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.
", "aboutText": "Pagrindas agentų darbui\n\nMiMo-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.\n\nMastas ir efektyvi architektūra\n\nGamintojas 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.\n\nLaidų kilmė\n\nXiaomi 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.\n\nSukurtas agentams\n\nModelis 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.\n\nPrograminės įrangos kūrimas ir naudotojo sąsajos užduotys\n\nXiaomi 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.\n\nIlgas kontekstas ir patikrinamas rezultatas\n\nIki 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.\n\nPraktinės ribos ir versijos apimtis\n\nIlgas 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.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Correct an error-state transition\n\nA text specification says a search box has idle, loading, results and error states. Existing logic sets loading=true before fetch and false only on success, so failures leave the spinner visible. Propose pseudocode that preserves results on success, shows an error on failure and always clears loading. Include the two distinguishing checks.Focused async pseudocode and success/failure checks covering final loading state and visible result or error.Check that loading is cleared in both branches without suppressing the error.mimo-v2-proMiMo-V2-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.
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.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos mimo-v2-pro | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės 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[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
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.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.0022 / 1K tokenų Išvestis · Išvesties tokenai $0.0066 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mimo-v2-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mimo-v2-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mimo-v2-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson arba SSE
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.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra mimo-v2-pro
Naudokite aukščiau nurodytus metodų kelius.
mimo-v2-proMiMo-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.
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.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos mimo-v2-pro | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.0022 / 1K tokenų Išvestis · Išvesties tokenai $0.0066 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "mimo-v2-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mimo-v2-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mimo-v2-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON arba SSE
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.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra mimo-v2-pro
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Correct an error-state transition\n\nA text specification says a search box has idle, loading, results and error states. Existing logic sets loading=true before fetch and false only on success, so failures leave the spinner visible. Propose pseudocode that preserves results on success, shows an error on failure and always clears loading. Include the two distinguishing checks.Focused async pseudocode and success/failure checks covering final loading state and visible result or error.Check that loading is cleared in both branches without suppressing the error.