MiniMax M1 80K adalah edisi dengan pemikiran lebih panjang dari model penalaran teks M1 MiniMax. Keluarga ini menggunakan arsitektur mixture-of-experts hibrida dengan lightning attention, yang diturunkan dari MiniMax Text-01. Pengembang menjelaskan pelatihan pada tugas penalaran matematika dan rekayasa perangkat lunak serta merilis edisi anggaran pemikiran 40K dan 80K yang terpisah.
Pengembang menjelaskan dukungan native untuk konteks sejuta token. Nama edisi 80K merujuk anggaran pemikirannya, yang merupakan besaran berbeda dari konteks masukan atau jawaban akhir yang terlihat pengguna. Antarmuka yang digunakan untuk tugas hosting dapat menyediakan batas kerja sendiri yang lebih kecil, jadi rencanakan permintaan berdasarkan profil pilihan tersebut.
Untuk kumpulan sumber yang lebih panjang, beri label pada dokumen dan nyatakan pertanyaan yang perlu dijawabnya. Minta kesimpulan yang terkait dengan kutipan relevan. Untuk kode, tentukan perilaku yang perlu diubah, area yang terdampak, dan pemeriksaan yang membuktikan hasil.
Pengembang menyediakan panduan terpisah untuk bantuan biasa, pengembangan web, dan matematika. Contoh umumnya mencakup peringkasan, penerjemahan, pertanyaan, dan penulisan kreatif. Prompt yang bermanfaat menentukan sasaran pembaca, materi sumber, dan artefak akhir agar jawaban tetap berfokus pada tugas.
Untuk pengembangan web, pengembang merekomendasikan artefak HTML lengkap yang dapat dijalankan dalam satu blok kode, dengan HTML dan JavaScript bersama, serta meminta kode diperiksa setelah dihasilkan. Jelaskan kontrol, data, dan status yang harus didukung halaman. Model menghasilkan kode; aplikasi menyimpan dan menjalankannya untuk memeriksa perilaku hasil render.
Untuk matematika, panduan meminta penyelesaian bertahap dan jawaban akhir yang jelas terpisah. Berikan kondisi lengkap dan tentukan hasil yang perlu ditetapkan. Simpan usulan penyelesaian bersama soal asli agar argumen dapat diperiksa terlepas dari cara perumusannya.
Pengembang mencantumkan pemanggilan fungsi: model dapat mengidentifikasi fungsi untuk digunakan dan memberikan parameter dalam bentuk terstruktur. Aplikasi di sekelilingnya menyediakan fungsi yang tersedia, menjalankan panggilan, dan mengembalikan pengamatan. Karena itu, akses alat dan tindakan eksternal merupakan fungsi dari aplikasi yang dikonfigurasi maupun pilihan model.
Berikan tujuan yang jelas pada setiap alat dan bedakan pengamatan yang dikembalikannya dari instruksi pengguna. Jawaban berikutnya kemudian dapat menggunakan hasil yang diamati sebagai bukti. Dukungan alat model teks M1 tidak menjadikan layanan media terpisah yang dijelaskan di bagian lain ekosistem pengembang sebagai bagian keluarga keluarannya sendiri.
Pengembang merekomendasikan temperature 1.0 dan top_p 0.95 sebagai pengaturan inferensi. Deskripsi keluarganya menyebut 456 miliar parameter total dan 45.9 miliar parameter aktif per token. Bedakan edisi 80K dari edisi 40K ketika mencatat perbandingan, dan gunakan kontrol yang didukung serta batas kerja antarmuka sebenarnya untuk permintaan tertentu.
", "aboutText": "MiniMax M1 80K adalah edisi dengan pemikiran lebih panjang dari model penalaran teks M1 MiniMax. Keluarga ini menggunakan arsitektur mixture-of-experts hibrida dengan lightning attention, yang diturunkan dari MiniMax Text-01. Pengembang menjelaskan pelatihan pada tugas penalaran matematika dan rekayasa perangkat lunak serta merilis edisi anggaran pemikiran 40K dan 80K yang terpisah.\n\n### Siapkan materi panjang berdasarkan hasil yang jelas\n\nPengembang menjelaskan dukungan native untuk konteks sejuta token. Nama edisi 80K merujuk anggaran pemikirannya, yang merupakan besaran berbeda dari konteks masukan atau jawaban akhir yang terlihat pengguna. Antarmuka yang digunakan untuk tugas hosting dapat menyediakan batas kerja sendiri yang lebih kecil, jadi rencanakan permintaan berdasarkan profil pilihan tersebut.\n\nUntuk kumpulan sumber yang lebih panjang, beri label pada dokumen dan nyatakan pertanyaan yang perlu dijawabnya. Minta kesimpulan yang terkait dengan kutipan relevan. Untuk kode, tentukan perilaku yang perlu diubah, area yang terdampak, dan pemeriksaan yang membuktikan hasil.\n\n### Gunakan panduan prompting khusus tugas\n\nPengembang menyediakan panduan terpisah untuk bantuan biasa, pengembangan web, dan matematika. Contoh umumnya mencakup peringkasan, penerjemahan, pertanyaan, dan penulisan kreatif. Prompt yang bermanfaat menentukan sasaran pembaca, materi sumber, dan artefak akhir agar jawaban tetap berfokus pada tugas.\n\nUntuk pengembangan web, pengembang merekomendasikan artefak HTML lengkap yang dapat dijalankan dalam satu blok kode, dengan HTML dan JavaScript bersama, serta meminta kode diperiksa setelah dihasilkan. Jelaskan kontrol, data, dan status yang harus didukung halaman. Model menghasilkan kode; aplikasi menyimpan dan menjalankannya untuk memeriksa perilaku hasil render.\n\nUntuk matematika, panduan meminta penyelesaian bertahap dan jawaban akhir yang jelas terpisah. Berikan kondisi lengkap dan tentukan hasil yang perlu ditetapkan. Simpan usulan penyelesaian bersama soal asli agar argumen dapat diperiksa terlepas dari cara perumusannya.\n\n### Pemanggilan fungsi dan eksekusi sebenarnya\n\nPengembang mencantumkan pemanggilan fungsi: model dapat mengidentifikasi fungsi untuk digunakan dan memberikan parameter dalam bentuk terstruktur. Aplikasi di sekelilingnya menyediakan fungsi yang tersedia, menjalankan panggilan, dan mengembalikan pengamatan. Karena itu, akses alat dan tindakan eksternal merupakan fungsi dari aplikasi yang dikonfigurasi maupun pilihan model.\n\nBerikan tujuan yang jelas pada setiap alat dan bedakan pengamatan yang dikembalikannya dari instruksi pengguna. Jawaban berikutnya kemudian dapat menggunakan hasil yang diamati sebagai bukti. Dukungan alat model teks M1 tidak menjadikan layanan media terpisah yang dijelaskan di bagian lain ekosistem pengembang sebagai bagian keluarga keluarannya sendiri.\n\n### Pertahankan edisi dan pengaturan\n\nPengembang merekomendasikan temperature 1.0 dan top_p 0.95 sebagai pengaturan inferensi. Deskripsi keluarganya menyebut 456 miliar parameter total dan 45.9 miliar parameter aktif per token. Bedakan edisi 80K dari edisi 40K ketika mencatat perbandingan, dan gunakan kontrol yang didukung serta batas kerja antarmuka sebenarnya untuk permintaan tertentu.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Build a bounded packing calculator\n\nReturn one runnable HTML code block for a packing calculator. Inputs: item count and box capacity, both positive whole numbers. Show the number of boxes needed, rounding upward. Provide a visible validation message for invalid inputs and a reset control. Include HTML, CSS and JavaScript together, then list checks for 10 items at capacity 4 and an empty input.A complete single-file HTML artifact and a short behavior-check list, without a claim that it was run.Check ceiling division, invalid-input feedback and reset behavior in the returned code before running it.MiniMaxAI/MiniMax-M1-80kMiniMax M1 80K adalah model penalaran teks berbobot terbuka untuk masukan panjang, tugas perangkat lunak, dan matematika. Pengembang membedakan edisi anggaran pemikiran 80K dari edisi 40K dan menerbitkan panduan prompting khusus tugas.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
MiniMax M1 80K adalah edisi dengan pemikiran lebih panjang dari model penalaran teks M1 MiniMax. Keluarga ini menggunakan arsitektur mixture-of-experts hibrida dengan lightning attention, yang diturunkan dari MiniMax Text-01. Pengembang menjelaskan pelatihan pada tugas penalaran matematika dan rekayasa perangkat lunak serta merilis edisi anggaran pemikiran 40K dan 80K yang terpisah.
Pengembang menjelaskan dukungan native untuk konteks sejuta token. Nama edisi 80K merujuk anggaran pemikirannya, yang merupakan besaran berbeda dari konteks masukan atau jawaban akhir yang terlihat pengguna. Antarmuka yang digunakan untuk tugas hosting dapat menyediakan batas kerja sendiri yang lebih kecil, jadi rencanakan permintaan berdasarkan profil pilihan tersebut.
Untuk kumpulan sumber yang lebih panjang, beri label pada dokumen dan nyatakan pertanyaan yang perlu dijawabnya. Minta kesimpulan yang terkait dengan kutipan relevan. Untuk kode, tentukan perilaku yang perlu diubah, area yang terdampak, dan pemeriksaan yang membuktikan hasil.
Pengembang menyediakan panduan terpisah untuk bantuan biasa, pengembangan web, dan matematika. Contoh umumnya mencakup peringkasan, penerjemahan, pertanyaan, dan penulisan kreatif. Prompt yang bermanfaat menentukan sasaran pembaca, materi sumber, dan artefak akhir agar jawaban tetap berfokus pada tugas.
Untuk pengembangan web, pengembang merekomendasikan artefak HTML lengkap yang dapat dijalankan dalam satu blok kode, dengan HTML dan JavaScript bersama, serta meminta kode diperiksa setelah dihasilkan. Jelaskan kontrol, data, dan status yang harus didukung halaman. Model menghasilkan kode; aplikasi menyimpan dan menjalankannya untuk memeriksa perilaku hasil render.
Untuk matematika, panduan meminta penyelesaian bertahap dan jawaban akhir yang jelas terpisah. Berikan kondisi lengkap dan tentukan hasil yang perlu ditetapkan. Simpan usulan penyelesaian bersama soal asli agar argumen dapat diperiksa terlepas dari cara perumusannya.
Pengembang mencantumkan pemanggilan fungsi: model dapat mengidentifikasi fungsi untuk digunakan dan memberikan parameter dalam bentuk terstruktur. Aplikasi di sekelilingnya menyediakan fungsi yang tersedia, menjalankan panggilan, dan mengembalikan pengamatan. Karena itu, akses alat dan tindakan eksternal merupakan fungsi dari aplikasi yang dikonfigurasi maupun pilihan model.
Berikan tujuan yang jelas pada setiap alat dan bedakan pengamatan yang dikembalikannya dari instruksi pengguna. Jawaban berikutnya kemudian dapat menggunakan hasil yang diamati sebagai bukti. Dukungan alat model teks M1 tidak menjadikan layanan media terpisah yang dijelaskan di bagian lain ekosistem pengembang sebagai bagian keluarga keluarannya sendiri.
Pengembang merekomendasikan temperature 1.0 dan top_p 0.95 sebagai pengaturan inferensi. Deskripsi keluarganya menyebut 456 miliar parameter total dan 45.9 miliar parameter aktif per token. Bedakan edisi 80K dari edisi 40K ketika mencatat perbandingan, dan gunakan kontrol yang didukung serta batas kerja antarmuka sebenarnya untuk permintaan tertentu.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan MiniMaxAI/MiniMax-M1-80k | 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 $0.00114 / 1K token Keluaran · Token keluaran $0.00456 / 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": "MiniMaxAI/MiniMax-M1-80k", "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='MiniMaxAI/MiniMax-M1-80k',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='MiniMaxAI/MiniMax-M1-80k',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 MiniMaxAI/MiniMax-M1-80k
Gunakan jalur metode yang ditampilkan di atas.
MiniMaxAI/MiniMax-M1-80kMiniMax M1 80K adalah model penalaran teks berbobot terbuka untuk masukan panjang, tugas perangkat lunak, dan matematika. Pengembang membedakan edisi anggaran pemikiran 80K dari edisi 40K dan menerbitkan panduan prompting khusus tugas.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
MiniMax M1 80K adalah edisi dengan pemikiran lebih panjang dari model penalaran teks M1 MiniMax. Keluarga ini menggunakan arsitektur mixture-of-experts hibrida dengan lightning attention, yang diturunkan dari MiniMax Text-01. Pengembang menjelaskan pelatihan pada tugas penalaran matematika dan rekayasa perangkat lunak serta merilis edisi anggaran pemikiran 40K dan 80K yang terpisah.
Pengembang menjelaskan dukungan native untuk konteks sejuta token. Nama edisi 80K merujuk anggaran pemikirannya, yang merupakan besaran berbeda dari konteks masukan atau jawaban akhir yang terlihat pengguna. Antarmuka yang digunakan untuk tugas hosting dapat menyediakan batas kerja sendiri yang lebih kecil, jadi rencanakan permintaan berdasarkan profil pilihan tersebut.
Untuk kumpulan sumber yang lebih panjang, beri label pada dokumen dan nyatakan pertanyaan yang perlu dijawabnya. Minta kesimpulan yang terkait dengan kutipan relevan. Untuk kode, tentukan perilaku yang perlu diubah, area yang terdampak, dan pemeriksaan yang membuktikan hasil.
Pengembang menyediakan panduan terpisah untuk bantuan biasa, pengembangan web, dan matematika. Contoh umumnya mencakup peringkasan, penerjemahan, pertanyaan, dan penulisan kreatif. Prompt yang bermanfaat menentukan sasaran pembaca, materi sumber, dan artefak akhir agar jawaban tetap berfokus pada tugas.
Untuk pengembangan web, pengembang merekomendasikan artefak HTML lengkap yang dapat dijalankan dalam satu blok kode, dengan HTML dan JavaScript bersama, serta meminta kode diperiksa setelah dihasilkan. Jelaskan kontrol, data, dan status yang harus didukung halaman. Model menghasilkan kode; aplikasi menyimpan dan menjalankannya untuk memeriksa perilaku hasil render.
Untuk matematika, panduan meminta penyelesaian bertahap dan jawaban akhir yang jelas terpisah. Berikan kondisi lengkap dan tentukan hasil yang perlu ditetapkan. Simpan usulan penyelesaian bersama soal asli agar argumen dapat diperiksa terlepas dari cara perumusannya.
Pengembang mencantumkan pemanggilan fungsi: model dapat mengidentifikasi fungsi untuk digunakan dan memberikan parameter dalam bentuk terstruktur. Aplikasi di sekelilingnya menyediakan fungsi yang tersedia, menjalankan panggilan, dan mengembalikan pengamatan. Karena itu, akses alat dan tindakan eksternal merupakan fungsi dari aplikasi yang dikonfigurasi maupun pilihan model.
Berikan tujuan yang jelas pada setiap alat dan bedakan pengamatan yang dikembalikannya dari instruksi pengguna. Jawaban berikutnya kemudian dapat menggunakan hasil yang diamati sebagai bukti. Dukungan alat model teks M1 tidak menjadikan layanan media terpisah yang dijelaskan di bagian lain ekosistem pengembang sebagai bagian keluarga keluarannya sendiri.
Pengembang merekomendasikan temperature 1.0 dan top_p 0.95 sebagai pengaturan inferensi. Deskripsi keluarganya menyebut 456 miliar parameter total dan 45.9 miliar parameter aktif per token. Bedakan edisi 80K dari edisi 40K ketika mencatat perbandingan, dan gunakan kontrol yang didukung serta batas kerja antarmuka sebenarnya untuk permintaan tertentu.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan MiniMaxAI/MiniMax-M1-80k | 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 $0.00114 / 1K token Keluaran · Token keluaran $0.00456 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "MiniMaxAI/MiniMax-M1-80k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'MiniMaxAI/MiniMax-M1-80k', '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': 'MiniMaxAI/MiniMax-M1-80k', '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 MiniMaxAI/MiniMax-M1-80k
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Build a bounded packing calculator\n\nReturn one runnable HTML code block for a packing calculator. Inputs: item count and box capacity, both positive whole numbers. Show the number of boxes needed, rounding upward. Provide a visible validation message for invalid inputs and a reset control. Include HTML, CSS and JavaScript together, then list checks for 10 items at capacity 4 and an empty input.A complete single-file HTML artifact and a short behavior-check list, without a claim that it was run.Check ceiling division, invalid-input feedback and reset behavior in the returned code before running it.