu’à un million de jetons, pour l’historique de tâche combiné.\n\nPour analyser une image, fournissez une source lisible et précisez la relation ou le détail à expliquer. Une tâche documentaire peut demander un tableau des champs observés avec la page ou la zone correspondante; une tâche de design peut relier la disposition d’une capture d’écran à une exigence d’implémentation. Conservez l’image source afin de vérifier les petits caractères, les nombres ou les observations spatiales. Demandez au modèle de rendre visibles les éléments incertains plutôt que de transformer une marque indistincte en valeur affirmée.\n\nPour la vidéo ou l’audio, accompagnez les éléments fournis d’une question ciblée et du contexte nécessaire à leur interprétation. Un flux utile consiste à expliquer une séquence d’actions d’interface à partir d’un enregistrement, à repérer où le comportement observé s’écarte des étapes prévues et à préparer un diagnostic lié à l’intervalle pertinent. Préservez la chronologie et l’enregistrement original pour la révision. La sortie textuelle peut alimenter ensuite un rapport, un sous-titrage ou une étape de montage sans être présentée comme une nouvelle vidéo ou piste vocale générée.\n\nPour une tâche d’agent, fournissez l’objectif, les sources pertinentes et les contrats d’entrée des outils exposés par l’application. Conservez les sorties réelles des outils dans l’historique pour que le modèle adapte l’étape suivante aux faits observés. Une tâche de dépôt peut combiner du code, une capture du résultat et la sortie d’une vérification afin de produire une proposition de modification ciblée. Notez si l’opération proposée a été exécutée et si le livrable observé satisfait le comportement demandé.\n\nLa séquence d’entraînement du fabricant commence par le préentraînement textuel, prépare les projecteurs visuels et audio, puis se poursuit par le préentraînement multimodal. L’entraînement supervisé d’agents étend progressivement le contexte de 32K à 256K, puis à 1M; l’apprentissage par renforcement et la distillation on-policy à plusieurs enseignants développent ensuite la perception, le raisonnement et le comportement d’agent. Le fabricant annonce environ 48 billions de jetons d’entraînement. Cet historique explique l’étendue combinée des entrées et des tâches sans garantir le traitement d’un enregistrement ou d’un dépôt précis.\n\nLe résumé du modèle annonce jusqu’à 1M jetons, tandis que l’exemple de mise en service publié utilise un contexte de 262 144 jetons. Distinguez la capacité du modèle de la fenêtre de travail de l’implémentation choisie et laissez de la place pour la réponse générée et les résultats d’outils suivants. Xiaomi recommande temperature 1.0 et top_p 0.95 pour l’inférence locale. Le prétraitement des médias et les réglages applicatifs doivent suivre l’interface précise utilisée.\n\nMiMo-V2.5 est le modèle omnimodal apparenté à MiMo-V2.5-Pro, plus grand et centré sur le texte. Conservez cette distinction d’édition dans le résultat enregistré. Le livrable utile est une explication, une extraction ou une proposition de modification liée au texte et aux médias fournis, avec les observations incertaines et les résultats d’outils non vérifiés accessibles à la correction.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.xiaomi/mimo-v2.5MiMo-V2.5 comprend le texte, les images, la vidéo et l’audio dans un seul modèle pour l’analyse multimodale et les tâches d’agents. Xiaomi documente 310 milliards de paramètres au total, 15 milliards de paramètres actifs et jusqu’à un million de jetons de contexte, avec des encodeurs dédiés à la vision et à l’audio.
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 est le modèle omnimodal natif de Xiaomi, conçu pour comprendre le texte, les images, la vidéo et l’audio dans une seule architecture. Il combine la perception multimodale, le raisonnement à long contexte et les flux de travail d’agents. Le fabricant décrit un mélange d’experts creux de 310B paramètres au total et 15B paramètres activés. Sa réponse est un livrable textuel ou une instruction d’outil utilisable par une application compatible; comprendre une entrée audio ou visuelle est distinct de générer de nouveaux médias.
Le réseau de langage s’appuie sur l’architecture MiMo-V2-Flash et combine l’attention à fenêtre glissante et l’attention globale selon un schéma 5:1, avec une fenêtre locale de 128 jetons. Xiaomi ajoute un transformeur visuel dédié de 729M paramètres et un encodeur audio de 261M paramètres initialisé à partir de MiMo-Audio. Trois modules de prédiction de plusieurs jetons prennent en charge le décodage spéculatif. La fenêtre d’attention locale est un détail architectural; le fabricant annonce un contexte beaucoup plus grand, allant jusqu’à un million de jetons, pour l’historique de tâche combiné.
Pour analyser une image, fournissez une source lisible et précisez la relation ou le détail à expliquer. Une tâche documentaire peut demander un tableau des champs observés avec la page ou la zone correspondante; une tâche de design peut relier la disposition d’une capture d’écran à une exigence d’implémentation. Conservez l’image source afin de vérifier les petits caractères, les nombres ou les observations spatiales. Demandez au modèle de rendre visibles les éléments incertains plutôt que de transformer une marque indistincte en valeur affirmée.
Pour la vidéo ou l’audio, accompagnez les éléments fournis d’une question ciblée et du contexte nécessaire à leur interprétation. Un flux utile consiste à expliquer une séquence d’actions d’interface à partir d’un enregistrement, à repérer où le comportement observé s’écarte des étapes prévues et à préparer un diagnostic lié à l’intervalle pertinent. Préservez la chronologie et l’enregistrement original pour la révision. La sortie textuelle peut alimenter ensuite un rapport, un sous-titrage ou une étape de montage sans être présentée comme une nouvelle vidéo ou piste vocale générée.
Pour une tâche d’agent, fournissez l’objectif, les sources pertinentes et les contrats d’entrée des outils exposés par l’application. Conservez les sorties réelles des outils dans l’historique pour que le modèle adapte l’étape suivante aux faits observés. Une tâche de dépôt peut combiner du code, une capture du résultat et la sortie d’une vérification afin de produire une proposition de modification ciblée. Notez si l’opération proposée a été exécutée et si le livrable observé satisfait le comportement demandé.
La séquence d’entraînement du fabricant commence par le préentraînement textuel, prépare les projecteurs visuels et audio, puis se poursuit par le préentraînement multimodal. L’entraînement supervisé d’agents étend progressivement le contexte de 32K à 256K, puis à 1M; l’apprentissage par renforcement et la distillation on-policy à plusieurs enseignants développent ensuite la perception, le raisonnement et le comportement d’agent. Le fabricant annonce environ 48 billions de jetons d’entraînement. Cet historique explique l’étendue combinée des entrées et des tâches sans garantir le traitement d’un enregistrement ou d’un dépôt précis.
Le résumé du modèle annonce jusqu’à 1M jetons, tandis que l’exemple de mise en service publié utilise un contexte de 262 144 jetons. Distinguez la capacité du modèle de la fenêtre de travail de l’implémentation choisie et laissez de la place pour la réponse générée et les résultats d’outils suivants. Xiaomi recommande temperature 1.0 et top_p 0.95 pour l’inférence locale. Le prétraitement des médias et les réglages applicatifs doivent suivre l’interface précise utilisée.
MiMo-V2.5 est le modèle omnimodal apparenté à MiMo-V2.5-Pro, plus grand et centré sur le texte. Conservez cette distinction d’édition dans le résultat enregistré. Le livrable utile est une explication, une extraction ou une proposition de modification liée au texte et aux médias fournis, avec les observations incertaines et les résultats d’outils non vérifiés accessibles à la correction.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites xiaomi/mimo-v2.5 | 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’ID 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: Fonction fournie comme outil | 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 refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | 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 comme texte littéral ; aucun ID 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’ID 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/objet 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00028 / 1K jetons Sortie · Jetons en sortie $0.00056 / 1K jetons Entrée · Lecture du cache $0.0000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00028 / 1K jetons Sortie · Jetons en sortie $0.00056 / 1K jetons Entrée · Lecture du cache $0.0000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.5", "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-v2.5',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-v2.5',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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra xiaomi/mimo-v2.5
Utilisez les chemins de méthode indiqués ci-dessus.
xiaomi/mimo-v2.5MiMo-V2.5 comprend le texte, les images, la vidéo et l’audio dans un seul modèle pour l’analyse multimodale et les tâches d’agents. Xiaomi documente 310 milliards de paramètres au total, 15 milliards de paramètres actifs et jusqu’à un million de jetons de contexte, avec des encodeurs dédiés à la vision et à l’audio.
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 est le modèle omnimodal natif de Xiaomi, conçu pour comprendre le texte, les images, la vidéo et l’audio dans une seule architecture. Il combine la perception multimodale, le raisonnement à long contexte et les flux de travail d’agents. Le fabricant décrit un mélange d’experts creux de 310B paramètres au total et 15B paramètres activés. Sa réponse est un livrable textuel ou une instruction d’outil utilisable par une application compatible; comprendre une entrée audio ou visuelle est distinct de générer de nouveaux médias.
Le réseau de langage s’appuie sur l’architecture MiMo-V2-Flash et combine l’attention à fenêtre glissante et l’attention globale selon un schéma 5:1, avec une fenêtre locale de 128 jetons. Xiaomi ajoute un transformeur visuel dédié de 729M paramètres et un encodeur audio de 261M paramètres initialisé à partir de MiMo-Audio. Trois modules de prédiction de plusieurs jetons prennent en charge le décodage spéculatif. La fenêtre d’attention locale est un détail architectural; le fabricant annonce un contexte beaucoup plus grand, allant jusqu’à un million de jetons, pour l’historique de tâche combiné.
Pour analyser une image, fournissez une source lisible et précisez la relation ou le détail à expliquer. Une tâche documentaire peut demander un tableau des champs observés avec la page ou la zone correspondante; une tâche de design peut relier la disposition d’une capture d’écran à une exigence d’implémentation. Conservez l’image source afin de vérifier les petits caractères, les nombres ou les observations spatiales. Demandez au modèle de rendre visibles les éléments incertains plutôt que de transformer une marque indistincte en valeur affirmée.
Pour la vidéo ou l’audio, accompagnez les éléments fournis d’une question ciblée et du contexte nécessaire à leur interprétation. Un flux utile consiste à expliquer une séquence d’actions d’interface à partir d’un enregistrement, à repérer où le comportement observé s’écarte des étapes prévues et à préparer un diagnostic lié à l’intervalle pertinent. Préservez la chronologie et l’enregistrement original pour la révision. La sortie textuelle peut alimenter ensuite un rapport, un sous-titrage ou une étape de montage sans être présentée comme une nouvelle vidéo ou piste vocale générée.
Pour une tâche d’agent, fournissez l’objectif, les sources pertinentes et les contrats d’entrée des outils exposés par l’application. Conservez les sorties réelles des outils dans l’historique pour que le modèle adapte l’étape suivante aux faits observés. Une tâche de dépôt peut combiner du code, une capture du résultat et la sortie d’une vérification afin de produire une proposition de modification ciblée. Notez si l’opération proposée a été exécutée et si le livrable observé satisfait le comportement demandé.
La séquence d’entraînement du fabricant commence par le préentraînement textuel, prépare les projecteurs visuels et audio, puis se poursuit par le préentraînement multimodal. L’entraînement supervisé d’agents étend progressivement le contexte de 32K à 256K, puis à 1M; l’apprentissage par renforcement et la distillation on-policy à plusieurs enseignants développent ensuite la perception, le raisonnement et le comportement d’agent. Le fabricant annonce environ 48 billions de jetons d’entraînement. Cet historique explique l’étendue combinée des entrées et des tâches sans garantir le traitement d’un enregistrement ou d’un dépôt précis.
Le résumé du modèle annonce jusqu’à 1M jetons, tandis que l’exemple de mise en service publié utilise un contexte de 262 144 jetons. Distinguez la capacité du modèle de la fenêtre de travail de l’implémentation choisie et laissez de la place pour la réponse générée et les résultats d’outils suivants. Xiaomi recommande temperature 1.0 et top_p 0.95 pour l’inférence locale. Le prétraitement des médias et les réglages applicatifs doivent suivre l’interface précise utilisée.
MiMo-V2.5 est le modèle omnimodal apparenté à MiMo-V2.5-Pro, plus grand et centré sur le texte. Conservez cette distinction d’édition dans le résultat enregistré. Le livrable utile est une explication, une extraction ou une proposition de modification liée au texte et aux médias fournis, avec les observations incertaines et les résultats d’outils non vérifiés accessibles à la correction.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites xiaomi/mimo-v2.5 | 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00028 / 1K jetons Sortie · Jetons en sortie $0.00056 / 1K jetons Entrée · Lecture du cache $0.0000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.00028 / 1K jetons Sortie · Jetons en sortie $0.00056 / 1K jetons Entrée · Lecture du cache $0.0000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "xiaomi/mimo-v2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v2.5', '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-v2.5', '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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra xiaomi/mimo-v2.5
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.