MiMo-V2.5 – tai vietinis omnimodalus „Xiaomi“ modelis, vienoje architektūroje suprantantis tekstą, vaizdus, vaizdo įrašus ir garsą. Jis sujungia multimodalinį suvokimą su ilgo konteksto samprotavimu ir agentų darbo eigomis. Gamintojas aprašo retąjį ekspertų mišinio modelį su iš viso 310B parametrų ir 15B aktyvuojamų parametrų. Jo atsakymas yra tekstinis rezultatas ar nurodymas įrankiui, kurį gali panaudoti palaikanti programa; garso ar vaizdinės įvesties supratimas yra atskiras nuo naujos medijos generavimo.
Kalbinis karkasas remiasi MiMo-V2-Flash architektūra, kuri derina slankiojo lango ir globalų dėmesį santykiu 5:1 su 128 žetonų vietiniu langu. „Xiaomi“ prideda atskirą 729M parametrų vaizdo transformatorių ir 261M parametrų garso koduotuvą, inicializuotą iš MiMo-Audio. Trys kelių žetonų prognozavimo moduliai palaiko spekuliatyvų dekodavimą. Vietinio dėmesio langas yra architektūros detalė; bendrai užduoties istorijai gamintojas nurodo daug didesnį kontekstą – iki milijono žetonų.
Vaizdo analizei pateikite įskaitomą šaltinį ir nurodykite ryšį ar detalę, kurią atsakymas turi paaiškinti. Dokumento užduotyje galima prašyti pastebėtų laukų lentelės su atitinkamu puslapiu ar sritimi; dizaino užduotyje ekrano nuotraukos išdėstymą galima susieti su realizacijos reikalavimu. Išsaugokite pradinį vaizdą, kad būtų galima patikrinti smulkų tekstą, kiekius ar erdvinius pastebėjimus. Paprašykite modelio aiškiai palikti neapibrėžtus įrodymus, užuot neaiškią žymę pavertus užtikrinta reikšme.
Vaizdo įrašą ar garsą pateikite kartu su konkrečiu klausimu ir jam interpretuoti reikalingu kontekstu. Naudinga eiga – pagal įrašą paaiškinti sąsajos veiksmų seką, nustatyti, kur pastebėtas elgesys skiriasi nuo numatytų žingsnių, ir parengti diagnozę, susietą su atitinkamu intervalu. Peržiūrai išsaugokite chronologiją ir originalų įrašą. Tekstinė išvestis gali tapti vėlesnės ataskaitos, subtitravimo ar redagavimo etapo įvestimi, neteigiant, kad ji pati yra naujai sugeneruotas vaizdo įrašas ar balso takelis.
Agento užduočiai pateikite tikslą, svarbią pradinę medžiagą ir visų programos pateikiamų įrankių įvesties sutartis. Istorijoje išsaugokite tikrus įrankių rezultatus, kad modelis galėtų pritaikyti kitą žingsnį prie to, kas įvyko. Saugyklos užduotis gali sujungti kodą, rezultato ekrano nuotrauką ir patikros išvestį į konkretų pakeitimo pasiūlymą. Užfiksuokite, ar atitinkama operacija buvo įvykdyta ir ar pastebėtas rezultatas atitinka prašytą elgesį.
Gamintojo mokymo seka prasideda išankstiniu mokymu su tekstu, apšildo vaizdo ir garso projektorius ir tęsiasi multimodaliniu išankstiniu mokymu. Prižiūrimas agentų mokymas palaipsniui išplečia kontekstą nuo 32K per 256K iki 1M; mokymasis su pastiprinimu ir kelių mokytojų distiliavimas pagal vykdomą politiką vėliau lavina suvokimą, samprotavimą ir agento elgesį. Gamintojas nurodo maždaug 48 tūkstančius milijardų mokymo žetonų. Ši mokymo istorija paaiškina bendrą įvesčių ir užduočių apimtį, tačiau negarantuoja rezultato konkrečiam įrašui ar saugyklai.
Modelio santraukoje nurodomas iki 1M žetonų palaikymas, o paskelbtame aptarnavimo pavyzdyje naudojama 262,144 žetonų konteksto konfigūracija. Atskirkite modelio talpą nuo pasirinktos realizacijos darbinio lango ir palikite vietos sugeneruotam atsakymui bei tęstiniams įrankių rezultatams. Vietinei inferencijai „Xiaomi“ rekomenduoja temperature 1.0 ir top_p 0.95. Medijos parengimas ir programos valdikliai turi atitikti konkrečią užduočiai naudojamą sąsają.
MiMo-V2.5 yra omnimodalus didesnio, į tekstą orientuoto MiMo-V2.5-Pro giminaitis. Rezultato įraše išsaugokite šį leidimų skirtumą. Naudingas galutinis rezultatas – paaiškinimas, išgavimas ar pakeitimo pasiūlymas, susietas su pateiktu tekstu ir medija, paliekant neaiškius pastebėjimus ir nepatikrintus įrankių rezultatus prieinamus taisymui.
", "aboutText": "MiMo-V2.5 – tai vietinis omnimodalus „Xiaomi“ modelis, vienoje architektūroje suprantantis tekstą, vaizdus, vaizdo įrašus ir garsą. Jis sujungia multimodalinį suvokimą su ilgo konteksto samprotavimu ir agentų darbo eigomis. Gamintojas aprašo retąjį ekspertų mišinio modelį su iš viso 310B parametrų ir 15B aktyvuojamų parametrų. Jo atsakymas yra tekstinis rezultatas ar nurodymas įrankiui, kurį gali panaudoti palaikanti programa; garso ar vaizdinės įvesties supratimas yra atskiras nuo naujos medijos generavimo.\n\nKalbinis karkasas remiasi MiMo-V2-Flash architektūra, kuri derina slankiojo lango ir globalų dėmesį santykiu 5:1 su 128 žetonų vietiniu langu. „Xiaomi“ prideda atskirą 729M parametrų vaizdo transformatorių ir 261M parametrų garso koduotuvą, inicializuotą iš MiMo-Audio. Trys kelių žetonų prognozavimo moduliai palaiko spekuliatyvų dekodavimą. Vietinio dėmesio langas yra architektūros detalė; bendrai užduoties istorijai gamintojas nurodo daug didesnį kontekstą – iki milijono žetonų.\n\nVaizdo analizei pateikite įskaitomą šaltinį ir nurodykite ryšį ar detalę, kurią atsakymas turi paaiškinti. Dokumento užduotyje galima prašyti pastebėtų laukų lentelės su atitinkamu puslapiu ar sritimi; dizaino užduotyje ekrano nuotraukos išdėstymą galima susieti su realizacijos reikalavimu. Išsaugokite pradinį vaizdą, kad būtų galima patikrinti smulkų tekstą, kiekius ar erdvinius pastebėjimus. Paprašykite modelio aiškiai palikti neapibrėžtus įrodymus, užuot neaiškią žymę pavertus užtikrinta reikšme.\n\nVaizdo įrašą ar garsą pateikite kartu su konkrečiu klausimu ir jam interpretuoti reikalingu kontekstu. Naudinga eiga – pagal įrašą paaiškinti sąsajos veiksmų seką, nustatyti, kur pastebėtas elgesys skiriasi nuo numatytų žingsnių, ir parengti diagnozę, susietą su atitinkamu intervalu. Peržiūrai išsaugokite chronologiją ir originalų įrašą. Tekstinė išvestis gali tapti vėlesnės ataskaitos, subtitravimo ar redagavimo etapo įvestimi, neteigiant, kad ji pati yra naujai sugeneruotas vaizdo įrašas ar balso takelis.\n\nAgento užduočiai pateikite tikslą, svarbią pradinę medžiagą ir visų programos pateikiamų įrankių įvesties sutartis. Istorijoje išsaugokite tikrus įrankių rezultatus, kad modelis galėtų pritaikyti kitą žingsnį prie to, kas įvyko. Saugyklos užduotis gali sujungti kodą, rezultato ekrano nuotrauką ir patikros išvestį į konkretų pakeitimo pasiūlymą. Užfiksuokite, ar atitinkama operacija buvo įvykdyta ir ar pastebėtas rezultatas atitinka prašytą elgesį.\n\nGamintojo mokymo seka prasideda išankstiniu mokymu su tekstu, apšildo vaizdo ir garso projektorius ir tęsiasi multimodaliniu išankstiniu mokymu. Prižiūrimas agentų mokymas palaipsniui išplečia kontekstą nuo 32K per 256K iki 1M; mokymasis su pastiprinimu ir kelių mokytojų distiliavimas pagal vykdomą politiką vėliau lavina suvokimą, samprotavimą ir agento elgesį. Gamintojas nurodo maždaug 48 tūkstančius milijardų mokymo žetonų. Ši mokymo istorija paaiškina bendrą įvesčių ir užduočių apimtį, tačiau negarantuoja rezultato konkrečiam įrašui ar saugyklai.\n\nModelio santraukoje nurodomas iki 1M žetonų palaikymas, o paskelbtame aptarnavimo pavyzdyje naudojama 262,144 žetonų konteksto konfigūracija. Atskirkite modelio talpą nuo pasirinktos realizacijos darbinio lango ir palikite vietos sugeneruotam atsakymui bei tęstiniams įrankių rezultatams. Vietinei inferencijai „Xiaomi“ rekomenduoja temperature 1.0 ir top_p 0.95. Medijos parengimas ir programos valdikliai turi atitikti konkrečią užduočiai naudojamą sąsają.\n\nMiMo-V2.5 yra omnimodalus didesnio, į tekstą orientuoto MiMo-V2.5-Pro giminaitis. Rezultato įraše išsaugokite šį leidimų skirtumą. Naudingas galutinis rezultatas – paaiškinimas, išgavimas ar pakeitimo pasiūlymas, susietas su pateiktu tekstu ir medija, paliekant neaiškius pastebėjimus ir nepatikrintus įrankių rezultatus prieinamus taisymui.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
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-V2.5 viename modelyje supranta tekstą, vaizdus, vaizdo įrašus ir garsą ir yra skirtas daugiarūšei analizei bei agentų užduotims. Xiaomi dokumentuoja 310B parametrų iš viso, 15B aktyvių parametrų ir iki vieno milijono žetonų kontekstą bei atskirus regos ir garso koduotuvus.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
MiMo-V2.5 – tai vietinis omnimodalus „Xiaomi“ modelis, vienoje architektūroje suprantantis tekstą, vaizdus, vaizdo įrašus ir garsą. Jis sujungia multimodalinį suvokimą su ilgo konteksto samprotavimu ir agentų darbo eigomis. Gamintojas aprašo retąjį ekspertų mišinio modelį su iš viso 310B parametrų ir 15B aktyvuojamų parametrų. Jo atsakymas yra tekstinis rezultatas ar nurodymas įrankiui, kurį gali panaudoti palaikanti programa; garso ar vaizdinės įvesties supratimas yra atskiras nuo naujos medijos generavimo.
Kalbinis karkasas remiasi MiMo-V2-Flash architektūra, kuri derina slankiojo lango ir globalų dėmesį santykiu 5:1 su 128 žetonų vietiniu langu. „Xiaomi“ prideda atskirą 729M parametrų vaizdo transformatorių ir 261M parametrų garso koduotuvą, inicializuotą iš MiMo-Audio. Trys kelių žetonų prognozavimo moduliai palaiko spekuliatyvų dekodavimą. Vietinio dėmesio langas yra architektūros detalė; bendrai užduoties istorijai gamintojas nurodo daug didesnį kontekstą – iki milijono žetonų.
Vaizdo analizei pateikite įskaitomą šaltinį ir nurodykite ryšį ar detalę, kurią atsakymas turi paaiškinti. Dokumento užduotyje galima prašyti pastebėtų laukų lentelės su atitinkamu puslapiu ar sritimi; dizaino užduotyje ekrano nuotraukos išdėstymą galima susieti su realizacijos reikalavimu. Išsaugokite pradinį vaizdą, kad būtų galima patikrinti smulkų tekstą, kiekius ar erdvinius pastebėjimus. Paprašykite modelio aiškiai palikti neapibrėžtus įrodymus, užuot neaiškią žymę pavertus užtikrinta reikšme.
Vaizdo įrašą ar garsą pateikite kartu su konkrečiu klausimu ir jam interpretuoti reikalingu kontekstu. Naudinga eiga – pagal įrašą paaiškinti sąsajos veiksmų seką, nustatyti, kur pastebėtas elgesys skiriasi nuo numatytų žingsnių, ir parengti diagnozę, susietą su atitinkamu intervalu. Peržiūrai išsaugokite chronologiją ir originalų įrašą. Tekstinė išvestis gali tapti vėlesnės ataskaitos, subtitravimo ar redagavimo etapo įvestimi, neteigiant, kad ji pati yra naujai sugeneruotas vaizdo įrašas ar balso takelis.
Agento užduočiai pateikite tikslą, svarbią pradinę medžiagą ir visų programos pateikiamų įrankių įvesties sutartis. Istorijoje išsaugokite tikrus įrankių rezultatus, kad modelis galėtų pritaikyti kitą žingsnį prie to, kas įvyko. Saugyklos užduotis gali sujungti kodą, rezultato ekrano nuotrauką ir patikros išvestį į konkretų pakeitimo pasiūlymą. Užfiksuokite, ar atitinkama operacija buvo įvykdyta ir ar pastebėtas rezultatas atitinka prašytą elgesį.
Gamintojo mokymo seka prasideda išankstiniu mokymu su tekstu, apšildo vaizdo ir garso projektorius ir tęsiasi multimodaliniu išankstiniu mokymu. Prižiūrimas agentų mokymas palaipsniui išplečia kontekstą nuo 32K per 256K iki 1M; mokymasis su pastiprinimu ir kelių mokytojų distiliavimas pagal vykdomą politiką vėliau lavina suvokimą, samprotavimą ir agento elgesį. Gamintojas nurodo maždaug 48 tūkstančius milijardų mokymo žetonų. Ši mokymo istorija paaiškina bendrą įvesčių ir užduočių apimtį, tačiau negarantuoja rezultato konkrečiam įrašui ar saugyklai.
Modelio santraukoje nurodomas iki 1M žetonų palaikymas, o paskelbtame aptarnavimo pavyzdyje naudojama 262,144 žetonų konteksto konfigūracija. Atskirkite modelio talpą nuo pasirinktos realizacijos darbinio lango ir palikite vietos sugeneruotam atsakymui bei tęstiniams įrankių rezultatams. Vietinei inferencijai „Xiaomi“ rekomenduoja temperature 1.0 ir top_p 0.95. Medijos parengimas ir programos valdikliai turi atitikti konkrečią užduočiai naudojamą sąsają.
MiMo-V2.5 yra omnimodalus didesnio, į tekstą orientuoto MiMo-V2.5-Pro giminaitis. Rezultato įraše išsaugokite šį leidimų skirtumą. Naudingas galutinis rezultatas – paaiškinimas, išgavimas ar pakeitimo pasiūlymas, susietas su pateiktu tekstu ir medija, paliekant neaiškius pastebėjimus ir nepatikrintus įrankių rezultatus prieinamus taisymui.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos xiaomi/mimo-v2.5 | 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.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.00028 / 1K tokenų Išvestis · Išvesties tokenai $0.00056 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0000056 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.00028 / 1K tokenų Išvestis · Išvesties tokenai $0.00056 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0000056 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "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 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 xiaomi/mimo-v2.5
Naudokite aukščiau nurodytus metodų kelius.
xiaomi/mimo-v2.5MiMo-V2.5 viename modelyje supranta tekstą, vaizdus, vaizdo įrašus ir garsą ir yra skirtas daugiarūšei analizei bei agentų užduotims. Xiaomi dokumentuoja 310B parametrų iš viso, 15B aktyvių parametrų ir iki vieno milijono žetonų kontekstą bei atskirus regos ir garso koduotuvus.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
MiMo-V2.5 – tai vietinis omnimodalus „Xiaomi“ modelis, vienoje architektūroje suprantantis tekstą, vaizdus, vaizdo įrašus ir garsą. Jis sujungia multimodalinį suvokimą su ilgo konteksto samprotavimu ir agentų darbo eigomis. Gamintojas aprašo retąjį ekspertų mišinio modelį su iš viso 310B parametrų ir 15B aktyvuojamų parametrų. Jo atsakymas yra tekstinis rezultatas ar nurodymas įrankiui, kurį gali panaudoti palaikanti programa; garso ar vaizdinės įvesties supratimas yra atskiras nuo naujos medijos generavimo.
Kalbinis karkasas remiasi MiMo-V2-Flash architektūra, kuri derina slankiojo lango ir globalų dėmesį santykiu 5:1 su 128 žetonų vietiniu langu. „Xiaomi“ prideda atskirą 729M parametrų vaizdo transformatorių ir 261M parametrų garso koduotuvą, inicializuotą iš MiMo-Audio. Trys kelių žetonų prognozavimo moduliai palaiko spekuliatyvų dekodavimą. Vietinio dėmesio langas yra architektūros detalė; bendrai užduoties istorijai gamintojas nurodo daug didesnį kontekstą – iki milijono žetonų.
Vaizdo analizei pateikite įskaitomą šaltinį ir nurodykite ryšį ar detalę, kurią atsakymas turi paaiškinti. Dokumento užduotyje galima prašyti pastebėtų laukų lentelės su atitinkamu puslapiu ar sritimi; dizaino užduotyje ekrano nuotraukos išdėstymą galima susieti su realizacijos reikalavimu. Išsaugokite pradinį vaizdą, kad būtų galima patikrinti smulkų tekstą, kiekius ar erdvinius pastebėjimus. Paprašykite modelio aiškiai palikti neapibrėžtus įrodymus, užuot neaiškią žymę pavertus užtikrinta reikšme.
Vaizdo įrašą ar garsą pateikite kartu su konkrečiu klausimu ir jam interpretuoti reikalingu kontekstu. Naudinga eiga – pagal įrašą paaiškinti sąsajos veiksmų seką, nustatyti, kur pastebėtas elgesys skiriasi nuo numatytų žingsnių, ir parengti diagnozę, susietą su atitinkamu intervalu. Peržiūrai išsaugokite chronologiją ir originalų įrašą. Tekstinė išvestis gali tapti vėlesnės ataskaitos, subtitravimo ar redagavimo etapo įvestimi, neteigiant, kad ji pati yra naujai sugeneruotas vaizdo įrašas ar balso takelis.
Agento užduočiai pateikite tikslą, svarbią pradinę medžiagą ir visų programos pateikiamų įrankių įvesties sutartis. Istorijoje išsaugokite tikrus įrankių rezultatus, kad modelis galėtų pritaikyti kitą žingsnį prie to, kas įvyko. Saugyklos užduotis gali sujungti kodą, rezultato ekrano nuotrauką ir patikros išvestį į konkretų pakeitimo pasiūlymą. Užfiksuokite, ar atitinkama operacija buvo įvykdyta ir ar pastebėtas rezultatas atitinka prašytą elgesį.
Gamintojo mokymo seka prasideda išankstiniu mokymu su tekstu, apšildo vaizdo ir garso projektorius ir tęsiasi multimodaliniu išankstiniu mokymu. Prižiūrimas agentų mokymas palaipsniui išplečia kontekstą nuo 32K per 256K iki 1M; mokymasis su pastiprinimu ir kelių mokytojų distiliavimas pagal vykdomą politiką vėliau lavina suvokimą, samprotavimą ir agento elgesį. Gamintojas nurodo maždaug 48 tūkstančius milijardų mokymo žetonų. Ši mokymo istorija paaiškina bendrą įvesčių ir užduočių apimtį, tačiau negarantuoja rezultato konkrečiam įrašui ar saugyklai.
Modelio santraukoje nurodomas iki 1M žetonų palaikymas, o paskelbtame aptarnavimo pavyzdyje naudojama 262,144 žetonų konteksto konfigūracija. Atskirkite modelio talpą nuo pasirinktos realizacijos darbinio lango ir palikite vietos sugeneruotam atsakymui bei tęstiniams įrankių rezultatams. Vietinei inferencijai „Xiaomi“ rekomenduoja temperature 1.0 ir top_p 0.95. Medijos parengimas ir programos valdikliai turi atitikti konkrečią užduočiai naudojamą sąsają.
MiMo-V2.5 yra omnimodalus didesnio, į tekstą orientuoto MiMo-V2.5-Pro giminaitis. Rezultato įraše išsaugokite šį leidimų skirtumą. Naudingas galutinis rezultatas – paaiškinimas, išgavimas ar pakeitimo pasiūlymas, susietas su pateiktu tekstu ir medija, paliekant neaiškius pastebėjimus ir nepatikrintus įrankių rezultatus prieinamus taisymui.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos xiaomi/mimo-v2.5 | 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.
Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.
| Konfigūracija | Įkainių lentelė | Konteksto tokenų daugiau nei | Konteksto tokenų iki imtinai | Mokestis |
|---|---|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Konteksto tokenų daugiau nei— | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.00028 / 1K tokenų Išvestis · Išvesties tokenai $0.00056 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0000056 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
| KonfigūracijaUžklausos ilgio pakopa 1 | Įkainių lentelė— | Konteksto tokenų daugiau nei0 | Konteksto tokenų iki imtinaiBe viršutinės ribos | Mokestis Įvestis · Įvesties tokenai $0.00028 / 1K tokenų Išvestis · Išvesties tokenai $0.00056 / 1K tokenų Įvestis · Talpyklos skaitymas $0.0000056 / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "xiaomi/mimo-v2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 xiaomi/mimo-v2.5
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
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.