models

mimo-v2-pro

Markdown · JSON

mimo-v2-pro

MiMo-V2-Pro – Xiaomi į agentus orientuotas teksto modelis programinės įrangos kūrimui, kelių žingsnių planavimui ir darbui su įrankiais. Iki 1 milijono žetonų kontekstas padeda išlaikyti didelę projekto medžiagą, užduoties apribojimus ir nuoseklius stebėjimus viename darniame darbo procese.

Apie modelį

Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.

Pagrindas agentų darbui

MiMo-V2-Pro – Xiaomi flagmaninis pamatinis modelis sudėtingoms agentų užduotims ir programinės įrangos kūrimui. Jo vaidmuo – samprotauti apie užduotį, organizuoti reikiamus žingsnius ir naudoti įrankių grąžintą informaciją, kad darbas tęstųsi link apibrėžto rezultato. Modelio akcentas peržengia vieno atsakymo kūrimą: jis skirtas susietam darbui, kuriame ankstesni sprendimai ir stebėjimai lemia tolesnius veiksmus.

Mastas ir efektyvi architektūra

Gamintojas nurodo daugiau nei 1 trilijoną bendrų parametrų ir 42 mlrd. aktyvių parametrų. Pro išplečia MiMo-V2-Flash hibridinio dėmesio metodą, naudodamas 7:1 slankiojo lango ir globalaus dėmesio santykį. Generavimą palaiko lengvas kelių žetonų numatymo sluoksnis, o skelbiamas kontekstas siekia 1 milijoną žetonų. Tai Pro architektūros ir konteksto savybės; jos nenusako konkrečios integracijos vykdymo greičio, atminties skyrimo ar užklausų ribų.

Laidų kilmė

Xiaomi įvardija Hunter Alpha kaip ankstyvą vidinę bandomąją versiją prieš MiMo-V2-Pro. Išleistas Pro modelis turi savą pavadinimą ir ilgo konteksto darbo bei agentinių scenarijų stabilumo patobulinimus. Šis skirtumas svarbus lyginant aprašymus ar išsaugant modelio tapatybę: ankstesnė bandomoji versija, MiMo-V2-Flash ir MiMo-V2-Omni turi atskirus vaidmenis bei specifikacijas.

Sukurtas agentams

Modelis papildomai suderintas prižiūrimu ir pastiprinamuoju mokymu įvairiose agentų sistemose, dėmesį skiriant įrankių kvietimams bei kelių žingsnių samprotavimui. Paruoškite užduotį su stebima užbaigimo sąlyga ir prieinamų įrankių aprašymais. Pavyzdžiui, projekto asistentas gali gauti pakeitimo prašymą, išnagrinėti pateiktus modulius, pasiūlyti paveiktus komponentus ir tęsti, kai įrankis grąžina surinkimo klaidą. Naudinga išvestis – sprendimų seka, susieta su faktiniais stebėjimais, o po jos – prašomas kodas, paaiškinimas ar darbo santrauka. Veiksmus atlieka prijungta aplinka.

Programinės įrangos kūrimas ir naudotojo sąsajos užduotys

Xiaomi pabrėžia sistemų projektavimą, užduočių planavimą ir į kodą orientuotą problemų sprendimą. Jos demonstracijose yra interaktyvių tinklalapių ir naršyklinio žaidimo, sukurtų agento aplinkoje. Iliustracinis kūrimo aprašas gali nurodyti puslapio veikimą, navigaciją, duomenų būsenas ir prisitaikantį išdėstymą, tada prašyti įgyvendinimo bei patikrinimų pagal šiuos reikalavimus. Esamam projektui pateikite dabartinius failus, nesėkmingą atvejį ir sąsajas, kurios turi likti nepakeistos. Prašykite tikslinio pakeitimo ir jo paliestų priklausomybių paaiškinimo, o ne nesusijusios pakaitinės programos.

Ilgas kontekstas ir patikrinamas rezultatas

Iki 1 milijono žetonų kontekstas naudingas, kai tai pačiai užduočiai priklauso keli failai, dokumentai, instrukcijos ir ankstesni stebėjimai. Organizuokite šią medžiagą pagal jos vaidmenį: autoritetingi reikalavimai, dabartinis kodas, pavyzdžiai ir įrankių rezultatai. Prieš prašydami agento tęsti, nurodykite galutinį artefaktą ir jo priėmimo sąlygas. Dokumentacijos užduočiai gali reikėti palyginimo su neišspręstais klausimais; inžinerinei užduočiai – pataisos ir atliktų patikrinimų įrašo.

Praktinės ribos ir versijos apimtis

Ilgas kontekstas suteikia vietos medžiagai, tačiau negarantuoja, kad sugeneruotas projektas teisingas ar kad įvykdyti visi reikalavimai. Grąžinkite faktines klaidas ir stebėjimus kitam žingsniui bei tikrinkite rezultatą numatytoje aplinkoje. Gamintojas aiškiai įvardija patikimumą sudėtingose realiose užduotyse kaip vertintiną ir tobulintiną savybę. Šis aprašas apima MiMo-V2-Pro teksto ir įrankių agento specializaciją; Omni modalumų funkcijos ir vėlesnių MiMo kartų specifikacijos priklauso atitinkamiems jų modeliams. Įrankiai, prieinami parametrai ir išvesties tvarkymas lieka prijungtos programos savybės.

Praktinė užduotis

Praktinė užduotis

Techninis pavyzdys anglų kalba

Correct an error-state transition

A 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.

Laukiamas rezultatas

Focused async pseudocode and success/failure checks covering final loading state and visible result or error.

Rezultato patikra

Check that loading is cleared in both branches without suppressing the error.
Ailoot Ultra · OpenAI pokalbis POST /v1/chat/completions mimo-v2-pro

mimo-v2-pro

Xiaomi /mimo-v2-pro

Pradžia

MiMo-V2-Pro – Xiaomi į agentus orientuotas teksto modelis programinės įrangos kūrimui, kelių žingsnių planavimui ir darbui su įrankiais. Iki 1 milijono žetonų kontekstas padeda išlaikyti didelę projekto medžiagą, užduoties apribojimus ir nuoseklius stebėjimus viename darniame darbo procese.

Leidžiamos įvestys
Tekstas
Rezultatai
Tekstas

Prieinama Ailoot · įvestys ir metodai

Ailoot Ultra · OpenAI pokalbis POST /v1/chat/completions
Įvestis
text
Išvestis
text
Išvesties formatas
json arba SSE
LaukasTipasReikalavimasReikšmės ir ribosNumatyta
LaukasmodelTipasstringReikalavimasPrivalomaReikšmės ir ribos
mimo-v2-pro
Numatyta—
LaukasmessagesTipasmessage[]ReikalavimasPrivalomaReikšmės ir ribos
Mažiausias elementų skaičius: 1
Numatyta—
Laukasmessages[].roleTipasstringReikalavimasPrivalomaReikšmės ir ribos
Pavyzdžiai: system, user, assistant, tool, function
Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio.
Priklauso nuo modelio
Numatyta—
Laukasmessages[].contentTipasstring|content_part[]|nullReikalavimasNeprivalomaReikšmės ir ribosNumatyta—
Laukasmessages[].tool_callsTipastool_call[]ReikalavimasNeprivalomaReikšmės ir ribosNumatyta—
Laukasmessages[].tool_call_idTipasstringReikalavimasNeprivalomaReikšmės ir ribos
Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID
Numatyta—
Laukasmessages[].nameTipasstringReikalavimasNeprivalomaReikšmės ir ribosNumatyta—
Laukasmessages[].reasoning_contentTipasstringReikalavimasNeprivalomaReikšmės ir ribos
Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja
Numatyta—
Laukasmessages[].reasoning_detailsTipasobject|arrayReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
Laukasmax_tokensTipasintegerReikalavimasNeprivalomaReikšmės ir ribos
Mažiausia reikšmė: 1
Priklauso nuo modelio
Numatyta—
Laukasmax_completion_tokensTipasintegerReikalavimasNeprivalomaReikšmės ir ribos
Mažiausia reikšmė: 1
Priklauso nuo modelio
Numatyta—
LaukasstreamTipasbooleanReikalavimasNeprivalomaReikšmės ir ribosNumatytafalse
Laukasstream_options.include_usageTipasbooleanReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
LaukastemperatureTipasnumberReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
Laukastop_pTipasnumberReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
LaukasstopTipasstring|string[]ReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
LaukastoolsTipasfunction_tool[]ReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
Laukastools[].typeTipasstringReikalavimasNeprivalomaReikšmės ir ribos
function
Priklauso nuo modelio
Numatyta—
Laukastools[].function.nameTipasstringReikalavimasPrivalomaReikšmės ir ribos
Taikoma, kai: pateiktas funkcijos tipo įrankis
Numatyta—
Laukastools[].function.descriptionTipasstringReikalavimasNeprivalomaReikšmės ir ribosNumatyta—
Laukastools[].function.parametersTipasJSON_schemaReikalavimasNeprivalomaReikšmės ir ribosNumatyta—
Laukastool_choiceTipasstring|objectReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
Laukasparallel_tool_callsTipasbooleanReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
Laukasresponse_formatTipasobjectReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
Laukasreasoning_effortTipasstringReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
LaukasreasoningTipasobjectReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
Laukasservice_tierTipasstringReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
LaukasinstructionsTipasstringReikalavimasNeprivalomaReikšmės ir ribos
Suderinamumo laukas
Numatyta—
LaukasfunctionsTipasfunction[]ReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
Laukasfunction_callTipasstring|objectReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
Laukasprompt_cache_optionsTipasobjectReikalavimasNeprivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
LaukasmodalitiesTipasstring[]ReikalavimasNeprivalomaReikšmės ir ribos
text
Numatyta—
LaukasproviderTipasobjectReikalavimasNeprivalomaReikšmės ir ribos
Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas
Numatyta—
Laukascache_control.ttlTipasstringReikalavimasNeprivalomaReikšmės ir ribos
Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose
Numatyta—
Įvesties medžiagos deriniai

Tekstas · UTF8 tekstas

messages[].content

Metodo parametrai ir gyvavimo ciklas
ParametrasSpecifikacija
Parametrascontent_typeSpecifikacijaapplication/json
ParametrasrequiredSpecifikacijamodel, messages
Parametrasmaterial_typesSpecifikacijatext
ParametrasmessagesSpecifikacijapranešimų masyvas su role/content struktūra
Parametrasfile_materialSpecifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas
Parametrasoptional_controlsSpecifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Parametrascontrol_scopeSpecifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių
Parametrasoutput_modalitiesSpecifikacijatext
Parametrashosted_operationsSpecifikacijafalse
Parametrasmultimodal_input_bindingSpecifikacijanull

Gyvavimo ciklas: synchronous_or_streamed

Siųskite tikslų modelio ID kartu su messages.

Konteksto ilgis nėra išvesties limitas.

Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.

Planai

Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.

Spartusis režimas
Nenurodyta Pasirinkus spartųjį režimą
Flex režimas
Nenurodyta Pasirinkus flex režimą
Didžiausios samprotavimo pastangos
Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)

Ailoot įkainiai

Kainos pagal konfigūraciją

KonfigūracijaĮkainių lentelėMokestis
KonfigūracijaBaziniai žetonų įkainiaiĮkainių lentelėBazinis įkainisMokestis
Įvestis · Įvesties tokenai $0.0022 / 1K tokenų
Išvestis · Išvesties tokenai $0.0066 / 1K tokenų
Įvestis · Talpyklos skaitymas $0 / 1K tokenų
Įvestis · Rašymas į talpyklą $0 / 1K tokenų
Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų

Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →

Užklausų pavyzdžiai

Ailoot Ultra · OpenAI pokalbis

curlPython SDKPython srautas
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "mimo-v2-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='mimo-v2-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        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
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='mimo-v2-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Gauti ir išsaugoti rezultatus

Ailoot Ultra · OpenAI pokalbis

json arba SSE

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.

Jei reikia patikrinti pradinį atsakymą

Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.

Atsakymo laukai
LaukasTipas
Laukaschoices[].indexTipasinteger
Laukaschoices[].message.contentTipasstring|null
Laukaschoices[].message.tool_callsTipastool_call[]
Laukaschoices[].message.reasoning_contentTipasstring
Laukaschoices[].message.reasoning_detailsTipasobject|array
Laukaschoices[].finish_reasonTipasstring|null
LaukasusageTipasobject
Klaidos ir tolesni veiksmai
AtsakymasSąlygaKitas žingsnis
Atsakymas400 · invalid_request_errorSąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmėKitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus.

Pseudonimai

Modelių pseudonimai

Ailoot Ultra mimo-v2-pro

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

mimo-v2-pro

Ailoot Ultra · Anthropic pranešimai POST /v1/messages mimo-v2-pro

mimo-v2-pro

Xiaomi /mimo-v2-pro

Pradžia

MiMo-V2-Pro – Xiaomi į agentus orientuotas teksto modelis programinės įrangos kūrimui, kelių žingsnių planavimui ir darbui su įrankiais. Iki 1 milijono žetonų kontekstas padeda išlaikyti didelę projekto medžiagą, užduoties apribojimus ir nuoseklius stebėjimus viename darniame darbo procese.

Leidžiamos įvestys
Tekstas
Rezultatai
json · sse

Prieinama Ailoot · įvestys ir metodai

Ailoot Ultra · Anthropic pranešimai POST /v1/messages
Įvestis
text
Išvestis
json, sse
Išvesties formatas
JSON arba SSE
LaukasTipasReikalavimasReikšmės ir ribosNumatyta
LaukasmodelTipasstringReikalavimasPrivalomaReikšmės ir ribos
mimo-v2-pro
Numatyta—
LaukasmessagesTipasmessage[]ReikalavimasPrivalomaReikšmės ir ribosNumatyta—
Laukasmessages[].roleTipasstringReikalavimasPrivalomaReikšmės ir ribos
user, assistant
Numatyta—
Laukasmessages[].contentTipasstringReikalavimasPrivalomaReikšmės ir ribosNumatyta—
Laukasmax_tokensTipasintegerReikalavimasPrivalomaReikšmės ir ribosNumatyta—
LaukasstreamTipasbooleanReikalavimasNeprivalomaReikšmės ir ribosNumatytafalse
Įvesties medžiagos deriniai

Tekstas · UTF-8 tekstas

messages[].content eilutė

Metodo parametrai ir gyvavimo ciklas
ParametrasSpecifikacija
Parametrascontent_typeSpecifikacijaapplication/json
ParametrasrequiredSpecifikacijamodel, messages, max_tokens
Parametrasoptional_controlsSpecifikacijastream
Parametrasmaterial_typesSpecifikacijatext
Parametrastext_file_materialSpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę.

Gyvavimo ciklas: synchronous_or_streamed

Planai

Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.

Spartusis režimas
Nenurodyta Pasirinkus spartųjį režimą
Flex režimas
Nenurodyta Pasirinkus flex režimą
Didžiausios samprotavimo pastangos
Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)

Ailoot įkainiai

Kainos pagal konfigūraciją

KonfigūracijaĮkainių lentelėMokestis
KonfigūracijaBaziniai žetonų įkainiaiĮkainių lentelėBazinis įkainisMokestis
Įvestis · Įvesties tokenai $0.0022 / 1K tokenų
Išvestis · Išvesties tokenai $0.0066 / 1K tokenų
Įvestis · Talpyklos skaitymas $0 / 1K tokenų
Įvestis · Rašymas į talpyklą $0 / 1K tokenų
Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų

Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →

Užklausų pavyzdžiai

Ailoot Ultra · Anthropic pranešimai

Visas minimalus JSON užklausos turinyscurl · naudokite savo UTF-8 dokumentąPython · išsaugokite visą rezultatą
{
  "model": "mimo-v2-pro",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'mimo-v2-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'mimo-v2-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Gauti ir išsaugoti rezultatus

Ailoot Ultra · Anthropic pranešimai

JSON arba SSE

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.

Jei reikia patikrinti pradinį atsakymą

Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.

Atsakymo laukai
LaukasTipas
LaukasidTipasstring
LaukasmodelTipasstring
Laukascontent[]Tipastext|thinking|tool_use|other content block
Laukasstop_reasonTipasstring|null
LaukasusageTipasobject
Klaidos ir tolesni veiksmai
AtsakymasSąlygaKitas žingsnis
Atsakymas400 · invalid_request_errorSąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmėKitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus.

Pseudonimai

Modelių pseudonimai

Ailoot Ultra mimo-v2-pro

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

mimo-v2-pro

FAQ · mimo-v2-pro
Kokios įvestys ir rezultatai prieinami?

POST /v1/chat/completions · mimo-v2-pro: text → text

POST /v1/messages · mimo-v2-pro: text → json, sse

Kokius laukus naudoja užklausa?

POST /v1/chat/completions · mimo-v2-pro: model, messages, stream, modalities, provider

POST /v1/messages · mimo-v2-pro: model, messages, max_tokens, stream

Kokie apribojimai taikomi?

POST /v1/chat/completions · mimo-v2-pro: messages.min_items: 1

Išsamiau

Prijunkite Ailoot prie Claude Code, OpenCode, Hermes arba savo programos.

Įmonė ir jos projektų portfelis

Įmonė ir jos projektų portfelis: milijonai klientų; mėnesio pardavimai siekia milijardus.

Pirkite žetonus su nuolaida.

Prenumeratos nuolaida reguliariam darbui. Kodai — iki 50% žetonų pirkimui.

Prenumerata
Pasirinkite planą su nuolaida reguliarioms užklausoms.
Nuolaidos kodas iki 50%
Įveskite kodą perkant. Kaina perskaičiuojama pagal galiojančios akcijos sąlygas.
Išlaidos istorijoje
Kiekvienai užklausai išsaugomi modelis, žetonai ir suma.

Pasirinkti prenumeratą · Peržiūrėti modelių kainas

Prijunkite API prie produkto, kurį parduodate.

SaaS, programos ir botai pagal Ailoot ofertą bei licencijos sutartį. Perpardavimui paprašykite perpardavėjo licencijos.

Komercinė programa
Teksto, vaizdų, video ir garso kūrimą integruokite į mokamas paslaugos funkcijas.
Perpardavėjo licencija
Atsiųskite projekto aprašymą ir prieigos schemą. Paprašykite rašytinių naudojimo ir perpardavimo sąlygų.
Dokumentai svetainėje
Oferta, licencijos sutartis ir duomenų tvarkymo politika prieinamos prieš prisijungiant.

Paprašyti perpardavėjo licencijos · Oferta ir licencijos sutartis