MiMo-V2.6-Pro est le modèle phare de Xiaomi dans sa série V2.6 nativement omnimodale. Il intègre la compréhension du texte, des images, de la vidéo et de l’audio aux tâches exigeantes de génie logiciel et d’agents de longue durée. Le profil Pro publié par le fabricant décrit une architecture parcimonieuse à mélange d’experts avec 1,02 billion de paramètres au total et 42 milliards de paramètres activés. Son contexte d’un million de jetons vise les longs dépôts, les traces d’outils et les tâches menées au fil de nombreuses interactions.
La série fait progresser l’approche d’apprentissage par renforcement de Xiaomi en augmentant la diversité des tâches et la qualité de la rétroaction en parallèle avec le calcul d’entraînement. La programmation, les agents généralistes, les tâches visuelles et le travail de cybersécurité sont combinés dans différents environnements. Les trajectoires candidates sont comparées selon des critères propres à la tâche, les résultats des tests et les évaluations de qualité contribuant au signal d’entraînement. L’architecture Pro combine une architecture principale d’attention hybride de 70 couches, des encodeurs dédiés à la vision et à l’audio et un décodeur de prédiction multijeton de cinq couches.
Pour le travail logiciel, précisez le comportement que le programme doit fournir, présentez l’implémentation pertinente et expliquez comment l’achèvement sera vérifié. Conservez les contraintes du dépôt et l’échec exact ou la demande de modification. Le modèle peut raisonner sur une séquence de modifications et de résultats d’outils; l’application fournit les outils et consigne leurs opérations. Demandez un compte rendu final du comportement modifié, des fichiers touchés et des vérifications réellement effectuées pour qu’une longue séquence se termine par un résultat inspectable.
La version publiée par Xiaomi étend ensuite le périmètre des tâches de la programmation aux mondes interactifs. Elle décrit la création de jeux et de scènes 3D à partir de texte, d’images ou de vidéos de référence, l’implémentation de la logique d’interaction et l’amélioration du travail à partir de rendus. Elle décrit aussi des objets et des scènes créés avec Blender et de la rétroaction visuelle dans la simulation incarnée. Préparez un mandat de scène précisant les dimensions, les relations entre objets, les commandes et les critères visibles d’achèvement. Le code, les instructions de scène ou les éléments produits par les outils doivent être inspectés dans l’environnement prévu de rendu ou de simulation.
Pour le travail visuel et de conception, le fabricant présente des interfaces frontales et des jeux de diapositives avec disposition, composants et animation, ainsi que des flux utilisant des outils d’image et de vidéo. Fournissez le public, le contenu requis, les références visuelles et les interactions qui doivent fonctionner. Une demande utile peut produire l’implémentation d’une page ou le plan d’une présentation avec les détails nécessaires à l’étape suivante de production. Le modèle sous-jacent renvoie du texte et des directives pour les outils; les visuels rendus et les médias générés proviennent des outils utilisés dans le flux.
La version décrit aussi des applications musicales et de recherche. Son exemple musical utilise des partitions écrites et du MIDI comme livrables de composition modifiables. Ses exemples de recherche combinent l’examen de la littérature et de brevets, des hypothèses de conception et des simulations informatiques, ainsi que la formalisation mathématique vérifiée avec Lean. Pour une tâche de recherche, distinguez les observations des sources, les hypothèses de départ, les calculs et les hypothèses proposées. Conservez les sorties des outils et les résultats de vérification, et identifiez un candidat informatique comme un candidat plutôt que comme un résultat validé en laboratoire.
Le travail à long contexte exige une organisation délibérée des entrées. Gardez stables les limites des documents, les identifiants de fichiers et les décisions antérieures, et réservez de l’espace pour la réponse et la poursuite de l’historique des outils. La recette locale de Xiaomi recommande temperature 1.0 et top_p 0.95. Le fabricant documente aussi la répétition des appels d’outils dans la lignée d’entraînement V2.6 et des points de contrôle MOPD distincts visant à la corriger. Vérifiez que chaque action fait avancer la tâche et conservez l’édition exacte avec le résultat; les appels répétés sans nouveaux éléments probants invitent à réévaluer l’étape suivante.
Le livrable final devrait correspondre au critère d’achèvement de la tâche : une modification de code vérifiée, une scène interactive inspectée, un livrable de conception modifiable ou une analyse de recherche liée à des éléments probants. Pro, Flash et Pro-UltraSpeed remplissent des rôles distincts dans la famille V2.6. Préservez cette distinction lors de la comparaison des résultats, tout en gardant le contenu, les observations des outils et le dossier de vérification disponibles pour la révision.
", "aboutText": "MiMo-V2.6-Pro est le modèle phare de Xiaomi dans sa série V2.6 nativement omnimodale. Il intègre la compréhension du texte, des images, de la vidéo et de l’audio aux tâches exigeantes de génie logiciel et d’agents de longue durée. Le profil Pro publié par le fabricant décrit une architecture parcimonieuse à mélange d’experts avec 1,02 billion de paramètres au total et 42 milliards de paramètres activés. Son contexte d’un million de jetons vise les longs dépôts, les traces d’outils et les tâches menées au fil de nombreuses interactions.\n\nLa série fait progresser l’approche d’apprentissage par renforcement de Xiaomi en augmentant la diversité des tâches et la qualité de la rétroaction en parallèle avec le calcul d’entraînement. La programmation, les agents généralistes, les tâches visuelles et le travail de cybersécurité sont combinés dans différents environnements. Les trajectoires candidates sont comparées selon des critères propres à la tâche, les résultats des tests et les évaluations de qualité contribuant au signal d’entraînement. L’architecture Pro combine une architecture principale d’attention hybride de 70 couches, des encodeurs dédiés à la vision et à l’audio et un décodeur de prédiction multijeton de cinq couches.\n\nPour le travail logiciel, précisez le comportement que le programme doit fournir, présentez l’implémentation pertinente et expliquez comment l’achèvement sera vérifié. Conservez les contraintes du dépôt et l’échec exact ou la demande de modification. Le modèle peut raisonner sur une séquence de modifications et de résultats d’outils; l’application fournit les outils et consigne leurs opérations. Demandez un compte rendu final du comportement modifié, des fichiers touchés et des vérifications réellement effectuées pour qu’une longue séquence se termine par un résultat inspectable.\n\nLa version publiée par Xiaomi étend ensuite le périmètre des tâches de la programmation aux mondes interactifs. Elle décrit la création de jeux et de scènes 3D à partir de texte, d’images ou de vidéos de référence, l’implémentation de la logique d’interaction et l’amélioration du travail à partir de rendus. Elle décrit aussi des objets et des scènes créés avec Blender et de la rétroaction visuelle dans la simulation incarnée. Préparez un mandat de scène précisant les dimensions, les relations entre objets, les commandes et les critères visibles d’achèvement. Le code, les instructions de scène ou les éléments produits par les outils doivent être inspectés dans l’environnement prévu de rendu ou de simulation.\n\nPour le travail visuel et de conception, le fabricant présente des interfaces frontales et des jeux de diapositives avec disposition, composants et animation, ainsi que des flux utilisant des outils d’image et de vidéo. Fournissez le public, le contenu requis, les références visuelles et les interactions qui doivent fonctionner. Une demande utile peut produire l’implémentation d’une page ou le plan d’une présentation avec les détails nécessaires à l’étape suivante de production. Le modèle sous-jacent renvoie du texte et des directives pour les outils; les visuels rendus et les médias générés proviennent des outils utilisés dans le flux.\n\nLa version décrit aussi des applications musicales et de recherche. Son exemple musical utilise des partitions écrites et du MIDI comme livrables de composition modifiables. Ses exemples de recherche combinent l’examen de la littérature et de brevets, des hypothèses de conception et des simulations informatiques, ainsi que la formalisation mathématique vérifiée avec Lean. Pour une tâche de recherche, distinguez les observations des sources, les hypothèses de départ, les calculs et les hypothèses proposées. Conservez les sorties des outils et les résultats de vérification, et identifiez un candidat informatique comme un candidat plutôt que comme un résultat validé en laboratoire.\n\nLe travail à long contexte exige une organisation délibérée des entrées. Gardez stables les limites des documents, les identifiants de fichiers et les décisions antérieures, et réservez de l’espace pour la réponse et la poursuite de l’historique des outils. La recette locale de Xiaomi recommande temperature 1.0 et top_p 0.95. Le fabricant documente aussi la répétition des appels d’outils dans la lignée d’entraînement V2.6 et des points de contrôle MOPD distincts visant à la corriger. Vérifiez que chaque action fait avancer la tâche et conservez l’édition exacte avec le résultat; les appels répétés sans nouveaux éléments probants invitent à réévaluer l’étape suivante.\n\nLe livrable final devrait correspondre au critère d’achèvement de la tâche : une modification de code vérifiée, une scène interactive inspectée, un livrable de conception modifiable ou une analyse de recherche liée à des éléments probants. Pro, Flash et Pro-UltraSpeed remplissent des rôles distincts dans la famille V2.6. Préservez cette distinction lors de la comparaison des résultats, tout en gardant le contenu, les observations des outils et le dossier de vérification disponibles pour la révision.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Implement bounded grid movement\n\nWrite a JavaScript function move(player, direction, walls) for a 5-by-5 tile grid indexed 0–4. Directions are up, down, left and right. Return a new position; keep the current position when a move hits a wall or boundary. Walls are coordinate pairs. Provide tests for a free move, a wall and each outer boundary. No rendering is required.A pure movement function and test cases covering free movement, wall collision, boundaries and unchanged input state.Check every returned coordinate stays within 0–4 and neither the player object nor wall list is mutated.xiaomi/mimo-v2.6-proMiMo-V2.6-Pro est le modèle phare omnimodal de Xiaomi pour les tâches exigeantes de programmation, de recherche et d’agents de longue durée. Il comprend le texte, les images, la vidéo et l’audio; le profil Pro publié documente une architecture MoE de 1,02 billion de paramètres, dont 42 milliards actifs, 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-Pro est le modèle phare de Xiaomi dans sa série V2.6 nativement omnimodale. Il intègre la compréhension du texte, des images, de la vidéo et de l’audio aux tâches exigeantes de génie logiciel et d’agents de longue durée. Le profil Pro publié par le fabricant décrit une architecture parcimonieuse à mélange d’experts avec 1,02 billion de paramètres au total et 42 milliards de paramètres activés. Son contexte d’un million de jetons vise les longs dépôts, les traces d’outils et les tâches menées au fil de nombreuses interactions.
La série fait progresser l’approche d’apprentissage par renforcement de Xiaomi en augmentant la diversité des tâches et la qualité de la rétroaction en parallèle avec le calcul d’entraînement. La programmation, les agents généralistes, les tâches visuelles et le travail de cybersécurité sont combinés dans différents environnements. Les trajectoires candidates sont comparées selon des critères propres à la tâche, les résultats des tests et les évaluations de qualité contribuant au signal d’entraînement. L’architecture Pro combine une architecture principale d’attention hybride de 70 couches, des encodeurs dédiés à la vision et à l’audio et un décodeur de prédiction multijeton de cinq couches.
Pour le travail logiciel, précisez le comportement que le programme doit fournir, présentez l’implémentation pertinente et expliquez comment l’achèvement sera vérifié. Conservez les contraintes du dépôt et l’échec exact ou la demande de modification. Le modèle peut raisonner sur une séquence de modifications et de résultats d’outils; l’application fournit les outils et consigne leurs opérations. Demandez un compte rendu final du comportement modifié, des fichiers touchés et des vérifications réellement effectuées pour qu’une longue séquence se termine par un résultat inspectable.
La version publiée par Xiaomi étend ensuite le périmètre des tâches de la programmation aux mondes interactifs. Elle décrit la création de jeux et de scènes 3D à partir de texte, d’images ou de vidéos de référence, l’implémentation de la logique d’interaction et l’amélioration du travail à partir de rendus. Elle décrit aussi des objets et des scènes créés avec Blender et de la rétroaction visuelle dans la simulation incarnée. Préparez un mandat de scène précisant les dimensions, les relations entre objets, les commandes et les critères visibles d’achèvement. Le code, les instructions de scène ou les éléments produits par les outils doivent être inspectés dans l’environnement prévu de rendu ou de simulation.
Pour le travail visuel et de conception, le fabricant présente des interfaces frontales et des jeux de diapositives avec disposition, composants et animation, ainsi que des flux utilisant des outils d’image et de vidéo. Fournissez le public, le contenu requis, les références visuelles et les interactions qui doivent fonctionner. Une demande utile peut produire l’implémentation d’une page ou le plan d’une présentation avec les détails nécessaires à l’étape suivante de production. Le modèle sous-jacent renvoie du texte et des directives pour les outils; les visuels rendus et les médias générés proviennent des outils utilisés dans le flux.
La version décrit aussi des applications musicales et de recherche. Son exemple musical utilise des partitions écrites et du MIDI comme livrables de composition modifiables. Ses exemples de recherche combinent l’examen de la littérature et de brevets, des hypothèses de conception et des simulations informatiques, ainsi que la formalisation mathématique vérifiée avec Lean. Pour une tâche de recherche, distinguez les observations des sources, les hypothèses de départ, les calculs et les hypothèses proposées. Conservez les sorties des outils et les résultats de vérification, et identifiez un candidat informatique comme un candidat plutôt que comme un résultat validé en laboratoire.
Le travail à long contexte exige une organisation délibérée des entrées. Gardez stables les limites des documents, les identifiants de fichiers et les décisions antérieures, et réservez de l’espace pour la réponse et la poursuite de l’historique des outils. La recette locale de Xiaomi recommande temperature 1.0 et top_p 0.95. Le fabricant documente aussi la répétition des appels d’outils dans la lignée d’entraînement V2.6 et des points de contrôle MOPD distincts visant à la corriger. Vérifiez que chaque action fait avancer la tâche et conservez l’édition exacte avec le résultat; les appels répétés sans nouveaux éléments probants invitent à réévaluer l’étape suivante.
Le livrable final devrait correspondre au critère d’achèvement de la tâche : une modification de code vérifiée, une scène interactive inspectée, un livrable de conception modifiable ou une analyse de recherche liée à des éléments probants. Pro, Flash et Pro-UltraSpeed remplissent des rôles distincts dans la famille V2.6. Préservez cette distinction lors de la comparaison des résultats, tout en gardant le contenu, les observations des outils et le dossier de vérification disponibles pour la révision.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites xiaomi/mimo-v2.6-pro | 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 $0.00087 / 1K jetons Sortie · Jetons en sortie $0.00174 / 1K jetons Entrée · Lecture du cache $0.0000072 / 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 $0.00087 / 1K jetons Sortie · Jetons en sortie $0.00174 / 1K jetons Entrée · Lecture du cache $0.0000072 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-pro", "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',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',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-pro
Utilisez les chemins de méthode indiqués ci-dessus.
xiaomi/mimo-v2.6-proMiMo-V2.6-Pro est le modèle phare omnimodal de Xiaomi pour les tâches exigeantes de programmation, de recherche et d’agents de longue durée. Il comprend le texte, les images, la vidéo et l’audio; le profil Pro publié documente une architecture MoE de 1,02 billion de paramètres, dont 42 milliards actifs, 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-Pro est le modèle phare de Xiaomi dans sa série V2.6 nativement omnimodale. Il intègre la compréhension du texte, des images, de la vidéo et de l’audio aux tâches exigeantes de génie logiciel et d’agents de longue durée. Le profil Pro publié par le fabricant décrit une architecture parcimonieuse à mélange d’experts avec 1,02 billion de paramètres au total et 42 milliards de paramètres activés. Son contexte d’un million de jetons vise les longs dépôts, les traces d’outils et les tâches menées au fil de nombreuses interactions.
La série fait progresser l’approche d’apprentissage par renforcement de Xiaomi en augmentant la diversité des tâches et la qualité de la rétroaction en parallèle avec le calcul d’entraînement. La programmation, les agents généralistes, les tâches visuelles et le travail de cybersécurité sont combinés dans différents environnements. Les trajectoires candidates sont comparées selon des critères propres à la tâche, les résultats des tests et les évaluations de qualité contribuant au signal d’entraînement. L’architecture Pro combine une architecture principale d’attention hybride de 70 couches, des encodeurs dédiés à la vision et à l’audio et un décodeur de prédiction multijeton de cinq couches.
Pour le travail logiciel, précisez le comportement que le programme doit fournir, présentez l’implémentation pertinente et expliquez comment l’achèvement sera vérifié. Conservez les contraintes du dépôt et l’échec exact ou la demande de modification. Le modèle peut raisonner sur une séquence de modifications et de résultats d’outils; l’application fournit les outils et consigne leurs opérations. Demandez un compte rendu final du comportement modifié, des fichiers touchés et des vérifications réellement effectuées pour qu’une longue séquence se termine par un résultat inspectable.
La version publiée par Xiaomi étend ensuite le périmètre des tâches de la programmation aux mondes interactifs. Elle décrit la création de jeux et de scènes 3D à partir de texte, d’images ou de vidéos de référence, l’implémentation de la logique d’interaction et l’amélioration du travail à partir de rendus. Elle décrit aussi des objets et des scènes créés avec Blender et de la rétroaction visuelle dans la simulation incarnée. Préparez un mandat de scène précisant les dimensions, les relations entre objets, les commandes et les critères visibles d’achèvement. Le code, les instructions de scène ou les éléments produits par les outils doivent être inspectés dans l’environnement prévu de rendu ou de simulation.
Pour le travail visuel et de conception, le fabricant présente des interfaces frontales et des jeux de diapositives avec disposition, composants et animation, ainsi que des flux utilisant des outils d’image et de vidéo. Fournissez le public, le contenu requis, les références visuelles et les interactions qui doivent fonctionner. Une demande utile peut produire l’implémentation d’une page ou le plan d’une présentation avec les détails nécessaires à l’étape suivante de production. Le modèle sous-jacent renvoie du texte et des directives pour les outils; les visuels rendus et les médias générés proviennent des outils utilisés dans le flux.
La version décrit aussi des applications musicales et de recherche. Son exemple musical utilise des partitions écrites et du MIDI comme livrables de composition modifiables. Ses exemples de recherche combinent l’examen de la littérature et de brevets, des hypothèses de conception et des simulations informatiques, ainsi que la formalisation mathématique vérifiée avec Lean. Pour une tâche de recherche, distinguez les observations des sources, les hypothèses de départ, les calculs et les hypothèses proposées. Conservez les sorties des outils et les résultats de vérification, et identifiez un candidat informatique comme un candidat plutôt que comme un résultat validé en laboratoire.
Le travail à long contexte exige une organisation délibérée des entrées. Gardez stables les limites des documents, les identifiants de fichiers et les décisions antérieures, et réservez de l’espace pour la réponse et la poursuite de l’historique des outils. La recette locale de Xiaomi recommande temperature 1.0 et top_p 0.95. Le fabricant documente aussi la répétition des appels d’outils dans la lignée d’entraînement V2.6 et des points de contrôle MOPD distincts visant à la corriger. Vérifiez que chaque action fait avancer la tâche et conservez l’édition exacte avec le résultat; les appels répétés sans nouveaux éléments probants invitent à réévaluer l’étape suivante.
Le livrable final devrait correspondre au critère d’achèvement de la tâche : une modification de code vérifiée, une scène interactive inspectée, un livrable de conception modifiable ou une analyse de recherche liée à des éléments probants. Pro, Flash et Pro-UltraSpeed remplissent des rôles distincts dans la famille V2.6. Préservez cette distinction lors de la comparaison des résultats, tout en gardant le contenu, les observations des outils et le dossier de vérification disponibles pour la révision.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites xiaomi/mimo-v2.6-pro | 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 $0.00087 / 1K jetons Sortie · Jetons en sortie $0.00174 / 1K jetons Entrée · Lecture du cache $0.0000072 / 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 $0.00087 / 1K jetons Sortie · Jetons en sortie $0.00174 / 1K jetons Entrée · Lecture du cache $0.0000072 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "xiaomi/mimo-v2.6-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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-pro
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Implement bounded grid movement\n\nWrite a JavaScript function move(player, direction, walls) for a 5-by-5 tile grid indexed 0–4. Directions are up, down, left and right. Return a new position; keep the current position when a move hits a wall or boundary. Walls are coordinate pairs. Provide tests for a free move, a wall and each outer boundary. No rendering is required.A pure movement function and test cases covering free movement, wall collision, boundaries and unchanged input state.Check every returned coordinate stays within 0–4 and neither the player object nor wall list is mutated.