MiniMax M1은 긴 입력과 상당한 분석이 필요한 과제를 위한 MiniMax의 하이브리드 어텐션 추론 언어 모델입니다. MiniMax-Text-01에 전문가 혼합 컴포넌트와 Lightning Attention을 더한 모델입니다. 파라미터 수를 십억 개 단위로 나타내면 전체는 456, 토큰당 활성 파라미터는 45.9입니다. 입력은 서면 지침과 원본 컨텍스트이며, 출력은 풀이, 코드, 분석, 함수 호출 정보 등의 텍스트입니다.
제조사는 네이티브 백만 토큰 컨텍스트를 설명하고 40K 및 80K 사고 예산의 두 M1 에디션을 공개합니다. 이 예산 이름은 추론 에디션을 가리키며 동일한 보편적 최종 답변 상한으로 읽어서는 안 됩니다. 일반 M1 선택은 이러한 고정 예산 프로필 및 이전 Text-01 모델의 추론 실행 확장과 구분됩니다.
긴 문서 과제에서는 자료에 이름을 부여하고 관련 구간을 지정하며, 자료가 뒷받침해야 할 질문을 명시하세요. 유용한 지침은 “이 요구사항을 구현 메모와 비교하고, 미해결 조건을 각각 식별한 뒤 분석 결과 옆에 근거 문단을 반환하세요”입니다. 과제 컨텍스트에는 초기 원본 자료뿐 아니라 추론과 최종 답변을 위한 공간도 확보하세요.
M1은 수학과 샌드박스 기반 소프트웨어 엔지니어링 문제 전반에 대규모 강화학습을 사용합니다. 제작사는 강화학습 접근법의 일부로 토큰 업데이트 대신 중요도 샘플링 가중치를 클리핑하는 CISPO를 도입합니다. 이는 추론 릴리스의 학습상 차이이며, 생성된 코드 산출물이나 행동 제안이 실행 결과가 되도록 하지는 않습니다.
코드에서는 관련 구현, 대표 입력, 예상 동작, 유지할 제약을 제공하세요. 집중된 변경과 이를 정당화하는 근거를 요청하세요. 수학에서는 전체 조건을 제공하고 가정을 포함한 최종 결과를 요청하세요. 제작사는 단계별 풀이와 수학적 상자 표기 안의 최종 결과를 권장합니다.
MiniMax는 참조 프로필에 temperature 1.0과 top-p 0.95를 권장합니다. 과제에 맞춘 시스템 지침도 권장합니다. 일반 어시스턴트는 간단한 도움 역할을 사용할 수 있고, 웹 개발 과제에서는 완전한 코드 산출물과 출력 형식을 지정할 수 있습니다. 웹 프롬프트 예시는 단편 조각이 아닌 하나의 완전한 HTML 산출물을 요청합니다.
답변이 설명, 구조화된 비교, 코드만의 출력 중 무엇이어야 하는지 명시하세요. 지침은 실제 산출물과 완료 기준을 지정해야 합니다. 시각적 구현도 의도한 애플리케이션에서 실행해야 하고 수정을 위해 관찰 결과를 반환해야 합니다.
M1은 이름, 설명, 인수 유형, 필수 필드가 포함된 함수 정의의 제공을 지원합니다. 네이티브 표현은 추론, 도구 호출, 구조화된 JSON 인수를 구분합니다. 제작사 가이드는 전용 파서 경로와 해당 표현의 수동 해석을 모두 보여 줍니다. 애플리케이션은 선택한 함수를 검증하고 실행하며, 모델이 활용할 수 있도록 대화에 이름이 있는 결과를 반환합니다.
도구 목적과 허용된 행동을 명확히 유지하세요. 문서 조회는 모델이 설명을 완성하기 전에 누락 필드를 제공할 수 있고, 개발 도구는 분석할 실제 코드나 오류를 반환할 수 있습니다. 작업 제안은 실행 및 관찰 결과와 구분됩니다.
유용한 출력은 제공된 원본 및 실제 도구 관찰에 연결된 텍스트 풀이, 코드 제안 또는 분석 기록입니다. 원래 M1 모델 정체성과 예산 차이를 유지하고, 공유하는 계열 이름만으로 다른 MiniMax 모델의 시각 입력, 출력 상한, 제어 기본값을 추정하지 마세요.
", "aboutText": "MiniMax M1은 긴 입력과 상당한 분석이 필요한 과제를 위한 MiniMax의 하이브리드 어텐션 추론 언어 모델입니다. MiniMax-Text-01에 전문가 혼합 컴포넌트와 Lightning Attention을 더한 모델입니다. 파라미터 수를 십억 개 단위로 나타내면 전체는 456, 토큰당 활성 파라미터는 45.9입니다. 입력은 서면 지침과 원본 컨텍스트이며, 출력은 풀이, 코드, 분석, 함수 호출 정보 등의 텍스트입니다.\n\n### 컨텍스트와 추론 에디션\n\n제조사는 네이티브 백만 토큰 컨텍스트를 설명하고 40K 및 80K 사고 예산의 두 M1 에디션을 공개합니다. 이 예산 이름은 추론 에디션을 가리키며 동일한 보편적 최종 답변 상한으로 읽어서는 안 됩니다. 일반 M1 선택은 이러한 고정 예산 프로필 및 이전 Text-01 모델의 추론 실행 확장과 구분됩니다.\n\n긴 문서 과제에서는 자료에 이름을 부여하고 관련 구간을 지정하며, 자료가 뒷받침해야 할 질문을 명시하세요. 유용한 지침은 “이 요구사항을 구현 메모와 비교하고, 미해결 조건을 각각 식별한 뒤 분석 결과 옆에 근거 문단을 반환하세요”입니다. 과제 컨텍스트에는 초기 원본 자료뿐 아니라 추론과 최종 답변을 위한 공간도 확보하세요.\n\n### 실제 문제 추론을 위한 학습\n\nM1은 수학과 샌드박스 기반 소프트웨어 엔지니어링 문제 전반에 대규모 강화학습을 사용합니다. 제작사는 강화학습 접근법의 일부로 토큰 업데이트 대신 중요도 샘플링 가중치를 클리핑하는 CISPO를 도입합니다. 이는 추론 릴리스의 학습상 차이이며, 생성된 코드 산출물이나 행동 제안이 실행 결과가 되도록 하지는 않습니다.\n\n코드에서는 관련 구현, 대표 입력, 예상 동작, 유지할 제약을 제공하세요. 집중된 변경과 이를 정당화하는 근거를 요청하세요. 수학에서는 전체 조건을 제공하고 가정을 포함한 최종 결과를 요청하세요. 제작사는 단계별 풀이와 수학적 상자 표기 안의 최종 결과를 권장합니다.\n\n### 제작사 프롬프트 지침\n\nMiniMax는 참조 프로필에 temperature 1.0과 top-p 0.95를 권장합니다. 과제에 맞춘 시스템 지침도 권장합니다. 일반 어시스턴트는 간단한 도움 역할을 사용할 수 있고, 웹 개발 과제에서는 완전한 코드 산출물과 출력 형식을 지정할 수 있습니다. 웹 프롬프트 예시는 단편 조각이 아닌 하나의 완전한 HTML 산출물을 요청합니다.\n\n답변이 설명, 구조화된 비교, 코드만의 출력 중 무엇이어야 하는지 명시하세요. 지침은 실제 산출물과 완료 기준을 지정해야 합니다. 시각적 구현도 의도한 애플리케이션에서 실행해야 하고 수정을 위해 관찰 결과를 반환해야 합니다.\n\n### 함수 호출\n\nM1은 이름, 설명, 인수 유형, 필수 필드가 포함된 함수 정의의 제공을 지원합니다. 네이티브 표현은 추론, 도구 호출, 구조화된 JSON 인수를 구분합니다. 제작사 가이드는 전용 파서 경로와 해당 표현의 수동 해석을 모두 보여 줍니다. 애플리케이션은 선택한 함수를 검증하고 실행하며, 모델이 활용할 수 있도록 대화에 이름이 있는 결과를 반환합니다.\n\n도구 목적과 허용된 행동을 명확히 유지하세요. 문서 조회는 모델이 설명을 완성하기 전에 누락 필드를 제공할 수 있고, 개발 도구는 분석할 실제 코드나 오류를 반환할 수 있습니다. 작업 제안은 실행 및 관찰 결과와 구분됩니다.\n\n유용한 출력은 제공된 원본 및 실제 도구 관찰에 연결된 텍스트 풀이, 코드 제안 또는 분석 기록입니다. 원래 M1 모델 정체성과 예산 차이를 유지하고, 공유하는 계열 이름만으로 다른 MiniMax 모델의 시각 입력, 출력 상한, 제어 기본값을 추정하지 마세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Check a batch-processing invariant\n\nA worker reads pending jobs, marks each running, then records completion. On restart it reads only pending jobs. Analyse what happens if the process stops after marking a job running but before recording completion. Propose a recovery rule that avoids losing the job and prevents an already completed external action from being repeated blindly. Give two failure-point tests.A failure analysis, a bounded recovery/state-reconciliation proposal and tests for interruption before and after an external action.Recovery checks the original action's outcome before deciding whether another execution is safe.MiniMax-M1MiniMax M1은 긴 원본 분석, 수학, 코딩, 도구를 위한 MiniMax의 하이브리드 어텐션 추론 모델입니다. 제작사 계열은 네이티브 백만 토큰 컨텍스트와 별도의 40K 및 80K 사고 예산 에디션을 제공하며 텍스트와 구조화된 함수 호출 내용을 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
MiniMax M1은 긴 입력과 상당한 분석이 필요한 과제를 위한 MiniMax의 하이브리드 어텐션 추론 언어 모델입니다. MiniMax-Text-01에 전문가 혼합 컴포넌트와 Lightning Attention을 더한 모델입니다. 파라미터 수를 십억 개 단위로 나타내면 전체는 456, 토큰당 활성 파라미터는 45.9입니다. 입력은 서면 지침과 원본 컨텍스트이며, 출력은 풀이, 코드, 분석, 함수 호출 정보 등의 텍스트입니다.
제조사는 네이티브 백만 토큰 컨텍스트를 설명하고 40K 및 80K 사고 예산의 두 M1 에디션을 공개합니다. 이 예산 이름은 추론 에디션을 가리키며 동일한 보편적 최종 답변 상한으로 읽어서는 안 됩니다. 일반 M1 선택은 이러한 고정 예산 프로필 및 이전 Text-01 모델의 추론 실행 확장과 구분됩니다.
긴 문서 과제에서는 자료에 이름을 부여하고 관련 구간을 지정하며, 자료가 뒷받침해야 할 질문을 명시하세요. 유용한 지침은 “이 요구사항을 구현 메모와 비교하고, 미해결 조건을 각각 식별한 뒤 분석 결과 옆에 근거 문단을 반환하세요”입니다. 과제 컨텍스트에는 초기 원본 자료뿐 아니라 추론과 최종 답변을 위한 공간도 확보하세요.
M1은 수학과 샌드박스 기반 소프트웨어 엔지니어링 문제 전반에 대규모 강화학습을 사용합니다. 제작사는 강화학습 접근법의 일부로 토큰 업데이트 대신 중요도 샘플링 가중치를 클리핑하는 CISPO를 도입합니다. 이는 추론 릴리스의 학습상 차이이며, 생성된 코드 산출물이나 행동 제안이 실행 결과가 되도록 하지는 않습니다.
코드에서는 관련 구현, 대표 입력, 예상 동작, 유지할 제약을 제공하세요. 집중된 변경과 이를 정당화하는 근거를 요청하세요. 수학에서는 전체 조건을 제공하고 가정을 포함한 최종 결과를 요청하세요. 제작사는 단계별 풀이와 수학적 상자 표기 안의 최종 결과를 권장합니다.
MiniMax는 참조 프로필에 temperature 1.0과 top-p 0.95를 권장합니다. 과제에 맞춘 시스템 지침도 권장합니다. 일반 어시스턴트는 간단한 도움 역할을 사용할 수 있고, 웹 개발 과제에서는 완전한 코드 산출물과 출력 형식을 지정할 수 있습니다. 웹 프롬프트 예시는 단편 조각이 아닌 하나의 완전한 HTML 산출물을 요청합니다.
답변이 설명, 구조화된 비교, 코드만의 출력 중 무엇이어야 하는지 명시하세요. 지침은 실제 산출물과 완료 기준을 지정해야 합니다. 시각적 구현도 의도한 애플리케이션에서 실행해야 하고 수정을 위해 관찰 결과를 반환해야 합니다.
M1은 이름, 설명, 인수 유형, 필수 필드가 포함된 함수 정의의 제공을 지원합니다. 네이티브 표현은 추론, 도구 호출, 구조화된 JSON 인수를 구분합니다. 제작사 가이드는 전용 파서 경로와 해당 표현의 수동 해석을 모두 보여 줍니다. 애플리케이션은 선택한 함수를 검증하고 실행하며, 모델이 활용할 수 있도록 대화에 이름이 있는 결과를 반환합니다.
도구 목적과 허용된 행동을 명확히 유지하세요. 문서 조회는 모델이 설명을 완성하기 전에 누락 필드를 제공할 수 있고, 개발 도구는 분석할 실제 코드나 오류를 반환할 수 있습니다. 작업 제안은 실행 및 관찰 결과와 구분됩니다.
유용한 출력은 제공된 원본 및 실제 도구 관찰에 연결된 텍스트 풀이, 코드 제안 또는 분석 기록입니다. 원래 M1 모델 정체성과 예산 차이를 유지하고, 공유하는 계열 이름만으로 다른 MiniMax 모델의 시각 입력, 출력 상한, 제어 기본값을 추정하지 마세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 MiniMax-M1 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
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 |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0044 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0044 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"MiniMax-M1","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="MiniMax-M1", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 MiniMax-M1, minimax/minimax-m1
/chat/completions
MiniMax-M1MiniMax M1은 긴 원본 분석, 수학, 코딩, 도구를 위한 MiniMax의 하이브리드 어텐션 추론 모델입니다. 제작사 계열은 네이티브 백만 토큰 컨텍스트와 별도의 40K 및 80K 사고 예산 에디션을 제공하며 텍스트와 구조화된 함수 호출 내용을 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
MiniMax M1은 긴 입력과 상당한 분석이 필요한 과제를 위한 MiniMax의 하이브리드 어텐션 추론 언어 모델입니다. MiniMax-Text-01에 전문가 혼합 컴포넌트와 Lightning Attention을 더한 모델입니다. 파라미터 수를 십억 개 단위로 나타내면 전체는 456, 토큰당 활성 파라미터는 45.9입니다. 입력은 서면 지침과 원본 컨텍스트이며, 출력은 풀이, 코드, 분석, 함수 호출 정보 등의 텍스트입니다.
제조사는 네이티브 백만 토큰 컨텍스트를 설명하고 40K 및 80K 사고 예산의 두 M1 에디션을 공개합니다. 이 예산 이름은 추론 에디션을 가리키며 동일한 보편적 최종 답변 상한으로 읽어서는 안 됩니다. 일반 M1 선택은 이러한 고정 예산 프로필 및 이전 Text-01 모델의 추론 실행 확장과 구분됩니다.
긴 문서 과제에서는 자료에 이름을 부여하고 관련 구간을 지정하며, 자료가 뒷받침해야 할 질문을 명시하세요. 유용한 지침은 “이 요구사항을 구현 메모와 비교하고, 미해결 조건을 각각 식별한 뒤 분석 결과 옆에 근거 문단을 반환하세요”입니다. 과제 컨텍스트에는 초기 원본 자료뿐 아니라 추론과 최종 답변을 위한 공간도 확보하세요.
M1은 수학과 샌드박스 기반 소프트웨어 엔지니어링 문제 전반에 대규모 강화학습을 사용합니다. 제작사는 강화학습 접근법의 일부로 토큰 업데이트 대신 중요도 샘플링 가중치를 클리핑하는 CISPO를 도입합니다. 이는 추론 릴리스의 학습상 차이이며, 생성된 코드 산출물이나 행동 제안이 실행 결과가 되도록 하지는 않습니다.
코드에서는 관련 구현, 대표 입력, 예상 동작, 유지할 제약을 제공하세요. 집중된 변경과 이를 정당화하는 근거를 요청하세요. 수학에서는 전체 조건을 제공하고 가정을 포함한 최종 결과를 요청하세요. 제작사는 단계별 풀이와 수학적 상자 표기 안의 최종 결과를 권장합니다.
MiniMax는 참조 프로필에 temperature 1.0과 top-p 0.95를 권장합니다. 과제에 맞춘 시스템 지침도 권장합니다. 일반 어시스턴트는 간단한 도움 역할을 사용할 수 있고, 웹 개발 과제에서는 완전한 코드 산출물과 출력 형식을 지정할 수 있습니다. 웹 프롬프트 예시는 단편 조각이 아닌 하나의 완전한 HTML 산출물을 요청합니다.
답변이 설명, 구조화된 비교, 코드만의 출력 중 무엇이어야 하는지 명시하세요. 지침은 실제 산출물과 완료 기준을 지정해야 합니다. 시각적 구현도 의도한 애플리케이션에서 실행해야 하고 수정을 위해 관찰 결과를 반환해야 합니다.
M1은 이름, 설명, 인수 유형, 필수 필드가 포함된 함수 정의의 제공을 지원합니다. 네이티브 표현은 추론, 도구 호출, 구조화된 JSON 인수를 구분합니다. 제작사 가이드는 전용 파서 경로와 해당 표현의 수동 해석을 모두 보여 줍니다. 애플리케이션은 선택한 함수를 검증하고 실행하며, 모델이 활용할 수 있도록 대화에 이름이 있는 결과를 반환합니다.
도구 목적과 허용된 행동을 명확히 유지하세요. 문서 조회는 모델이 설명을 완성하기 전에 누락 필드를 제공할 수 있고, 개발 도구는 분석할 실제 코드나 오류를 반환할 수 있습니다. 작업 제안은 실행 및 관찰 결과와 구분됩니다.
유용한 출력은 제공된 원본 및 실제 도구 관찰에 연결된 텍스트 풀이, 코드 제안 또는 분석 기록입니다. 원래 M1 모델 정체성과 예산 차이를 유지하고, 공유하는 계열 이름만으로 다른 MiniMax 모델의 시각 입력, 출력 상한, 제어 기본값을 추정하지 마세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 MiniMax-M1 | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0044 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0044 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "MiniMax-M1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'MiniMax-M1', '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': 'MiniMax-M1', '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 MiniMax-M1, minimax/minimax-m1
/chat/completions
minimax/minimax-m1MiniMax M1은 긴 원본 분석, 수학, 코딩, 도구를 위한 MiniMax의 하이브리드 어텐션 추론 모델입니다. 제작사 계열은 네이티브 백만 토큰 컨텍스트와 별도의 40K 및 80K 사고 예산 에디션을 제공하며 텍스트와 구조화된 함수 호출 내용을 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
MiniMax M1은 긴 입력과 상당한 분석이 필요한 과제를 위한 MiniMax의 하이브리드 어텐션 추론 언어 모델입니다. MiniMax-Text-01에 전문가 혼합 컴포넌트와 Lightning Attention을 더한 모델입니다. 파라미터 수를 십억 개 단위로 나타내면 전체는 456, 토큰당 활성 파라미터는 45.9입니다. 입력은 서면 지침과 원본 컨텍스트이며, 출력은 풀이, 코드, 분석, 함수 호출 정보 등의 텍스트입니다.
제조사는 네이티브 백만 토큰 컨텍스트를 설명하고 40K 및 80K 사고 예산의 두 M1 에디션을 공개합니다. 이 예산 이름은 추론 에디션을 가리키며 동일한 보편적 최종 답변 상한으로 읽어서는 안 됩니다. 일반 M1 선택은 이러한 고정 예산 프로필 및 이전 Text-01 모델의 추론 실행 확장과 구분됩니다.
긴 문서 과제에서는 자료에 이름을 부여하고 관련 구간을 지정하며, 자료가 뒷받침해야 할 질문을 명시하세요. 유용한 지침은 “이 요구사항을 구현 메모와 비교하고, 미해결 조건을 각각 식별한 뒤 분석 결과 옆에 근거 문단을 반환하세요”입니다. 과제 컨텍스트에는 초기 원본 자료뿐 아니라 추론과 최종 답변을 위한 공간도 확보하세요.
M1은 수학과 샌드박스 기반 소프트웨어 엔지니어링 문제 전반에 대규모 강화학습을 사용합니다. 제작사는 강화학습 접근법의 일부로 토큰 업데이트 대신 중요도 샘플링 가중치를 클리핑하는 CISPO를 도입합니다. 이는 추론 릴리스의 학습상 차이이며, 생성된 코드 산출물이나 행동 제안이 실행 결과가 되도록 하지는 않습니다.
코드에서는 관련 구현, 대표 입력, 예상 동작, 유지할 제약을 제공하세요. 집중된 변경과 이를 정당화하는 근거를 요청하세요. 수학에서는 전체 조건을 제공하고 가정을 포함한 최종 결과를 요청하세요. 제작사는 단계별 풀이와 수학적 상자 표기 안의 최종 결과를 권장합니다.
MiniMax는 참조 프로필에 temperature 1.0과 top-p 0.95를 권장합니다. 과제에 맞춘 시스템 지침도 권장합니다. 일반 어시스턴트는 간단한 도움 역할을 사용할 수 있고, 웹 개발 과제에서는 완전한 코드 산출물과 출력 형식을 지정할 수 있습니다. 웹 프롬프트 예시는 단편 조각이 아닌 하나의 완전한 HTML 산출물을 요청합니다.
답변이 설명, 구조화된 비교, 코드만의 출력 중 무엇이어야 하는지 명시하세요. 지침은 실제 산출물과 완료 기준을 지정해야 합니다. 시각적 구현도 의도한 애플리케이션에서 실행해야 하고 수정을 위해 관찰 결과를 반환해야 합니다.
M1은 이름, 설명, 인수 유형, 필수 필드가 포함된 함수 정의의 제공을 지원합니다. 네이티브 표현은 추론, 도구 호출, 구조화된 JSON 인수를 구분합니다. 제작사 가이드는 전용 파서 경로와 해당 표현의 수동 해석을 모두 보여 줍니다. 애플리케이션은 선택한 함수를 검증하고 실행하며, 모델이 활용할 수 있도록 대화에 이름이 있는 결과를 반환합니다.
도구 목적과 허용된 행동을 명확히 유지하세요. 문서 조회는 모델이 설명을 완성하기 전에 누락 필드를 제공할 수 있고, 개발 도구는 분석할 실제 코드나 오류를 반환할 수 있습니다. 작업 제안은 실행 및 관찰 결과와 구분됩니다.
유용한 출력은 제공된 원본 및 실제 도구 관찰에 연결된 텍스트 풀이, 코드 제안 또는 분석 기록입니다. 원래 M1 모델 정체성과 예산 차이를 유지하고, 공유하는 계열 이름만으로 다른 MiniMax 모델의 시각 입력, 출력 상한, 제어 기본값을 추정하지 마세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 minimax/minimax-m1 | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0044 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0044 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax/minimax-m1", "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='minimax/minimax-m1',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='minimax/minimax-m1',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 MiniMax-M1, minimax/minimax-m1
/chat/completions
minimax/minimax-m1MiniMax M1은 긴 원본 분석, 수학, 코딩, 도구를 위한 MiniMax의 하이브리드 어텐션 추론 모델입니다. 제작사 계열은 네이티브 백만 토큰 컨텍스트와 별도의 40K 및 80K 사고 예산 에디션을 제공하며 텍스트와 구조화된 함수 호출 내용을 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
MiniMax M1은 긴 입력과 상당한 분석이 필요한 과제를 위한 MiniMax의 하이브리드 어텐션 추론 언어 모델입니다. MiniMax-Text-01에 전문가 혼합 컴포넌트와 Lightning Attention을 더한 모델입니다. 파라미터 수를 십억 개 단위로 나타내면 전체는 456, 토큰당 활성 파라미터는 45.9입니다. 입력은 서면 지침과 원본 컨텍스트이며, 출력은 풀이, 코드, 분석, 함수 호출 정보 등의 텍스트입니다.
제조사는 네이티브 백만 토큰 컨텍스트를 설명하고 40K 및 80K 사고 예산의 두 M1 에디션을 공개합니다. 이 예산 이름은 추론 에디션을 가리키며 동일한 보편적 최종 답변 상한으로 읽어서는 안 됩니다. 일반 M1 선택은 이러한 고정 예산 프로필 및 이전 Text-01 모델의 추론 실행 확장과 구분됩니다.
긴 문서 과제에서는 자료에 이름을 부여하고 관련 구간을 지정하며, 자료가 뒷받침해야 할 질문을 명시하세요. 유용한 지침은 “이 요구사항을 구현 메모와 비교하고, 미해결 조건을 각각 식별한 뒤 분석 결과 옆에 근거 문단을 반환하세요”입니다. 과제 컨텍스트에는 초기 원본 자료뿐 아니라 추론과 최종 답변을 위한 공간도 확보하세요.
M1은 수학과 샌드박스 기반 소프트웨어 엔지니어링 문제 전반에 대규모 강화학습을 사용합니다. 제작사는 강화학습 접근법의 일부로 토큰 업데이트 대신 중요도 샘플링 가중치를 클리핑하는 CISPO를 도입합니다. 이는 추론 릴리스의 학습상 차이이며, 생성된 코드 산출물이나 행동 제안이 실행 결과가 되도록 하지는 않습니다.
코드에서는 관련 구현, 대표 입력, 예상 동작, 유지할 제약을 제공하세요. 집중된 변경과 이를 정당화하는 근거를 요청하세요. 수학에서는 전체 조건을 제공하고 가정을 포함한 최종 결과를 요청하세요. 제작사는 단계별 풀이와 수학적 상자 표기 안의 최종 결과를 권장합니다.
MiniMax는 참조 프로필에 temperature 1.0과 top-p 0.95를 권장합니다. 과제에 맞춘 시스템 지침도 권장합니다. 일반 어시스턴트는 간단한 도움 역할을 사용할 수 있고, 웹 개발 과제에서는 완전한 코드 산출물과 출력 형식을 지정할 수 있습니다. 웹 프롬프트 예시는 단편 조각이 아닌 하나의 완전한 HTML 산출물을 요청합니다.
답변이 설명, 구조화된 비교, 코드만의 출력 중 무엇이어야 하는지 명시하세요. 지침은 실제 산출물과 완료 기준을 지정해야 합니다. 시각적 구현도 의도한 애플리케이션에서 실행해야 하고 수정을 위해 관찰 결과를 반환해야 합니다.
M1은 이름, 설명, 인수 유형, 필수 필드가 포함된 함수 정의의 제공을 지원합니다. 네이티브 표현은 추론, 도구 호출, 구조화된 JSON 인수를 구분합니다. 제작사 가이드는 전용 파서 경로와 해당 표현의 수동 해석을 모두 보여 줍니다. 애플리케이션은 선택한 함수를 검증하고 실행하며, 모델이 활용할 수 있도록 대화에 이름이 있는 결과를 반환합니다.
도구 목적과 허용된 행동을 명확히 유지하세요. 문서 조회는 모델이 설명을 완성하기 전에 누락 필드를 제공할 수 있고, 개발 도구는 분석할 실제 코드나 오류를 반환할 수 있습니다. 작업 제안은 실행 및 관찰 결과와 구분됩니다.
유용한 출력은 제공된 원본 및 실제 도구 관찰에 연결된 텍스트 풀이, 코드 제안 또는 분석 기록입니다. 원래 M1 모델 정체성과 예산 차이를 유지하고, 공유하는 계열 이름만으로 다른 MiniMax 모델의 시각 입력, 출력 상한, 제어 기본값을 추정하지 마세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 minimax/minimax-m1 | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0044 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0008 / 1K 토큰 출력 · 출력 토큰 $0.0044 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "minimax/minimax-m1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'minimax/minimax-m1', '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': 'minimax/minimax-m1', '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 MiniMax-M1, minimax/minimax-m1
/chat/completions
영어 기술 예제
Check a batch-processing invariant\n\nA worker reads pending jobs, marks each running, then records completion. On restart it reads only pending jobs. Analyse what happens if the process stops after marking a job running but before recording completion. Propose a recovery rule that avoids losing the job and prevents an already completed external action from being repeated blindly. Give two failure-point tests.A failure analysis, a bounded recovery/state-reconciliation proposal and tests for interruption before and after an external action.Recovery checks the original action's outcome before deciding whether another execution is safe.