MiMo-V2.5-Pro는 까다로운 에이전트 작업, 복잡한 소프트웨어 엔지니어링, 서로 연결된 여러 단계를 요구하는 작업을 위한 Xiaomi의 대형 텍스트 중심 전문가 혼합 모델입니다. 제조사는 전체 매개변수 1조 200억 개, 활성 매개변수 420억 개, 최대 100만 토큰의 컨텍스트를 설명합니다. 지원 애플리케이션이 도구를 제공하고 실행 결과를 돌려주는 동안 작업 지시와 축적된 근거를 유지하는 것이 이 모델의 목적입니다.
이 모델은 슬라이딩 윈도 어텐션과 전역 어텐션을 6:1 패턴으로 결합합니다. 로컬 윈도는 128토큰이며, 전역 어텐션 계층은 더 긴 이력에 걸쳐 정보를 연결합니다. 이는 어텐션 아키텍처를 뜻하며 사용자 입력을 128토큰으로 제한한다는 의미가 아닙니다. 백본은 70개 계층과 희소 전문가 라우팅을 사용하며, 토큰마다 라우팅 대상 전문가 8개를 선택합니다. 추측 디코딩을 지원하기 위해 다중 토큰 예측 모듈 3개가 학습 및 추론 설계에 통합되어 있습니다.
제조사는 27조 토큰으로 사전 학습한 뒤 지도 미세 조정, 영역별 강화 학습, 여러 교사 모델을 활용한 온폴리시 증류를 수행했다고 설명합니다. 전문 교사 모델은 수학, 안전성, 복잡한 도구 사용 등의 영역을 다루며, 마지막 단계에서 이들의 지도를 하나의 모델로 모읍니다. 이러한 학습 방향은 긴 소프트웨어 및 에이전트 워크플로에서 모델의 역할을 뒷받침합니다. 다만 구체적인 작업에는 여전히 명시된 요구 사항과 결과의 완성 여부를 판단할 방법이 필요합니다.
소프트웨어 변경을 요청할 때는 관련 파일, 관찰된 오류 또는 원하는 동작, 프로젝트 규칙, 중요한 검증 항목을 제공하세요. 영향을 받는 동작을 식별하고, 범위가 명확한 구현을 제안하며, 원하는 사례와 의미 있는 경계 사례를 모두 검증하는 방법을 설명하도록 지시하면 유용합니다. 프로젝트에서 사용하는 식별자는 정확히 유지하세요. 환경에서 실행할 수 있다면 그럴듯한 패치가 작동한다고 가정하게 하지 말고 실제 검증 출력을 반환하도록 하세요.
장시간 이어지는 에이전트 작업에서는 목표, 이미 내린 결정, 도구가 반환한 근거를 간결하게 기록하세요. 각 작업이 무엇을 변경할 수 있는지, 어떤 결과가 나와야 다음 단계로 진행할 수 있는지 명시하세요. 모델은 이러한 상호작용을 연결해 추론하고 다음 요청을 준비하는 데 도움을 줄 수 있지만, 작업 실행은 주변 애플리케이션이 담당합니다. 긴 과정에서 실패한 단계가 유려한 설명에 가려지지 않도록 최종 기록에 오류와 해결되지 않은 조건을 남기세요.
큰 컨텍스트는 구현을 비교하거나 분량이 많은 여러 문서를 종합할 때 유용할 수 있습니다. 파일과 문서의 경계를 표시하고, 답변에 사용해야 할 구역과 필요한 출력 형식을 지정하세요. 예를 들어 영향을 받는 각 구성 요소를 요구 사항과 연결하고 누락된 정보를 별도로 식별하는 마이그레이션 제안서를 요청할 수 있습니다. 검토자가 추론을 입력 자료까지 추적할 수 있도록 뒷받침하는 구절이나 코드 위치를 결과와 함께 보관하세요.
Xiaomi가 공개한 서빙 예시는 1,048,576토큰의 컨텍스트 설정을 사용하며, 요약에서는 최대 1M 토큰을 지원한다고 설명합니다. 실제 사용 중인 설정 안에서 생성 텍스트와 누적 도구 이력을 위한 공간을 남겨 두세요. 제조사는 로컬 추론에 temperature 1.0과 top_p 0.95를 권장합니다. 이는 제조사의 실행 지침이며 모든 애플리케이션이 동일한 제어 항목이나 작업 범위를 제공한다는 보장은 아닙니다.
MiMo-V2.5-Pro는 기본적으로 옴니모달인 형제 모델 MiMo-V2.5 및 후속 V2.6 시리즈와 구별됩니다. 다른 버전의 비전 또는 오디오 규약을 가져오지 말고 이 버전에 문서화된 언어 및 에이전트 작업 범위에 맞춰 사용하세요. 최종 결과물은 코드 제안, 구현 설명, 근거에 기반한 분석이 될 수 있습니다. 중요한 계산, 요구 사항, 도구 실행 결과는 작업에 제공된 자료와 대조해 확인하세요.
", "aboutText": "MiMo-V2.5-Pro는 까다로운 에이전트 작업, 복잡한 소프트웨어 엔지니어링, 서로 연결된 여러 단계를 요구하는 작업을 위한 Xiaomi의 대형 텍스트 중심 전문가 혼합 모델입니다. 제조사는 전체 매개변수 1조 200억 개, 활성 매개변수 420억 개, 최대 100만 토큰의 컨텍스트를 설명합니다. 지원 애플리케이션이 도구를 제공하고 실행 결과를 돌려주는 동안 작업 지시와 축적된 근거를 유지하는 것이 이 모델의 목적입니다.\n\n이 모델은 슬라이딩 윈도 어텐션과 전역 어텐션을 6:1 패턴으로 결합합니다. 로컬 윈도는 128토큰이며, 전역 어텐션 계층은 더 긴 이력에 걸쳐 정보를 연결합니다. 이는 어텐션 아키텍처를 뜻하며 사용자 입력을 128토큰으로 제한한다는 의미가 아닙니다. 백본은 70개 계층과 희소 전문가 라우팅을 사용하며, 토큰마다 라우팅 대상 전문가 8개를 선택합니다. 추측 디코딩을 지원하기 위해 다중 토큰 예측 모듈 3개가 학습 및 추론 설계에 통합되어 있습니다.\n\n제조사는 27조 토큰으로 사전 학습한 뒤 지도 미세 조정, 영역별 강화 학습, 여러 교사 모델을 활용한 온폴리시 증류를 수행했다고 설명합니다. 전문 교사 모델은 수학, 안전성, 복잡한 도구 사용 등의 영역을 다루며, 마지막 단계에서 이들의 지도를 하나의 모델로 모읍니다. 이러한 학습 방향은 긴 소프트웨어 및 에이전트 워크플로에서 모델의 역할을 뒷받침합니다. 다만 구체적인 작업에는 여전히 명시된 요구 사항과 결과의 완성 여부를 판단할 방법이 필요합니다.\n\n소프트웨어 변경을 요청할 때는 관련 파일, 관찰된 오류 또는 원하는 동작, 프로젝트 규칙, 중요한 검증 항목을 제공하세요. 영향을 받는 동작을 식별하고, 범위가 명확한 구현을 제안하며, 원하는 사례와 의미 있는 경계 사례를 모두 검증하는 방법을 설명하도록 지시하면 유용합니다. 프로젝트에서 사용하는 식별자는 정확히 유지하세요. 환경에서 실행할 수 있다면 그럴듯한 패치가 작동한다고 가정하게 하지 말고 실제 검증 출력을 반환하도록 하세요.\n\n장시간 이어지는 에이전트 작업에서는 목표, 이미 내린 결정, 도구가 반환한 근거를 간결하게 기록하세요. 각 작업이 무엇을 변경할 수 있는지, 어떤 결과가 나와야 다음 단계로 진행할 수 있는지 명시하세요. 모델은 이러한 상호작용을 연결해 추론하고 다음 요청을 준비하는 데 도움을 줄 수 있지만, 작업 실행은 주변 애플리케이션이 담당합니다. 긴 과정에서 실패한 단계가 유려한 설명에 가려지지 않도록 최종 기록에 오류와 해결되지 않은 조건을 남기세요.\n\n큰 컨텍스트는 구현을 비교하거나 분량이 많은 여러 문서를 종합할 때 유용할 수 있습니다. 파일과 문서의 경계를 표시하고, 답변에 사용해야 할 구역과 필요한 출력 형식을 지정하세요. 예를 들어 영향을 받는 각 구성 요소를 요구 사항과 연결하고 누락된 정보를 별도로 식별하는 마이그레이션 제안서를 요청할 수 있습니다. 검토자가 추론을 입력 자료까지 추적할 수 있도록 뒷받침하는 구절이나 코드 위치를 결과와 함께 보관하세요.\n\nXiaomi가 공개한 서빙 예시는 1,048,576토큰의 컨텍스트 설정을 사용하며, 요약에서는 최대 1M 토큰을 지원한다고 설명합니다. 실제 사용 중인 설정 안에서 생성 텍스트와 누적 도구 이력을 위한 공간을 남겨 두세요. 제조사는 로컬 추론에 temperature 1.0과 top_p 0.95를 권장합니다. 이는 제조사의 실행 지침이며 모든 애플리케이션이 동일한 제어 항목이나 작업 범위를 제공한다는 보장은 아닙니다.\n\nMiMo-V2.5-Pro는 기본적으로 옴니모달인 형제 모델 MiMo-V2.5 및 후속 V2.6 시리즈와 구별됩니다. 다른 버전의 비전 또는 오디오 규약을 가져오지 말고 이 버전에 문서화된 언어 및 에이전트 작업 범위에 맞춰 사용하세요. 최종 결과물은 코드 제안, 구현 설명, 근거에 기반한 분석이 될 수 있습니다. 중요한 계산, 요구 사항, 도구 실행 결과는 작업에 제공된 자료와 대조해 확인하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Correct a two-stage validation flow\n\nTrace this Python flow: validate.py: def valid(row): return bool(row.get('email')); import.py: accepted = [r for r in rows if valid(r) is not None]. A row without email is incorrectly accepted. Propose the smallest correction, retain valid's Boolean contract and supply cases for a missing email and a present email. Separate the proposal from executed checks.A cross-file cause explanation, focused consumer patch and two regression cases.The consumer must reject False rather than treating every non-None Boolean as accepted.xiaomi/mimo-v2.5-proMiMo-V2.5-Pro는 복잡한 소프트웨어 엔지니어링과 장시간 이어지는 에이전트 워크플로를 위한 Xiaomi의 텍스트 중심 모델입니다. 공개된 사양은 1.02T 매개변수의 MoE, 42B 활성 매개변수, 최대 100만 토큰의 컨텍스트를 결합하며, 일관된 도구 사용에 초점을 맞춰 학습했습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
MiMo-V2.5-Pro는 까다로운 에이전트 작업, 복잡한 소프트웨어 엔지니어링, 서로 연결된 여러 단계를 요구하는 작업을 위한 Xiaomi의 대형 텍스트 중심 전문가 혼합 모델입니다. 제조사는 전체 매개변수 1조 200억 개, 활성 매개변수 420억 개, 최대 100만 토큰의 컨텍스트를 설명합니다. 지원 애플리케이션이 도구를 제공하고 실행 결과를 돌려주는 동안 작업 지시와 축적된 근거를 유지하는 것이 이 모델의 목적입니다.
이 모델은 슬라이딩 윈도 어텐션과 전역 어텐션을 6:1 패턴으로 결합합니다. 로컬 윈도는 128토큰이며, 전역 어텐션 계층은 더 긴 이력에 걸쳐 정보를 연결합니다. 이는 어텐션 아키텍처를 뜻하며 사용자 입력을 128토큰으로 제한한다는 의미가 아닙니다. 백본은 70개 계층과 희소 전문가 라우팅을 사용하며, 토큰마다 라우팅 대상 전문가 8개를 선택합니다. 추측 디코딩을 지원하기 위해 다중 토큰 예측 모듈 3개가 학습 및 추론 설계에 통합되어 있습니다.
제조사는 27조 토큰으로 사전 학습한 뒤 지도 미세 조정, 영역별 강화 학습, 여러 교사 모델을 활용한 온폴리시 증류를 수행했다고 설명합니다. 전문 교사 모델은 수학, 안전성, 복잡한 도구 사용 등의 영역을 다루며, 마지막 단계에서 이들의 지도를 하나의 모델로 모읍니다. 이러한 학습 방향은 긴 소프트웨어 및 에이전트 워크플로에서 모델의 역할을 뒷받침합니다. 다만 구체적인 작업에는 여전히 명시된 요구 사항과 결과의 완성 여부를 판단할 방법이 필요합니다.
소프트웨어 변경을 요청할 때는 관련 파일, 관찰된 오류 또는 원하는 동작, 프로젝트 규칙, 중요한 검증 항목을 제공하세요. 영향을 받는 동작을 식별하고, 범위가 명확한 구현을 제안하며, 원하는 사례와 의미 있는 경계 사례를 모두 검증하는 방법을 설명하도록 지시하면 유용합니다. 프로젝트에서 사용하는 식별자는 정확히 유지하세요. 환경에서 실행할 수 있다면 그럴듯한 패치가 작동한다고 가정하게 하지 말고 실제 검증 출력을 반환하도록 하세요.
장시간 이어지는 에이전트 작업에서는 목표, 이미 내린 결정, 도구가 반환한 근거를 간결하게 기록하세요. 각 작업이 무엇을 변경할 수 있는지, 어떤 결과가 나와야 다음 단계로 진행할 수 있는지 명시하세요. 모델은 이러한 상호작용을 연결해 추론하고 다음 요청을 준비하는 데 도움을 줄 수 있지만, 작업 실행은 주변 애플리케이션이 담당합니다. 긴 과정에서 실패한 단계가 유려한 설명에 가려지지 않도록 최종 기록에 오류와 해결되지 않은 조건을 남기세요.
큰 컨텍스트는 구현을 비교하거나 분량이 많은 여러 문서를 종합할 때 유용할 수 있습니다. 파일과 문서의 경계를 표시하고, 답변에 사용해야 할 구역과 필요한 출력 형식을 지정하세요. 예를 들어 영향을 받는 각 구성 요소를 요구 사항과 연결하고 누락된 정보를 별도로 식별하는 마이그레이션 제안서를 요청할 수 있습니다. 검토자가 추론을 입력 자료까지 추적할 수 있도록 뒷받침하는 구절이나 코드 위치를 결과와 함께 보관하세요.
Xiaomi가 공개한 서빙 예시는 1,048,576토큰의 컨텍스트 설정을 사용하며, 요약에서는 최대 1M 토큰을 지원한다고 설명합니다. 실제 사용 중인 설정 안에서 생성 텍스트와 누적 도구 이력을 위한 공간을 남겨 두세요. 제조사는 로컬 추론에 temperature 1.0과 top_p 0.95를 권장합니다. 이는 제조사의 실행 지침이며 모든 애플리케이션이 동일한 제어 항목이나 작업 범위를 제공한다는 보장은 아닙니다.
MiMo-V2.5-Pro는 기본적으로 옴니모달인 형제 모델 MiMo-V2.5 및 후속 V2.6 시리즈와 구별됩니다. 다른 버전의 비전 또는 오디오 규약을 가져오지 말고 이 버전에 문서화된 언어 및 에이전트 작업 범위에 맞춰 사용하세요. 최종 결과물은 코드 제안, 구현 설명, 근거에 기반한 분석이 될 수 있습니다. 중요한 계산, 요구 사항, 도구 실행 결과는 작업에 제공된 자료와 대조해 확인하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 xiaomi/mimo-v2.5-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.
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 $0.00087 / 1K 토큰 출력 · 출력 토큰 $0.00174 / 1K 토큰 입력 · 캐시 읽기 $0.0000072 / 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 $0.00087 / 1K 토큰 출력 · 출력 토큰 $0.00174 / 1K 토큰 입력 · 캐시 읽기 $0.0000072 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.5-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='xiaomi/mimo-v2.5-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='xiaomi/mimo-v2.5-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 xiaomi/mimo-v2.5-pro
위에 표시된 메서드 경로를 사용하세요.
xiaomi/mimo-v2.5-proMiMo-V2.5-Pro는 복잡한 소프트웨어 엔지니어링과 장시간 이어지는 에이전트 워크플로를 위한 Xiaomi의 텍스트 중심 모델입니다. 공개된 사양은 1.02T 매개변수의 MoE, 42B 활성 매개변수, 최대 100만 토큰의 컨텍스트를 결합하며, 일관된 도구 사용에 초점을 맞춰 학습했습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
MiMo-V2.5-Pro는 까다로운 에이전트 작업, 복잡한 소프트웨어 엔지니어링, 서로 연결된 여러 단계를 요구하는 작업을 위한 Xiaomi의 대형 텍스트 중심 전문가 혼합 모델입니다. 제조사는 전체 매개변수 1조 200억 개, 활성 매개변수 420억 개, 최대 100만 토큰의 컨텍스트를 설명합니다. 지원 애플리케이션이 도구를 제공하고 실행 결과를 돌려주는 동안 작업 지시와 축적된 근거를 유지하는 것이 이 모델의 목적입니다.
이 모델은 슬라이딩 윈도 어텐션과 전역 어텐션을 6:1 패턴으로 결합합니다. 로컬 윈도는 128토큰이며, 전역 어텐션 계층은 더 긴 이력에 걸쳐 정보를 연결합니다. 이는 어텐션 아키텍처를 뜻하며 사용자 입력을 128토큰으로 제한한다는 의미가 아닙니다. 백본은 70개 계층과 희소 전문가 라우팅을 사용하며, 토큰마다 라우팅 대상 전문가 8개를 선택합니다. 추측 디코딩을 지원하기 위해 다중 토큰 예측 모듈 3개가 학습 및 추론 설계에 통합되어 있습니다.
제조사는 27조 토큰으로 사전 학습한 뒤 지도 미세 조정, 영역별 강화 학습, 여러 교사 모델을 활용한 온폴리시 증류를 수행했다고 설명합니다. 전문 교사 모델은 수학, 안전성, 복잡한 도구 사용 등의 영역을 다루며, 마지막 단계에서 이들의 지도를 하나의 모델로 모읍니다. 이러한 학습 방향은 긴 소프트웨어 및 에이전트 워크플로에서 모델의 역할을 뒷받침합니다. 다만 구체적인 작업에는 여전히 명시된 요구 사항과 결과의 완성 여부를 판단할 방법이 필요합니다.
소프트웨어 변경을 요청할 때는 관련 파일, 관찰된 오류 또는 원하는 동작, 프로젝트 규칙, 중요한 검증 항목을 제공하세요. 영향을 받는 동작을 식별하고, 범위가 명확한 구현을 제안하며, 원하는 사례와 의미 있는 경계 사례를 모두 검증하는 방법을 설명하도록 지시하면 유용합니다. 프로젝트에서 사용하는 식별자는 정확히 유지하세요. 환경에서 실행할 수 있다면 그럴듯한 패치가 작동한다고 가정하게 하지 말고 실제 검증 출력을 반환하도록 하세요.
장시간 이어지는 에이전트 작업에서는 목표, 이미 내린 결정, 도구가 반환한 근거를 간결하게 기록하세요. 각 작업이 무엇을 변경할 수 있는지, 어떤 결과가 나와야 다음 단계로 진행할 수 있는지 명시하세요. 모델은 이러한 상호작용을 연결해 추론하고 다음 요청을 준비하는 데 도움을 줄 수 있지만, 작업 실행은 주변 애플리케이션이 담당합니다. 긴 과정에서 실패한 단계가 유려한 설명에 가려지지 않도록 최종 기록에 오류와 해결되지 않은 조건을 남기세요.
큰 컨텍스트는 구현을 비교하거나 분량이 많은 여러 문서를 종합할 때 유용할 수 있습니다. 파일과 문서의 경계를 표시하고, 답변에 사용해야 할 구역과 필요한 출력 형식을 지정하세요. 예를 들어 영향을 받는 각 구성 요소를 요구 사항과 연결하고 누락된 정보를 별도로 식별하는 마이그레이션 제안서를 요청할 수 있습니다. 검토자가 추론을 입력 자료까지 추적할 수 있도록 뒷받침하는 구절이나 코드 위치를 결과와 함께 보관하세요.
Xiaomi가 공개한 서빙 예시는 1,048,576토큰의 컨텍스트 설정을 사용하며, 요약에서는 최대 1M 토큰을 지원한다고 설명합니다. 실제 사용 중인 설정 안에서 생성 텍스트와 누적 도구 이력을 위한 공간을 남겨 두세요. 제조사는 로컬 추론에 temperature 1.0과 top_p 0.95를 권장합니다. 이는 제조사의 실행 지침이며 모든 애플리케이션이 동일한 제어 항목이나 작업 범위를 제공한다는 보장은 아닙니다.
MiMo-V2.5-Pro는 기본적으로 옴니모달인 형제 모델 MiMo-V2.5 및 후속 V2.6 시리즈와 구별됩니다. 다른 버전의 비전 또는 오디오 규약을 가져오지 말고 이 버전에 문서화된 언어 및 에이전트 작업 범위에 맞춰 사용하세요. 최종 결과물은 코드 제안, 구현 설명, 근거에 기반한 분석이 될 수 있습니다. 중요한 계산, 요구 사항, 도구 실행 결과는 작업에 제공된 자료와 대조해 확인하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 xiaomi/mimo-v2.5-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.
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 $0.00087 / 1K 토큰 출력 · 출력 토큰 $0.00174 / 1K 토큰 입력 · 캐시 읽기 $0.0000072 / 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 $0.00087 / 1K 토큰 출력 · 출력 토큰 $0.00174 / 1K 토큰 입력 · 캐시 읽기 $0.0000072 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "xiaomi/mimo-v2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'xiaomi/mimo-v2.5-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': 'xiaomi/mimo-v2.5-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 xiaomi/mimo-v2.5-pro
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Correct a two-stage validation flow\n\nTrace this Python flow: validate.py: def valid(row): return bool(row.get('email')); import.py: accepted = [r for r in rows if valid(r) is not None]. A row without email is incorrectly accepted. Propose the smallest correction, retain valid's Boolean contract and supply cases for a missing email and a present email. Separate the proposal from executed checks.A cross-file cause explanation, focused consumer patch and two regression cases.The consumer must reject False rather than treating every non-None Boolean as accepted.