MiMo-V2-Omni is het model van Xiaomi om tekst, afbeeldingen, audio en video samen te begrijpen en dat begrip in een agenttaak te gebruiken. De architectuur brengt gespecialiseerde beeld-, video- en audio-encoders samen in een gedeelde kernarchitectuur. Het centrale onderscheid is gezamenlijke waarneming: een vraag kan afhangen van wat zichtbaar is, wat hoorbaar is en wat de begeleidende tekst zegt, in plaats van iedere bron afzonderlijk te moeten interpreteren. De uitvoer ondersteunt schriftelijke analyse en gestructureerde hulpmiddelverzoeken.
Xiaomi beschrijft hoe het model waarneming, anticipatie en actie leert verbinden. Het interpreteert de huidige scène, redeneert over wat er vervolgens zou kunnen gebeuren en kiest een nuttige volgende stap. Dit is vooral relevant voor opgenomen materiaal waarin de betekenis van een gebeurtenis van meer dan één modaliteit afhangt. Lever bijvoorbeeld een fragment aan en vraag om de opeenvolging van zichtbare acties, de relevante geluiden en hun onderlinge verband te benoemen. Geef aan of u een samenvatting van de gebeurtenis, een uitleg van de scène of een lijst van waarnemingen voor latere beoordeling nodig hebt. Houd waargenomen feiten gescheiden van voorspellingen: een interpretatie van wat zou kunnen gebeuren is geen bewijs dat de gebeurtenis zal plaatsvinden.
Audiobegrip is in de beschrijving van de fabrikant ruimer dan transcriptie. Xiaomi benadrukt classificatie van omgevingsgeluiden, onderscheid tussen meerdere sprekers en gezamenlijk redeneren over audio en beeld. Het demonstreert ook een gestructureerde samenvatting van een lange, ononderbroken podcast. Vermeld voor een audiotaak de onderwerpen of vragen die van belang zijn en de benodigde uitvoer, zoals een overzicht van argumenten, meningsverschillen of een samenvatting per thema. Vraag bij een video met spraak om een uitspraak aan de bijbehorende actie of het materiaal op het scherm te koppelen. Vraag om dubbelzinnigheid te markeren in plaats van die stilzwijgend op te lossen wanneer de exacte formulering of toeschrijving aan een spreker van belang is.
Op visueel vlak benadrukt de producent multidisciplinair redeneren over beelden en complexe grafiekanalyse. Lever een leesbare grafiek aan en leg de analytische vraag uit, inclusief de betekenis van assen, eenheden en categorieën wanneer die informatie niet duidelijk in de afbeelding staat. Een voorbeeldverzoek vraagt het hoofdpatroon te beschrijven, een schijnbare verandering te identificeren en rechtstreeks zichtbare grafiekwaarden van een voorgestelde uitleg te onderscheiden. Definieer bij een beeldvergelijking de verschillen die u belangrijk vindt en vraag om een tabel die aan zichtbaar bewijs gekoppeld is. Bereid het bronmateriaal zo voor dat labels en relevante details leesbaar zijn; een nuttige analyse hangt af van wat de invoer werkelijk bevat.
MiMo-V2-Omni ondersteunt ook gestructureerde hulpmiddelaanroepen en koppeling aan UI-elementen. De demonstraties van de fabrikant verbinden het model met een agentomgeving die browserbediening, bestandstoegang en terminalinteractie biedt. Het model interpreteert de huidige toestand, beslist wat het moet doen en geeft een actie uit; de omgeving voert die uit en geeft de bijgewerkte toestand terug. Lever voor zo’n taak een duidelijk doel, het relevante scherm of materiaal en beschrijvingen van toegestane acties aan. Vraag het model iedere volgende stap aan de waargenomen toestand te koppelen en het teruggegeven resultaat te gebruiken voordat het verdergaat. Een hulpmiddelverzoek en de uitkomst van de uitgevoerde actie zijn afzonderlijke gegevens.
Het multimediaproductievoorbeeld van Xiaomi volgt dezelfde taakverdeling: het model ontwerpt de inhoud en stuurt een programmatisch proces, terwijl hulpmiddelen de werkelijke mediabestanden maken en verwerken. U kunt het model gebruiken om een scèneplan, een schriftelijke uitleg van een opname of een reeks hulpmiddelacties voor te bereiden. Het specifieke resultaat moet aan het begin vastgelegd worden, inclusief de vereiste inhoud en de manier waarop voltooiing herkend wordt. Houd bestandscreatie, rendering en toepassingsbewerkingen gekoppeld aan de hulpmiddelen die ze uitvoeren in plaats van een tekstantwoord als een al gemaakt bestand te behandelen.
Lever voor praktisch videowerk opgenomen fragmenten en een gerichte vraag aan. Xiaomi onderscheidt deze fragmentverwerking in zijn onderzoeksroutekaart van realtimewaarneming; uit een opgenomen demonstratie mag dus geen continue livebediening afgeleid worden. De voorbeelden tonen ook langdurige taken via een agentomgeving in plaats van een onbeperkte planningshorizon of universele belofte over voltooiingstijd vast te stellen. Toets scène-interpretaties, grafiekwaarden, sprekerkoppelingen en voorgestelde acties aan de oorspronkelijke invoer. De bruikbare rol van MiMo-V2-Omni is de modaliteiten samen te brengen in één beredeneerde interpretatie van de taak, met een resultaat waarvan bewijs en actie-uitkomsten geïnspecteerd kunnen worden.
", "aboutText": "MiMo-V2-Omni is het model van Xiaomi om tekst, afbeeldingen, audio en video samen te begrijpen en dat begrip in een agenttaak te gebruiken. De architectuur brengt gespecialiseerde beeld-, video- en audio-encoders samen in een gedeelde kernarchitectuur. Het centrale onderscheid is gezamenlijke waarneming: een vraag kan afhangen van wat zichtbaar is, wat hoorbaar is en wat de begeleidende tekst zegt, in plaats van iedere bron afzonderlijk te moeten interpreteren. De uitvoer ondersteunt schriftelijke analyse en gestructureerde hulpmiddelverzoeken.\n\nXiaomi beschrijft hoe het model waarneming, anticipatie en actie leert verbinden. Het interpreteert de huidige scène, redeneert over wat er vervolgens zou kunnen gebeuren en kiest een nuttige volgende stap. Dit is vooral relevant voor opgenomen materiaal waarin de betekenis van een gebeurtenis van meer dan één modaliteit afhangt. Lever bijvoorbeeld een fragment aan en vraag om de opeenvolging van zichtbare acties, de relevante geluiden en hun onderlinge verband te benoemen. Geef aan of u een samenvatting van de gebeurtenis, een uitleg van de scène of een lijst van waarnemingen voor latere beoordeling nodig hebt. Houd waargenomen feiten gescheiden van voorspellingen: een interpretatie van wat zou kunnen gebeuren is geen bewijs dat de gebeurtenis zal plaatsvinden.\n\nAudiobegrip is in de beschrijving van de fabrikant ruimer dan transcriptie. Xiaomi benadrukt classificatie van omgevingsgeluiden, onderscheid tussen meerdere sprekers en gezamenlijk redeneren over audio en beeld. Het demonstreert ook een gestructureerde samenvatting van een lange, ononderbroken podcast. Vermeld voor een audiotaak de onderwerpen of vragen die van belang zijn en de benodigde uitvoer, zoals een overzicht van argumenten, meningsverschillen of een samenvatting per thema. Vraag bij een video met spraak om een uitspraak aan de bijbehorende actie of het materiaal op het scherm te koppelen. Vraag om dubbelzinnigheid te markeren in plaats van die stilzwijgend op te lossen wanneer de exacte formulering of toeschrijving aan een spreker van belang is.\n\nOp visueel vlak benadrukt de producent multidisciplinair redeneren over beelden en complexe grafiekanalyse. Lever een leesbare grafiek aan en leg de analytische vraag uit, inclusief de betekenis van assen, eenheden en categorieën wanneer die informatie niet duidelijk in de afbeelding staat. Een voorbeeldverzoek vraagt het hoofdpatroon te beschrijven, een schijnbare verandering te identificeren en rechtstreeks zichtbare grafiekwaarden van een voorgestelde uitleg te onderscheiden. Definieer bij een beeldvergelijking de verschillen die u belangrijk vindt en vraag om een tabel die aan zichtbaar bewijs gekoppeld is. Bereid het bronmateriaal zo voor dat labels en relevante details leesbaar zijn; een nuttige analyse hangt af van wat de invoer werkelijk bevat.\n\nMiMo-V2-Omni ondersteunt ook gestructureerde hulpmiddelaanroepen en koppeling aan UI-elementen. De demonstraties van de fabrikant verbinden het model met een agentomgeving die browserbediening, bestandstoegang en terminalinteractie biedt. Het model interpreteert de huidige toestand, beslist wat het moet doen en geeft een actie uit; de omgeving voert die uit en geeft de bijgewerkte toestand terug. Lever voor zo’n taak een duidelijk doel, het relevante scherm of materiaal en beschrijvingen van toegestane acties aan. Vraag het model iedere volgende stap aan de waargenomen toestand te koppelen en het teruggegeven resultaat te gebruiken voordat het verdergaat. Een hulpmiddelverzoek en de uitkomst van de uitgevoerde actie zijn afzonderlijke gegevens.\n\nHet multimediaproductievoorbeeld van Xiaomi volgt dezelfde taakverdeling: het model ontwerpt de inhoud en stuurt een programmatisch proces, terwijl hulpmiddelen de werkelijke mediabestanden maken en verwerken. U kunt het model gebruiken om een scèneplan, een schriftelijke uitleg van een opname of een reeks hulpmiddelacties voor te bereiden. Het specifieke resultaat moet aan het begin vastgelegd worden, inclusief de vereiste inhoud en de manier waarop voltooiing herkend wordt. Houd bestandscreatie, rendering en toepassingsbewerkingen gekoppeld aan de hulpmiddelen die ze uitvoeren in plaats van een tekstantwoord als een al gemaakt bestand te behandelen.\n\nLever voor praktisch videowerk opgenomen fragmenten en een gerichte vraag aan. Xiaomi onderscheidt deze fragmentverwerking in zijn onderzoeksroutekaart van realtimewaarneming; uit een opgenomen demonstratie mag dus geen continue livebediening afgeleid worden. De voorbeelden tonen ook langdurige taken via een agentomgeving in plaats van een onbeperkte planningshorizon of universele belofte over voltooiingstijd vast te stellen. Toets scène-interpretaties, grafiekwaarden, sprekerkoppelingen en voorgestelde acties aan de oorspronkelijke invoer. De bruikbare rol van MiMo-V2-Omni is de modaliteiten samen te brengen in één beredeneerde interpretatie van de taak, met een resultaat waarvan bewijs en actie-uitkomsten geïnspecteerd kunnen worden.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Summarize a supplied podcast transcript\n\nSummarize this podcast transcript by theme. Speaker A: Smaller batches reduced our queue, but we measured only one week. Speaker B: Returns rose that week; we have not linked them to batch size. Speaker A: We should compare another week before expanding. Return agreements, unresolved relationships and the proposed next step, preserving speaker attribution.A theme-based summary with speaker labels, the agreed next step and unresolved causal claims.Check that the summary does not attribute the rise in returns to batch size or report a multi-week measurement.mimo-v2-omniMiMo-V2-Omni is het model van Xiaomi voor gezamenlijk begrip van tekst, afbeeldingen, audio en video. Het verbindt waarneming met gestructureerde hulpmiddelverzoeken en koppeling aan interface-elementen en ondersteunt scèneanalyse, grafiekinterpretatie en agentprocessen die werkelijke hulpmiddelresultaten gebruiken.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
MiMo-V2-Omni is het model van Xiaomi om tekst, afbeeldingen, audio en video samen te begrijpen en dat begrip in een agenttaak te gebruiken. De architectuur brengt gespecialiseerde beeld-, video- en audio-encoders samen in een gedeelde kernarchitectuur. Het centrale onderscheid is gezamenlijke waarneming: een vraag kan afhangen van wat zichtbaar is, wat hoorbaar is en wat de begeleidende tekst zegt, in plaats van iedere bron afzonderlijk te moeten interpreteren. De uitvoer ondersteunt schriftelijke analyse en gestructureerde hulpmiddelverzoeken.
Xiaomi beschrijft hoe het model waarneming, anticipatie en actie leert verbinden. Het interpreteert de huidige scène, redeneert over wat er vervolgens zou kunnen gebeuren en kiest een nuttige volgende stap. Dit is vooral relevant voor opgenomen materiaal waarin de betekenis van een gebeurtenis van meer dan één modaliteit afhangt. Lever bijvoorbeeld een fragment aan en vraag om de opeenvolging van zichtbare acties, de relevante geluiden en hun onderlinge verband te benoemen. Geef aan of u een samenvatting van de gebeurtenis, een uitleg van de scène of een lijst van waarnemingen voor latere beoordeling nodig hebt. Houd waargenomen feiten gescheiden van voorspellingen: een interpretatie van wat zou kunnen gebeuren is geen bewijs dat de gebeurtenis zal plaatsvinden.
Audiobegrip is in de beschrijving van de fabrikant ruimer dan transcriptie. Xiaomi benadrukt classificatie van omgevingsgeluiden, onderscheid tussen meerdere sprekers en gezamenlijk redeneren over audio en beeld. Het demonstreert ook een gestructureerde samenvatting van een lange, ononderbroken podcast. Vermeld voor een audiotaak de onderwerpen of vragen die van belang zijn en de benodigde uitvoer, zoals een overzicht van argumenten, meningsverschillen of een samenvatting per thema. Vraag bij een video met spraak om een uitspraak aan de bijbehorende actie of het materiaal op het scherm te koppelen. Vraag om dubbelzinnigheid te markeren in plaats van die stilzwijgend op te lossen wanneer de exacte formulering of toeschrijving aan een spreker van belang is.
Op visueel vlak benadrukt de producent multidisciplinair redeneren over beelden en complexe grafiekanalyse. Lever een leesbare grafiek aan en leg de analytische vraag uit, inclusief de betekenis van assen, eenheden en categorieën wanneer die informatie niet duidelijk in de afbeelding staat. Een voorbeeldverzoek vraagt het hoofdpatroon te beschrijven, een schijnbare verandering te identificeren en rechtstreeks zichtbare grafiekwaarden van een voorgestelde uitleg te onderscheiden. Definieer bij een beeldvergelijking de verschillen die u belangrijk vindt en vraag om een tabel die aan zichtbaar bewijs gekoppeld is. Bereid het bronmateriaal zo voor dat labels en relevante details leesbaar zijn; een nuttige analyse hangt af van wat de invoer werkelijk bevat.
MiMo-V2-Omni ondersteunt ook gestructureerde hulpmiddelaanroepen en koppeling aan UI-elementen. De demonstraties van de fabrikant verbinden het model met een agentomgeving die browserbediening, bestandstoegang en terminalinteractie biedt. Het model interpreteert de huidige toestand, beslist wat het moet doen en geeft een actie uit; de omgeving voert die uit en geeft de bijgewerkte toestand terug. Lever voor zo’n taak een duidelijk doel, het relevante scherm of materiaal en beschrijvingen van toegestane acties aan. Vraag het model iedere volgende stap aan de waargenomen toestand te koppelen en het teruggegeven resultaat te gebruiken voordat het verdergaat. Een hulpmiddelverzoek en de uitkomst van de uitgevoerde actie zijn afzonderlijke gegevens.
Het multimediaproductievoorbeeld van Xiaomi volgt dezelfde taakverdeling: het model ontwerpt de inhoud en stuurt een programmatisch proces, terwijl hulpmiddelen de werkelijke mediabestanden maken en verwerken. U kunt het model gebruiken om een scèneplan, een schriftelijke uitleg van een opname of een reeks hulpmiddelacties voor te bereiden. Het specifieke resultaat moet aan het begin vastgelegd worden, inclusief de vereiste inhoud en de manier waarop voltooiing herkend wordt. Houd bestandscreatie, rendering en toepassingsbewerkingen gekoppeld aan de hulpmiddelen die ze uitvoeren in plaats van een tekstantwoord als een al gemaakt bestand te behandelen.
Lever voor praktisch videowerk opgenomen fragmenten en een gerichte vraag aan. Xiaomi onderscheidt deze fragmentverwerking in zijn onderzoeksroutekaart van realtimewaarneming; uit een opgenomen demonstratie mag dus geen continue livebediening afgeleid worden. De voorbeelden tonen ook langdurige taken via een agentomgeving in plaats van een onbeperkte planningshorizon of universele belofte over voltooiingstijd vast te stellen. Toets scène-interpretaties, grafiekwaarden, sprekerkoppelingen en voorgestelde acties aan de oorspronkelijke invoer. De bruikbare rol van MiMo-V2-Omni is de modaliteiten samen te brengen in één beredeneerde interpretatie van de taak, met een resultaat waarvan bewijs en actie-uitkomsten geïnspecteerd kunnen worden.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mimo-v2-omni | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.00088 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "mimo-v2-omni", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='mimo-v2-omni',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='mimo-v2-omni',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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra mimo-v2-omni
Gebruik de hierboven getoonde methodepaden.
mimo-v2-omniMiMo-V2-Omni is het model van Xiaomi voor gezamenlijk begrip van tekst, afbeeldingen, audio en video. Het verbindt waarneming met gestructureerde hulpmiddelverzoeken en koppeling aan interface-elementen en ondersteunt scèneanalyse, grafiekinterpretatie en agentprocessen die werkelijke hulpmiddelresultaten gebruiken.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
MiMo-V2-Omni is het model van Xiaomi om tekst, afbeeldingen, audio en video samen te begrijpen en dat begrip in een agenttaak te gebruiken. De architectuur brengt gespecialiseerde beeld-, video- en audio-encoders samen in een gedeelde kernarchitectuur. Het centrale onderscheid is gezamenlijke waarneming: een vraag kan afhangen van wat zichtbaar is, wat hoorbaar is en wat de begeleidende tekst zegt, in plaats van iedere bron afzonderlijk te moeten interpreteren. De uitvoer ondersteunt schriftelijke analyse en gestructureerde hulpmiddelverzoeken.
Xiaomi beschrijft hoe het model waarneming, anticipatie en actie leert verbinden. Het interpreteert de huidige scène, redeneert over wat er vervolgens zou kunnen gebeuren en kiest een nuttige volgende stap. Dit is vooral relevant voor opgenomen materiaal waarin de betekenis van een gebeurtenis van meer dan één modaliteit afhangt. Lever bijvoorbeeld een fragment aan en vraag om de opeenvolging van zichtbare acties, de relevante geluiden en hun onderlinge verband te benoemen. Geef aan of u een samenvatting van de gebeurtenis, een uitleg van de scène of een lijst van waarnemingen voor latere beoordeling nodig hebt. Houd waargenomen feiten gescheiden van voorspellingen: een interpretatie van wat zou kunnen gebeuren is geen bewijs dat de gebeurtenis zal plaatsvinden.
Audiobegrip is in de beschrijving van de fabrikant ruimer dan transcriptie. Xiaomi benadrukt classificatie van omgevingsgeluiden, onderscheid tussen meerdere sprekers en gezamenlijk redeneren over audio en beeld. Het demonstreert ook een gestructureerde samenvatting van een lange, ononderbroken podcast. Vermeld voor een audiotaak de onderwerpen of vragen die van belang zijn en de benodigde uitvoer, zoals een overzicht van argumenten, meningsverschillen of een samenvatting per thema. Vraag bij een video met spraak om een uitspraak aan de bijbehorende actie of het materiaal op het scherm te koppelen. Vraag om dubbelzinnigheid te markeren in plaats van die stilzwijgend op te lossen wanneer de exacte formulering of toeschrijving aan een spreker van belang is.
Op visueel vlak benadrukt de producent multidisciplinair redeneren over beelden en complexe grafiekanalyse. Lever een leesbare grafiek aan en leg de analytische vraag uit, inclusief de betekenis van assen, eenheden en categorieën wanneer die informatie niet duidelijk in de afbeelding staat. Een voorbeeldverzoek vraagt het hoofdpatroon te beschrijven, een schijnbare verandering te identificeren en rechtstreeks zichtbare grafiekwaarden van een voorgestelde uitleg te onderscheiden. Definieer bij een beeldvergelijking de verschillen die u belangrijk vindt en vraag om een tabel die aan zichtbaar bewijs gekoppeld is. Bereid het bronmateriaal zo voor dat labels en relevante details leesbaar zijn; een nuttige analyse hangt af van wat de invoer werkelijk bevat.
MiMo-V2-Omni ondersteunt ook gestructureerde hulpmiddelaanroepen en koppeling aan UI-elementen. De demonstraties van de fabrikant verbinden het model met een agentomgeving die browserbediening, bestandstoegang en terminalinteractie biedt. Het model interpreteert de huidige toestand, beslist wat het moet doen en geeft een actie uit; de omgeving voert die uit en geeft de bijgewerkte toestand terug. Lever voor zo’n taak een duidelijk doel, het relevante scherm of materiaal en beschrijvingen van toegestane acties aan. Vraag het model iedere volgende stap aan de waargenomen toestand te koppelen en het teruggegeven resultaat te gebruiken voordat het verdergaat. Een hulpmiddelverzoek en de uitkomst van de uitgevoerde actie zijn afzonderlijke gegevens.
Het multimediaproductievoorbeeld van Xiaomi volgt dezelfde taakverdeling: het model ontwerpt de inhoud en stuurt een programmatisch proces, terwijl hulpmiddelen de werkelijke mediabestanden maken en verwerken. U kunt het model gebruiken om een scèneplan, een schriftelijke uitleg van een opname of een reeks hulpmiddelacties voor te bereiden. Het specifieke resultaat moet aan het begin vastgelegd worden, inclusief de vereiste inhoud en de manier waarop voltooiing herkend wordt. Houd bestandscreatie, rendering en toepassingsbewerkingen gekoppeld aan de hulpmiddelen die ze uitvoeren in plaats van een tekstantwoord als een al gemaakt bestand te behandelen.
Lever voor praktisch videowerk opgenomen fragmenten en een gerichte vraag aan. Xiaomi onderscheidt deze fragmentverwerking in zijn onderzoeksroutekaart van realtimewaarneming; uit een opgenomen demonstratie mag dus geen continue livebediening afgeleid worden. De voorbeelden tonen ook langdurige taken via een agentomgeving in plaats van een onbeperkte planningshorizon of universele belofte over voltooiingstijd vast te stellen. Toets scène-interpretaties, grafiekwaarden, sprekerkoppelingen en voorgestelde acties aan de oorspronkelijke invoer. De bruikbare rol van MiMo-V2-Omni is de modaliteiten samen te brengen in één beredeneerde interpretatie van de taak, met een resultaat waarvan bewijs en actie-uitkomsten geïnspecteerd kunnen worden.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mimo-v2-omni | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.00088 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "mimo-v2-omni",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mimo-v2-omni', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'mimo-v2-omni', '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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra mimo-v2-omni
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Summarize a supplied podcast transcript\n\nSummarize this podcast transcript by theme. Speaker A: Smaller batches reduced our queue, but we measured only one week. Speaker B: Returns rose that week; we have not linked them to batch size. Speaker A: We should compare another week before expanding. Return agreements, unresolved relationships and the proposed next step, preserving speaker attribution.A theme-based summary with speaker labels, the agreed next step and unresolved causal claims.Check that the summary does not attribute the rise in returns to batch size or report a multi-week measurement.