MiniMax M1 80K is de editie met langer redeneren van het tekstuele redeneermodel M1 van MiniMax. De familie gebruikt een hybride mixture-of-experts-architectuur met lightning attention, afgeleid van MiniMax Text-01. De maker beschrijft training op wiskundig redeneren en software-engineeringtaken en brengt afzonderlijke edities uit met redeneerbudgetten van 40K en 80K.
De maker beschrijft native ondersteuning voor een context van één miljoen tokens. De editienaam 80K verwijst naar het redeneerbudget, een andere grootheid dan de invoercontext of het uiteindelijke antwoord dat de gebruiker ziet. De interface voor een gehoste taak kan eigen, kleinere werklimieten aanbieden; plan het verzoek daarom rond dat gekozen profiel.
Label bij een langere bronnenverzameling de documenten en vermeld de vraag die ze moeten beantwoorden. Vraag om een conclusie die aan de relevante passages is gekoppeld. Benoem bij code het te veranderen gedrag, het betrokken gebied en de controles die het resultaat aantonen.
De maker geeft afzonderlijke richtlijnen voor gewone assistentie, webontwikkeling en wiskunde. De algemene voorbeelden omvatten samenvatten, vertalen, vragen en creatief schrijven. Een bruikbare prompt bepaalt de doelgroep, het bronmateriaal en het eindresultaat, zodat het antwoord gericht blijft op de taak.
Voor webontwikkeling beveelt de maker één volledig uitvoerbaar HTML-resultaat in één codeblok aan, met HTML en JavaScript samen, en vraagt hij om de code na generatie te controleren. Beschrijf de bedieningselementen, gegevens en toestanden die de pagina moet ondersteunen. Het model maakt de code; de toepassing slaat die op en voert die uit om het gerenderde gedrag te inspecteren.
Voor wiskunde vragen de richtlijnen om een stapsgewijze oplossing en een afzonderlijk eindantwoord. Geef de volledige voorwaarden en bepaal het resultaat dat moet worden vastgesteld. Bewaar de voorgestelde oplossing bij het oorspronkelijke probleem, zodat het betoog los van de formulering kan worden onderzocht.
De maker vermeldt functieaanroepen: het model kan een te gebruiken functie aanwijzen en parameters in gestructureerde vorm leveren. Een omringende toepassing geeft de beschikbare functies op, voert de aanroep uit en geeft de waarneming terug. Tooltoegang en de externe actie hangen dus af van de geconfigureerde toepassing én van de keuze van het model.
Geef elke tool een duidelijk doel en onderscheid de teruggegeven waarneming van de instructie van de gebruiker. Een later antwoord kan het waargenomen resultaat dan als onderbouwing gebruiken. De toolondersteuning van het M1-tekstmodel maakt de afzonderlijke mediadiensten die elders in het ecosysteem van de maker worden beschreven niet tot onderdeel van de eigen uitvoerfamilie.
De maker beveelt temperature 1.0 en top_p 0.95 aan als inferentie-instellingen. De familiebeschrijving noemt 456 miljard parameters in totaal en 45,9 miljard actieve parameters per token. Houd bij het vastleggen van een vergelijking de editie 80K gescheiden van de editie 40K en gebruik voor een bepaald verzoek de ondersteunde instellingen en werklimieten van de werkelijke interface.
", "aboutText": "MiniMax M1 80K is de editie met langer redeneren van het tekstuele redeneermodel M1 van MiniMax. De familie gebruikt een hybride mixture-of-experts-architectuur met lightning attention, afgeleid van MiniMax Text-01. De maker beschrijft training op wiskundig redeneren en software-engineeringtaken en brengt afzonderlijke edities uit met redeneerbudgetten van 40K en 80K.\n\n### Bereid lang materiaal voor rond een duidelijk resultaat\n\nDe maker beschrijft native ondersteuning voor een context van één miljoen tokens. De editienaam 80K verwijst naar het redeneerbudget, een andere grootheid dan de invoercontext of het uiteindelijke antwoord dat de gebruiker ziet. De interface voor een gehoste taak kan eigen, kleinere werklimieten aanbieden; plan het verzoek daarom rond dat gekozen profiel.\n\nLabel bij een langere bronnenverzameling de documenten en vermeld de vraag die ze moeten beantwoorden. Vraag om een conclusie die aan de relevante passages is gekoppeld. Benoem bij code het te veranderen gedrag, het betrokken gebied en de controles die het resultaat aantonen.\n\n### Gebruik de taakspecifieke promptrichtlijnen\n\nDe maker geeft afzonderlijke richtlijnen voor gewone assistentie, webontwikkeling en wiskunde. De algemene voorbeelden omvatten samenvatten, vertalen, vragen en creatief schrijven. Een bruikbare prompt bepaalt de doelgroep, het bronmateriaal en het eindresultaat, zodat het antwoord gericht blijft op de taak.\n\nVoor webontwikkeling beveelt de maker één volledig uitvoerbaar HTML-resultaat in één codeblok aan, met HTML en JavaScript samen, en vraagt hij om de code na generatie te controleren. Beschrijf de bedieningselementen, gegevens en toestanden die de pagina moet ondersteunen. Het model maakt de code; de toepassing slaat die op en voert die uit om het gerenderde gedrag te inspecteren.\n\nVoor wiskunde vragen de richtlijnen om een stapsgewijze oplossing en een afzonderlijk eindantwoord. Geef de volledige voorwaarden en bepaal het resultaat dat moet worden vastgesteld. Bewaar de voorgestelde oplossing bij het oorspronkelijke probleem, zodat het betoog los van de formulering kan worden onderzocht.\n\n### Functieaanroepen en werkelijke uitvoering\n\nDe maker vermeldt functieaanroepen: het model kan een te gebruiken functie aanwijzen en parameters in gestructureerde vorm leveren. Een omringende toepassing geeft de beschikbare functies op, voert de aanroep uit en geeft de waarneming terug. Tooltoegang en de externe actie hangen dus af van de geconfigureerde toepassing én van de keuze van het model.\n\nGeef elke tool een duidelijk doel en onderscheid de teruggegeven waarneming van de instructie van de gebruiker. Een later antwoord kan het waargenomen resultaat dan als onderbouwing gebruiken. De toolondersteuning van het M1-tekstmodel maakt de afzonderlijke mediadiensten die elders in het ecosysteem van de maker worden beschreven niet tot onderdeel van de eigen uitvoerfamilie.\n\n### Bewaar de editie en instellingen\n\nDe maker beveelt temperature 1.0 en top_p 0.95 aan als inferentie-instellingen. De familiebeschrijving noemt 456 miljard parameters in totaal en 45,9 miljard actieve parameters per token. Houd bij het vastleggen van een vergelijking de editie 80K gescheiden van de editie 40K en gebruik voor een bepaald verzoek de ondersteunde instellingen en werklimieten van de werkelijke interface.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 is een tekstueel redeneermodel met open gewichten voor lange invoer, softwaretaken en wiskunde. De maker onderscheidt de editie met een redeneerbudget van 80K van de editie met 40K en publiceert taakspecifieke promptrichtlijnen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
MiniMax M1 80K is de editie met langer redeneren van het tekstuele redeneermodel M1 van MiniMax. De familie gebruikt een hybride mixture-of-experts-architectuur met lightning attention, afgeleid van MiniMax Text-01. De maker beschrijft training op wiskundig redeneren en software-engineeringtaken en brengt afzonderlijke edities uit met redeneerbudgetten van 40K en 80K.
De maker beschrijft native ondersteuning voor een context van één miljoen tokens. De editienaam 80K verwijst naar het redeneerbudget, een andere grootheid dan de invoercontext of het uiteindelijke antwoord dat de gebruiker ziet. De interface voor een gehoste taak kan eigen, kleinere werklimieten aanbieden; plan het verzoek daarom rond dat gekozen profiel.
Label bij een langere bronnenverzameling de documenten en vermeld de vraag die ze moeten beantwoorden. Vraag om een conclusie die aan de relevante passages is gekoppeld. Benoem bij code het te veranderen gedrag, het betrokken gebied en de controles die het resultaat aantonen.
De maker geeft afzonderlijke richtlijnen voor gewone assistentie, webontwikkeling en wiskunde. De algemene voorbeelden omvatten samenvatten, vertalen, vragen en creatief schrijven. Een bruikbare prompt bepaalt de doelgroep, het bronmateriaal en het eindresultaat, zodat het antwoord gericht blijft op de taak.
Voor webontwikkeling beveelt de maker één volledig uitvoerbaar HTML-resultaat in één codeblok aan, met HTML en JavaScript samen, en vraagt hij om de code na generatie te controleren. Beschrijf de bedieningselementen, gegevens en toestanden die de pagina moet ondersteunen. Het model maakt de code; de toepassing slaat die op en voert die uit om het gerenderde gedrag te inspecteren.
Voor wiskunde vragen de richtlijnen om een stapsgewijze oplossing en een afzonderlijk eindantwoord. Geef de volledige voorwaarden en bepaal het resultaat dat moet worden vastgesteld. Bewaar de voorgestelde oplossing bij het oorspronkelijke probleem, zodat het betoog los van de formulering kan worden onderzocht.
De maker vermeldt functieaanroepen: het model kan een te gebruiken functie aanwijzen en parameters in gestructureerde vorm leveren. Een omringende toepassing geeft de beschikbare functies op, voert de aanroep uit en geeft de waarneming terug. Tooltoegang en de externe actie hangen dus af van de geconfigureerde toepassing én van de keuze van het model.
Geef elke tool een duidelijk doel en onderscheid de teruggegeven waarneming van de instructie van de gebruiker. Een later antwoord kan het waargenomen resultaat dan als onderbouwing gebruiken. De toolondersteuning van het M1-tekstmodel maakt de afzonderlijke mediadiensten die elders in het ecosysteem van de maker worden beschreven niet tot onderdeel van de eigen uitvoerfamilie.
De maker beveelt temperature 1.0 en top_p 0.95 aan als inferentie-instellingen. De familiebeschrijving noemt 456 miljard parameters in totaal en 45,9 miljard actieve parameters per token. Houd bij het vastleggen van een vergelijking de editie 80K gescheiden van de editie 40K en gebruik voor een bepaald verzoek de ondersteunde instellingen en werklimieten van de werkelijke interface.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten MiniMaxAI/MiniMax-M1-80k | 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 $0.00114 / 1K tokens Uitvoer · Uitvoertokens $0.00456 / 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": "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 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 MiniMaxAI/MiniMax-M1-80k
Gebruik de hierboven getoonde methodepaden.
MiniMaxAI/MiniMax-M1-80kMiniMax M1 80K is een tekstueel redeneermodel met open gewichten voor lange invoer, softwaretaken en wiskunde. De maker onderscheidt de editie met een redeneerbudget van 80K van de editie met 40K en publiceert taakspecifieke promptrichtlijnen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
MiniMax M1 80K is de editie met langer redeneren van het tekstuele redeneermodel M1 van MiniMax. De familie gebruikt een hybride mixture-of-experts-architectuur met lightning attention, afgeleid van MiniMax Text-01. De maker beschrijft training op wiskundig redeneren en software-engineeringtaken en brengt afzonderlijke edities uit met redeneerbudgetten van 40K en 80K.
De maker beschrijft native ondersteuning voor een context van één miljoen tokens. De editienaam 80K verwijst naar het redeneerbudget, een andere grootheid dan de invoercontext of het uiteindelijke antwoord dat de gebruiker ziet. De interface voor een gehoste taak kan eigen, kleinere werklimieten aanbieden; plan het verzoek daarom rond dat gekozen profiel.
Label bij een langere bronnenverzameling de documenten en vermeld de vraag die ze moeten beantwoorden. Vraag om een conclusie die aan de relevante passages is gekoppeld. Benoem bij code het te veranderen gedrag, het betrokken gebied en de controles die het resultaat aantonen.
De maker geeft afzonderlijke richtlijnen voor gewone assistentie, webontwikkeling en wiskunde. De algemene voorbeelden omvatten samenvatten, vertalen, vragen en creatief schrijven. Een bruikbare prompt bepaalt de doelgroep, het bronmateriaal en het eindresultaat, zodat het antwoord gericht blijft op de taak.
Voor webontwikkeling beveelt de maker één volledig uitvoerbaar HTML-resultaat in één codeblok aan, met HTML en JavaScript samen, en vraagt hij om de code na generatie te controleren. Beschrijf de bedieningselementen, gegevens en toestanden die de pagina moet ondersteunen. Het model maakt de code; de toepassing slaat die op en voert die uit om het gerenderde gedrag te inspecteren.
Voor wiskunde vragen de richtlijnen om een stapsgewijze oplossing en een afzonderlijk eindantwoord. Geef de volledige voorwaarden en bepaal het resultaat dat moet worden vastgesteld. Bewaar de voorgestelde oplossing bij het oorspronkelijke probleem, zodat het betoog los van de formulering kan worden onderzocht.
De maker vermeldt functieaanroepen: het model kan een te gebruiken functie aanwijzen en parameters in gestructureerde vorm leveren. Een omringende toepassing geeft de beschikbare functies op, voert de aanroep uit en geeft de waarneming terug. Tooltoegang en de externe actie hangen dus af van de geconfigureerde toepassing én van de keuze van het model.
Geef elke tool een duidelijk doel en onderscheid de teruggegeven waarneming van de instructie van de gebruiker. Een later antwoord kan het waargenomen resultaat dan als onderbouwing gebruiken. De toolondersteuning van het M1-tekstmodel maakt de afzonderlijke mediadiensten die elders in het ecosysteem van de maker worden beschreven niet tot onderdeel van de eigen uitvoerfamilie.
De maker beveelt temperature 1.0 en top_p 0.95 aan als inferentie-instellingen. De familiebeschrijving noemt 456 miljard parameters in totaal en 45,9 miljard actieve parameters per token. Houd bij het vastleggen van een vergelijking de editie 80K gescheiden van de editie 40K en gebruik voor een bepaald verzoek de ondersteunde instellingen en werklimieten van de werkelijke interface.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten MiniMaxAI/MiniMax-M1-80k | 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 $0.00114 / 1K tokens Uitvoer · Uitvoertokens $0.00456 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "MiniMaxAI/MiniMax-M1-80k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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 MiniMaxAI/MiniMax-M1-80k
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.