MiMo-V2.6-Pro est le modèle phare de Xiaomi dans sa série V2.6 nativement omnimodale. Il apporte la compréhension du texte, des images, de la vidéo et de l’audio aux tâches exigeantes d’ingénierie logicielle et d’agents prolongées. 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 tokens est destiné aux dépôts volumineux, aux traces d’outils et aux tâches menées sur de nombreuses interactions.
La série fait progresser l’approche d’apprentissage par renforcement de Xiaomi en augmentant la diversité des tâches et la qualité des retours en parallèle de la puissance de calcul d’entraînement. Programmation, agents généralistes, tâches visuelles et cybersécurité sont mêlés dans différents environnements. Les trajectoires candidates sont comparées selon des critères propres aux tâches, les résultats des tests et les notes de qualité contribuant au signal d’entraînement. L’architecture Pro associe un réseau principal à attention hybride de 70 couches à des encodeurs dédiés à la vision et à l’audio et à un décodeur de prédiction de plusieurs tokens de cinq couches.
Pour le travail logiciel, précisez le comportement que le programme doit fournir, joignez l’implémentation concernée et expliquez comment l’achèvement sera vérifié. Conservez les contraintes du dépôt et l’échec ou la demande de modification exacts. Le modèle peut raisonner sur une succession 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 concernés et des vérifications réellement effectuées afin qu’une longue séquence aboutisse à un résultat vérifiable.
La publication de 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 références textuelles, d’images ou de vidéos, l’implémentation de la logique d’interaction et l’affinement du travail à l’aide de rendus. Elle décrit aussi des objets et des scènes dans Blender ainsi que des retours visuels en simulation incarnée. Préparez une consigne de scène avec les dimensions, les relations entre objets, les commandes et les critères visuels d’achèvement. Le code, les instructions de scène ou les ressources produites par les outils doivent être inspectés dans l’environnement de rendu ou de simulation visé.
Pour le travail visuel et de conception, le fabricant présente des interfaces frontend et des présentations avec disposition, composants et animations, ainsi que des workflows utilisant des outils d’image et de vidéo. Fournissez le public, les contenus 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 de production suivante. Le modèle sous-jacent renvoie du texte et des instructions pour les outils ; les visuels rendus et les médias générés proviennent des outils utilisés dans le workflow.
La publication décrit aussi des applications musicales et de recherche. Son exemple musical emploie des partitions écrites et des fichiers MIDI comme livrables de composition modifiables. Ses exemples de recherche associent l’examen de littérature et de brevets, des hypothèses de conception et des simulations informatiques, ainsi qu’une formalisation mathématique vérifiée avec Lean. Pour une tâche de recherche, distinguez les observations issues des sources, les suppositions de départ, les calculs et les hypothèses proposées. Conservez les sorties des outils et les résultats de vérification, et identifiez un candidat obtenu par calcul comme un candidat plutôt que comme un résultat validé en laboratoire.
Le travail en contexte long nécessite une organisation délibérée des entrées. Gardez stables les limites des documents, les identifiants de fichiers et les décisions antérieures, et réservez de la place pour la réponse et l’historique continu des outils. La recette locale de Xiaomi recommande temperature 1.0 et top_p 0.95. Le fabricant documente aussi la répétition d’appels d’outils dans la lignée d’entraînement V2.6 et des checkpoints MOPD distincts destinés à y remédier. Vérifiez que chaque action fait avancer la tâche et conservez l’édition exacte avec le résultat ; des appels répétés sans nouveaux éléments probants justifient de réévaluer l’étape suivante.
Le livrable final doit 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 étayée. Pro, Flash et Pro-UltraSpeed ont des rôles distincts dans la famille V2.6. Préservez cette distinction lorsque vous comparez les résultats, tout en gardant les contenus, les observations des outils et le dossier de vérification disponibles pour examen.
", "aboutText": "MiMo-V2.6-Pro est le modèle phare de Xiaomi dans sa série V2.6 nativement omnimodale. Il apporte la compréhension du texte, des images, de la vidéo et de l’audio aux tâches exigeantes d’ingénierie logicielle et d’agents prolongées. 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 tokens est destiné aux dépôts volumineux, aux traces d’outils et aux tâches menées sur 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 des retours en parallèle de la puissance de calcul d’entraînement. Programmation, agents généralistes, tâches visuelles et cybersécurité sont mêlés dans différents environnements. Les trajectoires candidates sont comparées selon des critères propres aux tâches, les résultats des tests et les notes de qualité contribuant au signal d’entraînement. L’architecture Pro associe un réseau principal à attention hybride de 70 couches à des encodeurs dédiés à la vision et à l’audio et à un décodeur de prédiction de plusieurs tokens de cinq couches.\n\nPour le travail logiciel, précisez le comportement que le programme doit fournir, joignez l’implémentation concernée et expliquez comment l’achèvement sera vérifié. Conservez les contraintes du dépôt et l’échec ou la demande de modification exacts. Le modèle peut raisonner sur une succession 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 concernés et des vérifications réellement effectuées afin qu’une longue séquence aboutisse à un résultat vérifiable.\n\nLa publication de 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 références textuelles, d’images ou de vidéos, l’implémentation de la logique d’interaction et l’affinement du travail à l’aide de rendus. Elle décrit aussi des objets et des scènes dans Blender ainsi que des retours visuels en simulation incarnée. Préparez une consigne de scène avec les dimensions, les relations entre objets, les commandes et les critères visuels d’achèvement. Le code, les instructions de scène ou les ressources produites par les outils doivent être inspectés dans l’environnement de rendu ou de simulation visé.\n\nPour le travail visuel et de conception, le fabricant présente des interfaces frontend et des présentations avec disposition, composants et animations, ainsi que des workflows utilisant des outils d’image et de vidéo. Fournissez le public, les contenus 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 de production suivante. Le modèle sous-jacent renvoie du texte et des instructions pour les outils ; les visuels rendus et les médias générés proviennent des outils utilisés dans le workflow.\n\nLa publication décrit aussi des applications musicales et de recherche. Son exemple musical emploie des partitions écrites et des fichiers MIDI comme livrables de composition modifiables. Ses exemples de recherche associent l’examen de littérature et de brevets, des hypothèses de conception et des simulations informatiques, ainsi qu’une formalisation mathématique vérifiée avec Lean. Pour une tâche de recherche, distinguez les observations issues des sources, les suppositions de départ, les calculs et les hypothèses proposées. Conservez les sorties des outils et les résultats de vérification, et identifiez un candidat obtenu par calcul comme un candidat plutôt que comme un résultat validé en laboratoire.\n\nLe travail en contexte long nécessite une organisation délibérée des entrées. Gardez stables les limites des documents, les identifiants de fichiers et les décisions antérieures, et réservez de la place pour la réponse et l’historique continu des outils. La recette locale de Xiaomi recommande temperature 1.0 et top_p 0.95. Le fabricant documente aussi la répétition d’appels d’outils dans la lignée d’entraînement V2.6 et des checkpoints MOPD distincts destinés à y remédier. Vérifiez que chaque action fait avancer la tâche et conservez l’édition exacte avec le résultat ; des appels répétés sans nouveaux éléments probants justifient de réévaluer l’étape suivante.\n\nLe livrable final doit 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 étayée. Pro, Flash et Pro-UltraSpeed ont des rôles distincts dans la famille V2.6. Préservez cette distinction lorsque vous comparez les résultats, tout en gardant les contenus, les observations des outils et le dossier de vérification disponibles pour examen.", "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 travaux exigeants de programmation et de recherche et les tâches prolongées d’agents. 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 de paramètres actifs, et un contexte d’un million de tokens.
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 apporte la compréhension du texte, des images, de la vidéo et de l’audio aux tâches exigeantes d’ingénierie logicielle et d’agents prolongées. 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 tokens est destiné aux dépôts volumineux, aux traces d’outils et aux tâches menées sur de nombreuses interactions.
La série fait progresser l’approche d’apprentissage par renforcement de Xiaomi en augmentant la diversité des tâches et la qualité des retours en parallèle de la puissance de calcul d’entraînement. Programmation, agents généralistes, tâches visuelles et cybersécurité sont mêlés dans différents environnements. Les trajectoires candidates sont comparées selon des critères propres aux tâches, les résultats des tests et les notes de qualité contribuant au signal d’entraînement. L’architecture Pro associe un réseau principal à attention hybride de 70 couches à des encodeurs dédiés à la vision et à l’audio et à un décodeur de prédiction de plusieurs tokens de cinq couches.
Pour le travail logiciel, précisez le comportement que le programme doit fournir, joignez l’implémentation concernée et expliquez comment l’achèvement sera vérifié. Conservez les contraintes du dépôt et l’échec ou la demande de modification exacts. Le modèle peut raisonner sur une succession 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 concernés et des vérifications réellement effectuées afin qu’une longue séquence aboutisse à un résultat vérifiable.
La publication de 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 références textuelles, d’images ou de vidéos, l’implémentation de la logique d’interaction et l’affinement du travail à l’aide de rendus. Elle décrit aussi des objets et des scènes dans Blender ainsi que des retours visuels en simulation incarnée. Préparez une consigne de scène avec les dimensions, les relations entre objets, les commandes et les critères visuels d’achèvement. Le code, les instructions de scène ou les ressources produites par les outils doivent être inspectés dans l’environnement de rendu ou de simulation visé.
Pour le travail visuel et de conception, le fabricant présente des interfaces frontend et des présentations avec disposition, composants et animations, ainsi que des workflows utilisant des outils d’image et de vidéo. Fournissez le public, les contenus 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 de production suivante. Le modèle sous-jacent renvoie du texte et des instructions pour les outils ; les visuels rendus et les médias générés proviennent des outils utilisés dans le workflow.
La publication décrit aussi des applications musicales et de recherche. Son exemple musical emploie des partitions écrites et des fichiers MIDI comme livrables de composition modifiables. Ses exemples de recherche associent l’examen de littérature et de brevets, des hypothèses de conception et des simulations informatiques, ainsi qu’une formalisation mathématique vérifiée avec Lean. Pour une tâche de recherche, distinguez les observations issues des sources, les suppositions de départ, les calculs et les hypothèses proposées. Conservez les sorties des outils et les résultats de vérification, et identifiez un candidat obtenu par calcul comme un candidat plutôt que comme un résultat validé en laboratoire.
Le travail en contexte long nécessite une organisation délibérée des entrées. Gardez stables les limites des documents, les identifiants de fichiers et les décisions antérieures, et réservez de la place pour la réponse et l’historique continu des outils. La recette locale de Xiaomi recommande temperature 1.0 et top_p 0.95. Le fabricant documente aussi la répétition d’appels d’outils dans la lignée d’entraînement V2.6 et des checkpoints MOPD distincts destinés à y remédier. Vérifiez que chaque action fait avancer la tâche et conservez l’édition exacte avec le résultat ; des appels répétés sans nouveaux éléments probants justifient de réévaluer l’étape suivante.
Le livrable final doit 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 étayée. Pro, Flash et Pro-UltraSpeed ont des rôles distincts dans la famille V2.6. Préservez cette distinction lorsque vous comparez les résultats, tout en gardant les contenus, les observations des outils et le dossier de vérification disponibles pour examen.
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’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00087 / 1K tokens Sortie · Tokens en sortie $0.00174 / 1K tokens Entrée · Lecture du cache $0.0000072 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00087 / 1K tokens Sortie · Tokens en sortie $0.00174 / 1K tokens Entrée · Lecture du cache $0.0000072 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.6-pro", "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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra xiaomi/mimo-v2.6-pro
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 travaux exigeants de programmation et de recherche et les tâches prolongées d’agents. 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 de paramètres actifs, et un contexte d’un million de tokens.
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 apporte la compréhension du texte, des images, de la vidéo et de l’audio aux tâches exigeantes d’ingénierie logicielle et d’agents prolongées. 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 tokens est destiné aux dépôts volumineux, aux traces d’outils et aux tâches menées sur de nombreuses interactions.
La série fait progresser l’approche d’apprentissage par renforcement de Xiaomi en augmentant la diversité des tâches et la qualité des retours en parallèle de la puissance de calcul d’entraînement. Programmation, agents généralistes, tâches visuelles et cybersécurité sont mêlés dans différents environnements. Les trajectoires candidates sont comparées selon des critères propres aux tâches, les résultats des tests et les notes de qualité contribuant au signal d’entraînement. L’architecture Pro associe un réseau principal à attention hybride de 70 couches à des encodeurs dédiés à la vision et à l’audio et à un décodeur de prédiction de plusieurs tokens de cinq couches.
Pour le travail logiciel, précisez le comportement que le programme doit fournir, joignez l’implémentation concernée et expliquez comment l’achèvement sera vérifié. Conservez les contraintes du dépôt et l’échec ou la demande de modification exacts. Le modèle peut raisonner sur une succession 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 concernés et des vérifications réellement effectuées afin qu’une longue séquence aboutisse à un résultat vérifiable.
La publication de 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 références textuelles, d’images ou de vidéos, l’implémentation de la logique d’interaction et l’affinement du travail à l’aide de rendus. Elle décrit aussi des objets et des scènes dans Blender ainsi que des retours visuels en simulation incarnée. Préparez une consigne de scène avec les dimensions, les relations entre objets, les commandes et les critères visuels d’achèvement. Le code, les instructions de scène ou les ressources produites par les outils doivent être inspectés dans l’environnement de rendu ou de simulation visé.
Pour le travail visuel et de conception, le fabricant présente des interfaces frontend et des présentations avec disposition, composants et animations, ainsi que des workflows utilisant des outils d’image et de vidéo. Fournissez le public, les contenus 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 de production suivante. Le modèle sous-jacent renvoie du texte et des instructions pour les outils ; les visuels rendus et les médias générés proviennent des outils utilisés dans le workflow.
La publication décrit aussi des applications musicales et de recherche. Son exemple musical emploie des partitions écrites et des fichiers MIDI comme livrables de composition modifiables. Ses exemples de recherche associent l’examen de littérature et de brevets, des hypothèses de conception et des simulations informatiques, ainsi qu’une formalisation mathématique vérifiée avec Lean. Pour une tâche de recherche, distinguez les observations issues des sources, les suppositions de départ, les calculs et les hypothèses proposées. Conservez les sorties des outils et les résultats de vérification, et identifiez un candidat obtenu par calcul comme un candidat plutôt que comme un résultat validé en laboratoire.
Le travail en contexte long nécessite une organisation délibérée des entrées. Gardez stables les limites des documents, les identifiants de fichiers et les décisions antérieures, et réservez de la place pour la réponse et l’historique continu des outils. La recette locale de Xiaomi recommande temperature 1.0 et top_p 0.95. Le fabricant documente aussi la répétition d’appels d’outils dans la lignée d’entraînement V2.6 et des checkpoints MOPD distincts destinés à y remédier. Vérifiez que chaque action fait avancer la tâche et conservez l’édition exacte avec le résultat ; des appels répétés sans nouveaux éléments probants justifient de réévaluer l’étape suivante.
Le livrable final doit 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 étayée. Pro, Flash et Pro-UltraSpeed ont des rôles distincts dans la famille V2.6. Préservez cette distinction lorsque vous comparez les résultats, tout en gardant les contenus, les observations des outils et le dossier de vérification disponibles pour examen.
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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00087 / 1K tokens Sortie · Tokens en sortie $0.00174 / 1K tokens Entrée · Lecture du cache $0.0000072 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00087 / 1K tokens Sortie · Tokens en sortie $0.00174 / 1K tokens Entrée · Lecture du cache $0.0000072 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "xiaomi/mimo-v2.6-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra xiaomi/mimo-v2.6-pro
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.