MiMo-V2.6-Flash est le modèle de Xiaomi qui équilibre l’efficacité dans la série MiMo-V2.6. Il combine la compréhension du texte, des images, de la vidéo et de l’audio dans une seule architecture, avec une réponse textuelle pouvant guider l’étape suivante d’une application de soutien. Son périmètre couvre le génie logiciel, le travail général d’agents, les flux visuels et l’analyse de cybersécurité. Flash est un modèle distinct plus petit que V2.6-Pro, avec sa propre échelle de paramètres plutôt qu’un simple réglage de réponse plus courte.
Le profil Flash publié par le fabricant décrit un modèle parcimonieux à mélange d’experts avec 309 milliards de paramètres au total et 15 milliards de paramètres activés. Son architecture principale de 48 couches combine l’attention locale à fenêtre glissante et l’attention globale pour travailler sur de longs historiques. Des encodeurs dédiés à la vision et à l’audio intègrent les différents types d’entrées à cette architecture linguistique principale. Xiaomi précise un contexte d’un million de jetons pour les dépôts, les résultats d’outils accumulés et les historiques de tâches prolongées. Organisez cet espace autour de l’objectif actuel, des éléments probants pertinents et des décisions qui doivent rester cohérentes.
L’approche d’entraînement V2.6 combine la programmation, les agents généralistes, le travail visuel et les tâches de cybersécurité dans une même exécution d’apprentissage par renforcement. Elle varie aussi les environnements d’agents plutôt que d’entraîner chaque domaine isolément. Le fabricant décrit la comparaison de trajectoires candidates selon des critères propres à la tâche, de sorte qu’un résultat réussi puisse encore être amélioré en qualité et en efficacité. Il s’agit d’une approche d’entraînement du modèle; un mandat utile exige toujours un critère d’achèvement clair et des éléments probants montrant si le résultat le respecte.
Pour une tâche portant sur un dépôt, fournissez l’échec observé, les fichiers pertinents, le comportement attendu et les contraintes de modification. Demandez au modèle d’identifier la cause, de proposer un correctif ciblé et d’expliquer les vérifications nécessaires. Dans un environnement disposant d’outils d’exécution, renvoyez leur sortie réelle pour que le modèle puisse affiner l’étape suivante. Gardez les commandes, les erreurs et les modifications liées au fichier pertinent. Le livrable final devrait distinguer un correctif proposé d’une modification appliquée et vérifiée.
Pour le travail visuel, fournissez une capture d’écran lisible ou une image de référence et identifiez la disposition, le comportement ou la relation spatiale à reproduire. La version V2.6 de Xiaomi décrit des interfaces frontales, des présentations, des scènes 3D et des mondes interactifs construits par programmation et utilisation d’outils. Un livrable pratique peut être une implémentation de composant accompagnée d’une liste de détails visibles à inspecter dans son rendu. La compréhension des images et des vidéos fournit des éléments probants à ce flux; la sortie textuelle du modèle reste distincte des médias produits par les outils environnants.
L’audio et la vidéo peuvent fournir du contexte absent d’un mandat écrit. Posez une question ciblée sur le matériel fourni et préservez son lien avec la sortie demandée. Par exemple, associez un enregistrement d’interface aux étapes qui ont échoué et demandez un diagnostic lié à la séquence observée. Conservez les passages ou les événements peu clairs pour la révision. Une explication fluide ne devrait pas devenir silencieusement la preuve qu’un son indistinct, une petite étiquette ou une image fugace a été compris correctement.
La fiche de Xiaomi recommande temperature 1.0 et top_p 0.95 pour sa recette d’inférence et décrit un décodeur de prédiction multijeton de cinq couches. Ces paramètres et optimisations appartiennent à l’implémentation du producteur. Dans les longs flux d’outils, vérifiez que chaque nouvel appel répond à un nouveau besoin d’information ou à un résultat modifié. Le fabricant documente les appels d’outils répétés comme un problème d’entraînement V2.6 et distingue ses points de contrôle RL de ceux, ultérieurs, de MOPD. Gardez l’édition choisie et le relevé réel de progression explicites lors de la révision d’une tâche terminée.
", "aboutText": "MiMo-V2.6-Flash est le modèle de Xiaomi qui équilibre l’efficacité dans la série MiMo-V2.6. Il combine la compréhension du texte, des images, de la vidéo et de l’audio dans une seule architecture, avec une réponse textuelle pouvant guider l’étape suivante d’une application de soutien. Son périmètre couvre le génie logiciel, le travail général d’agents, les flux visuels et l’analyse de cybersécurité. Flash est un modèle distinct plus petit que V2.6-Pro, avec sa propre échelle de paramètres plutôt qu’un simple réglage de réponse plus courte.\n\nLe profil Flash publié par le fabricant décrit un modèle parcimonieux à mélange d’experts avec 309 milliards de paramètres au total et 15 milliards de paramètres activés. Son architecture principale de 48 couches combine l’attention locale à fenêtre glissante et l’attention globale pour travailler sur de longs historiques. Des encodeurs dédiés à la vision et à l’audio intègrent les différents types d’entrées à cette architecture linguistique principale. Xiaomi précise un contexte d’un million de jetons pour les dépôts, les résultats d’outils accumulés et les historiques de tâches prolongées. Organisez cet espace autour de l’objectif actuel, des éléments probants pertinents et des décisions qui doivent rester cohérentes.\n\nL’approche d’entraînement V2.6 combine la programmation, les agents généralistes, le travail visuel et les tâches de cybersécurité dans une même exécution d’apprentissage par renforcement. Elle varie aussi les environnements d’agents plutôt que d’entraîner chaque domaine isolément. Le fabricant décrit la comparaison de trajectoires candidates selon des critères propres à la tâche, de sorte qu’un résultat réussi puisse encore être amélioré en qualité et en efficacité. Il s’agit d’une approche d’entraînement du modèle; un mandat utile exige toujours un critère d’achèvement clair et des éléments probants montrant si le résultat le respecte.\n\nPour une tâche portant sur un dépôt, fournissez l’échec observé, les fichiers pertinents, le comportement attendu et les contraintes de modification. Demandez au modèle d’identifier la cause, de proposer un correctif ciblé et d’expliquer les vérifications nécessaires. Dans un environnement disposant d’outils d’exécution, renvoyez leur sortie réelle pour que le modèle puisse affiner l’étape suivante. Gardez les commandes, les erreurs et les modifications liées au fichier pertinent. Le livrable final devrait distinguer un correctif proposé d’une modification appliquée et vérifiée.\n\nPour le travail visuel, fournissez une capture d’écran lisible ou une image de référence et identifiez la disposition, le comportement ou la relation spatiale à reproduire. La version V2.6 de Xiaomi décrit des interfaces frontales, des présentations, des scènes 3D et des mondes interactifs construits par programmation et utilisation d’outils. Un livrable pratique peut être une implémentation de composant accompagnée d’une liste de détails visibles à inspecter dans son rendu. La compréhension des images et des vidéos fournit des éléments probants à ce flux; la sortie textuelle du modèle reste distincte des médias produits par les outils environnants.\n\nL’audio et la vidéo peuvent fournir du contexte absent d’un mandat écrit. Posez une question ciblée sur le matériel fourni et préservez son lien avec la sortie demandée. Par exemple, associez un enregistrement d’interface aux étapes qui ont échoué et demandez un diagnostic lié à la séquence observée. Conservez les passages ou les événements peu clairs pour la révision. Une explication fluide ne devrait pas devenir silencieusement la preuve qu’un son indistinct, une petite étiquette ou une image fugace a été compris correctement.\n\nLa fiche de Xiaomi recommande temperature 1.0 et top_p 0.95 pour sa recette d’inférence et décrit un décodeur de prédiction multijeton de cinq couches. Ces paramètres et optimisations appartiennent à l’implémentation du producteur. Dans les longs flux d’outils, vérifiez que chaque nouvel appel répond à un nouveau besoin d’information ou à un résultat modifié. Le fabricant documente les appels d’outils répétés comme un problème d’entraînement V2.6 et distingue ses points de contrôle RL de ceux, ultérieurs, de MOPD. Gardez l’édition choisie et le relevé réel de progression explicites lors de la révision d’une tâche terminée.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Repair a CSV field serializer\n\nBug report: serialize(['Ada, Inc','plain']) returns 'Ada, Inc,plain', creating three columns. Current function: fields.join(','). Required rules: quote fields containing commas, quotes or line breaks, and double embedded quotes. Propose a focused JavaScript serializer and regression cases for the reported row, an embedded quote and an empty field. Do not claim the code ran.A serializer implementation, explanation of escaping and three regression cases with expected CSV text.Check embedded quotes are doubled inside a quoted field and commas within one field do not create extra columns.xiaomi/mimo-v2.6-flashMiMo-V2.6-Flash combine la compréhension du texte, des images, de la vidéo et de l’audio pour la programmation et les flux de travail d’agents de longue durée. Son profil publié utilise 309 milliards de paramètres au total, 15 milliards actifs par jeton et un contexte d’un million de jetons.
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-Flash est le modèle de Xiaomi qui équilibre l’efficacité dans la série MiMo-V2.6. Il combine la compréhension du texte, des images, de la vidéo et de l’audio dans une seule architecture, avec une réponse textuelle pouvant guider l’étape suivante d’une application de soutien. Son périmètre couvre le génie logiciel, le travail général d’agents, les flux visuels et l’analyse de cybersécurité. Flash est un modèle distinct plus petit que V2.6-Pro, avec sa propre échelle de paramètres plutôt qu’un simple réglage de réponse plus courte.
Le profil Flash publié par le fabricant décrit un modèle parcimonieux à mélange d’experts avec 309 milliards de paramètres au total et 15 milliards de paramètres activés. Son architecture principale de 48 couches combine l’attention locale à fenêtre glissante et l’attention globale pour travailler sur de longs historiques. Des encodeurs dédiés à la vision et à l’audio intègrent les différents types d’entrées à cette architecture linguistique principale. Xiaomi précise un contexte d’un million de jetons pour les dépôts, les résultats d’outils accumulés et les historiques de tâches prolongées. Organisez cet espace autour de l’objectif actuel, des éléments probants pertinents et des décisions qui doivent rester cohérentes.
L’approche d’entraînement V2.6 combine la programmation, les agents généralistes, le travail visuel et les tâches de cybersécurité dans une même exécution d’apprentissage par renforcement. Elle varie aussi les environnements d’agents plutôt que d’entraîner chaque domaine isolément. Le fabricant décrit la comparaison de trajectoires candidates selon des critères propres à la tâche, de sorte qu’un résultat réussi puisse encore être amélioré en qualité et en efficacité. Il s’agit d’une approche d’entraînement du modèle; un mandat utile exige toujours un critère d’achèvement clair et des éléments probants montrant si le résultat le respecte.
Pour une tâche portant sur un dépôt, fournissez l’échec observé, les fichiers pertinents, le comportement attendu et les contraintes de modification. Demandez au modèle d’identifier la cause, de proposer un correctif ciblé et d’expliquer les vérifications nécessaires. Dans un environnement disposant d’outils d’exécution, renvoyez leur sortie réelle pour que le modèle puisse affiner l’étape suivante. Gardez les commandes, les erreurs et les modifications liées au fichier pertinent. Le livrable final devrait distinguer un correctif proposé d’une modification appliquée et vérifiée.
Pour le travail visuel, fournissez une capture d’écran lisible ou une image de référence et identifiez la disposition, le comportement ou la relation spatiale à reproduire. La version V2.6 de Xiaomi décrit des interfaces frontales, des présentations, des scènes 3D et des mondes interactifs construits par programmation et utilisation d’outils. Un livrable pratique peut être une implémentation de composant accompagnée d’une liste de détails visibles à inspecter dans son rendu. La compréhension des images et des vidéos fournit des éléments probants à ce flux; la sortie textuelle du modèle reste distincte des médias produits par les outils environnants.
L’audio et la vidéo peuvent fournir du contexte absent d’un mandat écrit. Posez une question ciblée sur le matériel fourni et préservez son lien avec la sortie demandée. Par exemple, associez un enregistrement d’interface aux étapes qui ont échoué et demandez un diagnostic lié à la séquence observée. Conservez les passages ou les événements peu clairs pour la révision. Une explication fluide ne devrait pas devenir silencieusement la preuve qu’un son indistinct, une petite étiquette ou une image fugace a été compris correctement.
La fiche de Xiaomi recommande temperature 1.0 et top_p 0.95 pour sa recette d’inférence et décrit un décodeur de prédiction multijeton de cinq couches. Ces paramètres et optimisations appartiennent à l’implémentation du producteur. Dans les longs flux d’outils, vérifiez que chaque nouvel appel répond à un nouveau besoin d’information ou à un résultat modifié. Le fabricant documente les appels d’outils répétés comme un problème d’entraînement V2.6 et distingue ses points de contrôle RL de ceux, ultérieurs, de MOPD. Gardez l’édition choisie et le relevé réel de progression explicites lors de la révision d’une tâche terminée.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites xiaomi/mimo-v2.6-flash | 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-v2.6-flash", "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-flash',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-flash',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-v2.6-flash
Utilisez les chemins de méthode indiqués ci-dessus.
xiaomi/mimo-v2.6-flashMiMo-V2.6-Flash combine la compréhension du texte, des images, de la vidéo et de l’audio pour la programmation et les flux de travail d’agents de longue durée. Son profil publié utilise 309 milliards de paramètres au total, 15 milliards actifs par jeton et un contexte d’un million de jetons.
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-Flash est le modèle de Xiaomi qui équilibre l’efficacité dans la série MiMo-V2.6. Il combine la compréhension du texte, des images, de la vidéo et de l’audio dans une seule architecture, avec une réponse textuelle pouvant guider l’étape suivante d’une application de soutien. Son périmètre couvre le génie logiciel, le travail général d’agents, les flux visuels et l’analyse de cybersécurité. Flash est un modèle distinct plus petit que V2.6-Pro, avec sa propre échelle de paramètres plutôt qu’un simple réglage de réponse plus courte.
Le profil Flash publié par le fabricant décrit un modèle parcimonieux à mélange d’experts avec 309 milliards de paramètres au total et 15 milliards de paramètres activés. Son architecture principale de 48 couches combine l’attention locale à fenêtre glissante et l’attention globale pour travailler sur de longs historiques. Des encodeurs dédiés à la vision et à l’audio intègrent les différents types d’entrées à cette architecture linguistique principale. Xiaomi précise un contexte d’un million de jetons pour les dépôts, les résultats d’outils accumulés et les historiques de tâches prolongées. Organisez cet espace autour de l’objectif actuel, des éléments probants pertinents et des décisions qui doivent rester cohérentes.
L’approche d’entraînement V2.6 combine la programmation, les agents généralistes, le travail visuel et les tâches de cybersécurité dans une même exécution d’apprentissage par renforcement. Elle varie aussi les environnements d’agents plutôt que d’entraîner chaque domaine isolément. Le fabricant décrit la comparaison de trajectoires candidates selon des critères propres à la tâche, de sorte qu’un résultat réussi puisse encore être amélioré en qualité et en efficacité. Il s’agit d’une approche d’entraînement du modèle; un mandat utile exige toujours un critère d’achèvement clair et des éléments probants montrant si le résultat le respecte.
Pour une tâche portant sur un dépôt, fournissez l’échec observé, les fichiers pertinents, le comportement attendu et les contraintes de modification. Demandez au modèle d’identifier la cause, de proposer un correctif ciblé et d’expliquer les vérifications nécessaires. Dans un environnement disposant d’outils d’exécution, renvoyez leur sortie réelle pour que le modèle puisse affiner l’étape suivante. Gardez les commandes, les erreurs et les modifications liées au fichier pertinent. Le livrable final devrait distinguer un correctif proposé d’une modification appliquée et vérifiée.
Pour le travail visuel, fournissez une capture d’écran lisible ou une image de référence et identifiez la disposition, le comportement ou la relation spatiale à reproduire. La version V2.6 de Xiaomi décrit des interfaces frontales, des présentations, des scènes 3D et des mondes interactifs construits par programmation et utilisation d’outils. Un livrable pratique peut être une implémentation de composant accompagnée d’une liste de détails visibles à inspecter dans son rendu. La compréhension des images et des vidéos fournit des éléments probants à ce flux; la sortie textuelle du modèle reste distincte des médias produits par les outils environnants.
L’audio et la vidéo peuvent fournir du contexte absent d’un mandat écrit. Posez une question ciblée sur le matériel fourni et préservez son lien avec la sortie demandée. Par exemple, associez un enregistrement d’interface aux étapes qui ont échoué et demandez un diagnostic lié à la séquence observée. Conservez les passages ou les événements peu clairs pour la révision. Une explication fluide ne devrait pas devenir silencieusement la preuve qu’un son indistinct, une petite étiquette ou une image fugace a été compris correctement.
La fiche de Xiaomi recommande temperature 1.0 et top_p 0.95 pour sa recette d’inférence et décrit un décodeur de prédiction multijeton de cinq couches. Ces paramètres et optimisations appartiennent à l’implémentation du producteur. Dans les longs flux d’outils, vérifiez que chaque nouvel appel répond à un nouveau besoin d’information ou à un résultat modifié. Le fabricant documente les appels d’outils répétés comme un problème d’entraînement V2.6 et distingue ses points de contrôle RL de ceux, ultérieurs, de MOPD. Gardez l’édition choisie et le relevé réel de progression explicites lors de la révision d’une tâche terminée.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites xiaomi/mimo-v2.6-flash | 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 $0.0000056 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "xiaomi/mimo-v2.6-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-flash', '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-flash', '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-v2.6-flash
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Repair a CSV field serializer\n\nBug report: serialize(['Ada, Inc','plain']) returns 'Ada, Inc,plain', creating three columns. Current function: fields.join(','). Required rules: quote fields containing commas, quotes or line breaks, and double embedded quotes. Propose a focused JavaScript serializer and regression cases for the reported row, an embedded quote and an empty field. Do not claim the code ran.A serializer implementation, explanation of escaping and three regression cases with expected CSV text.Check embedded quotes are doubled inside a quoted field and commas within one field do not create extra columns.