MiniMax M1 80K ialah edisi dengan pemikiran lebih panjang bagi model penaakulan teks M1 daripada MiniMax. Keluarga ini menggunakan seni bina hibrid campuran pakar dengan lightning attention, yang diterbitkan daripada MiniMax Text-01. Pembuatnya menerangkan latihan merentas tugas penaakulan matematik dan kejuruteraan perisian serta mengeluarkan edisi bajet pemikiran 40K dan 80K secara berasingan.
Pembuatnya menerangkan sokongan natif untuk konteks sejuta token. Nama edisi 80K merujuk bajet pemikirannya, iaitu kuantiti yang berbeza daripada konteks input atau jawapan akhir yang dapat dilihat pengguna. Antara muka yang digunakan untuk tugas dihoskan mungkin mendedahkan had kerja sendiri yang lebih kecil, maka rancang permintaan berdasarkan profil terpilih itu.
Untuk koleksi sumber yang lebih panjang, labelkan dokumen dan nyatakan soalan yang perlu dijawabnya. Minta kesimpulan yang berkaitan dengan petikan relevan. Untuk kod, kenal pasti tingkah laku yang perlu diubah, kawasan terjejas dan semakan yang membuktikan hasil.
Pembuatnya memberikan panduan berasingan untuk bantuan biasa, pembangunan web dan matematik. Contoh umumnya merangkumi peringkasan, terjemahan, soalan dan penulisan kreatif. Prom yang berguna menetapkan khalayak, bahan sumber dan artifak akhir supaya jawapan kekal tertumpu pada tugas.
Untuk pembangunan web, pembuatnya mengesyorkan artifak HTML lengkap yang boleh dijalankan dalam satu blok kod, dengan HTML dan JavaScript bersama, serta meminta kod disemak selepas penjanaan. Huraikan kawalan, data dan keadaan yang mesti disokong oleh halaman. Model menghasilkan kod; aplikasi menyimpan dan menjalankannya untuk meneliti tingkah laku yang dirender.
Untuk matematik, panduan meminta penyelesaian berlangkah dan jawapan akhir yang berasingan. Bekalkan syarat lengkap dan tetapkan hasil yang perlu dibuktikan. Simpan penyelesaian yang dicadangkan bersama masalah asal supaya hujah boleh diteliti tanpa bergantung pada ungkapannya.
Pembuatnya menyenaraikan pemanggilan fungsi: model boleh mengenal pasti fungsi untuk digunakan dan memberikan parameter dalam bentuk berstruktur. Aplikasi sekeliling membekalkan fungsi yang tersedia, melaksanakan panggilan dan mengembalikan pemerhatian. Oleh itu, akses alat dan tindakan luaran ialah fungsi aplikasi yang dikonfigurasi serta pilihan model.
Berikan tujuan yang jelas bagi setiap alat dan bezakan pemerhatian yang dikembalikan daripada arahan pengguna. Jawapan kemudian boleh menggunakan hasil yang diperhatikan sebagai bukti. Sokongan alat model teks M1 tidak menjadikan perkhidmatan media berasingan yang diterangkan di bahagian lain ekosistem pembuat sebagai sebahagian daripada keluarga outputnya sendiri.
Pembuatnya mengesyorkan suhu 1.0 dan top_p 0.95 sebagai tetapan inferens. Huraian keluarganya memberikan 456 bilion parameter keseluruhan dan 45.9 bilion parameter aktif bagi setiap token. Bezakan edisi 80K daripada edisi 40K apabila merekodkan perbandingan, dan gunakan kawalan serta had kerja yang disokong oleh antara muka sebenar bagi permintaan tertentu.
", "aboutText": "MiniMax M1 80K ialah edisi dengan pemikiran lebih panjang bagi model penaakulan teks M1 daripada MiniMax. Keluarga ini menggunakan seni bina hibrid campuran pakar dengan lightning attention, yang diterbitkan daripada MiniMax Text-01. Pembuatnya menerangkan latihan merentas tugas penaakulan matematik dan kejuruteraan perisian serta mengeluarkan edisi bajet pemikiran 40K dan 80K secara berasingan.\n\n### Sediakan bahan panjang berdasarkan hasil yang jelas\n\nPembuatnya menerangkan sokongan natif untuk konteks sejuta token. Nama edisi 80K merujuk bajet pemikirannya, iaitu kuantiti yang berbeza daripada konteks input atau jawapan akhir yang dapat dilihat pengguna. Antara muka yang digunakan untuk tugas dihoskan mungkin mendedahkan had kerja sendiri yang lebih kecil, maka rancang permintaan berdasarkan profil terpilih itu.\n\nUntuk koleksi sumber yang lebih panjang, labelkan dokumen dan nyatakan soalan yang perlu dijawabnya. Minta kesimpulan yang berkaitan dengan petikan relevan. Untuk kod, kenal pasti tingkah laku yang perlu diubah, kawasan terjejas dan semakan yang membuktikan hasil.\n\n### Gunakan panduan prom khusus tugas\n\nPembuatnya memberikan panduan berasingan untuk bantuan biasa, pembangunan web dan matematik. Contoh umumnya merangkumi peringkasan, terjemahan, soalan dan penulisan kreatif. Prom yang berguna menetapkan khalayak, bahan sumber dan artifak akhir supaya jawapan kekal tertumpu pada tugas.\n\nUntuk pembangunan web, pembuatnya mengesyorkan artifak HTML lengkap yang boleh dijalankan dalam satu blok kod, dengan HTML dan JavaScript bersama, serta meminta kod disemak selepas penjanaan. Huraikan kawalan, data dan keadaan yang mesti disokong oleh halaman. Model menghasilkan kod; aplikasi menyimpan dan menjalankannya untuk meneliti tingkah laku yang dirender.\n\nUntuk matematik, panduan meminta penyelesaian berlangkah dan jawapan akhir yang berasingan. Bekalkan syarat lengkap dan tetapkan hasil yang perlu dibuktikan. Simpan penyelesaian yang dicadangkan bersama masalah asal supaya hujah boleh diteliti tanpa bergantung pada ungkapannya.\n\n### Panggilan fungsi dan pelaksanaan sebenar\n\nPembuatnya menyenaraikan pemanggilan fungsi: model boleh mengenal pasti fungsi untuk digunakan dan memberikan parameter dalam bentuk berstruktur. Aplikasi sekeliling membekalkan fungsi yang tersedia, melaksanakan panggilan dan mengembalikan pemerhatian. Oleh itu, akses alat dan tindakan luaran ialah fungsi aplikasi yang dikonfigurasi serta pilihan model.\n\nBerikan tujuan yang jelas bagi setiap alat dan bezakan pemerhatian yang dikembalikan daripada arahan pengguna. Jawapan kemudian boleh menggunakan hasil yang diperhatikan sebagai bukti. Sokongan alat model teks M1 tidak menjadikan perkhidmatan media berasingan yang diterangkan di bahagian lain ekosistem pembuat sebagai sebahagian daripada keluarga outputnya sendiri.\n\n### Kekalkan edisi dan tetapan\n\nPembuatnya mengesyorkan suhu 1.0 dan top_p 0.95 sebagai tetapan inferens. Huraian keluarganya memberikan 456 bilion parameter keseluruhan dan 45.9 bilion parameter aktif bagi setiap token. Bezakan edisi 80K daripada edisi 40K apabila merekodkan perbandingan, dan gunakan kawalan serta had kerja yang disokong oleh antara muka sebenar bagi permintaan tertentu.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Build a bounded packing calculator\n\nReturn one runnable HTML code block for a packing calculator. Inputs: item count and box capacity, both positive whole numbers. Show the number of boxes needed, rounding upward. Provide a visible validation message for invalid inputs and a reset control. Include HTML, CSS and JavaScript together, then list checks for 10 items at capacity 4 and an empty input.A complete single-file HTML artifact and a short behavior-check list, without a claim that it was run.Check ceiling division, invalid-input feedback and reset behavior in the returned code before running it.MiniMaxAI/MiniMax-M1-80kMiniMax M1 80K ialah model penaakulan teks dengan pemberat terbuka untuk input panjang, tugas perisian dan matematik. Pembuatnya membezakan edisi bajet pemikiran 80K daripada edisi 40K serta menerbitkan panduan prom khusus tugas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
MiniMax M1 80K ialah edisi dengan pemikiran lebih panjang bagi model penaakulan teks M1 daripada MiniMax. Keluarga ini menggunakan seni bina hibrid campuran pakar dengan lightning attention, yang diterbitkan daripada MiniMax Text-01. Pembuatnya menerangkan latihan merentas tugas penaakulan matematik dan kejuruteraan perisian serta mengeluarkan edisi bajet pemikiran 40K dan 80K secara berasingan.
Pembuatnya menerangkan sokongan natif untuk konteks sejuta token. Nama edisi 80K merujuk bajet pemikirannya, iaitu kuantiti yang berbeza daripada konteks input atau jawapan akhir yang dapat dilihat pengguna. Antara muka yang digunakan untuk tugas dihoskan mungkin mendedahkan had kerja sendiri yang lebih kecil, maka rancang permintaan berdasarkan profil terpilih itu.
Untuk koleksi sumber yang lebih panjang, labelkan dokumen dan nyatakan soalan yang perlu dijawabnya. Minta kesimpulan yang berkaitan dengan petikan relevan. Untuk kod, kenal pasti tingkah laku yang perlu diubah, kawasan terjejas dan semakan yang membuktikan hasil.
Pembuatnya memberikan panduan berasingan untuk bantuan biasa, pembangunan web dan matematik. Contoh umumnya merangkumi peringkasan, terjemahan, soalan dan penulisan kreatif. Prom yang berguna menetapkan khalayak, bahan sumber dan artifak akhir supaya jawapan kekal tertumpu pada tugas.
Untuk pembangunan web, pembuatnya mengesyorkan artifak HTML lengkap yang boleh dijalankan dalam satu blok kod, dengan HTML dan JavaScript bersama, serta meminta kod disemak selepas penjanaan. Huraikan kawalan, data dan keadaan yang mesti disokong oleh halaman. Model menghasilkan kod; aplikasi menyimpan dan menjalankannya untuk meneliti tingkah laku yang dirender.
Untuk matematik, panduan meminta penyelesaian berlangkah dan jawapan akhir yang berasingan. Bekalkan syarat lengkap dan tetapkan hasil yang perlu dibuktikan. Simpan penyelesaian yang dicadangkan bersama masalah asal supaya hujah boleh diteliti tanpa bergantung pada ungkapannya.
Pembuatnya menyenaraikan pemanggilan fungsi: model boleh mengenal pasti fungsi untuk digunakan dan memberikan parameter dalam bentuk berstruktur. Aplikasi sekeliling membekalkan fungsi yang tersedia, melaksanakan panggilan dan mengembalikan pemerhatian. Oleh itu, akses alat dan tindakan luaran ialah fungsi aplikasi yang dikonfigurasi serta pilihan model.
Berikan tujuan yang jelas bagi setiap alat dan bezakan pemerhatian yang dikembalikan daripada arahan pengguna. Jawapan kemudian boleh menggunakan hasil yang diperhatikan sebagai bukti. Sokongan alat model teks M1 tidak menjadikan perkhidmatan media berasingan yang diterangkan di bahagian lain ekosistem pembuat sebagai sebahagian daripada keluarga outputnya sendiri.
Pembuatnya mengesyorkan suhu 1.0 dan top_p 0.95 sebagai tetapan inferens. Huraian keluarganya memberikan 456 bilion parameter keseluruhan dan 45.9 bilion parameter aktif bagi setiap token. Bezakan edisi 80K daripada edisi 40K apabila merekodkan perbandingan, dan gunakan kawalan serta had kerja yang disokong oleh antara muka sebenar bagi permintaan tertentu.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had MiniMaxAI/MiniMax-M1-80k | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00114 / 1K token Output · Token output $0.00456 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "MiniMaxAI/MiniMax-M1-80k", "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='MiniMaxAI/MiniMax-M1-80k',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='MiniMaxAI/MiniMax-M1-80k',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra MiniMaxAI/MiniMax-M1-80k
Gunakan laluan kaedah yang dipaparkan di atas.
MiniMaxAI/MiniMax-M1-80kMiniMax M1 80K ialah model penaakulan teks dengan pemberat terbuka untuk input panjang, tugas perisian dan matematik. Pembuatnya membezakan edisi bajet pemikiran 80K daripada edisi 40K serta menerbitkan panduan prom khusus tugas.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
MiniMax M1 80K ialah edisi dengan pemikiran lebih panjang bagi model penaakulan teks M1 daripada MiniMax. Keluarga ini menggunakan seni bina hibrid campuran pakar dengan lightning attention, yang diterbitkan daripada MiniMax Text-01. Pembuatnya menerangkan latihan merentas tugas penaakulan matematik dan kejuruteraan perisian serta mengeluarkan edisi bajet pemikiran 40K dan 80K secara berasingan.
Pembuatnya menerangkan sokongan natif untuk konteks sejuta token. Nama edisi 80K merujuk bajet pemikirannya, iaitu kuantiti yang berbeza daripada konteks input atau jawapan akhir yang dapat dilihat pengguna. Antara muka yang digunakan untuk tugas dihoskan mungkin mendedahkan had kerja sendiri yang lebih kecil, maka rancang permintaan berdasarkan profil terpilih itu.
Untuk koleksi sumber yang lebih panjang, labelkan dokumen dan nyatakan soalan yang perlu dijawabnya. Minta kesimpulan yang berkaitan dengan petikan relevan. Untuk kod, kenal pasti tingkah laku yang perlu diubah, kawasan terjejas dan semakan yang membuktikan hasil.
Pembuatnya memberikan panduan berasingan untuk bantuan biasa, pembangunan web dan matematik. Contoh umumnya merangkumi peringkasan, terjemahan, soalan dan penulisan kreatif. Prom yang berguna menetapkan khalayak, bahan sumber dan artifak akhir supaya jawapan kekal tertumpu pada tugas.
Untuk pembangunan web, pembuatnya mengesyorkan artifak HTML lengkap yang boleh dijalankan dalam satu blok kod, dengan HTML dan JavaScript bersama, serta meminta kod disemak selepas penjanaan. Huraikan kawalan, data dan keadaan yang mesti disokong oleh halaman. Model menghasilkan kod; aplikasi menyimpan dan menjalankannya untuk meneliti tingkah laku yang dirender.
Untuk matematik, panduan meminta penyelesaian berlangkah dan jawapan akhir yang berasingan. Bekalkan syarat lengkap dan tetapkan hasil yang perlu dibuktikan. Simpan penyelesaian yang dicadangkan bersama masalah asal supaya hujah boleh diteliti tanpa bergantung pada ungkapannya.
Pembuatnya menyenaraikan pemanggilan fungsi: model boleh mengenal pasti fungsi untuk digunakan dan memberikan parameter dalam bentuk berstruktur. Aplikasi sekeliling membekalkan fungsi yang tersedia, melaksanakan panggilan dan mengembalikan pemerhatian. Oleh itu, akses alat dan tindakan luaran ialah fungsi aplikasi yang dikonfigurasi serta pilihan model.
Berikan tujuan yang jelas bagi setiap alat dan bezakan pemerhatian yang dikembalikan daripada arahan pengguna. Jawapan kemudian boleh menggunakan hasil yang diperhatikan sebagai bukti. Sokongan alat model teks M1 tidak menjadikan perkhidmatan media berasingan yang diterangkan di bahagian lain ekosistem pembuat sebagai sebahagian daripada keluarga outputnya sendiri.
Pembuatnya mengesyorkan suhu 1.0 dan top_p 0.95 sebagai tetapan inferens. Huraian keluarganya memberikan 456 bilion parameter keseluruhan dan 45.9 bilion parameter aktif bagi setiap token. Bezakan edisi 80K daripada edisi 40K apabila merekodkan perbandingan, dan gunakan kawalan serta had kerja yang disokong oleh antara muka sebenar bagi permintaan tertentu.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had MiniMaxAI/MiniMax-M1-80k | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.00114 / 1K token Output · Token output $0.00456 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "MiniMaxAI/MiniMax-M1-80k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'MiniMaxAI/MiniMax-M1-80k', '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': 'MiniMaxAI/MiniMax-M1-80k', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra MiniMaxAI/MiniMax-M1-80k
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Build a bounded packing calculator\n\nReturn one runnable HTML code block for a packing calculator. Inputs: item count and box capacity, both positive whole numbers. Show the number of boxes needed, rounding upward. Provide a visible validation message for invalid inputs and a reset control. Include HTML, CSS and JavaScript together, then list checks for 10 items at capacity 4 and an empty input.A complete single-file HTML artifact and a short behavior-check list, without a claim that it was run.Check ceiling division, invalid-input feedback and reset behavior in the returned code before running it.