MiMo-V2-Omni adalah model Xiaomi untuk memahami teks, gambar, audio, dan video secara bersama serta menggunakan pemahaman itu dalam tugas agentik. Arsitekturnya membawa encoder gambar, video, dan audio khusus ke dalam backbone bersama. Perbedaan utamanya adalah persepsi gabungan: suatu pertanyaan dapat bergantung pada apa yang terlihat, apa yang terdengar, dan apa yang dikatakan teks pendamping, bukan mengharuskan setiap sumber ditafsirkan secara terpisah. Keluarannya mendukung analisis tertulis dan permintaan alat terstruktur.
Xiaomi mendeskripsikan model ini sebagai model yang belajar menghubungkan persepsi, antisipasi, dan tindakan. Model menafsirkan adegan saat ini, menalar apa yang mungkin terjadi berikutnya, dan memilih langkah berikutnya yang berguna. Hal ini terutama relevan untuk materi rekaman ketika arti sebuah peristiwa bergantung pada lebih dari satu modalitas. Misalnya, berikan klip dan minta model mengidentifikasi urutan tindakan terlihat, bunyi relevan, serta hubungan keduanya. Tentukan apakah Anda membutuhkan ringkasan peristiwa, penjelasan adegan, atau daftar pengamatan untuk peninjauan selanjutnya. Pisahkan fakta yang diamati dari prediksi: interpretasi tentang apa yang mungkin terjadi bukan bukti bahwa peristiwa itu akan terjadi.
Pemahaman audio lebih luas daripada transkripsi dalam deskripsi produsen. Xiaomi menonjolkan klasifikasi bunyi lingkungan, pembedaan beberapa pembicara, dan penalaran gabungan atas audio serta visual. Xiaomi juga mendemonstrasikan ringkasan terstruktur dari podcast panjang tanpa putus. Untuk tugas audio, nyatakan topik atau pertanyaan yang penting dan keluaran yang dibutuhkan, seperti kerangka argumen, poin ketidaksepakatan, atau ringkasan menurut tema. Untuk video dengan ucapan, mintalah model menghubungkan pernyataan dengan tindakan atau materi di layar yang menyertainya. Jika susunan kata persis atau atribusi pembicara penting, mintalah model menandai ambiguitas, bukan diam-diam menyelesaikannya.
Pada sisi visual, produsen menonjolkan penalaran gambar multidisiplin dan analisis grafik kompleks. Berikan grafik yang terbaca dan jelaskan pertanyaan analitis, termasuk arti sumbu, satuan, dan kategori ketika informasi tersebut tidak jelas dalam gambar. Contoh permintaan adalah mendeskripsikan pola utama, mengidentifikasi perubahan yang tampak, dan membedakan nilai yang langsung terlihat dalam grafik dari penjelasan yang diusulkan. Untuk perbandingan gambar, tentukan perbedaan yang penting bagi Anda dan minta tabel yang terkait bukti terlihat. Siapkan materi sumber agar label dan detail relevan terbaca; analisis yang berguna bergantung pada isi masukan yang sebenarnya.
MiMo-V2-Omni juga mendukung pemanggilan alat terstruktur dan grounding UI. Demonstrasi produsen menghubungkan model dengan lingkungan agen yang menyediakan kontrol peramban, akses berkas, dan interaksi terminal. Model menafsirkan status saat ini, memutuskan tindakan, dan mengeluarkan tindakan; lingkungan mengeksekusinya dan mengembalikan status yang diperbarui. Untuk tugas bergaya demikian, berikan tujuan yang jelas, layar atau materi relevan, serta deskripsi tindakan yang diizinkan. Mintalah model menghubungkan setiap langkah berikutnya dengan status yang diamati dan menggunakan hasil yang dikembalikan sebelum melanjutkan. Permintaan alat dan hasil tindakan yang dieksekusi merupakan informasi terpisah.
Contoh produksi multimedia Xiaomi mengikuti pembagian kerja yang sama: model merancang isi dan mengarahkan proses terprogram, sedangkan alat membuat serta menangani berkas media sebenarnya. Anda dapat menggunakan model untuk menyiapkan rencana adegan, penjelasan tertulis atas rekaman, atau rangkaian tindakan alat. Hasil spesifik perlu ditentukan sejak awal, termasuk isi yang diwajibkan dan cara mengenali penyelesaian. Hubungkan pembuatan berkas, perenderan, dan operasi aplikasi dengan alat yang melakukannya, alih-alih memperlakukan respons teks sebagai aset yang sudah dibuat.
Untuk pekerjaan video praktis, berikan klip rekaman dan pertanyaan terfokus. Xiaomi membedakan alur pemrosesan klip ini dari persepsi waktu nyata dalam peta jalan risetnya, sehingga kontrol langsung terus-menerus tidak boleh diasumsikan dari demonstrasi rekaman. Contohnya juga menunjukkan tugas berkelanjutan melalui lingkungan agen, bukan membuktikan cakrawala perencanaan tanpa batas atau janji waktu penyelesaian universal. Periksa interpretasi adegan, nilai grafik, keterkaitan pembicara, dan tindakan yang diusulkan terhadap masukan asli. Peran MiMo-V2-Omni yang berguna adalah menyatukan modalitas menjadi satu interpretasi tugas yang berdasarkan penalaran, dengan hasil yang bukti serta hasil tindakannya dapat diperiksa.
", "aboutText": "MiMo-V2-Omni adalah model Xiaomi untuk memahami teks, gambar, audio, dan video secara bersama serta menggunakan pemahaman itu dalam tugas agentik. Arsitekturnya membawa encoder gambar, video, dan audio khusus ke dalam backbone bersama. Perbedaan utamanya adalah persepsi gabungan: suatu pertanyaan dapat bergantung pada apa yang terlihat, apa yang terdengar, dan apa yang dikatakan teks pendamping, bukan mengharuskan setiap sumber ditafsirkan secara terpisah. Keluarannya mendukung analisis tertulis dan permintaan alat terstruktur.\n\nXiaomi mendeskripsikan model ini sebagai model yang belajar menghubungkan persepsi, antisipasi, dan tindakan. Model menafsirkan adegan saat ini, menalar apa yang mungkin terjadi berikutnya, dan memilih langkah berikutnya yang berguna. Hal ini terutama relevan untuk materi rekaman ketika arti sebuah peristiwa bergantung pada lebih dari satu modalitas. Misalnya, berikan klip dan minta model mengidentifikasi urutan tindakan terlihat, bunyi relevan, serta hubungan keduanya. Tentukan apakah Anda membutuhkan ringkasan peristiwa, penjelasan adegan, atau daftar pengamatan untuk peninjauan selanjutnya. Pisahkan fakta yang diamati dari prediksi: interpretasi tentang apa yang mungkin terjadi bukan bukti bahwa peristiwa itu akan terjadi.\n\nPemahaman audio lebih luas daripada transkripsi dalam deskripsi produsen. Xiaomi menonjolkan klasifikasi bunyi lingkungan, pembedaan beberapa pembicara, dan penalaran gabungan atas audio serta visual. Xiaomi juga mendemonstrasikan ringkasan terstruktur dari podcast panjang tanpa putus. Untuk tugas audio, nyatakan topik atau pertanyaan yang penting dan keluaran yang dibutuhkan, seperti kerangka argumen, poin ketidaksepakatan, atau ringkasan menurut tema. Untuk video dengan ucapan, mintalah model menghubungkan pernyataan dengan tindakan atau materi di layar yang menyertainya. Jika susunan kata persis atau atribusi pembicara penting, mintalah model menandai ambiguitas, bukan diam-diam menyelesaikannya.\n\nPada sisi visual, produsen menonjolkan penalaran gambar multidisiplin dan analisis grafik kompleks. Berikan grafik yang terbaca dan jelaskan pertanyaan analitis, termasuk arti sumbu, satuan, dan kategori ketika informasi tersebut tidak jelas dalam gambar. Contoh permintaan adalah mendeskripsikan pola utama, mengidentifikasi perubahan yang tampak, dan membedakan nilai yang langsung terlihat dalam grafik dari penjelasan yang diusulkan. Untuk perbandingan gambar, tentukan perbedaan yang penting bagi Anda dan minta tabel yang terkait bukti terlihat. Siapkan materi sumber agar label dan detail relevan terbaca; analisis yang berguna bergantung pada isi masukan yang sebenarnya.\n\nMiMo-V2-Omni juga mendukung pemanggilan alat terstruktur dan grounding UI. Demonstrasi produsen menghubungkan model dengan lingkungan agen yang menyediakan kontrol peramban, akses berkas, dan interaksi terminal. Model menafsirkan status saat ini, memutuskan tindakan, dan mengeluarkan tindakan; lingkungan mengeksekusinya dan mengembalikan status yang diperbarui. Untuk tugas bergaya demikian, berikan tujuan yang jelas, layar atau materi relevan, serta deskripsi tindakan yang diizinkan. Mintalah model menghubungkan setiap langkah berikutnya dengan status yang diamati dan menggunakan hasil yang dikembalikan sebelum melanjutkan. Permintaan alat dan hasil tindakan yang dieksekusi merupakan informasi terpisah.\n\nContoh produksi multimedia Xiaomi mengikuti pembagian kerja yang sama: model merancang isi dan mengarahkan proses terprogram, sedangkan alat membuat serta menangani berkas media sebenarnya. Anda dapat menggunakan model untuk menyiapkan rencana adegan, penjelasan tertulis atas rekaman, atau rangkaian tindakan alat. Hasil spesifik perlu ditentukan sejak awal, termasuk isi yang diwajibkan dan cara mengenali penyelesaian. Hubungkan pembuatan berkas, perenderan, dan operasi aplikasi dengan alat yang melakukannya, alih-alih memperlakukan respons teks sebagai aset yang sudah dibuat.\n\nUntuk pekerjaan video praktis, berikan klip rekaman dan pertanyaan terfokus. Xiaomi membedakan alur pemrosesan klip ini dari persepsi waktu nyata dalam peta jalan risetnya, sehingga kontrol langsung terus-menerus tidak boleh diasumsikan dari demonstrasi rekaman. Contohnya juga menunjukkan tugas berkelanjutan melalui lingkungan agen, bukan membuktikan cakrawala perencanaan tanpa batas atau janji waktu penyelesaian universal. Periksa interpretasi adegan, nilai grafik, keterkaitan pembicara, dan tindakan yang diusulkan terhadap masukan asli. Peran MiMo-V2-Omni yang berguna adalah menyatukan modalitas menjadi satu interpretasi tugas yang berdasarkan penalaran, dengan hasil yang bukti serta hasil tindakannya dapat diperiksa.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
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-omniMiMo-V2-Omni adalah model Xiaomi untuk memahami teks, gambar, audio, dan video secara bersama. Model ini menghubungkan persepsi dengan permintaan alat terstruktur dan grounding antarmuka, mendukung analisis adegan, interpretasi grafik, serta alur kerja agentik yang menggunakan hasil alat nyata.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
MiMo-V2-Omni adalah model Xiaomi untuk memahami teks, gambar, audio, dan video secara bersama serta menggunakan pemahaman itu dalam tugas agentik. Arsitekturnya membawa encoder gambar, video, dan audio khusus ke dalam backbone bersama. Perbedaan utamanya adalah persepsi gabungan: suatu pertanyaan dapat bergantung pada apa yang terlihat, apa yang terdengar, dan apa yang dikatakan teks pendamping, bukan mengharuskan setiap sumber ditafsirkan secara terpisah. Keluarannya mendukung analisis tertulis dan permintaan alat terstruktur.
Xiaomi mendeskripsikan model ini sebagai model yang belajar menghubungkan persepsi, antisipasi, dan tindakan. Model menafsirkan adegan saat ini, menalar apa yang mungkin terjadi berikutnya, dan memilih langkah berikutnya yang berguna. Hal ini terutama relevan untuk materi rekaman ketika arti sebuah peristiwa bergantung pada lebih dari satu modalitas. Misalnya, berikan klip dan minta model mengidentifikasi urutan tindakan terlihat, bunyi relevan, serta hubungan keduanya. Tentukan apakah Anda membutuhkan ringkasan peristiwa, penjelasan adegan, atau daftar pengamatan untuk peninjauan selanjutnya. Pisahkan fakta yang diamati dari prediksi: interpretasi tentang apa yang mungkin terjadi bukan bukti bahwa peristiwa itu akan terjadi.
Pemahaman audio lebih luas daripada transkripsi dalam deskripsi produsen. Xiaomi menonjolkan klasifikasi bunyi lingkungan, pembedaan beberapa pembicara, dan penalaran gabungan atas audio serta visual. Xiaomi juga mendemonstrasikan ringkasan terstruktur dari podcast panjang tanpa putus. Untuk tugas audio, nyatakan topik atau pertanyaan yang penting dan keluaran yang dibutuhkan, seperti kerangka argumen, poin ketidaksepakatan, atau ringkasan menurut tema. Untuk video dengan ucapan, mintalah model menghubungkan pernyataan dengan tindakan atau materi di layar yang menyertainya. Jika susunan kata persis atau atribusi pembicara penting, mintalah model menandai ambiguitas, bukan diam-diam menyelesaikannya.
Pada sisi visual, produsen menonjolkan penalaran gambar multidisiplin dan analisis grafik kompleks. Berikan grafik yang terbaca dan jelaskan pertanyaan analitis, termasuk arti sumbu, satuan, dan kategori ketika informasi tersebut tidak jelas dalam gambar. Contoh permintaan adalah mendeskripsikan pola utama, mengidentifikasi perubahan yang tampak, dan membedakan nilai yang langsung terlihat dalam grafik dari penjelasan yang diusulkan. Untuk perbandingan gambar, tentukan perbedaan yang penting bagi Anda dan minta tabel yang terkait bukti terlihat. Siapkan materi sumber agar label dan detail relevan terbaca; analisis yang berguna bergantung pada isi masukan yang sebenarnya.
MiMo-V2-Omni juga mendukung pemanggilan alat terstruktur dan grounding UI. Demonstrasi produsen menghubungkan model dengan lingkungan agen yang menyediakan kontrol peramban, akses berkas, dan interaksi terminal. Model menafsirkan status saat ini, memutuskan tindakan, dan mengeluarkan tindakan; lingkungan mengeksekusinya dan mengembalikan status yang diperbarui. Untuk tugas bergaya demikian, berikan tujuan yang jelas, layar atau materi relevan, serta deskripsi tindakan yang diizinkan. Mintalah model menghubungkan setiap langkah berikutnya dengan status yang diamati dan menggunakan hasil yang dikembalikan sebelum melanjutkan. Permintaan alat dan hasil tindakan yang dieksekusi merupakan informasi terpisah.
Contoh produksi multimedia Xiaomi mengikuti pembagian kerja yang sama: model merancang isi dan mengarahkan proses terprogram, sedangkan alat membuat serta menangani berkas media sebenarnya. Anda dapat menggunakan model untuk menyiapkan rencana adegan, penjelasan tertulis atas rekaman, atau rangkaian tindakan alat. Hasil spesifik perlu ditentukan sejak awal, termasuk isi yang diwajibkan dan cara mengenali penyelesaian. Hubungkan pembuatan berkas, perenderan, dan operasi aplikasi dengan alat yang melakukannya, alih-alih memperlakukan respons teks sebagai aset yang sudah dibuat.
Untuk pekerjaan video praktis, berikan klip rekaman dan pertanyaan terfokus. Xiaomi membedakan alur pemrosesan klip ini dari persepsi waktu nyata dalam peta jalan risetnya, sehingga kontrol langsung terus-menerus tidak boleh diasumsikan dari demonstrasi rekaman. Contohnya juga menunjukkan tugas berkelanjutan melalui lingkungan agen, bukan membuktikan cakrawala perencanaan tanpa batas atau janji waktu penyelesaian universal. Periksa interpretasi adegan, nilai grafik, keterkaitan pembicara, dan tindakan yang diusulkan terhadap masukan asli. Peran MiMo-V2-Omni yang berguna adalah menyatukan modalitas menjadi satu interpretasi tugas yang berdasarkan penalaran, dengan hasil yang bukti serta hasil tindakannya dapat diperiksa.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mimo-v2-omni | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.0044 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra mimo-v2-omni
Gunakan jalur metode yang ditampilkan di atas.
mimo-v2-omniMiMo-V2-Omni adalah model Xiaomi untuk memahami teks, gambar, audio, dan video secara bersama. Model ini menghubungkan persepsi dengan permintaan alat terstruktur dan grounding antarmuka, mendukung analisis adegan, interpretasi grafik, serta alur kerja agentik yang menggunakan hasil alat nyata.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
MiMo-V2-Omni adalah model Xiaomi untuk memahami teks, gambar, audio, dan video secara bersama serta menggunakan pemahaman itu dalam tugas agentik. Arsitekturnya membawa encoder gambar, video, dan audio khusus ke dalam backbone bersama. Perbedaan utamanya adalah persepsi gabungan: suatu pertanyaan dapat bergantung pada apa yang terlihat, apa yang terdengar, dan apa yang dikatakan teks pendamping, bukan mengharuskan setiap sumber ditafsirkan secara terpisah. Keluarannya mendukung analisis tertulis dan permintaan alat terstruktur.
Xiaomi mendeskripsikan model ini sebagai model yang belajar menghubungkan persepsi, antisipasi, dan tindakan. Model menafsirkan adegan saat ini, menalar apa yang mungkin terjadi berikutnya, dan memilih langkah berikutnya yang berguna. Hal ini terutama relevan untuk materi rekaman ketika arti sebuah peristiwa bergantung pada lebih dari satu modalitas. Misalnya, berikan klip dan minta model mengidentifikasi urutan tindakan terlihat, bunyi relevan, serta hubungan keduanya. Tentukan apakah Anda membutuhkan ringkasan peristiwa, penjelasan adegan, atau daftar pengamatan untuk peninjauan selanjutnya. Pisahkan fakta yang diamati dari prediksi: interpretasi tentang apa yang mungkin terjadi bukan bukti bahwa peristiwa itu akan terjadi.
Pemahaman audio lebih luas daripada transkripsi dalam deskripsi produsen. Xiaomi menonjolkan klasifikasi bunyi lingkungan, pembedaan beberapa pembicara, dan penalaran gabungan atas audio serta visual. Xiaomi juga mendemonstrasikan ringkasan terstruktur dari podcast panjang tanpa putus. Untuk tugas audio, nyatakan topik atau pertanyaan yang penting dan keluaran yang dibutuhkan, seperti kerangka argumen, poin ketidaksepakatan, atau ringkasan menurut tema. Untuk video dengan ucapan, mintalah model menghubungkan pernyataan dengan tindakan atau materi di layar yang menyertainya. Jika susunan kata persis atau atribusi pembicara penting, mintalah model menandai ambiguitas, bukan diam-diam menyelesaikannya.
Pada sisi visual, produsen menonjolkan penalaran gambar multidisiplin dan analisis grafik kompleks. Berikan grafik yang terbaca dan jelaskan pertanyaan analitis, termasuk arti sumbu, satuan, dan kategori ketika informasi tersebut tidak jelas dalam gambar. Contoh permintaan adalah mendeskripsikan pola utama, mengidentifikasi perubahan yang tampak, dan membedakan nilai yang langsung terlihat dalam grafik dari penjelasan yang diusulkan. Untuk perbandingan gambar, tentukan perbedaan yang penting bagi Anda dan minta tabel yang terkait bukti terlihat. Siapkan materi sumber agar label dan detail relevan terbaca; analisis yang berguna bergantung pada isi masukan yang sebenarnya.
MiMo-V2-Omni juga mendukung pemanggilan alat terstruktur dan grounding UI. Demonstrasi produsen menghubungkan model dengan lingkungan agen yang menyediakan kontrol peramban, akses berkas, dan interaksi terminal. Model menafsirkan status saat ini, memutuskan tindakan, dan mengeluarkan tindakan; lingkungan mengeksekusinya dan mengembalikan status yang diperbarui. Untuk tugas bergaya demikian, berikan tujuan yang jelas, layar atau materi relevan, serta deskripsi tindakan yang diizinkan. Mintalah model menghubungkan setiap langkah berikutnya dengan status yang diamati dan menggunakan hasil yang dikembalikan sebelum melanjutkan. Permintaan alat dan hasil tindakan yang dieksekusi merupakan informasi terpisah.
Contoh produksi multimedia Xiaomi mengikuti pembagian kerja yang sama: model merancang isi dan mengarahkan proses terprogram, sedangkan alat membuat serta menangani berkas media sebenarnya. Anda dapat menggunakan model untuk menyiapkan rencana adegan, penjelasan tertulis atas rekaman, atau rangkaian tindakan alat. Hasil spesifik perlu ditentukan sejak awal, termasuk isi yang diwajibkan dan cara mengenali penyelesaian. Hubungkan pembuatan berkas, perenderan, dan operasi aplikasi dengan alat yang melakukannya, alih-alih memperlakukan respons teks sebagai aset yang sudah dibuat.
Untuk pekerjaan video praktis, berikan klip rekaman dan pertanyaan terfokus. Xiaomi membedakan alur pemrosesan klip ini dari persepsi waktu nyata dalam peta jalan risetnya, sehingga kontrol langsung terus-menerus tidak boleh diasumsikan dari demonstrasi rekaman. Contohnya juga menunjukkan tugas berkelanjutan melalui lingkungan agen, bukan membuktikan cakrawala perencanaan tanpa batas atau janji waktu penyelesaian universal. Periksa interpretasi adegan, nilai grafik, keterkaitan pembicara, dan tindakan yang diusulkan terhadap masukan asli. Peran MiMo-V2-Omni yang berguna adalah menyatukan modalitas menjadi satu interpretasi tugas yang berdasarkan penalaran, dengan hasil yang bukti serta hasil tindakannya dapat diperiksa.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan mimo-v2-omni | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.00088 / 1K token Keluaran · Token keluaran $0.0044 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "mimo-v2-omni",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra mimo-v2-omni
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
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.