Alap az ügynökmunkához
A MiMo-V2-Pro a Xiaomi zászlóshajó alapmodellje összetett ügynökfeladatokhoz és szoftverfejlesztéshez. Szerepe a feladat átgondolása, a szükséges lépések megszervezése és az eszközök által visszaadott információ felhasználása egy meghatározott eredmény felé haladáshoz. A modell hangsúlya túlmutat egyetlen válasz megfogalmazásán: összekapcsolt munkára tervezték, ahol a korábbi döntések és megfigyelések befolyásolják a következő lépéseket.
Méret és hatékony architektúra
A gyártó több mint 1 billió összes paramétert ír le, amelyekből 42 milliárd aktív. A Pro a MiMo-V2-Flash hibrid figyelmi megközelítését bővíti, a csúszóablakos és a globális figyelem 7:1 arányával. Egy könnyű, többtokenes előrejelző réteg támogatja a generálást, a meghirdetett kontextus pedig eléri az 1 millió tokent. Ezek a Pro architekturális és kontextustulajdonságai; nem határozzák meg egy adott integráció végrehajtási sebességét, memóriafoglalását vagy kéréskorlátait.
Kiadási előzmények
A Xiaomi a Hunter Alphát a MiMo-V2-Pro előtti korai belső tesztváltozatként azonosítja. A kiadott Pro modell saját névvel rendelkezik, és finomításokat kapott a hosszú kontextussal végzett munkához és az ügynökhelyzetek stabilitásához. Ez a különbség számít leírások összehasonlításakor vagy egy modell azonosságának megőrzésekor: a korábbi tesztváltozatnak, a MiMo-V2-Flashnek és a MiMo-V2-Omninak külön szerepe és specifikációja van.
Ügynökökhöz tervezve
A modellt felügyelt tanulással és megerősítéses tanulással finomhangolták különféle ügynökkeretrendszerekben, az eszközhívásokra és a többlépéses következtetésre összpontosítva. Készíts feladatot megfigyelhető befejezési feltétellel és az elérhető eszközök leírásával. Egy projektasszisztens például kaphat módosítási kérést, megvizsgálhatja a megadott modulokat, javaslatot tehet az érintett komponensekre, majd folytathatja a munkát, miután egy eszköz fordítási hibát ad vissza. A hasznos kimenet tényleges megfigyelésekhez kapcsolódó döntéssorozat, majd a kért kód, magyarázat vagy munkabeszámoló. A kapcsolódó környezet hajtja végre a műveleteket.
Szoftverfejlesztés és frontendfeladatok
A Xiaomi a rendszertervezést, a feladattervezést és a kódközpontú problémamegoldást emeli ki. Bemutatói között ügynökkörnyezetben készített interaktív weboldalak és böngészős játék is szerepel. Egy szemléltető fejlesztési feladatleírás meghatározhatja az oldal működését, navigációját, adatállapotait és reszponzív elrendezését, majd megvalósítást és e követelmények szerinti ellenőrzéseket kérhet. Meglévő projekthez add meg az aktuális fájlokat, a hibát előidéző esetet és a változatlanul megőrzendő interfészeket. Célzott módosítást és az általa érintett függőségek magyarázatát kérd, ne egy oda nem tartozó helyettesítő alkalmazást.
Hosszú kontextus és ellenőrizhető eredmény
Az akár 1 millió tokenes kontextus akkor hasznos, ha több fájl, dokumentum, utasítás és korábbi megfigyelés tartozik ugyanahhoz a feladathoz. Rendezd ezeket szerepük szerint: irányadó követelmények, aktuális kód, referenciapéldák és eszközeredmények. Határozd meg a végső eredményanyagot és elfogadási feltételeit, mielőtt az ügynököt a folytatásra kérnéd. Dokumentációs feladatnál megválaszolatlan kérdéseket tartalmazó összehasonlításra lehet szükség; mérnöki feladatnál javításra és az elvégzett ellenőrzések feljegyzésére.
Gyakorlati korlátok és a kiadás hatóköre
A hosszú kontextus helyet ad az anyagnak, de nem garantálja, hogy a generált projekt helyes vagy minden követelmény teljesült. A következő lépéshez add vissza a tényleges hibákat és megfigyeléseket, az eredményt pedig ellenőrizd a tervezett környezetben. A gyártó kifejezetten vizsgálandó és javítandó tulajdonságként kezeli az összetett valós feladatokban mutatott robusztusságot. Ez a leírás a MiMo-V2-Pro szöveges és eszközös ügynökspecializációjára vonatkozik; az Omni modalitásfunkciói és a későbbi MiMo-generációk specifikációi a saját modelljeikhez tartoznak. Az eszközök, az elérhető paraméterek és a kimenet kezelése továbbra is a kapcsolódó alkalmazás tulajdonságai.
", "aboutText": "Alap az ügynökmunkához\n\nA MiMo-V2-Pro a Xiaomi zászlóshajó alapmodellje összetett ügynökfeladatokhoz és szoftverfejlesztéshez. Szerepe a feladat átgondolása, a szükséges lépések megszervezése és az eszközök által visszaadott információ felhasználása egy meghatározott eredmény felé haladáshoz. A modell hangsúlya túlmutat egyetlen válasz megfogalmazásán: összekapcsolt munkára tervezték, ahol a korábbi döntések és megfigyelések befolyásolják a következő lépéseket.\n\nMéret és hatékony architektúra\n\nA gyártó több mint 1 billió összes paramétert ír le, amelyekből 42 milliárd aktív. A Pro a MiMo-V2-Flash hibrid figyelmi megközelítését bővíti, a csúszóablakos és a globális figyelem 7:1 arányával. Egy könnyű, többtokenes előrejelző réteg támogatja a generálást, a meghirdetett kontextus pedig eléri az 1 millió tokent. Ezek a Pro architekturális és kontextustulajdonságai; nem határozzák meg egy adott integráció végrehajtási sebességét, memóriafoglalását vagy kéréskorlátait.\n\nKiadási előzmények\n\nA Xiaomi a Hunter Alphát a MiMo-V2-Pro előtti korai belső tesztváltozatként azonosítja. A kiadott Pro modell saját névvel rendelkezik, és finomításokat kapott a hosszú kontextussal végzett munkához és az ügynökhelyzetek stabilitásához. Ez a különbség számít leírások összehasonlításakor vagy egy modell azonosságának megőrzésekor: a korábbi tesztváltozatnak, a MiMo-V2-Flashnek és a MiMo-V2-Omninak külön szerepe és specifikációja van.\n\nÜgynökökhöz tervezve\n\nA modellt felügyelt tanulással és megerősítéses tanulással finomhangolták különféle ügynökkeretrendszerekben, az eszközhívásokra és a többlépéses következtetésre összpontosítva. Készíts feladatot megfigyelhető befejezési feltétellel és az elérhető eszközök leírásával. Egy projektasszisztens például kaphat módosítási kérést, megvizsgálhatja a megadott modulokat, javaslatot tehet az érintett komponensekre, majd folytathatja a munkát, miután egy eszköz fordítási hibát ad vissza. A hasznos kimenet tényleges megfigyelésekhez kapcsolódó döntéssorozat, majd a kért kód, magyarázat vagy munkabeszámoló. A kapcsolódó környezet hajtja végre a műveleteket.\n\nSzoftverfejlesztés és frontendfeladatok\n\nA Xiaomi a rendszertervezést, a feladattervezést és a kódközpontú problémamegoldást emeli ki. Bemutatói között ügynökkörnyezetben készített interaktív weboldalak és böngészős játék is szerepel. Egy szemléltető fejlesztési feladatleírás meghatározhatja az oldal működését, navigációját, adatállapotait és reszponzív elrendezését, majd megvalósítást és e követelmények szerinti ellenőrzéseket kérhet. Meglévő projekthez add meg az aktuális fájlokat, a hibát előidéző esetet és a változatlanul megőrzendő interfészeket. Célzott módosítást és az általa érintett függőségek magyarázatát kérd, ne egy oda nem tartozó helyettesítő alkalmazást.\n\nHosszú kontextus és ellenőrizhető eredmény\n\nAz akár 1 millió tokenes kontextus akkor hasznos, ha több fájl, dokumentum, utasítás és korábbi megfigyelés tartozik ugyanahhoz a feladathoz. Rendezd ezeket szerepük szerint: irányadó követelmények, aktuális kód, referenciapéldák és eszközeredmények. Határozd meg a végső eredményanyagot és elfogadási feltételeit, mielőtt az ügynököt a folytatásra kérnéd. Dokumentációs feladatnál megválaszolatlan kérdéseket tartalmazó összehasonlításra lehet szükség; mérnöki feladatnál javításra és az elvégzett ellenőrzések feljegyzésére.\n\nGyakorlati korlátok és a kiadás hatóköre\n\nA hosszú kontextus helyet ad az anyagnak, de nem garantálja, hogy a generált projekt helyes vagy minden követelmény teljesült. A következő lépéshez add vissza a tényleges hibákat és megfigyeléseket, az eredményt pedig ellenőrizd a tervezett környezetben. A gyártó kifejezetten vizsgálandó és javítandó tulajdonságként kezeli az összetett valós feladatokban mutatott robusztusságot. Ez a leírás a MiMo-V2-Pro szöveges és eszközös ügynökspecializációjára vonatkozik; az Omni modalitásfunkciói és a későbbi MiMo-generációk specifikációi a saját modelljeikhez tartoznak. Az eszközök, az elérhető paraméterek és a kimenet kezelése továbbra is a kapcsolódó alkalmazás tulajdonságai.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Correct an error-state transition\n\nA text specification says a search box has idle, loading, results and error states. Existing logic sets loading=true before fetch and false only on success, so failures leave the spinner visible. Propose pseudocode that preserves results on success, shows an error on failure and always clears loading. Include the two distinguishing checks.Focused async pseudocode and success/failure checks covering final loading state and visible result or error.Check that loading is cleared in both branches without suppressing the error.mimo-v2-proA MiMo-V2-Pro a Xiaomi ügynökökre összpontosító szöveges modellje szoftverfejlesztéshez, többlépéses tervezéshez és eszközvezérelt munkához. Akár 1 millió tokenes kontextusa segít jelentős mennyiségű projektanyagot, feladatkorlátokat és egymást követő megfigyeléseket összefüggő munkafolyamatban tartani.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
Alap az ügynökmunkához
A MiMo-V2-Pro a Xiaomi zászlóshajó alapmodellje összetett ügynökfeladatokhoz és szoftverfejlesztéshez. Szerepe a feladat átgondolása, a szükséges lépések megszervezése és az eszközök által visszaadott információ felhasználása egy meghatározott eredmény felé haladáshoz. A modell hangsúlya túlmutat egyetlen válasz megfogalmazásán: összekapcsolt munkára tervezték, ahol a korábbi döntések és megfigyelések befolyásolják a következő lépéseket.
Méret és hatékony architektúra
A gyártó több mint 1 billió összes paramétert ír le, amelyekből 42 milliárd aktív. A Pro a MiMo-V2-Flash hibrid figyelmi megközelítését bővíti, a csúszóablakos és a globális figyelem 7:1 arányával. Egy könnyű, többtokenes előrejelző réteg támogatja a generálást, a meghirdetett kontextus pedig eléri az 1 millió tokent. Ezek a Pro architekturális és kontextustulajdonságai; nem határozzák meg egy adott integráció végrehajtási sebességét, memóriafoglalását vagy kéréskorlátait.
Kiadási előzmények
A Xiaomi a Hunter Alphát a MiMo-V2-Pro előtti korai belső tesztváltozatként azonosítja. A kiadott Pro modell saját névvel rendelkezik, és finomításokat kapott a hosszú kontextussal végzett munkához és az ügynökhelyzetek stabilitásához. Ez a különbség számít leírások összehasonlításakor vagy egy modell azonosságának megőrzésekor: a korábbi tesztváltozatnak, a MiMo-V2-Flashnek és a MiMo-V2-Omninak külön szerepe és specifikációja van.
Ügynökökhöz tervezve
A modellt felügyelt tanulással és megerősítéses tanulással finomhangolták különféle ügynökkeretrendszerekben, az eszközhívásokra és a többlépéses következtetésre összpontosítva. Készíts feladatot megfigyelhető befejezési feltétellel és az elérhető eszközök leírásával. Egy projektasszisztens például kaphat módosítási kérést, megvizsgálhatja a megadott modulokat, javaslatot tehet az érintett komponensekre, majd folytathatja a munkát, miután egy eszköz fordítási hibát ad vissza. A hasznos kimenet tényleges megfigyelésekhez kapcsolódó döntéssorozat, majd a kért kód, magyarázat vagy munkabeszámoló. A kapcsolódó környezet hajtja végre a műveleteket.
Szoftverfejlesztés és frontendfeladatok
A Xiaomi a rendszertervezést, a feladattervezést és a kódközpontú problémamegoldást emeli ki. Bemutatói között ügynökkörnyezetben készített interaktív weboldalak és böngészős játék is szerepel. Egy szemléltető fejlesztési feladatleírás meghatározhatja az oldal működését, navigációját, adatállapotait és reszponzív elrendezését, majd megvalósítást és e követelmények szerinti ellenőrzéseket kérhet. Meglévő projekthez add meg az aktuális fájlokat, a hibát előidéző esetet és a változatlanul megőrzendő interfészeket. Célzott módosítást és az általa érintett függőségek magyarázatát kérd, ne egy oda nem tartozó helyettesítő alkalmazást.
Hosszú kontextus és ellenőrizhető eredmény
Az akár 1 millió tokenes kontextus akkor hasznos, ha több fájl, dokumentum, utasítás és korábbi megfigyelés tartozik ugyanahhoz a feladathoz. Rendezd ezeket szerepük szerint: irányadó követelmények, aktuális kód, referenciapéldák és eszközeredmények. Határozd meg a végső eredményanyagot és elfogadási feltételeit, mielőtt az ügynököt a folytatásra kérnéd. Dokumentációs feladatnál megválaszolatlan kérdéseket tartalmazó összehasonlításra lehet szükség; mérnöki feladatnál javításra és az elvégzett ellenőrzések feljegyzésére.
Gyakorlati korlátok és a kiadás hatóköre
A hosszú kontextus helyet ad az anyagnak, de nem garantálja, hogy a generált projekt helyes vagy minden követelmény teljesült. A következő lépéshez add vissza a tényleges hibákat és megfigyeléseket, az eredményt pedig ellenőrizd a tervezett környezetben. A gyártó kifejezetten vizsgálandó és javítandó tulajdonságként kezeli az összetett valós feladatokban mutatott robusztusságot. Ez a leírás a MiMo-V2-Pro szöveges és eszközös ügynökspecializációjára vonatkozik; az Omni modalitásfunkciói és a későbbi MiMo-generációk specifikációi a saját modelljeikhez tartoznak. Az eszközök, az elérhető paraméterek és a kimenet kezelése továbbra is a kapcsolódó alkalmazás tulajdonságai.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mimo-v2-pro | 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 $0.0022 / 1K token Kimenet · Kimeneti tokenek $0.0066 / 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-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='mimo-v2-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='mimo-v2-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 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-pro
Használja a fent látható metódusútvonalakat.
mimo-v2-proA MiMo-V2-Pro a Xiaomi ügynökökre összpontosító szöveges modellje szoftverfejlesztéshez, többlépéses tervezéshez és eszközvezérelt munkához. Akár 1 millió tokenes kontextusa segít jelentős mennyiségű projektanyagot, feladatkorlátokat és egymást követő megfigyeléseket összefüggő munkafolyamatban tartani.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
Alap az ügynökmunkához
A MiMo-V2-Pro a Xiaomi zászlóshajó alapmodellje összetett ügynökfeladatokhoz és szoftverfejlesztéshez. Szerepe a feladat átgondolása, a szükséges lépések megszervezése és az eszközök által visszaadott információ felhasználása egy meghatározott eredmény felé haladáshoz. A modell hangsúlya túlmutat egyetlen válasz megfogalmazásán: összekapcsolt munkára tervezték, ahol a korábbi döntések és megfigyelések befolyásolják a következő lépéseket.
Méret és hatékony architektúra
A gyártó több mint 1 billió összes paramétert ír le, amelyekből 42 milliárd aktív. A Pro a MiMo-V2-Flash hibrid figyelmi megközelítését bővíti, a csúszóablakos és a globális figyelem 7:1 arányával. Egy könnyű, többtokenes előrejelző réteg támogatja a generálást, a meghirdetett kontextus pedig eléri az 1 millió tokent. Ezek a Pro architekturális és kontextustulajdonságai; nem határozzák meg egy adott integráció végrehajtási sebességét, memóriafoglalását vagy kéréskorlátait.
Kiadási előzmények
A Xiaomi a Hunter Alphát a MiMo-V2-Pro előtti korai belső tesztváltozatként azonosítja. A kiadott Pro modell saját névvel rendelkezik, és finomításokat kapott a hosszú kontextussal végzett munkához és az ügynökhelyzetek stabilitásához. Ez a különbség számít leírások összehasonlításakor vagy egy modell azonosságának megőrzésekor: a korábbi tesztváltozatnak, a MiMo-V2-Flashnek és a MiMo-V2-Omninak külön szerepe és specifikációja van.
Ügynökökhöz tervezve
A modellt felügyelt tanulással és megerősítéses tanulással finomhangolták különféle ügynökkeretrendszerekben, az eszközhívásokra és a többlépéses következtetésre összpontosítva. Készíts feladatot megfigyelhető befejezési feltétellel és az elérhető eszközök leírásával. Egy projektasszisztens például kaphat módosítási kérést, megvizsgálhatja a megadott modulokat, javaslatot tehet az érintett komponensekre, majd folytathatja a munkát, miután egy eszköz fordítási hibát ad vissza. A hasznos kimenet tényleges megfigyelésekhez kapcsolódó döntéssorozat, majd a kért kód, magyarázat vagy munkabeszámoló. A kapcsolódó környezet hajtja végre a műveleteket.
Szoftverfejlesztés és frontendfeladatok
A Xiaomi a rendszertervezést, a feladattervezést és a kódközpontú problémamegoldást emeli ki. Bemutatói között ügynökkörnyezetben készített interaktív weboldalak és böngészős játék is szerepel. Egy szemléltető fejlesztési feladatleírás meghatározhatja az oldal működését, navigációját, adatállapotait és reszponzív elrendezését, majd megvalósítást és e követelmények szerinti ellenőrzéseket kérhet. Meglévő projekthez add meg az aktuális fájlokat, a hibát előidéző esetet és a változatlanul megőrzendő interfészeket. Célzott módosítást és az általa érintett függőségek magyarázatát kérd, ne egy oda nem tartozó helyettesítő alkalmazást.
Hosszú kontextus és ellenőrizhető eredmény
Az akár 1 millió tokenes kontextus akkor hasznos, ha több fájl, dokumentum, utasítás és korábbi megfigyelés tartozik ugyanahhoz a feladathoz. Rendezd ezeket szerepük szerint: irányadó követelmények, aktuális kód, referenciapéldák és eszközeredmények. Határozd meg a végső eredményanyagot és elfogadási feltételeit, mielőtt az ügynököt a folytatásra kérnéd. Dokumentációs feladatnál megválaszolatlan kérdéseket tartalmazó összehasonlításra lehet szükség; mérnöki feladatnál javításra és az elvégzett ellenőrzések feljegyzésére.
Gyakorlati korlátok és a kiadás hatóköre
A hosszú kontextus helyet ad az anyagnak, de nem garantálja, hogy a generált projekt helyes vagy minden követelmény teljesült. A következő lépéshez add vissza a tényleges hibákat és megfigyeléseket, az eredményt pedig ellenőrizd a tervezett környezetben. A gyártó kifejezetten vizsgálandó és javítandó tulajdonságként kezeli az összetett valós feladatokban mutatott robusztusságot. Ez a leírás a MiMo-V2-Pro szöveges és eszközös ügynökspecializációjára vonatkozik; az Omni modalitásfunkciói és a későbbi MiMo-generációk specifikációi a saját modelljeikhez tartoznak. Az eszközök, az elérhető paraméterek és a kimenet kezelése továbbra is a kapcsolódó alkalmazás tulajdonságai.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok mimo-v2-pro | 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 $0.0022 / 1K token Kimenet · Kimeneti tokenek $0.0066 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "mimo-v2-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'mimo-v2-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': 'mimo-v2-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 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-pro
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Correct an error-state transition\n\nA text specification says a search box has idle, loading, results and error states. Existing logic sets loading=true before fetch and false only on success, so failures leave the spinner visible. Propose pseudocode that preserves results on success, shows an error on failure and always clears loading. Include the two distinguishing checks.Focused async pseudocode and success/failure checks covering final loading state and visible result or error.Check that loading is cleared in both branches without suppressing the error.