A MiMo-V2-Omni a Xiaomi modellje szöveg, kép, hang és videó együttes megértéséhez, valamint e megértés ügynöki feladatban történő használatához. Architektúrája külön kép-, videó- és hangkódolókat kapcsol közös gerinchez. Központi sajátossága az együttes észlelés: egy kérdés attól is függhet, mi látható, mi hallható és mit mond a kísérőszöveg, anélkül, hogy minden forrást külön kellene értelmezni. Kimenetei írásos elemzést és strukturált eszközkéréseket támogatnak.
A Xiaomi úgy írja le a modellt, hogy megtanulja összekapcsolni az észlelést, az előrejelzést és a cselekvést. Értelmezi az aktuális jelenetet, következtet arra, mi történhet ezután, és hasznos következő lépést választ. Ez különösen olyan rögzített anyagnál releváns, ahol egy esemény jelentősége több modalitástól függ. Például adj meg klipet, és kérd a látható cselekvések sorrendjének, a releváns hangoknak és kapcsolatuknak az azonosítását. Határozd meg, hogy eseményösszefoglaló, jelenetmagyarázat vagy későbbi ellenőrzéshez megfigyeléslista szükséges-e. A megfigyelt tényeket különítsd el az előrejelzésektől: a lehetséges történések értelmezése nem bizonyítja az esemény bekövetkezését.
A hangmegértés a gyártó leírásában tágabb az átírásnál. A Xiaomi a környezeti hangok osztályozását, több beszélő megkülönböztetését és a hangon és képen együttesen végzett következtetést emeli ki. Hosszú, megszakítás nélküli podcast strukturált összefoglalását is bemutatja. Hangfeladatnál add meg a fontos témákat vagy kérdéseket és a szükséges kimenetet, például érvelésvázlatot, vitapontokat vagy témánkénti összefoglalót. Beszédet tartalmazó videónál kérd az állítás összekapcsolását az azt kísérő cselekvéssel vagy képernyőtartalommal. Ha a pontos megfogalmazás vagy beszélőhöz rendelés számít, a modell a kétértelműség jelzését kapja feladatul, ne annak észrevétlen feloldását.
Vizuális oldalon a gyártó a több szakterületre kiterjedő képi következtetést és az összetett diagramelemzést hangsúlyozza. Adj olvasható diagramot, és magyarázd el az elemzési kérdést, beleértve a tengelyek, egységek és kategóriák jelentését, ha az a képen nem világos. Szemléltető kérés a fő mintázat leírása, látszólagos változás azonosítása és a diagramon közvetlenül látható értékek elkülönítése a javasolt magyarázattól. Képek összehasonlításakor határozd meg a fontos különbségeket, és látható bizonyítékhoz kötött táblázatot kérj. A forrásanyagot úgy készítsd elő, hogy a címkék és releváns részletek olvashatók legyenek; a hasznos elemzés a bemenet tényleges tartalmától függ.
A MiMo-V2-Omni strukturált eszközhívást és a felület elemeihez kötött értelmezést is támogat. A gyártó bemutatói böngészővezérlést, fájlelérést és terminálinterakciót biztosító ügynöki környezethez kapcsolják a modellt. A modell értelmezi az aktuális állapotot, eldönti a következő teendőt és műveletet ad ki; a környezet végrehajtja, majd visszaadja a frissített állapotot. Ilyen feladatnál világos célt, releváns képernyőt vagy anyagot és az engedélyezett műveletek leírását add meg. Kérd, hogy minden következő lépést a megfigyelt állapothoz kössön, és folytatás előtt használja a visszaadott eredményt. Az eszközkérés és a végrehajtott művelet eredménye külön információ.
A Xiaomi multimédiás alkotási példája ugyanezt a munkamegosztást követi: a modell megtervezi a tartalmat és irányítja a programozott folyamatot, az eszközök pedig létrehozzák és kezelik a tényleges médiafájlokat. A modell jelenetterv, felvételhez készített írásos magyarázat vagy eszközművelet-sorozat előkészítésére használható. A konkrét eredményt induláskor határozd meg, beleértve szükséges tartalmát és a teljesítés felismerésének módját. A fájlkészítést, renderelést és alkalmazásműveleteket a végrehajtó eszközökhöz kösd, ne a szöveges választ kezeld már elkészült médiaanyagként.
Gyakorlati videómunkához rögzített klipeket és célzott kérdést adj. A Xiaomi kutatási ütemterve megkülönbözteti ezt a klipfeldolgozási folyamatot a valós idejű észleléstől, ezért rögzített bemutatóból nem szabad folyamatos élő vezérlésre következtetni. Példái ügynöki környezetben végzett tartós feladatokat is mutatnak, nem korlátlan tervezési horizontot vagy általános teljesítésiidő-ígéretet igazolnak. A jelenetértelmezéseket, diagramértékeket, beszélőkapcsolatokat és javasolt műveleteket az eredeti bemenetekhez mérten ellenőrizd. A MiMo-V2-Omni hasznos szerepe a modalitások egyesítése a feladat egyetlen indokolt értelmezésében, olyan eredménnyel, amelynek bizonyítékai és műveleti kimenetei vizsgálhatók.
", "aboutText": "A MiMo-V2-Omni a Xiaomi modellje szöveg, kép, hang és videó együttes megértéséhez, valamint e megértés ügynöki feladatban történő használatához. Architektúrája külön kép-, videó- és hangkódolókat kapcsol közös gerinchez. Központi sajátossága az együttes észlelés: egy kérdés attól is függhet, mi látható, mi hallható és mit mond a kísérőszöveg, anélkül, hogy minden forrást külön kellene értelmezni. Kimenetei írásos elemzést és strukturált eszközkéréseket támogatnak.\n\nA Xiaomi úgy írja le a modellt, hogy megtanulja összekapcsolni az észlelést, az előrejelzést és a cselekvést. Értelmezi az aktuális jelenetet, következtet arra, mi történhet ezután, és hasznos következő lépést választ. Ez különösen olyan rögzített anyagnál releváns, ahol egy esemény jelentősége több modalitástól függ. Például adj meg klipet, és kérd a látható cselekvések sorrendjének, a releváns hangoknak és kapcsolatuknak az azonosítását. Határozd meg, hogy eseményösszefoglaló, jelenetmagyarázat vagy későbbi ellenőrzéshez megfigyeléslista szükséges-e. A megfigyelt tényeket különítsd el az előrejelzésektől: a lehetséges történések értelmezése nem bizonyítja az esemény bekövetkezését.\n\nA hangmegértés a gyártó leírásában tágabb az átírásnál. A Xiaomi a környezeti hangok osztályozását, több beszélő megkülönböztetését és a hangon és képen együttesen végzett következtetést emeli ki. Hosszú, megszakítás nélküli podcast strukturált összefoglalását is bemutatja. Hangfeladatnál add meg a fontos témákat vagy kérdéseket és a szükséges kimenetet, például érvelésvázlatot, vitapontokat vagy témánkénti összefoglalót. Beszédet tartalmazó videónál kérd az állítás összekapcsolását az azt kísérő cselekvéssel vagy képernyőtartalommal. Ha a pontos megfogalmazás vagy beszélőhöz rendelés számít, a modell a kétértelműség jelzését kapja feladatul, ne annak észrevétlen feloldását.\n\nVizuális oldalon a gyártó a több szakterületre kiterjedő képi következtetést és az összetett diagramelemzést hangsúlyozza. Adj olvasható diagramot, és magyarázd el az elemzési kérdést, beleértve a tengelyek, egységek és kategóriák jelentését, ha az a képen nem világos. Szemléltető kérés a fő mintázat leírása, látszólagos változás azonosítása és a diagramon közvetlenül látható értékek elkülönítése a javasolt magyarázattól. Képek összehasonlításakor határozd meg a fontos különbségeket, és látható bizonyítékhoz kötött táblázatot kérj. A forrásanyagot úgy készítsd elő, hogy a címkék és releváns részletek olvashatók legyenek; a hasznos elemzés a bemenet tényleges tartalmától függ.\n\nA MiMo-V2-Omni strukturált eszközhívást és a felület elemeihez kötött értelmezést is támogat. A gyártó bemutatói böngészővezérlést, fájlelérést és terminálinterakciót biztosító ügynöki környezethez kapcsolják a modellt. A modell értelmezi az aktuális állapotot, eldönti a következő teendőt és műveletet ad ki; a környezet végrehajtja, majd visszaadja a frissített állapotot. Ilyen feladatnál világos célt, releváns képernyőt vagy anyagot és az engedélyezett műveletek leírását add meg. Kérd, hogy minden következő lépést a megfigyelt állapothoz kössön, és folytatás előtt használja a visszaadott eredményt. Az eszközkérés és a végrehajtott művelet eredménye külön információ.\n\nA Xiaomi multimédiás alkotási példája ugyanezt a munkamegosztást követi: a modell megtervezi a tartalmat és irányítja a programozott folyamatot, az eszközök pedig létrehozzák és kezelik a tényleges médiafájlokat. A modell jelenetterv, felvételhez készített írásos magyarázat vagy eszközművelet-sorozat előkészítésére használható. A konkrét eredményt induláskor határozd meg, beleértve szükséges tartalmát és a teljesítés felismerésének módját. A fájlkészítést, renderelést és alkalmazásműveleteket a végrehajtó eszközökhöz kösd, ne a szöveges választ kezeld már elkészült médiaanyagként.\n\nGyakorlati videómunkához rögzített klipeket és célzott kérdést adj. A Xiaomi kutatási ütemterve megkülönbözteti ezt a klipfeldolgozási folyamatot a valós idejű észleléstől, ezért rögzített bemutatóból nem szabad folyamatos élő vezérlésre következtetni. Példái ügynöki környezetben végzett tartós feladatokat is mutatnak, nem korlátlan tervezési horizontot vagy általános teljesítésiidő-ígéretet igazolnak. A jelenetértelmezéseket, diagramértékeket, beszélőkapcsolatokat és javasolt műveleteket az eredeti bemenetekhez mérten ellenőrizd. A MiMo-V2-Omni hasznos szerepe a modalitások egyesítése a feladat egyetlen indokolt értelmezésében, olyan eredménnyel, amelynek bizonyítékai és műveleti kimenetei vizsgálhatók.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Summarize a supplied podcast transcript\n\nSummarize this podcast transcript by theme. Speaker A: Smaller batches reduced our queue, but we measured only one week. Speaker B: Returns rose that week; we have not linked them to batch size. Speaker A: We should compare another week before expanding. Return agreements, unresolved relationships and the proposed next step, preserving speaker attribution.A theme-based summary with speaker labels, the agreed next step and unresolved causal claims.Check that the summary does not attribute the rise in returns to batch size or report a multi-week measurement.mimo-v2-omniA MiMo-V2-Omni a Xiaomi modellje szöveg, kép, hang és videó együttes megértéséhez. Az észlelést strukturált eszközkérésekkel és a felülethez kötött értelmezéssel kapcsolja össze, támogatva a jelenetelemzést, diagramértelmezést és tényleges eszközeredményeket használó ügynöki munkafolyamatokat.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A MiMo-V2-Omni a Xiaomi modellje szöveg, kép, hang és videó együttes megértéséhez, valamint e megértés ügynöki feladatban történő használatához. Architektúrája külön kép-, videó- és hangkódolókat kapcsol közös gerinchez. Központi sajátossága az együttes észlelés: egy kérdés attól is függhet, mi látható, mi hallható és mit mond a kísérőszöveg, anélkül, hogy minden forrást külön kellene értelmezni. Kimenetei írásos elemzést és strukturált eszközkéréseket támogatnak.
A Xiaomi úgy írja le a modellt, hogy megtanulja összekapcsolni az észlelést, az előrejelzést és a cselekvést. Értelmezi az aktuális jelenetet, következtet arra, mi történhet ezután, és hasznos következő lépést választ. Ez különösen olyan rögzített anyagnál releváns, ahol egy esemény jelentősége több modalitástól függ. Például adj meg klipet, és kérd a látható cselekvések sorrendjének, a releváns hangoknak és kapcsolatuknak az azonosítását. Határozd meg, hogy eseményösszefoglaló, jelenetmagyarázat vagy későbbi ellenőrzéshez megfigyeléslista szükséges-e. A megfigyelt tényeket különítsd el az előrejelzésektől: a lehetséges történések értelmezése nem bizonyítja az esemény bekövetkezését.
A hangmegértés a gyártó leírásában tágabb az átírásnál. A Xiaomi a környezeti hangok osztályozását, több beszélő megkülönböztetését és a hangon és képen együttesen végzett következtetést emeli ki. Hosszú, megszakítás nélküli podcast strukturált összefoglalását is bemutatja. Hangfeladatnál add meg a fontos témákat vagy kérdéseket és a szükséges kimenetet, például érvelésvázlatot, vitapontokat vagy témánkénti összefoglalót. Beszédet tartalmazó videónál kérd az állítás összekapcsolását az azt kísérő cselekvéssel vagy képernyőtartalommal. Ha a pontos megfogalmazás vagy beszélőhöz rendelés számít, a modell a kétértelműség jelzését kapja feladatul, ne annak észrevétlen feloldását.
Vizuális oldalon a gyártó a több szakterületre kiterjedő képi következtetést és az összetett diagramelemzést hangsúlyozza. Adj olvasható diagramot, és magyarázd el az elemzési kérdést, beleértve a tengelyek, egységek és kategóriák jelentését, ha az a képen nem világos. Szemléltető kérés a fő mintázat leírása, látszólagos változás azonosítása és a diagramon közvetlenül látható értékek elkülönítése a javasolt magyarázattól. Képek összehasonlításakor határozd meg a fontos különbségeket, és látható bizonyítékhoz kötött táblázatot kérj. A forrásanyagot úgy készítsd elő, hogy a címkék és releváns részletek olvashatók legyenek; a hasznos elemzés a bemenet tényleges tartalmától függ.
A MiMo-V2-Omni strukturált eszközhívást és a felület elemeihez kötött értelmezést is támogat. A gyártó bemutatói böngészővezérlést, fájlelérést és terminálinterakciót biztosító ügynöki környezethez kapcsolják a modellt. A modell értelmezi az aktuális állapotot, eldönti a következő teendőt és műveletet ad ki; a környezet végrehajtja, majd visszaadja a frissített állapotot. Ilyen feladatnál világos célt, releváns képernyőt vagy anyagot és az engedélyezett műveletek leírását add meg. Kérd, hogy minden következő lépést a megfigyelt állapothoz kössön, és folytatás előtt használja a visszaadott eredményt. Az eszközkérés és a végrehajtott művelet eredménye külön információ.
A Xiaomi multimédiás alkotási példája ugyanezt a munkamegosztást követi: a modell megtervezi a tartalmat és irányítja a programozott folyamatot, az eszközök pedig létrehozzák és kezelik a tényleges médiafájlokat. A modell jelenetterv, felvételhez készített írásos magyarázat vagy eszközművelet-sorozat előkészítésére használható. A konkrét eredményt induláskor határozd meg, beleértve szükséges tartalmát és a teljesítés felismerésének módját. A fájlkészítést, renderelést és alkalmazásműveleteket a végrehajtó eszközökhöz kösd, ne a szöveges választ kezeld már elkészült médiaanyagként.
Gyakorlati videómunkához rögzített klipeket és célzott kérdést adj. A Xiaomi kutatási ütemterve megkülönbözteti ezt a klipfeldolgozási folyamatot a valós idejű észleléstől, ezért rögzített bemutatóból nem szabad folyamatos élő vezérlésre következtetni. Példái ügynöki környezetben végzett tartós feladatokat is mutatnak, nem korlátlan tervezési horizontot vagy általános teljesítésiidő-ígéretet igazolnak. A jelenetértelmezéseket, diagramértékeket, beszélőkapcsolatokat és javasolt műveleteket az eredeti bemenetekhez mérten ellenőrizd. A MiMo-V2-Omni hasznos szerepe a modalitások egyesítése a feladat egyetlen indokolt értelmezésében, olyan eredménnyel, amelynek bizonyítékai és műveleti kimenetei vizsgálhatók.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mimo-v2-omni | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.00088 / 1K token Kimenet · Kimeneti tokenek $0.0044 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mimo-v2-omni", "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='mimo-v2-omni',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='mimo-v2-omni',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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra mimo-v2-omni
Használja a fent látható metódusútvonalakat.
mimo-v2-omniA MiMo-V2-Omni a Xiaomi modellje szöveg, kép, hang és videó együttes megértéséhez. Az észlelést strukturált eszközkérésekkel és a felülethez kötött értelmezéssel kapcsolja össze, támogatva a jelenetelemzést, diagramértelmezést és tényleges eszközeredményeket használó ügynöki munkafolyamatokat.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A MiMo-V2-Omni a Xiaomi modellje szöveg, kép, hang és videó együttes megértéséhez, valamint e megértés ügynöki feladatban történő használatához. Architektúrája külön kép-, videó- és hangkódolókat kapcsol közös gerinchez. Központi sajátossága az együttes észlelés: egy kérdés attól is függhet, mi látható, mi hallható és mit mond a kísérőszöveg, anélkül, hogy minden forrást külön kellene értelmezni. Kimenetei írásos elemzést és strukturált eszközkéréseket támogatnak.
A Xiaomi úgy írja le a modellt, hogy megtanulja összekapcsolni az észlelést, az előrejelzést és a cselekvést. Értelmezi az aktuális jelenetet, következtet arra, mi történhet ezután, és hasznos következő lépést választ. Ez különösen olyan rögzített anyagnál releváns, ahol egy esemény jelentősége több modalitástól függ. Például adj meg klipet, és kérd a látható cselekvések sorrendjének, a releváns hangoknak és kapcsolatuknak az azonosítását. Határozd meg, hogy eseményösszefoglaló, jelenetmagyarázat vagy későbbi ellenőrzéshez megfigyeléslista szükséges-e. A megfigyelt tényeket különítsd el az előrejelzésektől: a lehetséges történések értelmezése nem bizonyítja az esemény bekövetkezését.
A hangmegértés a gyártó leírásában tágabb az átírásnál. A Xiaomi a környezeti hangok osztályozását, több beszélő megkülönböztetését és a hangon és képen együttesen végzett következtetést emeli ki. Hosszú, megszakítás nélküli podcast strukturált összefoglalását is bemutatja. Hangfeladatnál add meg a fontos témákat vagy kérdéseket és a szükséges kimenetet, például érvelésvázlatot, vitapontokat vagy témánkénti összefoglalót. Beszédet tartalmazó videónál kérd az állítás összekapcsolását az azt kísérő cselekvéssel vagy képernyőtartalommal. Ha a pontos megfogalmazás vagy beszélőhöz rendelés számít, a modell a kétértelműség jelzését kapja feladatul, ne annak észrevétlen feloldását.
Vizuális oldalon a gyártó a több szakterületre kiterjedő képi következtetést és az összetett diagramelemzést hangsúlyozza. Adj olvasható diagramot, és magyarázd el az elemzési kérdést, beleértve a tengelyek, egységek és kategóriák jelentését, ha az a képen nem világos. Szemléltető kérés a fő mintázat leírása, látszólagos változás azonosítása és a diagramon közvetlenül látható értékek elkülönítése a javasolt magyarázattól. Képek összehasonlításakor határozd meg a fontos különbségeket, és látható bizonyítékhoz kötött táblázatot kérj. A forrásanyagot úgy készítsd elő, hogy a címkék és releváns részletek olvashatók legyenek; a hasznos elemzés a bemenet tényleges tartalmától függ.
A MiMo-V2-Omni strukturált eszközhívást és a felület elemeihez kötött értelmezést is támogat. A gyártó bemutatói böngészővezérlést, fájlelérést és terminálinterakciót biztosító ügynöki környezethez kapcsolják a modellt. A modell értelmezi az aktuális állapotot, eldönti a következő teendőt és műveletet ad ki; a környezet végrehajtja, majd visszaadja a frissített állapotot. Ilyen feladatnál világos célt, releváns képernyőt vagy anyagot és az engedélyezett műveletek leírását add meg. Kérd, hogy minden következő lépést a megfigyelt állapothoz kössön, és folytatás előtt használja a visszaadott eredményt. Az eszközkérés és a végrehajtott művelet eredménye külön információ.
A Xiaomi multimédiás alkotási példája ugyanezt a munkamegosztást követi: a modell megtervezi a tartalmat és irányítja a programozott folyamatot, az eszközök pedig létrehozzák és kezelik a tényleges médiafájlokat. A modell jelenetterv, felvételhez készített írásos magyarázat vagy eszközművelet-sorozat előkészítésére használható. A konkrét eredményt induláskor határozd meg, beleértve szükséges tartalmát és a teljesítés felismerésének módját. A fájlkészítést, renderelést és alkalmazásműveleteket a végrehajtó eszközökhöz kösd, ne a szöveges választ kezeld már elkészült médiaanyagként.
Gyakorlati videómunkához rögzített klipeket és célzott kérdést adj. A Xiaomi kutatási ütemterve megkülönbözteti ezt a klipfeldolgozási folyamatot a valós idejű észleléstől, ezért rögzített bemutatóból nem szabad folyamatos élő vezérlésre következtetni. Példái ügynöki környezetben végzett tartós feladatokat is mutatnak, nem korlátlan tervezési horizontot vagy általános teljesítésiidő-ígéretet igazolnak. A jelenetértelmezéseket, diagramértékeket, beszélőkapcsolatokat és javasolt műveleteket az eredeti bemenetekhez mérten ellenőrizd. A MiMo-V2-Omni hasznos szerepe a modalitások egyesítése a feladat egyetlen indokolt értelmezésében, olyan eredménnyel, amelynek bizonyítékai és műveleti kimenetei vizsgálhatók.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mimo-v2-omni | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.00088 / 1K token Kimenet · Kimeneti tokenek $0.0044 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "mimo-v2-omni",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mimo-v2-omni', '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': 'mimo-v2-omni', '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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra mimo-v2-omni
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Summarize a supplied podcast transcript\n\nSummarize this podcast transcript by theme. Speaker A: Smaller batches reduced our queue, but we measured only one week. Speaker B: Returns rose that week; we have not linked them to batch size. Speaker A: We should compare another week before expanding. Return agreements, unresolved relationships and the proposed next step, preserving speaker attribution.A theme-based summary with speaker labels, the agreed next step and unresolved causal claims.Check that the summary does not attribute the rise in returns to batch size or report a multi-week measurement.