에이전트 작업의 기반
MiMo-V2-Pro는 복잡한 에이전트 워크로드와 소프트웨어 엔지니어링을 위한 Xiaomi의 플래그십 기반 모델입니다. 작업을 추론하고 필요한 단계를 구성하며 도구가 반환한 정보를 사용해 정의된 결과를 향해 계속 진행하는 역할을 합니다. 모델의 초점은 단일 답변 작성에 그치지 않습니다. 이전의 결정과 관찰이 다음 진행에 영향을 주는 연속적인 작업을 중심으로 설계되었습니다.
규모와 효율적인 아키텍처
제조사는 총 파라미터가 1조 개 이상이며 활성 파라미터는 420억 개라고 설명합니다. Pro는 MiMo-V2-Flash의 하이브리드 어텐션 방식을 확장하여 슬라이딩 윈도 어텐션과 전역 어텐션의 비율을 7:1로 사용합니다. 경량 다중 토큰 예측 계층이 생성을 지원하며 발표된 컨텍스트는 100만 토큰에 이릅니다. 이는 Pro의 아키텍처 및 컨텍스트 속성으로, 특정 연동의 실행 속도, 메모리 할당, 요청 한도를 명시하지는 않습니다.
릴리스 계보
Xiaomi는 Hunter Alpha를 MiMo-V2-Pro에 앞선 초기 내부 테스트 빌드로 소개합니다. 공개된 Pro 모델은 고유한 이름을 가지며 긴 컨텍스트 작업과 에이전트 시나리오의 안정성이 개선되었습니다. 이 구분은 설명을 비교하거나 모델의 정체성을 유지할 때 중요합니다. 초기 테스트 빌드, MiMo-V2-Flash, MiMo-V2-Omni는 각각 역할과 사양이 다릅니다.
에이전트를 위한 설계
모델은 다양한 에이전트 프레임워크 전반에서 지도 학습과 강화 학습으로 파인 튜닝되었으며 도구 호출과 다단계 추론에 중점을 둡니다. 관찰 가능한 완료 조건과 사용 가능한 도구의 설명을 포함하여 작업을 준비하세요. 예를 들어 프로젝트 어시스턴트는 변경 요청을 받고 제공된 모듈을 검토한 다음 영향을 받는 구성 요소를 제안하고, 도구가 빌드 오류를 반환하면 작업을 이어 갈 수 있습니다. 유용한 출력은 실제 관찰에 연결된 결정의 연속과 요청한 코드, 설명 또는 작업 요약입니다. 작업 실행은 연결된 환경이 수행합니다.
소프트웨어 엔지니어링과 프런트엔드 작업
Xiaomi는 시스템 설계, 작업 계획, 코드 중심 문제 해결을 강조합니다. 시연에는 에이전트 환경에서 제작된 인터랙티브 웹 페이지와 브라우저 게임이 포함됩니다. 개발 작업 지시의 예로 페이지 동작, 탐색, 데이터 상태, 반응형 레이아웃을 지정한 다음 구현과 해당 요구 사항에 대한 검사를 요청할 수 있습니다. 기존 프로젝트에서는 현재 파일, 실패 사례, 변경 없이 유지해야 할 인터페이스를 제공하세요. 무관한 대체 애플리케이션 대신 범위를 한정한 변경과 그 변경이 영향을 주는 의존성에 대한 설명을 요청하세요.
긴 컨텍스트와 확인 가능한 결과
최대 100만 토큰의 컨텍스트는 여러 파일, 문서, 지침, 이전 관찰 결과가 하나의 작업에 속할 때 유용합니다. 자료를 공식 요구 사항, 현재 코드, 참조 예시, 도구 결과 등의 역할별로 정리하세요. 에이전트에게 진행을 요청하기 전에 최종 산출물과 승인 조건을 지정하세요. 문서 작업에는 미해결 질문이 포함된 비교가 필요할 수 있고, 엔지니어링 작업에는 패치와 확인한 내용의 기록이 필요할 수 있습니다.
실용적인 한계와 버전 범위
긴 컨텍스트는 자료를 담을 공간을 제공하지만 생성된 프로젝트의 정확성이나 모든 요구 사항의 충족을 보장하지는 않습니다. 실제 오류와 관찰 결과를 다음 단계에 전달하고 의도한 환경에서 결과를 검증하세요. 제조사는 복잡한 실제 작업에서의 견고성을 평가하고 개선해야 할 대상으로 명시합니다. 이 설명은 MiMo-V2-Pro의 텍스트 및 도구 에이전트 특화를 다룹니다. Omni의 모달리티 기능과 이후 MiMo 세대의 사양은 각 모델에 속합니다. 도구, 사용 가능한 매개변수, 출력 처리는 연결된 애플리케이션의 속성입니다.
", "aboutText": "에이전트 작업의 기반\n\nMiMo-V2-Pro는 복잡한 에이전트 워크로드와 소프트웨어 엔지니어링을 위한 Xiaomi의 플래그십 기반 모델입니다. 작업을 추론하고 필요한 단계를 구성하며 도구가 반환한 정보를 사용해 정의된 결과를 향해 계속 진행하는 역할을 합니다. 모델의 초점은 단일 답변 작성에 그치지 않습니다. 이전의 결정과 관찰이 다음 진행에 영향을 주는 연속적인 작업을 중심으로 설계되었습니다.\n\n규모와 효율적인 아키텍처\n\n제조사는 총 파라미터가 1조 개 이상이며 활성 파라미터는 420억 개라고 설명합니다. Pro는 MiMo-V2-Flash의 하이브리드 어텐션 방식을 확장하여 슬라이딩 윈도 어텐션과 전역 어텐션의 비율을 7:1로 사용합니다. 경량 다중 토큰 예측 계층이 생성을 지원하며 발표된 컨텍스트는 100만 토큰에 이릅니다. 이는 Pro의 아키텍처 및 컨텍스트 속성으로, 특정 연동의 실행 속도, 메모리 할당, 요청 한도를 명시하지는 않습니다.\n\n릴리스 계보\n\nXiaomi는 Hunter Alpha를 MiMo-V2-Pro에 앞선 초기 내부 테스트 빌드로 소개합니다. 공개된 Pro 모델은 고유한 이름을 가지며 긴 컨텍스트 작업과 에이전트 시나리오의 안정성이 개선되었습니다. 이 구분은 설명을 비교하거나 모델의 정체성을 유지할 때 중요합니다. 초기 테스트 빌드, MiMo-V2-Flash, MiMo-V2-Omni는 각각 역할과 사양이 다릅니다.\n\n에이전트를 위한 설계\n\n모델은 다양한 에이전트 프레임워크 전반에서 지도 학습과 강화 학습으로 파인 튜닝되었으며 도구 호출과 다단계 추론에 중점을 둡니다. 관찰 가능한 완료 조건과 사용 가능한 도구의 설명을 포함하여 작업을 준비하세요. 예를 들어 프로젝트 어시스턴트는 변경 요청을 받고 제공된 모듈을 검토한 다음 영향을 받는 구성 요소를 제안하고, 도구가 빌드 오류를 반환하면 작업을 이어 갈 수 있습니다. 유용한 출력은 실제 관찰에 연결된 결정의 연속과 요청한 코드, 설명 또는 작업 요약입니다. 작업 실행은 연결된 환경이 수행합니다.\n\n소프트웨어 엔지니어링과 프런트엔드 작업\n\nXiaomi는 시스템 설계, 작업 계획, 코드 중심 문제 해결을 강조합니다. 시연에는 에이전트 환경에서 제작된 인터랙티브 웹 페이지와 브라우저 게임이 포함됩니다. 개발 작업 지시의 예로 페이지 동작, 탐색, 데이터 상태, 반응형 레이아웃을 지정한 다음 구현과 해당 요구 사항에 대한 검사를 요청할 수 있습니다. 기존 프로젝트에서는 현재 파일, 실패 사례, 변경 없이 유지해야 할 인터페이스를 제공하세요. 무관한 대체 애플리케이션 대신 범위를 한정한 변경과 그 변경이 영향을 주는 의존성에 대한 설명을 요청하세요.\n\n긴 컨텍스트와 확인 가능한 결과\n\n최대 100만 토큰의 컨텍스트는 여러 파일, 문서, 지침, 이전 관찰 결과가 하나의 작업에 속할 때 유용합니다. 자료를 공식 요구 사항, 현재 코드, 참조 예시, 도구 결과 등의 역할별로 정리하세요. 에이전트에게 진행을 요청하기 전에 최종 산출물과 승인 조건을 지정하세요. 문서 작업에는 미해결 질문이 포함된 비교가 필요할 수 있고, 엔지니어링 작업에는 패치와 확인한 내용의 기록이 필요할 수 있습니다.\n\n실용적인 한계와 버전 범위\n\n긴 컨텍스트는 자료를 담을 공간을 제공하지만 생성된 프로젝트의 정확성이나 모든 요구 사항의 충족을 보장하지는 않습니다. 실제 오류와 관찰 결과를 다음 단계에 전달하고 의도한 환경에서 결과를 검증하세요. 제조사는 복잡한 실제 작업에서의 견고성을 평가하고 개선해야 할 대상으로 명시합니다. 이 설명은 MiMo-V2-Pro의 텍스트 및 도구 에이전트 특화를 다룹니다. Omni의 모달리티 기능과 이후 MiMo 세대의 사양은 각 모델에 속합니다. 도구, 사용 가능한 매개변수, 출력 처리는 연결된 애플리케이션의 속성입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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-Pro는 소프트웨어 엔지니어링, 다단계 계획, 도구 기반 작업을 위한 Xiaomi의 에이전트 중심 텍스트 모델입니다. 최대 100만 토큰의 컨텍스트로 방대한 프로젝트 자료, 작업 제약, 연속적인 관찰 결과를 일관된 워크플로 안에 유지할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
에이전트 작업의 기반
MiMo-V2-Pro는 복잡한 에이전트 워크로드와 소프트웨어 엔지니어링을 위한 Xiaomi의 플래그십 기반 모델입니다. 작업을 추론하고 필요한 단계를 구성하며 도구가 반환한 정보를 사용해 정의된 결과를 향해 계속 진행하는 역할을 합니다. 모델의 초점은 단일 답변 작성에 그치지 않습니다. 이전의 결정과 관찰이 다음 진행에 영향을 주는 연속적인 작업을 중심으로 설계되었습니다.
규모와 효율적인 아키텍처
제조사는 총 파라미터가 1조 개 이상이며 활성 파라미터는 420억 개라고 설명합니다. Pro는 MiMo-V2-Flash의 하이브리드 어텐션 방식을 확장하여 슬라이딩 윈도 어텐션과 전역 어텐션의 비율을 7:1로 사용합니다. 경량 다중 토큰 예측 계층이 생성을 지원하며 발표된 컨텍스트는 100만 토큰에 이릅니다. 이는 Pro의 아키텍처 및 컨텍스트 속성으로, 특정 연동의 실행 속도, 메모리 할당, 요청 한도를 명시하지는 않습니다.
릴리스 계보
Xiaomi는 Hunter Alpha를 MiMo-V2-Pro에 앞선 초기 내부 테스트 빌드로 소개합니다. 공개된 Pro 모델은 고유한 이름을 가지며 긴 컨텍스트 작업과 에이전트 시나리오의 안정성이 개선되었습니다. 이 구분은 설명을 비교하거나 모델의 정체성을 유지할 때 중요합니다. 초기 테스트 빌드, MiMo-V2-Flash, MiMo-V2-Omni는 각각 역할과 사양이 다릅니다.
에이전트를 위한 설계
모델은 다양한 에이전트 프레임워크 전반에서 지도 학습과 강화 학습으로 파인 튜닝되었으며 도구 호출과 다단계 추론에 중점을 둡니다. 관찰 가능한 완료 조건과 사용 가능한 도구의 설명을 포함하여 작업을 준비하세요. 예를 들어 프로젝트 어시스턴트는 변경 요청을 받고 제공된 모듈을 검토한 다음 영향을 받는 구성 요소를 제안하고, 도구가 빌드 오류를 반환하면 작업을 이어 갈 수 있습니다. 유용한 출력은 실제 관찰에 연결된 결정의 연속과 요청한 코드, 설명 또는 작업 요약입니다. 작업 실행은 연결된 환경이 수행합니다.
소프트웨어 엔지니어링과 프런트엔드 작업
Xiaomi는 시스템 설계, 작업 계획, 코드 중심 문제 해결을 강조합니다. 시연에는 에이전트 환경에서 제작된 인터랙티브 웹 페이지와 브라우저 게임이 포함됩니다. 개발 작업 지시의 예로 페이지 동작, 탐색, 데이터 상태, 반응형 레이아웃을 지정한 다음 구현과 해당 요구 사항에 대한 검사를 요청할 수 있습니다. 기존 프로젝트에서는 현재 파일, 실패 사례, 변경 없이 유지해야 할 인터페이스를 제공하세요. 무관한 대체 애플리케이션 대신 범위를 한정한 변경과 그 변경이 영향을 주는 의존성에 대한 설명을 요청하세요.
긴 컨텍스트와 확인 가능한 결과
최대 100만 토큰의 컨텍스트는 여러 파일, 문서, 지침, 이전 관찰 결과가 하나의 작업에 속할 때 유용합니다. 자료를 공식 요구 사항, 현재 코드, 참조 예시, 도구 결과 등의 역할별로 정리하세요. 에이전트에게 진행을 요청하기 전에 최종 산출물과 승인 조건을 지정하세요. 문서 작업에는 미해결 질문이 포함된 비교가 필요할 수 있고, 엔지니어링 작업에는 패치와 확인한 내용의 기록이 필요할 수 있습니다.
실용적인 한계와 버전 범위
긴 컨텍스트는 자료를 담을 공간을 제공하지만 생성된 프로젝트의 정확성이나 모든 요구 사항의 충족을 보장하지는 않습니다. 실제 오류와 관찰 결과를 다음 단계에 전달하고 의도한 환경에서 결과를 검증하세요. 제조사는 복잡한 실제 작업에서의 견고성을 평가하고 개선해야 할 대상으로 명시합니다. 이 설명은 MiMo-V2-Pro의 텍스트 및 도구 에이전트 특화를 다룹니다. Omni의 모달리티 기능과 이후 MiMo 세대의 사양은 각 모델에 속합니다. 도구, 사용 가능한 매개변수, 출력 처리는 연결된 애플리케이션의 속성입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mimo-v2-pro | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0022 / 1K 토큰 출력 · 출력 토큰 $0.0066 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra mimo-v2-pro
위에 표시된 메서드 경로를 사용하세요.
mimo-v2-proMiMo-V2-Pro는 소프트웨어 엔지니어링, 다단계 계획, 도구 기반 작업을 위한 Xiaomi의 에이전트 중심 텍스트 모델입니다. 최대 100만 토큰의 컨텍스트로 방대한 프로젝트 자료, 작업 제약, 연속적인 관찰 결과를 일관된 워크플로 안에 유지할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
에이전트 작업의 기반
MiMo-V2-Pro는 복잡한 에이전트 워크로드와 소프트웨어 엔지니어링을 위한 Xiaomi의 플래그십 기반 모델입니다. 작업을 추론하고 필요한 단계를 구성하며 도구가 반환한 정보를 사용해 정의된 결과를 향해 계속 진행하는 역할을 합니다. 모델의 초점은 단일 답변 작성에 그치지 않습니다. 이전의 결정과 관찰이 다음 진행에 영향을 주는 연속적인 작업을 중심으로 설계되었습니다.
규모와 효율적인 아키텍처
제조사는 총 파라미터가 1조 개 이상이며 활성 파라미터는 420억 개라고 설명합니다. Pro는 MiMo-V2-Flash의 하이브리드 어텐션 방식을 확장하여 슬라이딩 윈도 어텐션과 전역 어텐션의 비율을 7:1로 사용합니다. 경량 다중 토큰 예측 계층이 생성을 지원하며 발표된 컨텍스트는 100만 토큰에 이릅니다. 이는 Pro의 아키텍처 및 컨텍스트 속성으로, 특정 연동의 실행 속도, 메모리 할당, 요청 한도를 명시하지는 않습니다.
릴리스 계보
Xiaomi는 Hunter Alpha를 MiMo-V2-Pro에 앞선 초기 내부 테스트 빌드로 소개합니다. 공개된 Pro 모델은 고유한 이름을 가지며 긴 컨텍스트 작업과 에이전트 시나리오의 안정성이 개선되었습니다. 이 구분은 설명을 비교하거나 모델의 정체성을 유지할 때 중요합니다. 초기 테스트 빌드, MiMo-V2-Flash, MiMo-V2-Omni는 각각 역할과 사양이 다릅니다.
에이전트를 위한 설계
모델은 다양한 에이전트 프레임워크 전반에서 지도 학습과 강화 학습으로 파인 튜닝되었으며 도구 호출과 다단계 추론에 중점을 둡니다. 관찰 가능한 완료 조건과 사용 가능한 도구의 설명을 포함하여 작업을 준비하세요. 예를 들어 프로젝트 어시스턴트는 변경 요청을 받고 제공된 모듈을 검토한 다음 영향을 받는 구성 요소를 제안하고, 도구가 빌드 오류를 반환하면 작업을 이어 갈 수 있습니다. 유용한 출력은 실제 관찰에 연결된 결정의 연속과 요청한 코드, 설명 또는 작업 요약입니다. 작업 실행은 연결된 환경이 수행합니다.
소프트웨어 엔지니어링과 프런트엔드 작업
Xiaomi는 시스템 설계, 작업 계획, 코드 중심 문제 해결을 강조합니다. 시연에는 에이전트 환경에서 제작된 인터랙티브 웹 페이지와 브라우저 게임이 포함됩니다. 개발 작업 지시의 예로 페이지 동작, 탐색, 데이터 상태, 반응형 레이아웃을 지정한 다음 구현과 해당 요구 사항에 대한 검사를 요청할 수 있습니다. 기존 프로젝트에서는 현재 파일, 실패 사례, 변경 없이 유지해야 할 인터페이스를 제공하세요. 무관한 대체 애플리케이션 대신 범위를 한정한 변경과 그 변경이 영향을 주는 의존성에 대한 설명을 요청하세요.
긴 컨텍스트와 확인 가능한 결과
최대 100만 토큰의 컨텍스트는 여러 파일, 문서, 지침, 이전 관찰 결과가 하나의 작업에 속할 때 유용합니다. 자료를 공식 요구 사항, 현재 코드, 참조 예시, 도구 결과 등의 역할별로 정리하세요. 에이전트에게 진행을 요청하기 전에 최종 산출물과 승인 조건을 지정하세요. 문서 작업에는 미해결 질문이 포함된 비교가 필요할 수 있고, 엔지니어링 작업에는 패치와 확인한 내용의 기록이 필요할 수 있습니다.
실용적인 한계와 버전 범위
긴 컨텍스트는 자료를 담을 공간을 제공하지만 생성된 프로젝트의 정확성이나 모든 요구 사항의 충족을 보장하지는 않습니다. 실제 오류와 관찰 결과를 다음 단계에 전달하고 의도한 환경에서 결과를 검증하세요. 제조사는 복잡한 실제 작업에서의 견고성을 평가하고 개선해야 할 대상으로 명시합니다. 이 설명은 MiMo-V2-Pro의 텍스트 및 도구 에이전트 특화를 다룹니다. Omni의 모달리티 기능과 이후 MiMo 세대의 사양은 각 모델에 속합니다. 도구, 사용 가능한 매개변수, 출력 처리는 연결된 애플리케이션의 속성입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 mimo-v2-pro | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0022 / 1K 토큰 출력 · 출력 토큰 $0.0066 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "mimo-v2-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra mimo-v2-pro
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.