MiniMax M1 80K est l’édition de MiniMax offrant un raisonnement plus long de son modèle de raisonnement textuel M1. La famille utilise une architecture hybride à mélange d’experts avec lightning attention, dérivée de MiniMax Text-01. Le fabricant décrit un entraînement portant sur des tâches de raisonnement mathématique et d’ingénierie logicielle, et publie des éditions distinctes aux budgets de raisonnement de 40K et de 80K.
Le fabricant décrit la prise en charge native d’un contexte d’un million de jetons. Le nom de l’édition 80K se rapporte à son budget de raisonnement, une quantité différente du contexte d’entrée ou de la réponse finale visible par l’utilisateur. L’interface utilisée pour une tâche hébergée peut proposer ses propres limites de travail plus réduites ; planifiez donc la requête en fonction du profil sélectionné.
Pour un ensemble de sources plus long, étiquetez les documents et énoncez la question à laquelle ils doivent répondre. Demandez une conclusion rattachée aux passages pertinents. Pour du code, identifiez le comportement à modifier, la zone concernée et les vérifications qui établissent le résultat.
Le fabricant fournit des recommandations distinctes pour l’assistance courante, le développement web et les mathématiques. Ses exemples généraux comprennent la synthèse, la traduction, les questions et l’écriture créative. Une requête utile définit le public, les documents sources et le livrable final afin que la réponse reste centrée sur la tâche.
Pour le développement web, le fabricant recommande un livrable HTML complet et exécutable dans un seul bloc de code, réunissant son HTML et son JavaScript, et demande de vérifier le code après sa génération. Décrivez les commandes, les données et les états que la page doit prendre en charge. Le modèle produit le code ; l’application l’enregistre et l’exécute pour inspecter le comportement rendu.
Pour les mathématiques, les recommandations demandent une solution étape par étape et une réponse finale distincte. Fournissez les conditions complètes et définissez le résultat à établir. Conservez la solution proposée avec le problème d’origine afin que le raisonnement puisse être examiné indépendamment de sa formulation.
Le fabricant mentionne les appels de fonctions : le modèle peut identifier une fonction à utiliser et fournir ses paramètres sous une forme structurée. L’application qui l’entoure fournit les fonctions disponibles, exécute l’appel et renvoie l’observation. L’accès aux outils et l’action externe dépendent donc de l’application configurée autant que de la sélection effectuée par le modèle.
Donnez à chaque outil un objectif clair et distinguez l’observation qu’il renvoie de l’instruction de l’utilisateur. Une réponse ultérieure pourra alors utiliser le résultat observé comme élément probant. La prise en charge des outils par le modèle textuel M1 n’intègre pas à sa propre famille de sorties les services multimédias distincts décrits ailleurs dans l’écosystème du fabricant.
Le fabricant recommande une température de 1.0 et top_p à 0.95 comme réglages d’inférence. Sa description de la famille indique 456 milliards de paramètres au total et 45,9 milliards de paramètres actifs par jeton. Distinguez l’édition 80K de l’édition 40K lorsque vous consignez une comparaison, et utilisez les réglages pris en charge et les limites de travail de l’interface réelle pour une requête donnée.
", "aboutText": "MiniMax M1 80K est l’édition de MiniMax offrant un raisonnement plus long de son modèle de raisonnement textuel M1. La famille utilise une architecture hybride à mélange d’experts avec lightning attention, dérivée de MiniMax Text-01. Le fabricant décrit un entraînement portant sur des tâches de raisonnement mathématique et d’ingénierie logicielle, et publie des éditions distinctes aux budgets de raisonnement de 40K et de 80K.\n\n### Organiser des contenus longs autour d’un résultat clair\n\nLe fabricant décrit la prise en charge native d’un contexte d’un million de jetons. Le nom de l’édition 80K se rapporte à son budget de raisonnement, une quantité différente du contexte d’entrée ou de la réponse finale visible par l’utilisateur. L’interface utilisée pour une tâche hébergée peut proposer ses propres limites de travail plus réduites ; planifiez donc la requête en fonction du profil sélectionné.\n\nPour un ensemble de sources plus long, étiquetez les documents et énoncez la question à laquelle ils doivent répondre. Demandez une conclusion rattachée aux passages pertinents. Pour du code, identifiez le comportement à modifier, la zone concernée et les vérifications qui établissent le résultat.\n\n### Utiliser les recommandations de formulation propres à la tâche\n\nLe fabricant fournit des recommandations distinctes pour l’assistance courante, le développement web et les mathématiques. Ses exemples généraux comprennent la synthèse, la traduction, les questions et l’écriture créative. Une requête utile définit le public, les documents sources et le livrable final afin que la réponse reste centrée sur la tâche.\n\nPour le développement web, le fabricant recommande un livrable HTML complet et exécutable dans un seul bloc de code, réunissant son HTML et son JavaScript, et demande de vérifier le code après sa génération. Décrivez les commandes, les données et les états que la page doit prendre en charge. Le modèle produit le code ; l’application l’enregistre et l’exécute pour inspecter le comportement rendu.\n\nPour les mathématiques, les recommandations demandent une solution étape par étape et une réponse finale distincte. Fournissez les conditions complètes et définissez le résultat à établir. Conservez la solution proposée avec le problème d’origine afin que le raisonnement puisse être examiné indépendamment de sa formulation.\n\n### Appels de fonctions et exécution réelle\n\nLe fabricant mentionne les appels de fonctions : le modèle peut identifier une fonction à utiliser et fournir ses paramètres sous une forme structurée. L’application qui l’entoure fournit les fonctions disponibles, exécute l’appel et renvoie l’observation. L’accès aux outils et l’action externe dépendent donc de l’application configurée autant que de la sélection effectuée par le modèle.\n\nDonnez à chaque outil un objectif clair et distinguez l’observation qu’il renvoie de l’instruction de l’utilisateur. Une réponse ultérieure pourra alors utiliser le résultat observé comme élément probant. La prise en charge des outils par le modèle textuel M1 n’intègre pas à sa propre famille de sorties les services multimédias distincts décrits ailleurs dans l’écosystème du fabricant.\n\n### Préserver l’édition et les réglages\n\nLe fabricant recommande une température de 1.0 et top_p à 0.95 comme réglages d’inférence. Sa description de la famille indique 456 milliards de paramètres au total et 45,9 milliards de paramètres actifs par jeton. Distinguez l’édition 80K de l’édition 40K lorsque vous consignez une comparaison, et utilisez les réglages pris en charge et les limites de travail de l’interface réelle pour une requête donnée.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Build a bounded packing calculator\n\nReturn one runnable HTML code block for a packing calculator. Inputs: item count and box capacity, both positive whole numbers. Show the number of boxes needed, rounding upward. Provide a visible validation message for invalid inputs and a reset control. Include HTML, CSS and JavaScript together, then list checks for 10 items at capacity 4 and an empty input.A complete single-file HTML artifact and a short behavior-check list, without a claim that it was run.Check ceiling division, invalid-input feedback and reset behavior in the returned code before running it.MiniMaxAI/MiniMax-M1-80kMiniMax M1 80K est un modèle de raisonnement textuel à poids ouverts pour les entrées longues, les tâches logicielles et les mathématiques. Son fabricant distingue l’édition au budget de raisonnement de 80K de l’édition de 40K et publie des recommandations de formulation des requêtes propres à chaque tâche.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
MiniMax M1 80K est l’édition de MiniMax offrant un raisonnement plus long de son modèle de raisonnement textuel M1. La famille utilise une architecture hybride à mélange d’experts avec lightning attention, dérivée de MiniMax Text-01. Le fabricant décrit un entraînement portant sur des tâches de raisonnement mathématique et d’ingénierie logicielle, et publie des éditions distinctes aux budgets de raisonnement de 40K et de 80K.
Le fabricant décrit la prise en charge native d’un contexte d’un million de jetons. Le nom de l’édition 80K se rapporte à son budget de raisonnement, une quantité différente du contexte d’entrée ou de la réponse finale visible par l’utilisateur. L’interface utilisée pour une tâche hébergée peut proposer ses propres limites de travail plus réduites ; planifiez donc la requête en fonction du profil sélectionné.
Pour un ensemble de sources plus long, étiquetez les documents et énoncez la question à laquelle ils doivent répondre. Demandez une conclusion rattachée aux passages pertinents. Pour du code, identifiez le comportement à modifier, la zone concernée et les vérifications qui établissent le résultat.
Le fabricant fournit des recommandations distinctes pour l’assistance courante, le développement web et les mathématiques. Ses exemples généraux comprennent la synthèse, la traduction, les questions et l’écriture créative. Une requête utile définit le public, les documents sources et le livrable final afin que la réponse reste centrée sur la tâche.
Pour le développement web, le fabricant recommande un livrable HTML complet et exécutable dans un seul bloc de code, réunissant son HTML et son JavaScript, et demande de vérifier le code après sa génération. Décrivez les commandes, les données et les états que la page doit prendre en charge. Le modèle produit le code ; l’application l’enregistre et l’exécute pour inspecter le comportement rendu.
Pour les mathématiques, les recommandations demandent une solution étape par étape et une réponse finale distincte. Fournissez les conditions complètes et définissez le résultat à établir. Conservez la solution proposée avec le problème d’origine afin que le raisonnement puisse être examiné indépendamment de sa formulation.
Le fabricant mentionne les appels de fonctions : le modèle peut identifier une fonction à utiliser et fournir ses paramètres sous une forme structurée. L’application qui l’entoure fournit les fonctions disponibles, exécute l’appel et renvoie l’observation. L’accès aux outils et l’action externe dépendent donc de l’application configurée autant que de la sélection effectuée par le modèle.
Donnez à chaque outil un objectif clair et distinguez l’observation qu’il renvoie de l’instruction de l’utilisateur. Une réponse ultérieure pourra alors utiliser le résultat observé comme élément probant. La prise en charge des outils par le modèle textuel M1 n’intègre pas à sa propre famille de sorties les services multimédias distincts décrits ailleurs dans l’écosystème du fabricant.
Le fabricant recommande une température de 1.0 et top_p à 0.95 comme réglages d’inférence. Sa description de la famille indique 456 milliards de paramètres au total et 45,9 milliards de paramètres actifs par jeton. Distinguez l’édition 80K de l’édition 40K lorsque vous consignez une comparaison, et utilisez les réglages pris en charge et les limites de travail de l’interface réelle pour une requête donnée.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites MiniMaxAI/MiniMax-M1-80k | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00114 / 1K tokens Sortie · Tokens en sortie $0.00456 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "MiniMaxAI/MiniMax-M1-80k", "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='MiniMaxAI/MiniMax-M1-80k',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='MiniMaxAI/MiniMax-M1-80k',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra MiniMaxAI/MiniMax-M1-80k
Utilisez les chemins de méthode indiqués ci-dessus.
MiniMaxAI/MiniMax-M1-80kMiniMax M1 80K est un modèle de raisonnement textuel à poids ouverts pour les entrées longues, les tâches logicielles et les mathématiques. Son fabricant distingue l’édition au budget de raisonnement de 80K de l’édition de 40K et publie des recommandations de formulation des requêtes propres à chaque tâche.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
MiniMax M1 80K est l’édition de MiniMax offrant un raisonnement plus long de son modèle de raisonnement textuel M1. La famille utilise une architecture hybride à mélange d’experts avec lightning attention, dérivée de MiniMax Text-01. Le fabricant décrit un entraînement portant sur des tâches de raisonnement mathématique et d’ingénierie logicielle, et publie des éditions distinctes aux budgets de raisonnement de 40K et de 80K.
Le fabricant décrit la prise en charge native d’un contexte d’un million de jetons. Le nom de l’édition 80K se rapporte à son budget de raisonnement, une quantité différente du contexte d’entrée ou de la réponse finale visible par l’utilisateur. L’interface utilisée pour une tâche hébergée peut proposer ses propres limites de travail plus réduites ; planifiez donc la requête en fonction du profil sélectionné.
Pour un ensemble de sources plus long, étiquetez les documents et énoncez la question à laquelle ils doivent répondre. Demandez une conclusion rattachée aux passages pertinents. Pour du code, identifiez le comportement à modifier, la zone concernée et les vérifications qui établissent le résultat.
Le fabricant fournit des recommandations distinctes pour l’assistance courante, le développement web et les mathématiques. Ses exemples généraux comprennent la synthèse, la traduction, les questions et l’écriture créative. Une requête utile définit le public, les documents sources et le livrable final afin que la réponse reste centrée sur la tâche.
Pour le développement web, le fabricant recommande un livrable HTML complet et exécutable dans un seul bloc de code, réunissant son HTML et son JavaScript, et demande de vérifier le code après sa génération. Décrivez les commandes, les données et les états que la page doit prendre en charge. Le modèle produit le code ; l’application l’enregistre et l’exécute pour inspecter le comportement rendu.
Pour les mathématiques, les recommandations demandent une solution étape par étape et une réponse finale distincte. Fournissez les conditions complètes et définissez le résultat à établir. Conservez la solution proposée avec le problème d’origine afin que le raisonnement puisse être examiné indépendamment de sa formulation.
Le fabricant mentionne les appels de fonctions : le modèle peut identifier une fonction à utiliser et fournir ses paramètres sous une forme structurée. L’application qui l’entoure fournit les fonctions disponibles, exécute l’appel et renvoie l’observation. L’accès aux outils et l’action externe dépendent donc de l’application configurée autant que de la sélection effectuée par le modèle.
Donnez à chaque outil un objectif clair et distinguez l’observation qu’il renvoie de l’instruction de l’utilisateur. Une réponse ultérieure pourra alors utiliser le résultat observé comme élément probant. La prise en charge des outils par le modèle textuel M1 n’intègre pas à sa propre famille de sorties les services multimédias distincts décrits ailleurs dans l’écosystème du fabricant.
Le fabricant recommande une température de 1.0 et top_p à 0.95 comme réglages d’inférence. Sa description de la famille indique 456 milliards de paramètres au total et 45,9 milliards de paramètres actifs par jeton. Distinguez l’édition 80K de l’édition 40K lorsque vous consignez une comparaison, et utilisez les réglages pris en charge et les limites de travail de l’interface réelle pour une requête donnée.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites MiniMaxAI/MiniMax-M1-80k | 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.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.00114 / 1K tokens Sortie · Tokens en sortie $0.00456 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "MiniMaxAI/MiniMax-M1-80k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'MiniMaxAI/MiniMax-M1-80k', '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': 'MiniMaxAI/MiniMax-M1-80k', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra MiniMaxAI/MiniMax-M1-80k
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Build a bounded packing calculator\n\nReturn one runnable HTML code block for a packing calculator. Inputs: item count and box capacity, both positive whole numbers. Show the number of boxes needed, rounding upward. Provide a visible validation message for invalid inputs and a reset control. Include HTML, CSS and JavaScript together, then list checks for 10 items at capacity 4 and an empty input.A complete single-file HTML artifact and a short behavior-check list, without a claim that it was run.Check ceiling division, invalid-input feedback and reset behavior in the returned code before running it.