MiMo-V2.6-Flash ialah model Xiaomi yang menyeimbangkan kecekapan dalam siri MiMo-V2.6. Ia menggabungkan pemahaman teks, imej, video dan audio dalam satu seni bina, dengan respons teks yang boleh membimbing langkah seterusnya bagi aplikasi sokongan. Skop tugasnya meliputi kejuruteraan perisian, kerja ejen umum, aliran kerja visual dan analisis keselamatan siber. Flash ialah model lebih kecil yang berasingan daripada V2.6-Pro, dengan skala parameternya sendiri dan bukannya sekadar tetapan respons lebih pendek.
Profil Flash yang dikeluarkan oleh pembuat menerangkan model campuran pakar sparse dengan 309B jumlah parameter dan 15B parameter diaktifkan. Rangka teras 48 lapisannya menggabungkan perhatian tetingkap gelongsor setempat dan perhatian global untuk bekerja dengan sejarah panjang. Pengekod penglihatan dan audio khusus membawa pelbagai jenis input ke dalam rangka teras bahasa itu. Xiaomi menetapkan konteks satu juta token untuk repositori, hasil alat terkumpul dan sejarah tugas yang panjang. Susun ruang itu berasaskan matlamat semasa, bukti yang berkaitan dan keputusan yang mesti kekal konsisten.
Pendekatan latihan V2.6 mencampurkan tugas pengekodan, ejen umum, kerja visual dan keselamatan siber dalam sesi pembelajaran pengukuhan yang sama. Ia turut mempelbagaikan persekitaran ejen dan bukannya melatih setiap domain secara terasing. Pengeluar menerangkan perbandingan trajektori calon menggunakan kriteria khusus tugas supaya hasil yang lulus masih boleh ditambah baik dari segi kualiti dan kecekapan. Ini ialah pendekatan latihan model; taklimat tugas yang berguna masih memerlukan kriteria penyelesaian yang jelas serta bukti yang menunjukkan sama ada hasil memenuhinya.
Untuk tugas repositori, berikan kegagalan yang diperhatikan, fail yang berkaitan, tingkah laku yang dijangka dan kekangan perubahan. Minta model mengenal pasti punca, mencadangkan tampalan terfokus dan menerangkan semakan yang diperlukan. Dalam persekitaran dengan alat pelaksanaan, berikan semula output sebenarnya supaya model boleh memperhalus langkah seterusnya. Hubungkan arahan, ralat dan pengubahsuaian dengan fail yang berkaitan. Artifak akhir hendaklah membezakan cadangan pembetulan daripada perubahan yang telah digunakan dan disemak.
Untuk kerja visual, bekalkan tangkap layar yang jelas atau imej rujukan dan kenal pasti susun atur, tingkah laku atau hubungan ruang yang perlu dihasilkan semula. Keluaran V2.6 Xiaomi menerangkan antara muka frontend, pembentangan, adegan 3D dan dunia interaktif yang dibina melalui pengekodan dan penggunaan alat. Hasil serahan praktikal boleh berupa pelaksanaan komponen dengan senarai butiran yang kelihatan untuk diperiksa dalam hasil rendernya. Pemahaman imej dan video membekalkan bukti bagi aliran kerja itu; output teks model berasingan daripada media yang dihasilkan oleh alat di sekelilingnya.
Audio dan video boleh membekalkan konteks yang tiada dalam taklimat bertulis. Tanya soalan terfokus tentang bahan yang dibekalkan dan kekalkan kaitannya dengan output yang diminta. Contohnya, padankan rakaman antara muka dengan langkah yang gagal dan minta diagnosis yang dikaitkan dengan urutan yang diperhatikan. Kekalkan petikan atau peristiwa yang tidak jelas untuk semakan. Penerangan yang lancar tidak sepatutnya secara senyap menjadi bukti bahawa bunyi yang samar, label kecil atau bingkai sepintas lalu telah difahami dengan betul.
Kad model Xiaomi mengesyorkan temperature 1.0 dan top_p 0.95 untuk resipi inferensnya dan menerangkan penyahkod ramalan berbilang token lima lapisan. Tetapan dan pengoptimuman itu sebahagian daripada pelaksanaan pengeluar. Dalam aliran kerja alat yang panjang, semak bahawa setiap panggilan seterusnya memenuhi keperluan maklumat baharu atau bertindak balas terhadap hasil yang berubah. Pembuat mendokumenkan panggilan alat berulang sebagai isu latihan V2.6 dan membezakan checkpoint RL serta MOPD yang terkemudian. Nyatakan edisi yang dipilih dan rekod kemajuan sebenar secara jelas semasa menyemak tugas yang telah selesai.
", "aboutText": "MiMo-V2.6-Flash ialah model Xiaomi yang menyeimbangkan kecekapan dalam siri MiMo-V2.6. Ia menggabungkan pemahaman teks, imej, video dan audio dalam satu seni bina, dengan respons teks yang boleh membimbing langkah seterusnya bagi aplikasi sokongan. Skop tugasnya meliputi kejuruteraan perisian, kerja ejen umum, aliran kerja visual dan analisis keselamatan siber. Flash ialah model lebih kecil yang berasingan daripada V2.6-Pro, dengan skala parameternya sendiri dan bukannya sekadar tetapan respons lebih pendek.\n\nProfil Flash yang dikeluarkan oleh pembuat menerangkan model campuran pakar sparse dengan 309B jumlah parameter dan 15B parameter diaktifkan. Rangka teras 48 lapisannya menggabungkan perhatian tetingkap gelongsor setempat dan perhatian global untuk bekerja dengan sejarah panjang. Pengekod penglihatan dan audio khusus membawa pelbagai jenis input ke dalam rangka teras bahasa itu. Xiaomi menetapkan konteks satu juta token untuk repositori, hasil alat terkumpul dan sejarah tugas yang panjang. Susun ruang itu berasaskan matlamat semasa, bukti yang berkaitan dan keputusan yang mesti kekal konsisten.\n\nPendekatan latihan V2.6 mencampurkan tugas pengekodan, ejen umum, kerja visual dan keselamatan siber dalam sesi pembelajaran pengukuhan yang sama. Ia turut mempelbagaikan persekitaran ejen dan bukannya melatih setiap domain secara terasing. Pengeluar menerangkan perbandingan trajektori calon menggunakan kriteria khusus tugas supaya hasil yang lulus masih boleh ditambah baik dari segi kualiti dan kecekapan. Ini ialah pendekatan latihan model; taklimat tugas yang berguna masih memerlukan kriteria penyelesaian yang jelas serta bukti yang menunjukkan sama ada hasil memenuhinya.\n\nUntuk tugas repositori, berikan kegagalan yang diperhatikan, fail yang berkaitan, tingkah laku yang dijangka dan kekangan perubahan. Minta model mengenal pasti punca, mencadangkan tampalan terfokus dan menerangkan semakan yang diperlukan. Dalam persekitaran dengan alat pelaksanaan, berikan semula output sebenarnya supaya model boleh memperhalus langkah seterusnya. Hubungkan arahan, ralat dan pengubahsuaian dengan fail yang berkaitan. Artifak akhir hendaklah membezakan cadangan pembetulan daripada perubahan yang telah digunakan dan disemak.\n\nUntuk kerja visual, bekalkan tangkap layar yang jelas atau imej rujukan dan kenal pasti susun atur, tingkah laku atau hubungan ruang yang perlu dihasilkan semula. Keluaran V2.6 Xiaomi menerangkan antara muka frontend, pembentangan, adegan 3D dan dunia interaktif yang dibina melalui pengekodan dan penggunaan alat. Hasil serahan praktikal boleh berupa pelaksanaan komponen dengan senarai butiran yang kelihatan untuk diperiksa dalam hasil rendernya. Pemahaman imej dan video membekalkan bukti bagi aliran kerja itu; output teks model berasingan daripada media yang dihasilkan oleh alat di sekelilingnya.\n\nAudio dan video boleh membekalkan konteks yang tiada dalam taklimat bertulis. Tanya soalan terfokus tentang bahan yang dibekalkan dan kekalkan kaitannya dengan output yang diminta. Contohnya, padankan rakaman antara muka dengan langkah yang gagal dan minta diagnosis yang dikaitkan dengan urutan yang diperhatikan. Kekalkan petikan atau peristiwa yang tidak jelas untuk semakan. Penerangan yang lancar tidak sepatutnya secara senyap menjadi bukti bahawa bunyi yang samar, label kecil atau bingkai sepintas lalu telah difahami dengan betul.\n\nKad model Xiaomi mengesyorkan temperature 1.0 dan top_p 0.95 untuk resipi inferensnya dan menerangkan penyahkod ramalan berbilang token lima lapisan. Tetapan dan pengoptimuman itu sebahagian daripada pelaksanaan pengeluar. Dalam aliran kerja alat yang panjang, semak bahawa setiap panggilan seterusnya memenuhi keperluan maklumat baharu atau bertindak balas terhadap hasil yang berubah. Pembuat mendokumenkan panggilan alat berulang sebagai isu latihan V2.6 dan membezakan checkpoint RL serta MOPD yang terkemudian. Nyatakan edisi yang dipilih dan rekod kemajuan sebenar secara jelas semasa menyemak tugas yang telah selesai.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Repair a CSV field serializer\n\nBug report: serialize(['Ada, Inc','plain']) returns 'Ada, Inc,plain', creating three columns. Current function: fields.join(','). Required rules: quote fields containing commas, quotes or line breaks, and double embedded quotes. Propose a focused JavaScript serializer and regression cases for the reported row, an embedded quote and an empty field. Do not claim the code ran.A serializer implementation, explanation of escaping and three regression cases with expected CSV text.Check embedded quotes are doubled inside a quoted field and commas within one field do not create extra columns.xiaomi/mimo-v2.6-flashMiMo-V2.6-Flash menggabungkan pemahaman teks, imej, video dan audio untuk pengekodan dan aliran kerja ejen yang panjang. Profil model terbitannya menggunakan 309B jumlah parameter, 15B aktif bagi setiap token dan konteks satu juta token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
MiMo-V2.6-Flash ialah model Xiaomi yang menyeimbangkan kecekapan dalam siri MiMo-V2.6. Ia menggabungkan pemahaman teks, imej, video dan audio dalam satu seni bina, dengan respons teks yang boleh membimbing langkah seterusnya bagi aplikasi sokongan. Skop tugasnya meliputi kejuruteraan perisian, kerja ejen umum, aliran kerja visual dan analisis keselamatan siber. Flash ialah model lebih kecil yang berasingan daripada V2.6-Pro, dengan skala parameternya sendiri dan bukannya sekadar tetapan respons lebih pendek.
Profil Flash yang dikeluarkan oleh pembuat menerangkan model campuran pakar sparse dengan 309B jumlah parameter dan 15B parameter diaktifkan. Rangka teras 48 lapisannya menggabungkan perhatian tetingkap gelongsor setempat dan perhatian global untuk bekerja dengan sejarah panjang. Pengekod penglihatan dan audio khusus membawa pelbagai jenis input ke dalam rangka teras bahasa itu. Xiaomi menetapkan konteks satu juta token untuk repositori, hasil alat terkumpul dan sejarah tugas yang panjang. Susun ruang itu berasaskan matlamat semasa, bukti yang berkaitan dan keputusan yang mesti kekal konsisten.
Pendekatan latihan V2.6 mencampurkan tugas pengekodan, ejen umum, kerja visual dan keselamatan siber dalam sesi pembelajaran pengukuhan yang sama. Ia turut mempelbagaikan persekitaran ejen dan bukannya melatih setiap domain secara terasing. Pengeluar menerangkan perbandingan trajektori calon menggunakan kriteria khusus tugas supaya hasil yang lulus masih boleh ditambah baik dari segi kualiti dan kecekapan. Ini ialah pendekatan latihan model; taklimat tugas yang berguna masih memerlukan kriteria penyelesaian yang jelas serta bukti yang menunjukkan sama ada hasil memenuhinya.
Untuk tugas repositori, berikan kegagalan yang diperhatikan, fail yang berkaitan, tingkah laku yang dijangka dan kekangan perubahan. Minta model mengenal pasti punca, mencadangkan tampalan terfokus dan menerangkan semakan yang diperlukan. Dalam persekitaran dengan alat pelaksanaan, berikan semula output sebenarnya supaya model boleh memperhalus langkah seterusnya. Hubungkan arahan, ralat dan pengubahsuaian dengan fail yang berkaitan. Artifak akhir hendaklah membezakan cadangan pembetulan daripada perubahan yang telah digunakan dan disemak.
Untuk kerja visual, bekalkan tangkap layar yang jelas atau imej rujukan dan kenal pasti susun atur, tingkah laku atau hubungan ruang yang perlu dihasilkan semula. Keluaran V2.6 Xiaomi menerangkan antara muka frontend, pembentangan, adegan 3D dan dunia interaktif yang dibina melalui pengekodan dan penggunaan alat. Hasil serahan praktikal boleh berupa pelaksanaan komponen dengan senarai butiran yang kelihatan untuk diperiksa dalam hasil rendernya. Pemahaman imej dan video membekalkan bukti bagi aliran kerja itu; output teks model berasingan daripada media yang dihasilkan oleh alat di sekelilingnya.
Audio dan video boleh membekalkan konteks yang tiada dalam taklimat bertulis. Tanya soalan terfokus tentang bahan yang dibekalkan dan kekalkan kaitannya dengan output yang diminta. Contohnya, padankan rakaman antara muka dengan langkah yang gagal dan minta diagnosis yang dikaitkan dengan urutan yang diperhatikan. Kekalkan petikan atau peristiwa yang tidak jelas untuk semakan. Penerangan yang lancar tidak sepatutnya secara senyap menjadi bukti bahawa bunyi yang samar, label kecil atau bingkai sepintas lalu telah difahami dengan betul.
Kad model Xiaomi mengesyorkan temperature 1.0 dan top_p 0.95 untuk resipi inferensnya dan menerangkan penyahkod ramalan berbilang token lima lapisan. Tetapan dan pengoptimuman itu sebahagian daripada pelaksanaan pengeluar. Dalam aliran kerja alat yang panjang, semak bahawa setiap panggilan seterusnya memenuhi keperluan maklumat baharu atau bertindak balas terhadap hasil yang berubah. Pembuat mendokumenkan panggilan alat berulang sebagai isu latihan V2.6 dan membezakan checkpoint RL serta MOPD yang terkemudian. Nyatakan edisi yang dipilih dan rekod kemajuan sebenar secara jelas semasa menyemak tugas yang telah selesai.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had xiaomi/mimo-v2.6-flash | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00028 / 1K token Output · Token output $0.00056 / 1K token Input · Bacaan cache $0.0000056 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00028 / 1K token Output · Token output $0.00056 / 1K token Input · Bacaan cache $0.0000056 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.6-flash", "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-v2.6-flash',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-v2.6-flash',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 xiaomi/mimo-v2.6-flash
Gunakan laluan kaedah yang dipaparkan di atas.
xiaomi/mimo-v2.6-flashMiMo-V2.6-Flash menggabungkan pemahaman teks, imej, video dan audio untuk pengekodan dan aliran kerja ejen yang panjang. Profil model terbitannya menggunakan 309B jumlah parameter, 15B aktif bagi setiap token dan konteks satu juta token.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
MiMo-V2.6-Flash ialah model Xiaomi yang menyeimbangkan kecekapan dalam siri MiMo-V2.6. Ia menggabungkan pemahaman teks, imej, video dan audio dalam satu seni bina, dengan respons teks yang boleh membimbing langkah seterusnya bagi aplikasi sokongan. Skop tugasnya meliputi kejuruteraan perisian, kerja ejen umum, aliran kerja visual dan analisis keselamatan siber. Flash ialah model lebih kecil yang berasingan daripada V2.6-Pro, dengan skala parameternya sendiri dan bukannya sekadar tetapan respons lebih pendek.
Profil Flash yang dikeluarkan oleh pembuat menerangkan model campuran pakar sparse dengan 309B jumlah parameter dan 15B parameter diaktifkan. Rangka teras 48 lapisannya menggabungkan perhatian tetingkap gelongsor setempat dan perhatian global untuk bekerja dengan sejarah panjang. Pengekod penglihatan dan audio khusus membawa pelbagai jenis input ke dalam rangka teras bahasa itu. Xiaomi menetapkan konteks satu juta token untuk repositori, hasil alat terkumpul dan sejarah tugas yang panjang. Susun ruang itu berasaskan matlamat semasa, bukti yang berkaitan dan keputusan yang mesti kekal konsisten.
Pendekatan latihan V2.6 mencampurkan tugas pengekodan, ejen umum, kerja visual dan keselamatan siber dalam sesi pembelajaran pengukuhan yang sama. Ia turut mempelbagaikan persekitaran ejen dan bukannya melatih setiap domain secara terasing. Pengeluar menerangkan perbandingan trajektori calon menggunakan kriteria khusus tugas supaya hasil yang lulus masih boleh ditambah baik dari segi kualiti dan kecekapan. Ini ialah pendekatan latihan model; taklimat tugas yang berguna masih memerlukan kriteria penyelesaian yang jelas serta bukti yang menunjukkan sama ada hasil memenuhinya.
Untuk tugas repositori, berikan kegagalan yang diperhatikan, fail yang berkaitan, tingkah laku yang dijangka dan kekangan perubahan. Minta model mengenal pasti punca, mencadangkan tampalan terfokus dan menerangkan semakan yang diperlukan. Dalam persekitaran dengan alat pelaksanaan, berikan semula output sebenarnya supaya model boleh memperhalus langkah seterusnya. Hubungkan arahan, ralat dan pengubahsuaian dengan fail yang berkaitan. Artifak akhir hendaklah membezakan cadangan pembetulan daripada perubahan yang telah digunakan dan disemak.
Untuk kerja visual, bekalkan tangkap layar yang jelas atau imej rujukan dan kenal pasti susun atur, tingkah laku atau hubungan ruang yang perlu dihasilkan semula. Keluaran V2.6 Xiaomi menerangkan antara muka frontend, pembentangan, adegan 3D dan dunia interaktif yang dibina melalui pengekodan dan penggunaan alat. Hasil serahan praktikal boleh berupa pelaksanaan komponen dengan senarai butiran yang kelihatan untuk diperiksa dalam hasil rendernya. Pemahaman imej dan video membekalkan bukti bagi aliran kerja itu; output teks model berasingan daripada media yang dihasilkan oleh alat di sekelilingnya.
Audio dan video boleh membekalkan konteks yang tiada dalam taklimat bertulis. Tanya soalan terfokus tentang bahan yang dibekalkan dan kekalkan kaitannya dengan output yang diminta. Contohnya, padankan rakaman antara muka dengan langkah yang gagal dan minta diagnosis yang dikaitkan dengan urutan yang diperhatikan. Kekalkan petikan atau peristiwa yang tidak jelas untuk semakan. Penerangan yang lancar tidak sepatutnya secara senyap menjadi bukti bahawa bunyi yang samar, label kecil atau bingkai sepintas lalu telah difahami dengan betul.
Kad model Xiaomi mengesyorkan temperature 1.0 dan top_p 0.95 untuk resipi inferensnya dan menerangkan penyahkod ramalan berbilang token lima lapisan. Tetapan dan pengoptimuman itu sebahagian daripada pelaksanaan pengeluar. Dalam aliran kerja alat yang panjang, semak bahawa setiap panggilan seterusnya memenuhi keperluan maklumat baharu atau bertindak balas terhadap hasil yang berubah. Pembuat mendokumenkan panggilan alat berulang sebagai isu latihan V2.6 dan membezakan checkpoint RL serta MOPD yang terkemudian. Nyatakan edisi yang dipilih dan rekod kemajuan sebenar secara jelas semasa menyemak tugas yang telah selesai.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had xiaomi/mimo-v2.6-flash | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00028 / 1K token Output · Token output $0.00056 / 1K token Input · Bacaan cache $0.0000056 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00028 / 1K token Output · Token output $0.00056 / 1K token Input · Bacaan cache $0.0000056 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "xiaomi/mimo-v2.6-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v2.6-flash', '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-v2.6-flash', '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 xiaomi/mimo-v2.6-flash
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Repair a CSV field serializer\n\nBug report: serialize(['Ada, Inc','plain']) returns 'Ada, Inc,plain', creating three columns. Current function: fields.join(','). Required rules: quote fields containing commas, quotes or line breaks, and double embedded quotes. Propose a focused JavaScript serializer and regression cases for the reported row, an embedded quote and an empty field. Do not claim the code ran.A serializer implementation, explanation of escaping and three regression cases with expected CSV text.Check embedded quotes are doubled inside a quoted field and commas within one field do not create extra columns.