エージェント作業の基盤
MiMo-V2-Proは、複雑なエージェントの処理とソフトウェアエンジニアリング向けの、Xiaomiの旗艦基盤モデルです。タスクについて推論し、必要な手順を整理し、ツールが返す情報を利用して、定義済みの結果に向けて進む役割を担います。単独の回答を作るだけにとどまらず、過去の判断や観測が次の行動に影響する、連続した作業を中心に設計されています。
規模と効率的なアーキテクチャ
開発元は、総パラメータ数が1兆超、アクティブなパラメータ数が420億と説明しています。ProはMiMo-V2-Flashのハイブリッド注意機構を拡張し、スライディングウィンドウ注意とグローバル注意の比率を7:1にしています。軽量なマルチトークン予測層が生成を支え、公表されたコンテキストは100万トークンに達します。これらはProのアーキテクチャとコンテキストの特性であり、個別の統合における実行速度、メモリ割り当て、リクエスト上限を定めるものではありません。
リリースの系譜
XiaomiはHunter Alphaを、MiMo-V2-Proに先行する初期の社内テストビルドとしています。公開されたProモデルには固有の名前があり、長いコンテキストの処理やエージェント利用場面の安定性が改良されています。説明を比較したりモデルの識別情報を保持したりする際、この違いは重要です。初期テストビルド、MiMo-V2-Flash、MiMo-V2-Omniは、それぞれ役割と仕様が異なります。
エージェントのための設計
このモデルは、さまざまなエージェントフレームワークを対象に、ツール呼び出しと複数段階の推論を重視して、教師あり学習と強化学習で調整されています。観測可能な完了条件と、利用できるツールの説明を含めてタスクを準備してください。例えばプロジェクトアシスタントは、変更依頼を受け、提示されたモジュールを調べ、影響するコンポーネントを提案し、ツールからビルドエラーが返った後も続行できます。有用な出力は、実際の観測に結び付いた一連の判断と、その後に続く要求されたコード、説明、作業要約です。操作は接続された環境が実行します。
ソフトウェアエンジニアリングとフロントエンドのタスク
Xiaomiは、システム設計、タスク計画、コードに関する問題解決を特徴として挙げています。デモには、エージェント環境で作られたインタラクティブなウェブページやブラウザーゲームがあります。開発依頼の例では、ページの動作、ナビゲーション、データの状態、レスポンシブなレイアウトを指定し、実装と要件に対する確認を求められます。既存プロジェクトでは、現在のファイル、失敗するケース、変更せずに維持するインターフェースを提示してください。無関係な代替アプリケーションではなく、対象を絞った変更と、影響する依存関係の説明を求めます。
長いコンテキストと確認可能な結果
最大100万トークンのコンテキストは、複数のファイル、文書、指示、過去の観測が同じタスクに属する場合に有用です。資料を、正式な要件、現在のコード、参考例、ツール結果という役割ごとに整理します。エージェントに進行を求める前に、最終成果物と受け入れ条件を指定してください。文書のタスクでは未解決の質問を含む比較が、エンジニアリングのタスクではパッチと確認内容の記録が必要になる場合があります。
実用上の限界とエディションの範囲
長いコンテキストは資料を収める余地を提供しますが、生成したプロジェクトの正しさや、すべての要件の充足を保証しません。次の手順に向けて実際のエラーと観測を返し、想定環境で結果を検証してください。開発元は、複雑な実タスクにおける堅牢性を評価・改善の対象として明示しています。この説明はMiMo-V2-Proのテキストとツールを使うエージェント向けの専門性を扱います。Omniのモダリティ機能や後続のMiMo世代の仕様は、それぞれのモデルに属します。ツール、利用可能なパラメータ、出力の扱いは、接続先アプリケーションの特性です。
", "aboutText": "エージェント作業の基盤\n\nMiMo-V2-Proは、複雑なエージェントの処理とソフトウェアエンジニアリング向けの、Xiaomiの旗艦基盤モデルです。タスクについて推論し、必要な手順を整理し、ツールが返す情報を利用して、定義済みの結果に向けて進む役割を担います。単独の回答を作るだけにとどまらず、過去の判断や観測が次の行動に影響する、連続した作業を中心に設計されています。\n\n規模と効率的なアーキテクチャ\n\n開発元は、総パラメータ数が1兆超、アクティブなパラメータ数が420億と説明しています。ProはMiMo-V2-Flashのハイブリッド注意機構を拡張し、スライディングウィンドウ注意とグローバル注意の比率を7:1にしています。軽量なマルチトークン予測層が生成を支え、公表されたコンテキストは100万トークンに達します。これらはProのアーキテクチャとコンテキストの特性であり、個別の統合における実行速度、メモリ割り当て、リクエスト上限を定めるものではありません。\n\nリリースの系譜\n\nXiaomiはHunter Alphaを、MiMo-V2-Proに先行する初期の社内テストビルドとしています。公開されたProモデルには固有の名前があり、長いコンテキストの処理やエージェント利用場面の安定性が改良されています。説明を比較したりモデルの識別情報を保持したりする際、この違いは重要です。初期テストビルド、MiMo-V2-Flash、MiMo-V2-Omniは、それぞれ役割と仕様が異なります。\n\nエージェントのための設計\n\nこのモデルは、さまざまなエージェントフレームワークを対象に、ツール呼び出しと複数段階の推論を重視して、教師あり学習と強化学習で調整されています。観測可能な完了条件と、利用できるツールの説明を含めてタスクを準備してください。例えばプロジェクトアシスタントは、変更依頼を受け、提示されたモジュールを調べ、影響するコンポーネントを提案し、ツールからビルドエラーが返った後も続行できます。有用な出力は、実際の観測に結び付いた一連の判断と、その後に続く要求されたコード、説明、作業要約です。操作は接続された環境が実行します。\n\nソフトウェアエンジニアリングとフロントエンドのタスク\n\nXiaomiは、システム設計、タスク計画、コードに関する問題解決を特徴として挙げています。デモには、エージェント環境で作られたインタラクティブなウェブページやブラウザーゲームがあります。開発依頼の例では、ページの動作、ナビゲーション、データの状態、レスポンシブなレイアウトを指定し、実装と要件に対する確認を求められます。既存プロジェクトでは、現在のファイル、失敗するケース、変更せずに維持するインターフェースを提示してください。無関係な代替アプリケーションではなく、対象を絞った変更と、影響する依存関係の説明を求めます。\n\n長いコンテキストと確認可能な結果\n\n最大100万トークンのコンテキストは、複数のファイル、文書、指示、過去の観測が同じタスクに属する場合に有用です。資料を、正式な要件、現在のコード、参考例、ツール結果という役割ごとに整理します。エージェントに進行を求める前に、最終成果物と受け入れ条件を指定してください。文書のタスクでは未解決の質問を含む比較が、エンジニアリングのタスクではパッチと確認内容の記録が必要になる場合があります。\n\n実用上の限界とエディションの範囲\n\n長いコンテキストは資料を収める余地を提供しますが、生成したプロジェクトの正しさや、すべての要件の充足を保証しません。次の手順に向けて実際のエラーと観測を返し、想定環境で結果を検証してください。開発元は、複雑な実タスクにおける堅牢性を評価・改善の対象として明示しています。この説明はMiMo-V2-Proのテキストとツールを使うエージェント向けの専門性を扱います。Omniのモダリティ機能や後続のMiMo世代の仕様は、それぞれのモデルに属します。ツール、利用可能なパラメータ、出力の扱いは、接続先アプリケーションの特性です。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Correct an error-state transition\n\nA text specification says a search box has idle, loading, results and error states. Existing logic sets loading=true before fetch and false only on success, so failures leave the spinner visible. Propose pseudocode that preserves results on success, shows an error on failure and always clears loading. Include the two distinguishing checks.Focused async pseudocode and success/failure checks covering final loading state and visible result or error.Check that loading is cleared in both branches without suppressing the error.mimo-v2-proMiMo-V2-Proは、ソフトウェアエンジニアリング、複数段階の計画、ツールを使う作業に向けたXiaomiのエージェント重視のテキストモデルです。最大100万トークンのコンテキストにより、大量のプロジェクト資料、タスクの制約、順次得られる観測を、一貫したワークフロー内に保持できます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
エージェント作業の基盤
MiMo-V2-Proは、複雑なエージェントの処理とソフトウェアエンジニアリング向けの、Xiaomiの旗艦基盤モデルです。タスクについて推論し、必要な手順を整理し、ツールが返す情報を利用して、定義済みの結果に向けて進む役割を担います。単独の回答を作るだけにとどまらず、過去の判断や観測が次の行動に影響する、連続した作業を中心に設計されています。
規模と効率的なアーキテクチャ
開発元は、総パラメータ数が1兆超、アクティブなパラメータ数が420億と説明しています。ProはMiMo-V2-Flashのハイブリッド注意機構を拡張し、スライディングウィンドウ注意とグローバル注意の比率を7:1にしています。軽量なマルチトークン予測層が生成を支え、公表されたコンテキストは100万トークンに達します。これらはProのアーキテクチャとコンテキストの特性であり、個別の統合における実行速度、メモリ割り当て、リクエスト上限を定めるものではありません。
リリースの系譜
XiaomiはHunter Alphaを、MiMo-V2-Proに先行する初期の社内テストビルドとしています。公開されたProモデルには固有の名前があり、長いコンテキストの処理やエージェント利用場面の安定性が改良されています。説明を比較したりモデルの識別情報を保持したりする際、この違いは重要です。初期テストビルド、MiMo-V2-Flash、MiMo-V2-Omniは、それぞれ役割と仕様が異なります。
エージェントのための設計
このモデルは、さまざまなエージェントフレームワークを対象に、ツール呼び出しと複数段階の推論を重視して、教師あり学習と強化学習で調整されています。観測可能な完了条件と、利用できるツールの説明を含めてタスクを準備してください。例えばプロジェクトアシスタントは、変更依頼を受け、提示されたモジュールを調べ、影響するコンポーネントを提案し、ツールからビルドエラーが返った後も続行できます。有用な出力は、実際の観測に結び付いた一連の判断と、その後に続く要求されたコード、説明、作業要約です。操作は接続された環境が実行します。
ソフトウェアエンジニアリングとフロントエンドのタスク
Xiaomiは、システム設計、タスク計画、コードに関する問題解決を特徴として挙げています。デモには、エージェント環境で作られたインタラクティブなウェブページやブラウザーゲームがあります。開発依頼の例では、ページの動作、ナビゲーション、データの状態、レスポンシブなレイアウトを指定し、実装と要件に対する確認を求められます。既存プロジェクトでは、現在のファイル、失敗するケース、変更せずに維持するインターフェースを提示してください。無関係な代替アプリケーションではなく、対象を絞った変更と、影響する依存関係の説明を求めます。
長いコンテキストと確認可能な結果
最大100万トークンのコンテキストは、複数のファイル、文書、指示、過去の観測が同じタスクに属する場合に有用です。資料を、正式な要件、現在のコード、参考例、ツール結果という役割ごとに整理します。エージェントに進行を求める前に、最終成果物と受け入れ条件を指定してください。文書のタスクでは未解決の質問を含む比較が、エンジニアリングのタスクではパッチと確認内容の記録が必要になる場合があります。
実用上の限界とエディションの範囲
長いコンテキストは資料を収める余地を提供しますが、生成したプロジェクトの正しさや、すべての要件の充足を保証しません。次の手順に向けて実際のエラーと観測を返し、想定環境で結果を検証してください。開発元は、複雑な実タスクにおける堅牢性を評価・改善の対象として明示しています。この説明はMiMo-V2-Proのテキストとツールを使うエージェント向けの専門性を扱います。Omniのモダリティ機能や後続のMiMo世代の仕様は、それぞれのモデルに属します。ツール、利用可能なパラメータ、出力の扱いは、接続先アプリケーションの特性です。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 mimo-v2-pro | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.0022 / 1K トークン 出力 · 出力トークン $0.0066 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mimo-v2-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mimo-v2-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mimo-v2-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njsonまたはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra mimo-v2-pro
上記に表示されたメソッドパスを使用してください。
mimo-v2-proMiMo-V2-Proは、ソフトウェアエンジニアリング、複数段階の計画、ツールを使う作業に向けたXiaomiのエージェント重視のテキストモデルです。最大100万トークンのコンテキストにより、大量のプロジェクト資料、タスクの制約、順次得られる観測を、一貫したワークフロー内に保持できます。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
エージェント作業の基盤
MiMo-V2-Proは、複雑なエージェントの処理とソフトウェアエンジニアリング向けの、Xiaomiの旗艦基盤モデルです。タスクについて推論し、必要な手順を整理し、ツールが返す情報を利用して、定義済みの結果に向けて進む役割を担います。単独の回答を作るだけにとどまらず、過去の判断や観測が次の行動に影響する、連続した作業を中心に設計されています。
規模と効率的なアーキテクチャ
開発元は、総パラメータ数が1兆超、アクティブなパラメータ数が420億と説明しています。ProはMiMo-V2-Flashのハイブリッド注意機構を拡張し、スライディングウィンドウ注意とグローバル注意の比率を7:1にしています。軽量なマルチトークン予測層が生成を支え、公表されたコンテキストは100万トークンに達します。これらはProのアーキテクチャとコンテキストの特性であり、個別の統合における実行速度、メモリ割り当て、リクエスト上限を定めるものではありません。
リリースの系譜
XiaomiはHunter Alphaを、MiMo-V2-Proに先行する初期の社内テストビルドとしています。公開されたProモデルには固有の名前があり、長いコンテキストの処理やエージェント利用場面の安定性が改良されています。説明を比較したりモデルの識別情報を保持したりする際、この違いは重要です。初期テストビルド、MiMo-V2-Flash、MiMo-V2-Omniは、それぞれ役割と仕様が異なります。
エージェントのための設計
このモデルは、さまざまなエージェントフレームワークを対象に、ツール呼び出しと複数段階の推論を重視して、教師あり学習と強化学習で調整されています。観測可能な完了条件と、利用できるツールの説明を含めてタスクを準備してください。例えばプロジェクトアシスタントは、変更依頼を受け、提示されたモジュールを調べ、影響するコンポーネントを提案し、ツールからビルドエラーが返った後も続行できます。有用な出力は、実際の観測に結び付いた一連の判断と、その後に続く要求されたコード、説明、作業要約です。操作は接続された環境が実行します。
ソフトウェアエンジニアリングとフロントエンドのタスク
Xiaomiは、システム設計、タスク計画、コードに関する問題解決を特徴として挙げています。デモには、エージェント環境で作られたインタラクティブなウェブページやブラウザーゲームがあります。開発依頼の例では、ページの動作、ナビゲーション、データの状態、レスポンシブなレイアウトを指定し、実装と要件に対する確認を求められます。既存プロジェクトでは、現在のファイル、失敗するケース、変更せずに維持するインターフェースを提示してください。無関係な代替アプリケーションではなく、対象を絞った変更と、影響する依存関係の説明を求めます。
長いコンテキストと確認可能な結果
最大100万トークンのコンテキストは、複数のファイル、文書、指示、過去の観測が同じタスクに属する場合に有用です。資料を、正式な要件、現在のコード、参考例、ツール結果という役割ごとに整理します。エージェントに進行を求める前に、最終成果物と受け入れ条件を指定してください。文書のタスクでは未解決の質問を含む比較が、エンジニアリングのタスクではパッチと確認内容の記録が必要になる場合があります。
実用上の限界とエディションの範囲
長いコンテキストは資料を収める余地を提供しますが、生成したプロジェクトの正しさや、すべての要件の充足を保証しません。次の手順に向けて実際のエラーと観測を返し、想定環境で結果を検証してください。開発元は、複雑な実タスクにおける堅牢性を評価・改善の対象として明示しています。この説明はMiMo-V2-Proのテキストとツールを使うエージェント向けの専門性を扱います。Omniのモダリティ機能や後続のMiMo世代の仕様は、それぞれのモデルに属します。ツール、利用可能なパラメータ、出力の扱いは、接続先アプリケーションの特性です。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 mimo-v2-pro | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.0022 / 1K トークン 出力 · 出力トークン $0.0066 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "mimo-v2-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mimo-v2-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mimo-v2-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSONまたはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra mimo-v2-pro
上記に表示されたメソッドパスを使用してください。
英語の技術例
Correct an error-state transition\n\nA text specification says a search box has idle, loading, results and error states. Existing logic sets loading=true before fetch and false only on success, so failures leave the spinner visible. Propose pseudocode that preserves results on success, shows an error on failure and always clears loading. Include the two distinguishing checks.Focused async pseudocode and success/failure checks covering final loading state and visible result or error.Check that loading is cleared in both branches without suppressing the error.