Modellprofil és kiadások
A MiMo-V2-Flash a Xiaomi nyelvi modellje következtetéshez és ügynöki munkafolyamatokhoz. Szakértői keverékarchitektúrája összesen 309 milliárd paramétert és 15 milliárd aktív paramétert tartalmaz. A kiadott modell 256 ezer tokenes kontextushosszt ad meg; a gyártó következtetési példája 262 144 tokent állít be. Szöveget fogad és szöveget állít elő, beleértve a magyarázatokat, a kódot és az eszközinterakciókhoz szükséges információt. A Flash-Base és az utótanított Flash külön névvel ellátott, eltérő szerepű kiadások.
Hibrid figyelem és előrejelzés
Az architektúra 5:1 arányban ötvözi a csúszóablakos és a globális figyelmet. A helyi figyelmi ablak 128 tokenes, míg a globális figyelem a hosszabb anyagon át tartja fenn a kapcsolatokat. Az előtanítás natív szekvenciahossza 32 ezer token, a kiadott modell pedig a hosszabb, 256 ezer tokenes kontextust támogatja. A tanításba és a következtetésbe egy könnyű, több tokent előrejelző modult építettek be. Ezek a modell felépítésének tulajdonságai; nem határozzák meg, milyen gyorsan ad választ egy adott alkalmazás.
Utótanítás következtetéshez és ügynökökhöz
A MiMo-V2-Flash Multi-Teacher On-Policy Distillation eljárást használ, amelyben szakterület-specifikus tanítómodellek irányítják a saját generált válaszait, majd nagyléptékű ügynöki megerősítéses tanulás következik. A tanítás kódolóügynöki környezeteket fed le, és kiterjed matematikai és általános ügynöki feladatokra. A webfejlesztési tanításban képi alapú ellenőrző értékeli a végrehajtott eredményeket. Ez az ellenőrző a tanítási folyamat része, és nem teszi ezt a szöveges modellt képi vagy videós bemenetet fogadó modellé.
Kódolás és dokumentum-előkészítés
Kódolási feladathoz adja meg szövegként a releváns fájlokat, a megfigyelt hibát, egy azt bemutató bemenetet és a változatlanul megőrzendő viselkedést. Egy szemléltető kérés kérhet kis javítást, az érintett függőségek magyarázatát és az elvárt eredmény ellenőrzését. Hosszú szöveges anyagnál azonosítsa a fontos szakaszokat, és kérjen a szövegrészeikhez kötött összehasonlítást. A kimenet legyen konkrét: javított kód, eltéréstáblázat, feltételezésekkel ellátott számítás vagy javasolt következő művelet.
Gondolkodás, eszközök és beszélgetési előzmények
A közzétett gondolkodási példa engedélyez egy következtetési módot, és a gyártó külön eszközhívás-értelmezőt ad meg. Többfordulós eszközhasználatnál a válasz a tool_calls mellett reasoning_content mezőt is tartalmazhat. A következő kérésnek meg kell őriznie a korábbi reasoning_content tartalmát a beszélgetési előzményekben, hogy a gondolkodási és eszközhasználati sorozat helyesen folytatódhasson. Az alkalmazás biztosítja és hajtja végre az eszközöket; a modell választja meg, hogyan használja fel az eredményeiket. Így az előzmények előkészítése érdemi integrációs követelmény, nem pedig olyan helyzet, ahol az utolsó felhasználói üzenet tekinthető a teljes feladatnak.
Gyártói ajánlások és korlátok
A használati útmutató top_p 0.95 értéket, matematikai, írási és webfejlesztési feladatokhoz temperature 0.8, ügynöki feladatokhoz pedig temperature 0.3 értéket ajánl. Olyan rendszerüzenetet is javasol, amely a MiMót a Xiaomi asszisztenseként azonosítja, megadja az aktuális dátumot és a 2024. decemberi tudáshatárt. Adjon meg friss tényeket, ha a feladat újabb eseményektől függ. A közzétett kérés 4096 tokenes válaszkerete példabeállítás, nem deklarált maximális kimeneti hossz. A MiMo-V2-Flash a Flash-Base, Pro és Omni mellett megőrzi saját azonosságát; a kontextus- vagy modalitásspecifikációkat a megfelelő kiadáshoz kell társítani.
", "aboutText": "Modellprofil és kiadások\n\nA MiMo-V2-Flash a Xiaomi nyelvi modellje következtetéshez és ügynöki munkafolyamatokhoz. Szakértői keverékarchitektúrája összesen 309 milliárd paramétert és 15 milliárd aktív paramétert tartalmaz. A kiadott modell 256 ezer tokenes kontextushosszt ad meg; a gyártó következtetési példája 262 144 tokent állít be. Szöveget fogad és szöveget állít elő, beleértve a magyarázatokat, a kódot és az eszközinterakciókhoz szükséges információt. A Flash-Base és az utótanított Flash külön névvel ellátott, eltérő szerepű kiadások.\n\nHibrid figyelem és előrejelzés\n\nAz architektúra 5:1 arányban ötvözi a csúszóablakos és a globális figyelmet. A helyi figyelmi ablak 128 tokenes, míg a globális figyelem a hosszabb anyagon át tartja fenn a kapcsolatokat. Az előtanítás natív szekvenciahossza 32 ezer token, a kiadott modell pedig a hosszabb, 256 ezer tokenes kontextust támogatja. A tanításba és a következtetésbe egy könnyű, több tokent előrejelző modult építettek be. Ezek a modell felépítésének tulajdonságai; nem határozzák meg, milyen gyorsan ad választ egy adott alkalmazás.\n\nUtótanítás következtetéshez és ügynökökhöz\n\nA MiMo-V2-Flash Multi-Teacher On-Policy Distillation eljárást használ, amelyben szakterület-specifikus tanítómodellek irányítják a saját generált válaszait, majd nagyléptékű ügynöki megerősítéses tanulás következik. A tanítás kódolóügynöki környezeteket fed le, és kiterjed matematikai és általános ügynöki feladatokra. A webfejlesztési tanításban képi alapú ellenőrző értékeli a végrehajtott eredményeket. Ez az ellenőrző a tanítási folyamat része, és nem teszi ezt a szöveges modellt képi vagy videós bemenetet fogadó modellé.\n\nKódolás és dokumentum-előkészítés\n\nKódolási feladathoz adja meg szövegként a releváns fájlokat, a megfigyelt hibát, egy azt bemutató bemenetet és a változatlanul megőrzendő viselkedést. Egy szemléltető kérés kérhet kis javítást, az érintett függőségek magyarázatát és az elvárt eredmény ellenőrzését. Hosszú szöveges anyagnál azonosítsa a fontos szakaszokat, és kérjen a szövegrészeikhez kötött összehasonlítást. A kimenet legyen konkrét: javított kód, eltéréstáblázat, feltételezésekkel ellátott számítás vagy javasolt következő művelet.\n\nGondolkodás, eszközök és beszélgetési előzmények\n\nA közzétett gondolkodási példa engedélyez egy következtetési módot, és a gyártó külön eszközhívás-értelmezőt ad meg. Többfordulós eszközhasználatnál a válasz a tool_calls mellett reasoning_content mezőt is tartalmazhat. A következő kérésnek meg kell őriznie a korábbi reasoning_content tartalmát a beszélgetési előzményekben, hogy a gondolkodási és eszközhasználati sorozat helyesen folytatódhasson. Az alkalmazás biztosítja és hajtja végre az eszközöket; a modell választja meg, hogyan használja fel az eredményeiket. Így az előzmények előkészítése érdemi integrációs követelmény, nem pedig olyan helyzet, ahol az utolsó felhasználói üzenet tekinthető a teljes feladatnak.\n\nGyártói ajánlások és korlátok\n\nA használati útmutató top_p 0.95 értéket, matematikai, írási és webfejlesztési feladatokhoz temperature 0.8, ügynöki feladatokhoz pedig temperature 0.3 értéket ajánl. Olyan rendszerüzenetet is javasol, amely a MiMót a Xiaomi asszisztenseként azonosítja, megadja az aktuális dátumot és a 2024. decemberi tudáshatárt. Adjon meg friss tényeket, ha a feladat újabb eseményektől függ. A közzétett kérés 4096 tokenes válaszkerete példabeállítás, nem deklarált maximális kimeneti hossz. A MiMo-V2-Flash a Flash-Base, Pro és Omni mellett megőrzi saját azonosságát; a kontextus- vagy modalitásspecifikációkat a megfelelő kiadáshoz kell társítani.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a25942b2a7ecba26a7cebfeef0dd171110a1695c36f27a3c4851053e22fdc956", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "xiaomimimo/mimo-v2-flashA MiMo-V2-Flash a Xiaomi szöveges modellje következtetéshez, kódoláshoz és eszközökkel támogatott ügynöki munkához. A 256 ezer tokenes kontextus, a hibrid figyelem és a külön utótanított kiadás olyan feladatokhoz illik, amelyek terjedelmes szöveges anyagot kapcsolnak egy konkrét válaszhoz, kódmódosításhoz vagy következő művelethez.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
Modellprofil és kiadások
A MiMo-V2-Flash a Xiaomi nyelvi modellje következtetéshez és ügynöki munkafolyamatokhoz. Szakértői keverékarchitektúrája összesen 309 milliárd paramétert és 15 milliárd aktív paramétert tartalmaz. A kiadott modell 256 ezer tokenes kontextushosszt ad meg; a gyártó következtetési példája 262 144 tokent állít be. Szöveget fogad és szöveget állít elő, beleértve a magyarázatokat, a kódot és az eszközinterakciókhoz szükséges információt. A Flash-Base és az utótanított Flash külön névvel ellátott, eltérő szerepű kiadások.
Hibrid figyelem és előrejelzés
Az architektúra 5:1 arányban ötvözi a csúszóablakos és a globális figyelmet. A helyi figyelmi ablak 128 tokenes, míg a globális figyelem a hosszabb anyagon át tartja fenn a kapcsolatokat. Az előtanítás natív szekvenciahossza 32 ezer token, a kiadott modell pedig a hosszabb, 256 ezer tokenes kontextust támogatja. A tanításba és a következtetésbe egy könnyű, több tokent előrejelző modult építettek be. Ezek a modell felépítésének tulajdonságai; nem határozzák meg, milyen gyorsan ad választ egy adott alkalmazás.
Utótanítás következtetéshez és ügynökökhöz
A MiMo-V2-Flash Multi-Teacher On-Policy Distillation eljárást használ, amelyben szakterület-specifikus tanítómodellek irányítják a saját generált válaszait, majd nagyléptékű ügynöki megerősítéses tanulás következik. A tanítás kódolóügynöki környezeteket fed le, és kiterjed matematikai és általános ügynöki feladatokra. A webfejlesztési tanításban képi alapú ellenőrző értékeli a végrehajtott eredményeket. Ez az ellenőrző a tanítási folyamat része, és nem teszi ezt a szöveges modellt képi vagy videós bemenetet fogadó modellé.
Kódolás és dokumentum-előkészítés
Kódolási feladathoz adja meg szövegként a releváns fájlokat, a megfigyelt hibát, egy azt bemutató bemenetet és a változatlanul megőrzendő viselkedést. Egy szemléltető kérés kérhet kis javítást, az érintett függőségek magyarázatát és az elvárt eredmény ellenőrzését. Hosszú szöveges anyagnál azonosítsa a fontos szakaszokat, és kérjen a szövegrészeikhez kötött összehasonlítást. A kimenet legyen konkrét: javított kód, eltéréstáblázat, feltételezésekkel ellátott számítás vagy javasolt következő művelet.
Gondolkodás, eszközök és beszélgetési előzmények
A közzétett gondolkodási példa engedélyez egy következtetési módot, és a gyártó külön eszközhívás-értelmezőt ad meg. Többfordulós eszközhasználatnál a válasz a tool_calls mellett reasoning_content mezőt is tartalmazhat. A következő kérésnek meg kell őriznie a korábbi reasoning_content tartalmát a beszélgetési előzményekben, hogy a gondolkodási és eszközhasználati sorozat helyesen folytatódhasson. Az alkalmazás biztosítja és hajtja végre az eszközöket; a modell választja meg, hogyan használja fel az eredményeiket. Így az előzmények előkészítése érdemi integrációs követelmény, nem pedig olyan helyzet, ahol az utolsó felhasználói üzenet tekinthető a teljes feladatnak.
Gyártói ajánlások és korlátok
A használati útmutató top_p 0.95 értéket, matematikai, írási és webfejlesztési feladatokhoz temperature 0.8, ügynöki feladatokhoz pedig temperature 0.3 értéket ajánl. Olyan rendszerüzenetet is javasol, amely a MiMót a Xiaomi asszisztenseként azonosítja, megadja az aktuális dátumot és a 2024. decemberi tudáshatárt. Adjon meg friss tényeket, ha a feladat újabb eseményektől függ. A közzétett kérés 4096 tokenes válaszkerete példabeállítás, nem deklarált maximális kimeneti hossz. A MiMo-V2-Flash a Flash-Base, Pro és Omni mellett megőrzi saját azonosságát; a kontextus- vagy modalitásspecifikációkat a megfelelő kiadáshoz kell társítani.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok xiaomimimo/mimo-v2-flash | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Szöveges beszélgetés | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
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 |
Paramétercontrol_scope | SzerződésSzöveges beszélgetés; a stream logikai érték, alapértéke false. |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Metódus álnevei: /chat/completions
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 $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0006 / 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":"xiaomimimo/mimo-v2-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="xiaomimimo/mimo-v2-flash", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 xiaomimimo/mimo-v2-flash
/chat/completions
xiaomimimo/mimo-v2-flashA MiMo-V2-Flash a Xiaomi szöveges modellje következtetéshez, kódoláshoz és eszközökkel támogatott ügynöki munkához. A 256 ezer tokenes kontextus, a hibrid figyelem és a külön utótanított kiadás olyan feladatokhoz illik, amelyek terjedelmes szöveges anyagot kapcsolnak egy konkrét válaszhoz, kódmódosításhoz vagy következő művelethez.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
Modellprofil és kiadások
A MiMo-V2-Flash a Xiaomi nyelvi modellje következtetéshez és ügynöki munkafolyamatokhoz. Szakértői keverékarchitektúrája összesen 309 milliárd paramétert és 15 milliárd aktív paramétert tartalmaz. A kiadott modell 256 ezer tokenes kontextushosszt ad meg; a gyártó következtetési példája 262 144 tokent állít be. Szöveget fogad és szöveget állít elő, beleértve a magyarázatokat, a kódot és az eszközinterakciókhoz szükséges információt. A Flash-Base és az utótanított Flash külön névvel ellátott, eltérő szerepű kiadások.
Hibrid figyelem és előrejelzés
Az architektúra 5:1 arányban ötvözi a csúszóablakos és a globális figyelmet. A helyi figyelmi ablak 128 tokenes, míg a globális figyelem a hosszabb anyagon át tartja fenn a kapcsolatokat. Az előtanítás natív szekvenciahossza 32 ezer token, a kiadott modell pedig a hosszabb, 256 ezer tokenes kontextust támogatja. A tanításba és a következtetésbe egy könnyű, több tokent előrejelző modult építettek be. Ezek a modell felépítésének tulajdonságai; nem határozzák meg, milyen gyorsan ad választ egy adott alkalmazás.
Utótanítás következtetéshez és ügynökökhöz
A MiMo-V2-Flash Multi-Teacher On-Policy Distillation eljárást használ, amelyben szakterület-specifikus tanítómodellek irányítják a saját generált válaszait, majd nagyléptékű ügynöki megerősítéses tanulás következik. A tanítás kódolóügynöki környezeteket fed le, és kiterjed matematikai és általános ügynöki feladatokra. A webfejlesztési tanításban képi alapú ellenőrző értékeli a végrehajtott eredményeket. Ez az ellenőrző a tanítási folyamat része, és nem teszi ezt a szöveges modellt képi vagy videós bemenetet fogadó modellé.
Kódolás és dokumentum-előkészítés
Kódolási feladathoz adja meg szövegként a releváns fájlokat, a megfigyelt hibát, egy azt bemutató bemenetet és a változatlanul megőrzendő viselkedést. Egy szemléltető kérés kérhet kis javítást, az érintett függőségek magyarázatát és az elvárt eredmény ellenőrzését. Hosszú szöveges anyagnál azonosítsa a fontos szakaszokat, és kérjen a szövegrészeikhez kötött összehasonlítást. A kimenet legyen konkrét: javított kód, eltéréstáblázat, feltételezésekkel ellátott számítás vagy javasolt következő művelet.
Gondolkodás, eszközök és beszélgetési előzmények
A közzétett gondolkodási példa engedélyez egy következtetési módot, és a gyártó külön eszközhívás-értelmezőt ad meg. Többfordulós eszközhasználatnál a válasz a tool_calls mellett reasoning_content mezőt is tartalmazhat. A következő kérésnek meg kell őriznie a korábbi reasoning_content tartalmát a beszélgetési előzményekben, hogy a gondolkodási és eszközhasználati sorozat helyesen folytatódhasson. Az alkalmazás biztosítja és hajtja végre az eszközöket; a modell választja meg, hogyan használja fel az eredményeiket. Így az előzmények előkészítése érdemi integrációs követelmény, nem pedig olyan helyzet, ahol az utolsó felhasználói üzenet tekinthető a teljes feladatnak.
Gyártói ajánlások és korlátok
A használati útmutató top_p 0.95 értéket, matematikai, írási és webfejlesztési feladatokhoz temperature 0.8, ügynöki feladatokhoz pedig temperature 0.3 értéket ajánl. Olyan rendszerüzenetet is javasol, amely a MiMót a Xiaomi asszisztenseként azonosítja, megadja az aktuális dátumot és a 2024. decemberi tudáshatárt. Adjon meg friss tényeket, ha a feladat újabb eseményektől függ. A közzétett kérés 4096 tokenes válaszkerete példabeállítás, nem deklarált maximális kimeneti hossz. A MiMo-V2-Flash a Flash-Base, Pro és Omni mellett megőrzi saját azonosságát; a kontextus- vagy modalitásspecifikációkat a megfelelő kiadáshoz kell társítani.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok xiaomimimo/mimo-v2-flash | 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 $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0006 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "xiaomimimo/mimo-v2-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'xiaomimimo/mimo-v2-flash', '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': 'xiaomimimo/mimo-v2-flash', '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 xiaomimimo/mimo-v2-flash
/chat/completions