MiMo-V2.5 adalah model omnimodal native Xiaomi untuk memahami teks, gambar, video, dan audio dalam satu arsitektur. Model ini menggabungkan persepsi multimodal dengan penalaran konteks panjang dan alur kerja agen. Produsen menjelaskan model campuran pakar yang sparse dengan 310B parameter total dan 15B parameter aktif. Responsnya berupa hasil tekstual atau arahan alat yang dapat digunakan aplikasi pendukung; memahami masukan audio atau visual berbeda dari menghasilkan media baru.
Backbone bahasanya dibangun di atas arsitektur MiMo-V2-Flash, yang menggabungkan perhatian jendela geser dan perhatian global dalam pola 5:1 dengan jendela lokal 128 token. Xiaomi menambahkan vision transformer khusus dengan 729M parameter dan encoder audio dengan 261M parameter yang diinisialisasi dari MiMo-Audio. Tiga modul prediksi multi-token mendukung speculative decoding. Jendela perhatian lokal adalah detail arsitektur; produsen menetapkan konteks yang jauh lebih besar, hingga sejuta token, untuk riwayat tugas gabungan.
Untuk analisis gambar, berikan sumber yang terbaca dan tentukan hubungan atau detail yang harus dijelaskan jawaban. Tugas dokumen dapat meminta tabel kolom yang diamati beserta halaman atau wilayahnya; tugas desain dapat menghubungkan tata letak tangkapan layar dengan persyaratan implementasi. Simpan gambar sumber agar teks kecil, jumlah, atau pengamatan spasial dapat diperiksa. Minta model tetap menunjukkan bukti yang tidak jelas, bukan mengubah tanda yang samar menjadi nilai yang dinyatakan pasti.
Untuk video atau audio, padukan bahan yang diberikan dengan pertanyaan terarah dan konteks yang dibutuhkan untuk menafsirkannya. Alur kerja yang berguna adalah menjelaskan rangkaian tindakan antarmuka dari rekaman, mengidentifikasi titik penyimpangan perilaku yang diamati dari langkah yang diinginkan, dan menyiapkan diagnosis yang terkait dengan interval relevan. Pertahankan kronologi dan rekaman asli untuk ditinjau. Keluaran teks dapat menjadi masukan untuk laporan, pemberian takarir, atau tahap penyuntingan berikutnya tanpa mengklaim bahwa keluaran itu sendiri adalah video atau trek suara yang baru dibuat.
Untuk tugas agen, berikan tujuan, bahan sumber yang relevan, dan kontrak masukan alat apa pun yang disediakan aplikasi. Pertahankan keluaran alat aktual dalam riwayat agar model dapat menyesuaikan langkah berikutnya dengan kejadian yang sebenarnya. Tugas repositori dapat menggabungkan kode, tangkapan layar hasil, dan keluaran pemeriksaan untuk menghasilkan usulan perubahan yang terarah. Catat apakah operasi hasilnya telah dieksekusi dan apakah hasil yang diamati memenuhi perilaku yang diminta.
Urutan pelatihan produsen dimulai dengan prapelatihan teks, dilanjutkan pemanasan proyektor visual dan audio, lalu prapelatihan multimodal. Pelatihan agen terawasi secara bertahap memperluas konteks dari 32K melalui 256K hingga 1M; reinforcement learning dan distilasi on-policy dengan beberapa pengajar kemudian mengembangkan persepsi, penalaran, dan perilaku agen. Produsen melaporkan sekitar 48 triliun token pelatihan. Riwayat pelatihan ini menjelaskan cakupan gabungan masukan dan tugas tanpa menjamin hasil pada rekaman atau repositori tertentu.
Ringkasan model menyatakan dukungan hingga 1M token, sedangkan contoh penyajian yang dipublikasikan menggunakan konfigurasi konteks 262,144 token. Bedakan kapasitas model dari jendela kerja implementasi yang dipilih, dan sisakan ruang untuk respons yang dihasilkan serta hasil alat lanjutan. Xiaomi menyarankan temperature 1.0 dan top_p 0.95 untuk inferensi lokal. Prapemrosesan media dan kontrol aplikasi harus mengikuti antarmuka spesifik yang digunakan untuk tugas.
MiMo-V2.5 adalah saudara omnimodal dari MiMo-V2.5-Pro yang lebih besar dan berfokus pada teks. Pertahankan perbedaan edisi tersebut dalam catatan hasil. Hasil akhir yang berguna berupa penjelasan, ekstraksi, atau usulan perubahan yang terhubung dengan teks dan media yang diberikan, dengan pengamatan yang tidak pasti dan hasil alat yang belum terverifikasi tetap tersedia untuk diperbaiki.
", "aboutText": "MiMo-V2.5 adalah model omnimodal native Xiaomi untuk memahami teks, gambar, video, dan audio dalam satu arsitektur. Model ini menggabungkan persepsi multimodal dengan penalaran konteks panjang dan alur kerja agen. Produsen menjelaskan model campuran pakar yang sparse dengan 310B parameter total dan 15B parameter aktif. Responsnya berupa hasil tekstual atau arahan alat yang dapat digunakan aplikasi pendukung; memahami masukan audio atau visual berbeda dari menghasilkan media baru.\n\nBackbone bahasanya dibangun di atas arsitektur MiMo-V2-Flash, yang menggabungkan perhatian jendela geser dan perhatian global dalam pola 5:1 dengan jendela lokal 128 token. Xiaomi menambahkan vision transformer khusus dengan 729M parameter dan encoder audio dengan 261M parameter yang diinisialisasi dari MiMo-Audio. Tiga modul prediksi multi-token mendukung speculative decoding. Jendela perhatian lokal adalah detail arsitektur; produsen menetapkan konteks yang jauh lebih besar, hingga sejuta token, untuk riwayat tugas gabungan.\n\nUntuk analisis gambar, berikan sumber yang terbaca dan tentukan hubungan atau detail yang harus dijelaskan jawaban. Tugas dokumen dapat meminta tabel kolom yang diamati beserta halaman atau wilayahnya; tugas desain dapat menghubungkan tata letak tangkapan layar dengan persyaratan implementasi. Simpan gambar sumber agar teks kecil, jumlah, atau pengamatan spasial dapat diperiksa. Minta model tetap menunjukkan bukti yang tidak jelas, bukan mengubah tanda yang samar menjadi nilai yang dinyatakan pasti.\n\nUntuk video atau audio, padukan bahan yang diberikan dengan pertanyaan terarah dan konteks yang dibutuhkan untuk menafsirkannya. Alur kerja yang berguna adalah menjelaskan rangkaian tindakan antarmuka dari rekaman, mengidentifikasi titik penyimpangan perilaku yang diamati dari langkah yang diinginkan, dan menyiapkan diagnosis yang terkait dengan interval relevan. Pertahankan kronologi dan rekaman asli untuk ditinjau. Keluaran teks dapat menjadi masukan untuk laporan, pemberian takarir, atau tahap penyuntingan berikutnya tanpa mengklaim bahwa keluaran itu sendiri adalah video atau trek suara yang baru dibuat.\n\nUntuk tugas agen, berikan tujuan, bahan sumber yang relevan, dan kontrak masukan alat apa pun yang disediakan aplikasi. Pertahankan keluaran alat aktual dalam riwayat agar model dapat menyesuaikan langkah berikutnya dengan kejadian yang sebenarnya. Tugas repositori dapat menggabungkan kode, tangkapan layar hasil, dan keluaran pemeriksaan untuk menghasilkan usulan perubahan yang terarah. Catat apakah operasi hasilnya telah dieksekusi dan apakah hasil yang diamati memenuhi perilaku yang diminta.\n\nUrutan pelatihan produsen dimulai dengan prapelatihan teks, dilanjutkan pemanasan proyektor visual dan audio, lalu prapelatihan multimodal. Pelatihan agen terawasi secara bertahap memperluas konteks dari 32K melalui 256K hingga 1M; reinforcement learning dan distilasi on-policy dengan beberapa pengajar kemudian mengembangkan persepsi, penalaran, dan perilaku agen. Produsen melaporkan sekitar 48 triliun token pelatihan. Riwayat pelatihan ini menjelaskan cakupan gabungan masukan dan tugas tanpa menjamin hasil pada rekaman atau repositori tertentu.\n\nRingkasan model menyatakan dukungan hingga 1M token, sedangkan contoh penyajian yang dipublikasikan menggunakan konfigurasi konteks 262,144 token. Bedakan kapasitas model dari jendela kerja implementasi yang dipilih, dan sisakan ruang untuk respons yang dihasilkan serta hasil alat lanjutan. Xiaomi menyarankan temperature 1.0 dan top_p 0.95 untuk inferensi lokal. Prapemrosesan media dan kontrol aplikasi harus mengikuti antarmuka spesifik yang digunakan untuk tugas.\n\nMiMo-V2.5 adalah saudara omnimodal dari MiMo-V2.5-Pro yang lebih besar dan berfokus pada teks. Pertahankan perbedaan edisi tersebut dalam catatan hasil. Hasil akhir yang berguna berupa penjelasan, ekstraksi, atau usulan perubahan yang terhubung dengan teks dan media yang diberikan, dengan pengamatan yang tidak pasti dan hasil alat yang belum terverifikasi tetap tersedia untuk diperbaiki.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.xiaomi/mimo-v2.5MiMo-V2.5 memahami teks, gambar, video, dan audio dalam satu model untuk analisis multimodal dan tugas agen. Xiaomi mendokumentasikan 310B parameter total, 15B parameter aktif, dan konteks hingga satu juta token, dengan encoder penglihatan dan audio khusus.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
MiMo-V2.5 adalah model omnimodal native Xiaomi untuk memahami teks, gambar, video, dan audio dalam satu arsitektur. Model ini menggabungkan persepsi multimodal dengan penalaran konteks panjang dan alur kerja agen. Produsen menjelaskan model campuran pakar yang sparse dengan 310B parameter total dan 15B parameter aktif. Responsnya berupa hasil tekstual atau arahan alat yang dapat digunakan aplikasi pendukung; memahami masukan audio atau visual berbeda dari menghasilkan media baru.
Backbone bahasanya dibangun di atas arsitektur MiMo-V2-Flash, yang menggabungkan perhatian jendela geser dan perhatian global dalam pola 5:1 dengan jendela lokal 128 token. Xiaomi menambahkan vision transformer khusus dengan 729M parameter dan encoder audio dengan 261M parameter yang diinisialisasi dari MiMo-Audio. Tiga modul prediksi multi-token mendukung speculative decoding. Jendela perhatian lokal adalah detail arsitektur; produsen menetapkan konteks yang jauh lebih besar, hingga sejuta token, untuk riwayat tugas gabungan.
Untuk analisis gambar, berikan sumber yang terbaca dan tentukan hubungan atau detail yang harus dijelaskan jawaban. Tugas dokumen dapat meminta tabel kolom yang diamati beserta halaman atau wilayahnya; tugas desain dapat menghubungkan tata letak tangkapan layar dengan persyaratan implementasi. Simpan gambar sumber agar teks kecil, jumlah, atau pengamatan spasial dapat diperiksa. Minta model tetap menunjukkan bukti yang tidak jelas, bukan mengubah tanda yang samar menjadi nilai yang dinyatakan pasti.
Untuk video atau audio, padukan bahan yang diberikan dengan pertanyaan terarah dan konteks yang dibutuhkan untuk menafsirkannya. Alur kerja yang berguna adalah menjelaskan rangkaian tindakan antarmuka dari rekaman, mengidentifikasi titik penyimpangan perilaku yang diamati dari langkah yang diinginkan, dan menyiapkan diagnosis yang terkait dengan interval relevan. Pertahankan kronologi dan rekaman asli untuk ditinjau. Keluaran teks dapat menjadi masukan untuk laporan, pemberian takarir, atau tahap penyuntingan berikutnya tanpa mengklaim bahwa keluaran itu sendiri adalah video atau trek suara yang baru dibuat.
Untuk tugas agen, berikan tujuan, bahan sumber yang relevan, dan kontrak masukan alat apa pun yang disediakan aplikasi. Pertahankan keluaran alat aktual dalam riwayat agar model dapat menyesuaikan langkah berikutnya dengan kejadian yang sebenarnya. Tugas repositori dapat menggabungkan kode, tangkapan layar hasil, dan keluaran pemeriksaan untuk menghasilkan usulan perubahan yang terarah. Catat apakah operasi hasilnya telah dieksekusi dan apakah hasil yang diamati memenuhi perilaku yang diminta.
Urutan pelatihan produsen dimulai dengan prapelatihan teks, dilanjutkan pemanasan proyektor visual dan audio, lalu prapelatihan multimodal. Pelatihan agen terawasi secara bertahap memperluas konteks dari 32K melalui 256K hingga 1M; reinforcement learning dan distilasi on-policy dengan beberapa pengajar kemudian mengembangkan persepsi, penalaran, dan perilaku agen. Produsen melaporkan sekitar 48 triliun token pelatihan. Riwayat pelatihan ini menjelaskan cakupan gabungan masukan dan tugas tanpa menjamin hasil pada rekaman atau repositori tertentu.
Ringkasan model menyatakan dukungan hingga 1M token, sedangkan contoh penyajian yang dipublikasikan menggunakan konfigurasi konteks 262,144 token. Bedakan kapasitas model dari jendela kerja implementasi yang dipilih, dan sisakan ruang untuk respons yang dihasilkan serta hasil alat lanjutan. Xiaomi menyarankan temperature 1.0 dan top_p 0.95 untuk inferensi lokal. Prapemrosesan media dan kontrol aplikasi harus mengikuti antarmuka spesifik yang digunakan untuk tugas.
MiMo-V2.5 adalah saudara omnimodal dari MiMo-V2.5-Pro yang lebih besar dan berfokus pada teks. Pertahankan perbedaan edisi tersebut dalam catatan hasil. Hasil akhir yang berguna berupa penjelasan, ekstraksi, atau usulan perubahan yang terhubung dengan teks dan media yang diberikan, dengan pengamatan yang tidak pasti dan hasil alat yang belum terverifikasi tetap tersedia untuk diperbaiki.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan xiaomi/mimo-v2.5 | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00028 / 1K token Keluaran · Token keluaran $0.00056 / 1K token Masukan · Pembacaan cache $0.0000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00028 / 1K token Keluaran · Token keluaran $0.00056 / 1K token Masukan · Pembacaan cache $0.0000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.5", "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='xiaomi/mimo-v2.5',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='xiaomi/mimo-v2.5',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 xiaomi/mimo-v2.5
Gunakan jalur metode yang ditampilkan di atas.
xiaomi/mimo-v2.5MiMo-V2.5 memahami teks, gambar, video, dan audio dalam satu model untuk analisis multimodal dan tugas agen. Xiaomi mendokumentasikan 310B parameter total, 15B parameter aktif, dan konteks hingga satu juta token, dengan encoder penglihatan dan audio khusus.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
MiMo-V2.5 adalah model omnimodal native Xiaomi untuk memahami teks, gambar, video, dan audio dalam satu arsitektur. Model ini menggabungkan persepsi multimodal dengan penalaran konteks panjang dan alur kerja agen. Produsen menjelaskan model campuran pakar yang sparse dengan 310B parameter total dan 15B parameter aktif. Responsnya berupa hasil tekstual atau arahan alat yang dapat digunakan aplikasi pendukung; memahami masukan audio atau visual berbeda dari menghasilkan media baru.
Backbone bahasanya dibangun di atas arsitektur MiMo-V2-Flash, yang menggabungkan perhatian jendela geser dan perhatian global dalam pola 5:1 dengan jendela lokal 128 token. Xiaomi menambahkan vision transformer khusus dengan 729M parameter dan encoder audio dengan 261M parameter yang diinisialisasi dari MiMo-Audio. Tiga modul prediksi multi-token mendukung speculative decoding. Jendela perhatian lokal adalah detail arsitektur; produsen menetapkan konteks yang jauh lebih besar, hingga sejuta token, untuk riwayat tugas gabungan.
Untuk analisis gambar, berikan sumber yang terbaca dan tentukan hubungan atau detail yang harus dijelaskan jawaban. Tugas dokumen dapat meminta tabel kolom yang diamati beserta halaman atau wilayahnya; tugas desain dapat menghubungkan tata letak tangkapan layar dengan persyaratan implementasi. Simpan gambar sumber agar teks kecil, jumlah, atau pengamatan spasial dapat diperiksa. Minta model tetap menunjukkan bukti yang tidak jelas, bukan mengubah tanda yang samar menjadi nilai yang dinyatakan pasti.
Untuk video atau audio, padukan bahan yang diberikan dengan pertanyaan terarah dan konteks yang dibutuhkan untuk menafsirkannya. Alur kerja yang berguna adalah menjelaskan rangkaian tindakan antarmuka dari rekaman, mengidentifikasi titik penyimpangan perilaku yang diamati dari langkah yang diinginkan, dan menyiapkan diagnosis yang terkait dengan interval relevan. Pertahankan kronologi dan rekaman asli untuk ditinjau. Keluaran teks dapat menjadi masukan untuk laporan, pemberian takarir, atau tahap penyuntingan berikutnya tanpa mengklaim bahwa keluaran itu sendiri adalah video atau trek suara yang baru dibuat.
Untuk tugas agen, berikan tujuan, bahan sumber yang relevan, dan kontrak masukan alat apa pun yang disediakan aplikasi. Pertahankan keluaran alat aktual dalam riwayat agar model dapat menyesuaikan langkah berikutnya dengan kejadian yang sebenarnya. Tugas repositori dapat menggabungkan kode, tangkapan layar hasil, dan keluaran pemeriksaan untuk menghasilkan usulan perubahan yang terarah. Catat apakah operasi hasilnya telah dieksekusi dan apakah hasil yang diamati memenuhi perilaku yang diminta.
Urutan pelatihan produsen dimulai dengan prapelatihan teks, dilanjutkan pemanasan proyektor visual dan audio, lalu prapelatihan multimodal. Pelatihan agen terawasi secara bertahap memperluas konteks dari 32K melalui 256K hingga 1M; reinforcement learning dan distilasi on-policy dengan beberapa pengajar kemudian mengembangkan persepsi, penalaran, dan perilaku agen. Produsen melaporkan sekitar 48 triliun token pelatihan. Riwayat pelatihan ini menjelaskan cakupan gabungan masukan dan tugas tanpa menjamin hasil pada rekaman atau repositori tertentu.
Ringkasan model menyatakan dukungan hingga 1M token, sedangkan contoh penyajian yang dipublikasikan menggunakan konfigurasi konteks 262,144 token. Bedakan kapasitas model dari jendela kerja implementasi yang dipilih, dan sisakan ruang untuk respons yang dihasilkan serta hasil alat lanjutan. Xiaomi menyarankan temperature 1.0 dan top_p 0.95 untuk inferensi lokal. Prapemrosesan media dan kontrol aplikasi harus mengikuti antarmuka spesifik yang digunakan untuk tugas.
MiMo-V2.5 adalah saudara omnimodal dari MiMo-V2.5-Pro yang lebih besar dan berfokus pada teks. Pertahankan perbedaan edisi tersebut dalam catatan hasil. Hasil akhir yang berguna berupa penjelasan, ekstraksi, atau usulan perubahan yang terhubung dengan teks dan media yang diberikan, dengan pengamatan yang tidak pasti dan hasil alat yang belum terverifikasi tetap tersedia untuk diperbaiki.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan xiaomi/mimo-v2.5 | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00028 / 1K token Keluaran · Token keluaran $0.00056 / 1K token Masukan · Pembacaan cache $0.0000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00028 / 1K token Keluaran · Token keluaran $0.00056 / 1K token Masukan · Pembacaan cache $0.0000056 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "xiaomi/mimo-v2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'xiaomi/mimo-v2.5', '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': 'xiaomi/mimo-v2.5', '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 xiaomi/mimo-v2.5
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.