MiMo-V2.5는 텍스트, 이미지, 동영상, 오디오를 하나의 아키텍처에서 이해하는 Xiaomi의 네이티브 옴니모달 모델입니다. 멀티모달 지각에 장문 컨텍스트 추론과 에이전트 워크플로를 결합합니다. 제조사는 총 310B 매개변수, 활성 매개변수 15B인 희소 혼합 전문가 모델로 설명합니다. 응답은 지원 애플리케이션이 사용할 수 있는 텍스트 결과물이나 도구 지시입니다. 오디오·시각 입력을 이해하는 것과 새 미디어를 생성하는 것은 별개입니다.
언어 백본은 MiMo-V2-Flash 아키텍처를 기반으로 하며, 128토큰 로컬 윈도로 슬라이딩 윈도와 전역 어텐션을 5:1 패턴으로 결합합니다. Xiaomi는 전용 729M 매개변수 비전 트랜스포머와 MiMo-Audio로 초기화한 261M 매개변수 오디오 인코더를 추가합니다. 세 개의 다중 토큰 예측 모듈이 투기적 디코딩을 지원합니다. 로컬 어텐션 윈도는 아키텍처 세부 사항이며, 제조사는 결합된 작업 이력에 최대 백만 토큰의 훨씬 큰 컨텍스트를 명시합니다.
이미지 분석에서는 읽을 수 있는 원본을 제공하고 답변이 설명해야 할 관계나 세부 요소를 지정하세요. 문서 작업에서는 관찰한 필드와 해당 페이지·영역의 표를 요청할 수 있고, 디자인 작업에서는 스크린샷 레이아웃을 구현 요구 사항에 연결할 수 있습니다. 작은 글자, 개수, 위치 관계를 확인할 수 있도록 원본 이미지를 보존하세요. 흐릿한 표시를 확실한 값으로 바꾸는 대신 불명확한 근거를 그대로 드러내도록 요청합니다.
동영상이나 오디오에는 초점이 명확한 질문과 해석에 필요한 맥락을 함께 제공하세요. 예를 들어 녹화에서 인터페이스 동작의 순서를 설명하고, 관찰한 동작이 의도한 단계와 달라지는 위치를 찾아 관련 구간에 연결된 진단을 준비할 수 있습니다. 검토를 위해 시간 순서와 원본 녹화를 보존하세요. 텍스트 출력은 이후 보고서, 자막, 편집 단계의 입력이 될 수 있지만 그 자체를 새로 생성한 동영상이나 음성 트랙이라고 주장하지 않습니다.
에이전트 작업에서는 목표, 관련 원자료, 애플리케이션이 제공하는 도구의 입력 계약을 전달하세요. 실제 도구 출력을 이력에 남겨 모델이 일어난 일에 맞춰 다음 단계를 조정할 수 있게 합니다. 저장소 작업에서는 코드, 결과 스크린샷, 검사 출력을 결합해 초점이 명확한 변경 제안을 만들 수 있습니다. 결과 작업이 실행되었는지, 관찰한 결과물이 요청한 동작을 충족하는지 기록하세요.
제조사의 학습 순서는 텍스트 사전 학습에서 시작해 시각·오디오 프로젝터를 준비하고 멀티모달 사전 학습으로 이어집니다. 지도 에이전트 학습은 컨텍스트를 32K에서 256K, 1M으로 점차 확장합니다. 이후 강화 학습과 다중 교사 온폴리시 증류로 지각, 추론, 에이전트 동작을 발전시킵니다. 제조사는 약 48조 학습 토큰을 보고합니다. 이 학습 이력은 결합된 입력과 작업 범위를 설명하며, 특정 녹화나 저장소에 대한 보장을 제공하지는 않습니다.
모델 요약은 최대 1M토큰을 지원한다고 하지만 공개 서빙 예시는 262,144토큰 컨텍스트 설정을 사용합니다. 모델의 용량과 선택한 구현의 작업 윈도를 구별하고 생성 응답과 이어지는 도구 결과를 위한 공간을 남기세요. Xiaomi는 로컬 추론에 temperature 1.0, top_p 0.95를 권장합니다. 미디어 전처리와 애플리케이션 제어는 작업에 사용한 구체적인 인터페이스를 따라야 합니다.
MiMo-V2.5는 더 크고 텍스트에 중점을 둔 MiMo-V2.5-Pro의 옴니모달 형제 모델입니다. 결과 기록에서도 에디션 차이를 유지하세요. 유용한 최종 결과물은 제공한 텍스트와 미디어에 연결된 설명, 추출 결과, 변경 제안이며, 불확실한 관찰과 검증하지 않은 도구 결과를 수정할 수 있도록 남깁니다.
", "aboutText": "MiMo-V2.5는 텍스트, 이미지, 동영상, 오디오를 하나의 아키텍처에서 이해하는 Xiaomi의 네이티브 옴니모달 모델입니다. 멀티모달 지각에 장문 컨텍스트 추론과 에이전트 워크플로를 결합합니다. 제조사는 총 310B 매개변수, 활성 매개변수 15B인 희소 혼합 전문가 모델로 설명합니다. 응답은 지원 애플리케이션이 사용할 수 있는 텍스트 결과물이나 도구 지시입니다. 오디오·시각 입력을 이해하는 것과 새 미디어를 생성하는 것은 별개입니다.\n\n언어 백본은 MiMo-V2-Flash 아키텍처를 기반으로 하며, 128토큰 로컬 윈도로 슬라이딩 윈도와 전역 어텐션을 5:1 패턴으로 결합합니다. Xiaomi는 전용 729M 매개변수 비전 트랜스포머와 MiMo-Audio로 초기화한 261M 매개변수 오디오 인코더를 추가합니다. 세 개의 다중 토큰 예측 모듈이 투기적 디코딩을 지원합니다. 로컬 어텐션 윈도는 아키텍처 세부 사항이며, 제조사는 결합된 작업 이력에 최대 백만 토큰의 훨씬 큰 컨텍스트를 명시합니다.\n\n이미지 분석에서는 읽을 수 있는 원본을 제공하고 답변이 설명해야 할 관계나 세부 요소를 지정하세요. 문서 작업에서는 관찰한 필드와 해당 페이지·영역의 표를 요청할 수 있고, 디자인 작업에서는 스크린샷 레이아웃을 구현 요구 사항에 연결할 수 있습니다. 작은 글자, 개수, 위치 관계를 확인할 수 있도록 원본 이미지를 보존하세요. 흐릿한 표시를 확실한 값으로 바꾸는 대신 불명확한 근거를 그대로 드러내도록 요청합니다.\n\n동영상이나 오디오에는 초점이 명확한 질문과 해석에 필요한 맥락을 함께 제공하세요. 예를 들어 녹화에서 인터페이스 동작의 순서를 설명하고, 관찰한 동작이 의도한 단계와 달라지는 위치를 찾아 관련 구간에 연결된 진단을 준비할 수 있습니다. 검토를 위해 시간 순서와 원본 녹화를 보존하세요. 텍스트 출력은 이후 보고서, 자막, 편집 단계의 입력이 될 수 있지만 그 자체를 새로 생성한 동영상이나 음성 트랙이라고 주장하지 않습니다.\n\n에이전트 작업에서는 목표, 관련 원자료, 애플리케이션이 제공하는 도구의 입력 계약을 전달하세요. 실제 도구 출력을 이력에 남겨 모델이 일어난 일에 맞춰 다음 단계를 조정할 수 있게 합니다. 저장소 작업에서는 코드, 결과 스크린샷, 검사 출력을 결합해 초점이 명확한 변경 제안을 만들 수 있습니다. 결과 작업이 실행되었는지, 관찰한 결과물이 요청한 동작을 충족하는지 기록하세요.\n\n제조사의 학습 순서는 텍스트 사전 학습에서 시작해 시각·오디오 프로젝터를 준비하고 멀티모달 사전 학습으로 이어집니다. 지도 에이전트 학습은 컨텍스트를 32K에서 256K, 1M으로 점차 확장합니다. 이후 강화 학습과 다중 교사 온폴리시 증류로 지각, 추론, 에이전트 동작을 발전시킵니다. 제조사는 약 48조 학습 토큰을 보고합니다. 이 학습 이력은 결합된 입력과 작업 범위를 설명하며, 특정 녹화나 저장소에 대한 보장을 제공하지는 않습니다.\n\n모델 요약은 최대 1M토큰을 지원한다고 하지만 공개 서빙 예시는 262,144토큰 컨텍스트 설정을 사용합니다. 모델의 용량과 선택한 구현의 작업 윈도를 구별하고 생성 응답과 이어지는 도구 결과를 위한 공간을 남기세요. Xiaomi는 로컬 추론에 temperature 1.0, top_p 0.95를 권장합니다. 미디어 전처리와 애플리케이션 제어는 작업에 사용한 구체적인 인터페이스를 따라야 합니다.\n\nMiMo-V2.5는 더 크고 텍스트에 중점을 둔 MiMo-V2.5-Pro의 옴니모달 형제 모델입니다. 결과 기록에서도 에디션 차이를 유지하세요. 유용한 최종 결과물은 제공한 텍스트와 미디어에 연결된 설명, 추출 결과, 변경 제안이며, 불확실한 관찰과 검증하지 않은 도구 결과를 수정할 수 있도록 남깁니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.xiaomi/mimo-v2.5MiMo-V2.5는 멀티모달 분석과 에이전트 작업을 위해 하나의 모델에서 텍스트, 이미지, 비디오, 오디오를 이해합니다. Xiaomi는 전체 매개변수 310B, 활성 매개변수 15B, 최대 100만 토큰의 컨텍스트와 전용 비전·오디오 인코더를 문서화했습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
MiMo-V2.5는 텍스트, 이미지, 동영상, 오디오를 하나의 아키텍처에서 이해하는 Xiaomi의 네이티브 옴니모달 모델입니다. 멀티모달 지각에 장문 컨텍스트 추론과 에이전트 워크플로를 결합합니다. 제조사는 총 310B 매개변수, 활성 매개변수 15B인 희소 혼합 전문가 모델로 설명합니다. 응답은 지원 애플리케이션이 사용할 수 있는 텍스트 결과물이나 도구 지시입니다. 오디오·시각 입력을 이해하는 것과 새 미디어를 생성하는 것은 별개입니다.
언어 백본은 MiMo-V2-Flash 아키텍처를 기반으로 하며, 128토큰 로컬 윈도로 슬라이딩 윈도와 전역 어텐션을 5:1 패턴으로 결합합니다. Xiaomi는 전용 729M 매개변수 비전 트랜스포머와 MiMo-Audio로 초기화한 261M 매개변수 오디오 인코더를 추가합니다. 세 개의 다중 토큰 예측 모듈이 투기적 디코딩을 지원합니다. 로컬 어텐션 윈도는 아키텍처 세부 사항이며, 제조사는 결합된 작업 이력에 최대 백만 토큰의 훨씬 큰 컨텍스트를 명시합니다.
이미지 분석에서는 읽을 수 있는 원본을 제공하고 답변이 설명해야 할 관계나 세부 요소를 지정하세요. 문서 작업에서는 관찰한 필드와 해당 페이지·영역의 표를 요청할 수 있고, 디자인 작업에서는 스크린샷 레이아웃을 구현 요구 사항에 연결할 수 있습니다. 작은 글자, 개수, 위치 관계를 확인할 수 있도록 원본 이미지를 보존하세요. 흐릿한 표시를 확실한 값으로 바꾸는 대신 불명확한 근거를 그대로 드러내도록 요청합니다.
동영상이나 오디오에는 초점이 명확한 질문과 해석에 필요한 맥락을 함께 제공하세요. 예를 들어 녹화에서 인터페이스 동작의 순서를 설명하고, 관찰한 동작이 의도한 단계와 달라지는 위치를 찾아 관련 구간에 연결된 진단을 준비할 수 있습니다. 검토를 위해 시간 순서와 원본 녹화를 보존하세요. 텍스트 출력은 이후 보고서, 자막, 편집 단계의 입력이 될 수 있지만 그 자체를 새로 생성한 동영상이나 음성 트랙이라고 주장하지 않습니다.
에이전트 작업에서는 목표, 관련 원자료, 애플리케이션이 제공하는 도구의 입력 계약을 전달하세요. 실제 도구 출력을 이력에 남겨 모델이 일어난 일에 맞춰 다음 단계를 조정할 수 있게 합니다. 저장소 작업에서는 코드, 결과 스크린샷, 검사 출력을 결합해 초점이 명확한 변경 제안을 만들 수 있습니다. 결과 작업이 실행되었는지, 관찰한 결과물이 요청한 동작을 충족하는지 기록하세요.
제조사의 학습 순서는 텍스트 사전 학습에서 시작해 시각·오디오 프로젝터를 준비하고 멀티모달 사전 학습으로 이어집니다. 지도 에이전트 학습은 컨텍스트를 32K에서 256K, 1M으로 점차 확장합니다. 이후 강화 학습과 다중 교사 온폴리시 증류로 지각, 추론, 에이전트 동작을 발전시킵니다. 제조사는 약 48조 학습 토큰을 보고합니다. 이 학습 이력은 결합된 입력과 작업 범위를 설명하며, 특정 녹화나 저장소에 대한 보장을 제공하지는 않습니다.
모델 요약은 최대 1M토큰을 지원한다고 하지만 공개 서빙 예시는 262,144토큰 컨텍스트 설정을 사용합니다. 모델의 용량과 선택한 구현의 작업 윈도를 구별하고 생성 응답과 이어지는 도구 결과를 위한 공간을 남기세요. Xiaomi는 로컬 추론에 temperature 1.0, top_p 0.95를 권장합니다. 미디어 전처리와 애플리케이션 제어는 작업에 사용한 구체적인 인터페이스를 따라야 합니다.
MiMo-V2.5는 더 크고 텍스트에 중점을 둔 MiMo-V2.5-Pro의 옴니모달 형제 모델입니다. 결과 기록에서도 에디션 차이를 유지하세요. 유용한 최종 결과물은 제공한 텍스트와 미디어에 연결된 설명, 추출 결과, 변경 제안이며, 불확실한 관찰과 검증하지 않은 도구 결과를 수정할 수 있도록 남깁니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 xiaomi/mimo-v2.5 | 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 $0.00028 / 1K 토큰 출력 · 출력 토큰 $0.00056 / 1K 토큰 입력 · 캐시 읽기 $0.0000056 / 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 $0.00028 / 1K 토큰 출력 · 출력 토큰 $0.00056 / 1K 토큰 입력 · 캐시 읽기 $0.0000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='xiaomi/mimo-v2.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='xiaomi/mimo-v2.5',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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
위에 표시된 메서드 경로를 사용하세요.
xiaomi/mimo-v2.5MiMo-V2.5는 멀티모달 분석과 에이전트 작업을 위해 하나의 모델에서 텍스트, 이미지, 비디오, 오디오를 이해합니다. Xiaomi는 전체 매개변수 310B, 활성 매개변수 15B, 최대 100만 토큰의 컨텍스트와 전용 비전·오디오 인코더를 문서화했습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
MiMo-V2.5는 텍스트, 이미지, 동영상, 오디오를 하나의 아키텍처에서 이해하는 Xiaomi의 네이티브 옴니모달 모델입니다. 멀티모달 지각에 장문 컨텍스트 추론과 에이전트 워크플로를 결합합니다. 제조사는 총 310B 매개변수, 활성 매개변수 15B인 희소 혼합 전문가 모델로 설명합니다. 응답은 지원 애플리케이션이 사용할 수 있는 텍스트 결과물이나 도구 지시입니다. 오디오·시각 입력을 이해하는 것과 새 미디어를 생성하는 것은 별개입니다.
언어 백본은 MiMo-V2-Flash 아키텍처를 기반으로 하며, 128토큰 로컬 윈도로 슬라이딩 윈도와 전역 어텐션을 5:1 패턴으로 결합합니다. Xiaomi는 전용 729M 매개변수 비전 트랜스포머와 MiMo-Audio로 초기화한 261M 매개변수 오디오 인코더를 추가합니다. 세 개의 다중 토큰 예측 모듈이 투기적 디코딩을 지원합니다. 로컬 어텐션 윈도는 아키텍처 세부 사항이며, 제조사는 결합된 작업 이력에 최대 백만 토큰의 훨씬 큰 컨텍스트를 명시합니다.
이미지 분석에서는 읽을 수 있는 원본을 제공하고 답변이 설명해야 할 관계나 세부 요소를 지정하세요. 문서 작업에서는 관찰한 필드와 해당 페이지·영역의 표를 요청할 수 있고, 디자인 작업에서는 스크린샷 레이아웃을 구현 요구 사항에 연결할 수 있습니다. 작은 글자, 개수, 위치 관계를 확인할 수 있도록 원본 이미지를 보존하세요. 흐릿한 표시를 확실한 값으로 바꾸는 대신 불명확한 근거를 그대로 드러내도록 요청합니다.
동영상이나 오디오에는 초점이 명확한 질문과 해석에 필요한 맥락을 함께 제공하세요. 예를 들어 녹화에서 인터페이스 동작의 순서를 설명하고, 관찰한 동작이 의도한 단계와 달라지는 위치를 찾아 관련 구간에 연결된 진단을 준비할 수 있습니다. 검토를 위해 시간 순서와 원본 녹화를 보존하세요. 텍스트 출력은 이후 보고서, 자막, 편집 단계의 입력이 될 수 있지만 그 자체를 새로 생성한 동영상이나 음성 트랙이라고 주장하지 않습니다.
에이전트 작업에서는 목표, 관련 원자료, 애플리케이션이 제공하는 도구의 입력 계약을 전달하세요. 실제 도구 출력을 이력에 남겨 모델이 일어난 일에 맞춰 다음 단계를 조정할 수 있게 합니다. 저장소 작업에서는 코드, 결과 스크린샷, 검사 출력을 결합해 초점이 명확한 변경 제안을 만들 수 있습니다. 결과 작업이 실행되었는지, 관찰한 결과물이 요청한 동작을 충족하는지 기록하세요.
제조사의 학습 순서는 텍스트 사전 학습에서 시작해 시각·오디오 프로젝터를 준비하고 멀티모달 사전 학습으로 이어집니다. 지도 에이전트 학습은 컨텍스트를 32K에서 256K, 1M으로 점차 확장합니다. 이후 강화 학습과 다중 교사 온폴리시 증류로 지각, 추론, 에이전트 동작을 발전시킵니다. 제조사는 약 48조 학습 토큰을 보고합니다. 이 학습 이력은 결합된 입력과 작업 범위를 설명하며, 특정 녹화나 저장소에 대한 보장을 제공하지는 않습니다.
모델 요약은 최대 1M토큰을 지원한다고 하지만 공개 서빙 예시는 262,144토큰 컨텍스트 설정을 사용합니다. 모델의 용량과 선택한 구현의 작업 윈도를 구별하고 생성 응답과 이어지는 도구 결과를 위한 공간을 남기세요. Xiaomi는 로컬 추론에 temperature 1.0, top_p 0.95를 권장합니다. 미디어 전처리와 애플리케이션 제어는 작업에 사용한 구체적인 인터페이스를 따라야 합니다.
MiMo-V2.5는 더 크고 텍스트에 중점을 둔 MiMo-V2.5-Pro의 옴니모달 형제 모델입니다. 결과 기록에서도 에디션 차이를 유지하세요. 유용한 최종 결과물은 제공한 텍스트와 미디어에 연결된 설명, 추출 결과, 변경 제안이며, 불확실한 관찰과 검증하지 않은 도구 결과를 수정할 수 있도록 남깁니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 xiaomi/mimo-v2.5 | 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 $0.00028 / 1K 토큰 출력 · 출력 토큰 $0.00056 / 1K 토큰 입력 · 캐시 읽기 $0.0000056 / 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 $0.00028 / 1K 토큰 출력 · 출력 토큰 $0.00056 / 1K 토큰 입력 · 캐시 읽기 $0.0000056 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "xiaomi/mimo-v2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'xiaomi/mimo-v2.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'xiaomi/mimo-v2.5', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.