MiniMax-Text-01 הוא המודל של MiniMax המתמקד בטקסט לשיחות, למשימות שפה ולקוד. תכנון ההקשר הארוך שלו רלוונטי במיוחד כאשר שאלה תלויה במידע המפוזר על פני אוסף גדול של חומר: מפרט בצירוף התכתבויות, כמה גרסאות של מסמך או גוף נרחב של טקסט לעיון. התוצאה היא טקסט, לרבות הסברים, תוכן כתוב, קוד ומידע על קריאות לפונקציות.
הארכיטקטורה משלבת Lightning Attention, קשב Softmax רגיל ותערובת מומחים. MiniMax מדווחת על 456 מיליארד פרמטרים בסך הכול, מהם 45.9 מיליארד מופעלים לכל טוקן. למודל 80 שכבות ו-32 מומחים, והוא מנתב לכל טוקן את שני המומחים המובילים; אחרי כל קבוצה של שבע שכבות Lightning Attention מופיעה שכבת Softmax Attention. אלה מאפיינים של גרסת Text-01, ולא טענה שכל מודל הנושא את השם MiniMax משתמש באותה ארכיטקטורה.
MiniMax מדווחת על אימון באורך הקשר של מיליון טוקנים ועל הרחבה בזמן הסקה עד ארבעה מיליון טוקנים. ההבחנה הזאת חשובה בהכנת משימה עם מסמך ארוך: אורך האימון ואורך ההסקה המורחב מתארים שלבים שונים. היצרן בוחן הבנת שפה, ביצוע הוראות, הנמקה, מתמטיקה, תכנות ושימוש בחומרי עיון ארוכים. יש לקבוע את תקציב הבקשה הזמין עבור תצורת ההרצה שנבחרה, תוך הגדרה מפורשת של השאלה, המסמכים התומכים ופורמט התשובה הנדרש.
מדריך ההתחלה המהירה שפורסם משתמש בשיחה מבוססת תפקידים עם הוראת מערכת והודעת משתמש, המעוצבות באמצעות תבנית השיחה של המודל עצמו. בקשה מועילה לניתוח מסמכים יכולה לספק קטעים בעלי תוויות ברורות ולשאול: ״השוו את קריטריוני הקבלה במסמכים האלה. לכל אי-התאמה, החזירו את תווית המסמך, את הקטע הרלוונטי, את ההשלכה ואת השאלה שעלינו לפתור.״ לכתיבה, ספקו את עובדות המקור ואת הקורא המיועד; לקוד, כללו את הפונקציה הרלוונטית, את ההתנהגות הצפויה ודוגמאות שמבחינות בתוצאה נכונה. אלה דרכי שימוש לדוגמה ביכולות הטקסט שלו, ולא הבטחות לתוצאות שנקבעו מראש.
קריאות לפונקציות הן תכונה מתועדת של Text-01. היישום מתאר את הפונקציות הזמינות, את מטרתן ואת הפרמטרים שלהן; הגדרת הפרמטרים נעשית ב-JSON Schema ויכולה לכלול אובייקטים ומערכים מקוננים. המודל יכול לזהות שבקשה צריכה פונקציה חיצונית ולהציע את שמה עם ארגומנטים מובנים. מדריך היצרן מסביר פונקציה לבירור מזג אוויר, ואז מראה כיצד לפענח את הקריאה המוצעת, לבצע אותה מחוץ למודל ולהחזיר תוצאה מובנית לשיחה.
כך מתקבלת הפרדה מעשית בין תחומי האחריות. המודל בוחר פעולה מוצעת מתוך התיאורים שסופקו; היישום מחליט כיצד לאמת ולבצע אותה. למשל, אפשר לספק לעוזר מסמכים פונקציית חיפוש ולבקש שיאחזר את שדה המוצר החסר לפני כתיבת הסבר. כתבו תיאורי פרמטרים מדויקים, ציינו ערכים נדרשים ודאגו שהנתונים המוחזרים יהיו קלים לפירוש עבור המודל. עצם מתן פונקציה אינו מחייב קריאה: MiniMax מציינת במפורש שהמודל עשוי לקבוע שתשובה רגילה מתאימה יותר.
Text-01 ו-MiniMax-VL-01 הם גרסאות נפרדות. השנייה מוסיפה רכיבים חזותיים; תיאור Text-01 זה עוסק בעיבוד טקסט ובכלים המתועדים שלו. הקשר ארוך דורש גם הכנה קפדנית של המקורות: סמנו גבולות מסמכים, הבדילו בין חומר מצוטט להוראות ובקשו דרך לקשר מסקנות לקטעים שסופקו. כרטיס המודל אינו קובע פלט מרבי אוניברסלי נפרד, ולכן אין לפרש את נתון ההקשר של ארבעה מיליון טוקנים כמכסת פלט. בחרו אורך תשובה המתאים למשימה, ואמתו טענות עובדתיות, שדות שחולצו וקוד שנוצר מול החומר או הבדיקות שסיפקתם.
", "aboutText": "MiniMax-Text-01 הוא המודל של MiniMax המתמקד בטקסט לשיחות, למשימות שפה ולקוד. תכנון ההקשר הארוך שלו רלוונטי במיוחד כאשר שאלה תלויה במידע המפוזר על פני אוסף גדול של חומר: מפרט בצירוף התכתבויות, כמה גרסאות של מסמך או גוף נרחב של טקסט לעיון. התוצאה היא טקסט, לרבות הסברים, תוכן כתוב, קוד ומידע על קריאות לפונקציות.\n\nהארכיטקטורה משלבת Lightning Attention, קשב Softmax רגיל ותערובת מומחים. MiniMax מדווחת על 456 מיליארד פרמטרים בסך הכול, מהם 45.9 מיליארד מופעלים לכל טוקן. למודל 80 שכבות ו-32 מומחים, והוא מנתב לכל טוקן את שני המומחים המובילים; אחרי כל קבוצה של שבע שכבות Lightning Attention מופיעה שכבת Softmax Attention. אלה מאפיינים של גרסת Text-01, ולא טענה שכל מודל הנושא את השם MiniMax משתמש באותה ארכיטקטורה.\n\nMiniMax מדווחת על אימון באורך הקשר של מיליון טוקנים ועל הרחבה בזמן הסקה עד ארבעה מיליון טוקנים. ההבחנה הזאת חשובה בהכנת משימה עם מסמך ארוך: אורך האימון ואורך ההסקה המורחב מתארים שלבים שונים. היצרן בוחן הבנת שפה, ביצוע הוראות, הנמקה, מתמטיקה, תכנות ושימוש בחומרי עיון ארוכים. יש לקבוע את תקציב הבקשה הזמין עבור תצורת ההרצה שנבחרה, תוך הגדרה מפורשת של השאלה, המסמכים התומכים ופורמט התשובה הנדרש.\n\nמדריך ההתחלה המהירה שפורסם משתמש בשיחה מבוססת תפקידים עם הוראת מערכת והודעת משתמש, המעוצבות באמצעות תבנית השיחה של המודל עצמו. בקשה מועילה לניתוח מסמכים יכולה לספק קטעים בעלי תוויות ברורות ולשאול: ״השוו את קריטריוני הקבלה במסמכים האלה. לכל אי-התאמה, החזירו את תווית המסמך, את הקטע הרלוונטי, את ההשלכה ואת השאלה שעלינו לפתור.״ לכתיבה, ספקו את עובדות המקור ואת הקורא המיועד; לקוד, כללו את הפונקציה הרלוונטית, את ההתנהגות הצפויה ודוגמאות שמבחינות בתוצאה נכונה. אלה דרכי שימוש לדוגמה ביכולות הטקסט שלו, ולא הבטחות לתוצאות שנקבעו מראש.\n\nקריאות לפונקציות הן תכונה מתועדת של Text-01. היישום מתאר את הפונקציות הזמינות, את מטרתן ואת הפרמטרים שלהן; הגדרת הפרמטרים נעשית ב-JSON Schema ויכולה לכלול אובייקטים ומערכים מקוננים. המודל יכול לזהות שבקשה צריכה פונקציה חיצונית ולהציע את שמה עם ארגומנטים מובנים. מדריך היצרן מסביר פונקציה לבירור מזג אוויר, ואז מראה כיצד לפענח את הקריאה המוצעת, לבצע אותה מחוץ למודל ולהחזיר תוצאה מובנית לשיחה.\n\nכך מתקבלת הפרדה מעשית בין תחומי האחריות. המודל בוחר פעולה מוצעת מתוך התיאורים שסופקו; היישום מחליט כיצד לאמת ולבצע אותה. למשל, אפשר לספק לעוזר מסמכים פונקציית חיפוש ולבקש שיאחזר את שדה המוצר החסר לפני כתיבת הסבר. כתבו תיאורי פרמטרים מדויקים, ציינו ערכים נדרשים ודאגו שהנתונים המוחזרים יהיו קלים לפירוש עבור המודל. עצם מתן פונקציה אינו מחייב קריאה: MiniMax מציינת במפורש שהמודל עשוי לקבוע שתשובה רגילה מתאימה יותר.\n\nText-01 ו-MiniMax-VL-01 הם גרסאות נפרדות. השנייה מוסיפה רכיבים חזותיים; תיאור Text-01 זה עוסק בעיבוד טקסט ובכלים המתועדים שלו. הקשר ארוך דורש גם הכנה קפדנית של המקורות: סמנו גבולות מסמכים, הבדילו בין חומר מצוטט להוראות ובקשו דרך לקשר מסקנות לקטעים שסופקו. כרטיס המודל אינו קובע פלט מרבי אוניברסלי נפרד, ולכן אין לפרש את נתון ההקשר של ארבעה מיליון טוקנים כמכסת פלט. בחרו אורך תשובה המתאים למשימה, ואמתו טענות עובדתיות, שדות שחולצו וקוד שנוצר מול החומר או הבדיקות שסיפקתם.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Reconcile acceptance documents\n\nSpecification S1 says: 'An export is accepted when it contains all active accounts.' Email E1 says: 'Include suspended accounts in the acceptance sample.' Test note T1 says: 'The sample contains only active accounts.' Produce a mismatch record with source labels, practical consequence and one question for the owner. Do not silently choose a new acceptance rule.A source-labeled mismatch record, consequence and clarification question.The record must distinguish the coverage rule from the actual sample rather than declare acceptance achieved.MiniMax-Text-01MiniMax-Text-01 הוא מודל טקסט בעל הקשר ארוך לניתוח מסמכים, לכתיבה, לתכנות ולתהליכי עבודה הנעזרים בכלים. הוא משלב קשב היברידי עם תערובת מומחים ויכול להציע קריאות לפונקציות עם ארגומנטים מובנים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
MiniMax-Text-01 הוא המודל של MiniMax המתמקד בטקסט לשיחות, למשימות שפה ולקוד. תכנון ההקשר הארוך שלו רלוונטי במיוחד כאשר שאלה תלויה במידע המפוזר על פני אוסף גדול של חומר: מפרט בצירוף התכתבויות, כמה גרסאות של מסמך או גוף נרחב של טקסט לעיון. התוצאה היא טקסט, לרבות הסברים, תוכן כתוב, קוד ומידע על קריאות לפונקציות.
הארכיטקטורה משלבת Lightning Attention, קשב Softmax רגיל ותערובת מומחים. MiniMax מדווחת על 456 מיליארד פרמטרים בסך הכול, מהם 45.9 מיליארד מופעלים לכל טוקן. למודל 80 שכבות ו-32 מומחים, והוא מנתב לכל טוקן את שני המומחים המובילים; אחרי כל קבוצה של שבע שכבות Lightning Attention מופיעה שכבת Softmax Attention. אלה מאפיינים של גרסת Text-01, ולא טענה שכל מודל הנושא את השם MiniMax משתמש באותה ארכיטקטורה.
MiniMax מדווחת על אימון באורך הקשר של מיליון טוקנים ועל הרחבה בזמן הסקה עד ארבעה מיליון טוקנים. ההבחנה הזאת חשובה בהכנת משימה עם מסמך ארוך: אורך האימון ואורך ההסקה המורחב מתארים שלבים שונים. היצרן בוחן הבנת שפה, ביצוע הוראות, הנמקה, מתמטיקה, תכנות ושימוש בחומרי עיון ארוכים. יש לקבוע את תקציב הבקשה הזמין עבור תצורת ההרצה שנבחרה, תוך הגדרה מפורשת של השאלה, המסמכים התומכים ופורמט התשובה הנדרש.
מדריך ההתחלה המהירה שפורסם משתמש בשיחה מבוססת תפקידים עם הוראת מערכת והודעת משתמש, המעוצבות באמצעות תבנית השיחה של המודל עצמו. בקשה מועילה לניתוח מסמכים יכולה לספק קטעים בעלי תוויות ברורות ולשאול: ״השוו את קריטריוני הקבלה במסמכים האלה. לכל אי-התאמה, החזירו את תווית המסמך, את הקטע הרלוונטי, את ההשלכה ואת השאלה שעלינו לפתור.״ לכתיבה, ספקו את עובדות המקור ואת הקורא המיועד; לקוד, כללו את הפונקציה הרלוונטית, את ההתנהגות הצפויה ודוגמאות שמבחינות בתוצאה נכונה. אלה דרכי שימוש לדוגמה ביכולות הטקסט שלו, ולא הבטחות לתוצאות שנקבעו מראש.
קריאות לפונקציות הן תכונה מתועדת של Text-01. היישום מתאר את הפונקציות הזמינות, את מטרתן ואת הפרמטרים שלהן; הגדרת הפרמטרים נעשית ב-JSON Schema ויכולה לכלול אובייקטים ומערכים מקוננים. המודל יכול לזהות שבקשה צריכה פונקציה חיצונית ולהציע את שמה עם ארגומנטים מובנים. מדריך היצרן מסביר פונקציה לבירור מזג אוויר, ואז מראה כיצד לפענח את הקריאה המוצעת, לבצע אותה מחוץ למודל ולהחזיר תוצאה מובנית לשיחה.
כך מתקבלת הפרדה מעשית בין תחומי האחריות. המודל בוחר פעולה מוצעת מתוך התיאורים שסופקו; היישום מחליט כיצד לאמת ולבצע אותה. למשל, אפשר לספק לעוזר מסמכים פונקציית חיפוש ולבקש שיאחזר את שדה המוצר החסר לפני כתיבת הסבר. כתבו תיאורי פרמטרים מדויקים, ציינו ערכים נדרשים ודאגו שהנתונים המוחזרים יהיו קלים לפירוש עבור המודל. עצם מתן פונקציה אינו מחייב קריאה: MiniMax מציינת במפורש שהמודל עשוי לקבוע שתשובה רגילה מתאימה יותר.
Text-01 ו-MiniMax-VL-01 הם גרסאות נפרדות. השנייה מוסיפה רכיבים חזותיים; תיאור Text-01 זה עוסק בעיבוד טקסט ובכלים המתועדים שלו. הקשר ארוך דורש גם הכנה קפדנית של המקורות: סמנו גבולות מסמכים, הבדילו בין חומר מצוטט להוראות ובקשו דרך לקשר מסקנות לקטעים שסופקו. כרטיס המודל אינו קובע פלט מרבי אוניברסלי נפרד, ולכן אין לפרש את נתון ההקשר של ארבעה מיליון טוקנים כמכסת פלט. בחרו אורך תשובה המתאים למשימה, ואמתו טענות עובדתיות, שדות שחולצו וקוד שנוצר מול החומר או הבדיקות שסיפקתם.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות MiniMax-Text-01 | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.000308 / 1K טוקנים פלט · טוקני פלט $0.002464 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "MiniMax-Text-01", "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='MiniMax-Text-01',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='MiniMax-Text-01',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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra MiniMax-Text-01
השתמשו בנתיבי השיטות המוצגים למעלה.
MiniMax-Text-01MiniMax-Text-01 הוא מודל טקסט בעל הקשר ארוך לניתוח מסמכים, לכתיבה, לתכנות ולתהליכי עבודה הנעזרים בכלים. הוא משלב קשב היברידי עם תערובת מומחים ויכול להציע קריאות לפונקציות עם ארגומנטים מובנים.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
MiniMax-Text-01 הוא המודל של MiniMax המתמקד בטקסט לשיחות, למשימות שפה ולקוד. תכנון ההקשר הארוך שלו רלוונטי במיוחד כאשר שאלה תלויה במידע המפוזר על פני אוסף גדול של חומר: מפרט בצירוף התכתבויות, כמה גרסאות של מסמך או גוף נרחב של טקסט לעיון. התוצאה היא טקסט, לרבות הסברים, תוכן כתוב, קוד ומידע על קריאות לפונקציות.
הארכיטקטורה משלבת Lightning Attention, קשב Softmax רגיל ותערובת מומחים. MiniMax מדווחת על 456 מיליארד פרמטרים בסך הכול, מהם 45.9 מיליארד מופעלים לכל טוקן. למודל 80 שכבות ו-32 מומחים, והוא מנתב לכל טוקן את שני המומחים המובילים; אחרי כל קבוצה של שבע שכבות Lightning Attention מופיעה שכבת Softmax Attention. אלה מאפיינים של גרסת Text-01, ולא טענה שכל מודל הנושא את השם MiniMax משתמש באותה ארכיטקטורה.
MiniMax מדווחת על אימון באורך הקשר של מיליון טוקנים ועל הרחבה בזמן הסקה עד ארבעה מיליון טוקנים. ההבחנה הזאת חשובה בהכנת משימה עם מסמך ארוך: אורך האימון ואורך ההסקה המורחב מתארים שלבים שונים. היצרן בוחן הבנת שפה, ביצוע הוראות, הנמקה, מתמטיקה, תכנות ושימוש בחומרי עיון ארוכים. יש לקבוע את תקציב הבקשה הזמין עבור תצורת ההרצה שנבחרה, תוך הגדרה מפורשת של השאלה, המסמכים התומכים ופורמט התשובה הנדרש.
מדריך ההתחלה המהירה שפורסם משתמש בשיחה מבוססת תפקידים עם הוראת מערכת והודעת משתמש, המעוצבות באמצעות תבנית השיחה של המודל עצמו. בקשה מועילה לניתוח מסמכים יכולה לספק קטעים בעלי תוויות ברורות ולשאול: ״השוו את קריטריוני הקבלה במסמכים האלה. לכל אי-התאמה, החזירו את תווית המסמך, את הקטע הרלוונטי, את ההשלכה ואת השאלה שעלינו לפתור.״ לכתיבה, ספקו את עובדות המקור ואת הקורא המיועד; לקוד, כללו את הפונקציה הרלוונטית, את ההתנהגות הצפויה ודוגמאות שמבחינות בתוצאה נכונה. אלה דרכי שימוש לדוגמה ביכולות הטקסט שלו, ולא הבטחות לתוצאות שנקבעו מראש.
קריאות לפונקציות הן תכונה מתועדת של Text-01. היישום מתאר את הפונקציות הזמינות, את מטרתן ואת הפרמטרים שלהן; הגדרת הפרמטרים נעשית ב-JSON Schema ויכולה לכלול אובייקטים ומערכים מקוננים. המודל יכול לזהות שבקשה צריכה פונקציה חיצונית ולהציע את שמה עם ארגומנטים מובנים. מדריך היצרן מסביר פונקציה לבירור מזג אוויר, ואז מראה כיצד לפענח את הקריאה המוצעת, לבצע אותה מחוץ למודל ולהחזיר תוצאה מובנית לשיחה.
כך מתקבלת הפרדה מעשית בין תחומי האחריות. המודל בוחר פעולה מוצעת מתוך התיאורים שסופקו; היישום מחליט כיצד לאמת ולבצע אותה. למשל, אפשר לספק לעוזר מסמכים פונקציית חיפוש ולבקש שיאחזר את שדה המוצר החסר לפני כתיבת הסבר. כתבו תיאורי פרמטרים מדויקים, ציינו ערכים נדרשים ודאגו שהנתונים המוחזרים יהיו קלים לפירוש עבור המודל. עצם מתן פונקציה אינו מחייב קריאה: MiniMax מציינת במפורש שהמודל עשוי לקבוע שתשובה רגילה מתאימה יותר.
Text-01 ו-MiniMax-VL-01 הם גרסאות נפרדות. השנייה מוסיפה רכיבים חזותיים; תיאור Text-01 זה עוסק בעיבוד טקסט ובכלים המתועדים שלו. הקשר ארוך דורש גם הכנה קפדנית של המקורות: סמנו גבולות מסמכים, הבדילו בין חומר מצוטט להוראות ובקשו דרך לקשר מסקנות לקטעים שסופקו. כרטיס המודל אינו קובע פלט מרבי אוניברסלי נפרד, ולכן אין לפרש את נתון ההקשר של ארבעה מיליון טוקנים כמכסת פלט. בחרו אורך תשובה המתאים למשימה, ואמתו טענות עובדתיות, שדות שחולצו וקוד שנוצר מול החומר או הבדיקות שסיפקתם.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות MiniMax-Text-01 | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
| תצורה | טבלת תעריפים | חיוב |
|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | חיוב קלט · טוקני קלט $0.000308 / 1K טוקנים פלט · טוקני פלט $0.002464 / 1K טוקנים קלט · קריאה מהמטמון $0 / 1K טוקנים קלט · כתיבה למטמון $0 / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "MiniMax-Text-01",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'MiniMax-Text-01', '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': 'MiniMax-Text-01', '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 או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra MiniMax-Text-01
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Reconcile acceptance documents\n\nSpecification S1 says: 'An export is accepted when it contains all active accounts.' Email E1 says: 'Include suspended accounts in the acceptance sample.' Test note T1 says: 'The sample contains only active accounts.' Produce a mismatch record with source labels, practical consequence and one question for the owner. Do not silently choose a new acceptance rule.A source-labeled mismatch record, consequence and clarification question.The record must distinguish the coverage rule from the actual sample rather than declare acceptance achieved.