Basis voor agentwerk
MiMo-V2-Pro is het vooraanstaande basismodel van Xiaomi voor complexe agenttaken en softwareontwikkeling. Het model redeneert over een taak, ordent de benodigde stappen en gebruikt door tools geretourneerde informatie om verder te werken naar een gedefinieerd resultaat. De nadruk gaat verder dan het opstellen van één antwoord: het is ontworpen voor samenhangend werk waarin eerdere beslissingen en waarnemingen beïnvloeden wat daarna gebeurt.
Schaal en efficiënte architectuur
De fabrikant beschrijft meer dan 1 biljoen parameters in totaal, waarvan 42 miljard actief zijn. Pro breidt de hybride aandachtstechniek van MiMo-V2-Flash uit, met een verhouding van 7:1 tussen aandacht met een schuivend venster en globale aandacht. Een lichte laag voor het voorspellen van meerdere tokens ondersteunt de generatie, en de geadverteerde context reikt tot 1 miljoen tokens. Dit zijn architectuur- en contexteigenschappen van Pro; ze bepalen niet de uitvoeringssnelheid, geheugentoewijzing of verzoeklimieten van een specifieke integratie.
Voorgeschiedenis van de release
Xiaomi identificeert Hunter Alpha als een vroege interne testversie die aan MiMo-V2-Pro voorafging. Het uitgebrachte Pro-model heeft een eigen naam en verfijningen voor werk met lange context en stabiliteit in agentscenario’s. Dit onderscheid is belangrijk bij het vergelijken van beschrijvingen of het bewaren van een modelidentiteit: een eerdere testversie, MiMo-V2-Flash en MiMo-V2-Omni hebben elk een eigen rol en specificatie.
Ontworpen voor agents
Het model is verder afgestemd met begeleid leren en reinforcement learning binnen uiteenlopende agentframeworks, met aandacht voor toolaanroepen en redeneren in meerdere stappen. Bereid een taak voor met een waarneembare voltooiingsvoorwaarde en beschrijvingen van de beschikbare tools. Een projectassistent kan bijvoorbeeld een wijzigingsverzoek ontvangen, de aangeleverde modules onderzoeken, de betrokken componenten voorstellen en verdergaan nadat een tool een buildfout retourneert. De bruikbare uitvoer is een reeks beslissingen die aan daadwerkelijke waarnemingen zijn gekoppeld, gevolgd door de gevraagde code, uitleg of werksamenvatting. De gekoppelde omgeving voert de acties uit.
Softwareontwikkeling en frontendtaken
Xiaomi benadrukt systeemontwerp, taakplanning en het oplossen van programmeerproblemen. De demonstraties omvatten interactieve webpagina’s en een browserspel die binnen een agentomgeving zijn gemaakt. Een voorbeeldbriefing voor ontwikkeling kan paginagedrag, navigatie, datatoestanden en een responsieve opmaak specificeren, en vervolgens vragen om een implementatie met controles tegen die vereisten. Lever voor een bestaand project de huidige bestanden, het falende geval en de interfaces die ongewijzigd moeten blijven. Vraag om een gerichte wijziging en een uitleg van de afhankelijkheden die worden geraakt, in plaats van een ongerelateerde vervangende toepassing.
Lange context en een controleerbaar resultaat
De context van maximaal 1 miljoen tokens is nuttig wanneer meerdere bestanden, documenten, instructies en eerdere waarnemingen bij dezelfde taak horen. Orden dat materiaal naar functie: gezaghebbende vereisten, huidige code, referentievoorbeelden en toolresultaten. Specificeer het uiteindelijke artefact en de acceptatievoorwaarden voordat u de agent laat beginnen. Een documentatietaak kan een vergelijking met onopgeloste vragen vereisen; een ontwikkeltaak een patch en een registratie van de uitgevoerde controles.
Praktische beperkingen en editieafbakening
Een lange context biedt ruimte voor materiaal, maar garandeert niet dat een gegenereerd project correct is of dat aan elke vereiste is voldaan. Geef daadwerkelijke fouten en waarnemingen terug voor de volgende stap en valideer het resultaat in de beoogde omgeving. De fabrikant beschouwt robuustheid bij complexe praktijktaken expliciet als iets om te beoordelen en te verbeteren. Deze beschrijving betreft de specialisatie van MiMo-V2-Pro als tekst- en toolagent; modaliteitsfuncties van Omni en specificaties van latere MiMo-generaties horen bij hun respectieve modellen. De tools, beschikbare parameters en uitvoerverwerking blijven eigenschappen van de gekoppelde toepassing.
", "aboutText": "Basis voor agentwerk\n\nMiMo-V2-Pro is het vooraanstaande basismodel van Xiaomi voor complexe agenttaken en softwareontwikkeling. Het model redeneert over een taak, ordent de benodigde stappen en gebruikt door tools geretourneerde informatie om verder te werken naar een gedefinieerd resultaat. De nadruk gaat verder dan het opstellen van één antwoord: het is ontworpen voor samenhangend werk waarin eerdere beslissingen en waarnemingen beïnvloeden wat daarna gebeurt.\n\nSchaal en efficiënte architectuur\n\nDe fabrikant beschrijft meer dan 1 biljoen parameters in totaal, waarvan 42 miljard actief zijn. Pro breidt de hybride aandachtstechniek van MiMo-V2-Flash uit, met een verhouding van 7:1 tussen aandacht met een schuivend venster en globale aandacht. Een lichte laag voor het voorspellen van meerdere tokens ondersteunt de generatie, en de geadverteerde context reikt tot 1 miljoen tokens. Dit zijn architectuur- en contexteigenschappen van Pro; ze bepalen niet de uitvoeringssnelheid, geheugentoewijzing of verzoeklimieten van een specifieke integratie.\n\nVoorgeschiedenis van de release\n\nXiaomi identificeert Hunter Alpha als een vroege interne testversie die aan MiMo-V2-Pro voorafging. Het uitgebrachte Pro-model heeft een eigen naam en verfijningen voor werk met lange context en stabiliteit in agentscenario’s. Dit onderscheid is belangrijk bij het vergelijken van beschrijvingen of het bewaren van een modelidentiteit: een eerdere testversie, MiMo-V2-Flash en MiMo-V2-Omni hebben elk een eigen rol en specificatie.\n\nOntworpen voor agents\n\nHet model is verder afgestemd met begeleid leren en reinforcement learning binnen uiteenlopende agentframeworks, met aandacht voor toolaanroepen en redeneren in meerdere stappen. Bereid een taak voor met een waarneembare voltooiingsvoorwaarde en beschrijvingen van de beschikbare tools. Een projectassistent kan bijvoorbeeld een wijzigingsverzoek ontvangen, de aangeleverde modules onderzoeken, de betrokken componenten voorstellen en verdergaan nadat een tool een buildfout retourneert. De bruikbare uitvoer is een reeks beslissingen die aan daadwerkelijke waarnemingen zijn gekoppeld, gevolgd door de gevraagde code, uitleg of werksamenvatting. De gekoppelde omgeving voert de acties uit.\n\nSoftwareontwikkeling en frontendtaken\n\nXiaomi benadrukt systeemontwerp, taakplanning en het oplossen van programmeerproblemen. De demonstraties omvatten interactieve webpagina’s en een browserspel die binnen een agentomgeving zijn gemaakt. Een voorbeeldbriefing voor ontwikkeling kan paginagedrag, navigatie, datatoestanden en een responsieve opmaak specificeren, en vervolgens vragen om een implementatie met controles tegen die vereisten. Lever voor een bestaand project de huidige bestanden, het falende geval en de interfaces die ongewijzigd moeten blijven. Vraag om een gerichte wijziging en een uitleg van de afhankelijkheden die worden geraakt, in plaats van een ongerelateerde vervangende toepassing.\n\nLange context en een controleerbaar resultaat\n\nDe context van maximaal 1 miljoen tokens is nuttig wanneer meerdere bestanden, documenten, instructies en eerdere waarnemingen bij dezelfde taak horen. Orden dat materiaal naar functie: gezaghebbende vereisten, huidige code, referentievoorbeelden en toolresultaten. Specificeer het uiteindelijke artefact en de acceptatievoorwaarden voordat u de agent laat beginnen. Een documentatietaak kan een vergelijking met onopgeloste vragen vereisen; een ontwikkeltaak een patch en een registratie van de uitgevoerde controles.\n\nPraktische beperkingen en editieafbakening\n\nEen lange context biedt ruimte voor materiaal, maar garandeert niet dat een gegenereerd project correct is of dat aan elke vereiste is voldaan. Geef daadwerkelijke fouten en waarnemingen terug voor de volgende stap en valideer het resultaat in de beoogde omgeving. De fabrikant beschouwt robuustheid bij complexe praktijktaken expliciet als iets om te beoordelen en te verbeteren. Deze beschrijving betreft de specialisatie van MiMo-V2-Pro als tekst- en toolagent; modaliteitsfuncties van Omni en specificaties van latere MiMo-generaties horen bij hun respectieve modellen. De tools, beschikbare parameters en uitvoerverwerking blijven eigenschappen van de gekoppelde toepassing.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Correct an error-state transition\n\nA text specification says a search box has idle, loading, results and error states. Existing logic sets loading=true before fetch and false only on success, so failures leave the spinner visible. Propose pseudocode that preserves results on success, shows an error on failure and always clears loading. Include the two distinguishing checks.Focused async pseudocode and success/failure checks covering final loading state and visible result or error.Check that loading is cleared in both branches without suppressing the error.mimo-v2-proMiMo-V2-Pro is het op agents gerichte tekstmodel van Xiaomi voor softwareontwikkeling, planning in meerdere stappen en werk met tools. De context van maximaal 1 miljoen tokens helpt omvangrijk projectmateriaal, taakvoorwaarden en opeenvolgende waarnemingen binnen een samenhangende workflow te bewaren.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Basis voor agentwerk
MiMo-V2-Pro is het vooraanstaande basismodel van Xiaomi voor complexe agenttaken en softwareontwikkeling. Het model redeneert over een taak, ordent de benodigde stappen en gebruikt door tools geretourneerde informatie om verder te werken naar een gedefinieerd resultaat. De nadruk gaat verder dan het opstellen van één antwoord: het is ontworpen voor samenhangend werk waarin eerdere beslissingen en waarnemingen beïnvloeden wat daarna gebeurt.
Schaal en efficiënte architectuur
De fabrikant beschrijft meer dan 1 biljoen parameters in totaal, waarvan 42 miljard actief zijn. Pro breidt de hybride aandachtstechniek van MiMo-V2-Flash uit, met een verhouding van 7:1 tussen aandacht met een schuivend venster en globale aandacht. Een lichte laag voor het voorspellen van meerdere tokens ondersteunt de generatie, en de geadverteerde context reikt tot 1 miljoen tokens. Dit zijn architectuur- en contexteigenschappen van Pro; ze bepalen niet de uitvoeringssnelheid, geheugentoewijzing of verzoeklimieten van een specifieke integratie.
Voorgeschiedenis van de release
Xiaomi identificeert Hunter Alpha als een vroege interne testversie die aan MiMo-V2-Pro voorafging. Het uitgebrachte Pro-model heeft een eigen naam en verfijningen voor werk met lange context en stabiliteit in agentscenario’s. Dit onderscheid is belangrijk bij het vergelijken van beschrijvingen of het bewaren van een modelidentiteit: een eerdere testversie, MiMo-V2-Flash en MiMo-V2-Omni hebben elk een eigen rol en specificatie.
Ontworpen voor agents
Het model is verder afgestemd met begeleid leren en reinforcement learning binnen uiteenlopende agentframeworks, met aandacht voor toolaanroepen en redeneren in meerdere stappen. Bereid een taak voor met een waarneembare voltooiingsvoorwaarde en beschrijvingen van de beschikbare tools. Een projectassistent kan bijvoorbeeld een wijzigingsverzoek ontvangen, de aangeleverde modules onderzoeken, de betrokken componenten voorstellen en verdergaan nadat een tool een buildfout retourneert. De bruikbare uitvoer is een reeks beslissingen die aan daadwerkelijke waarnemingen zijn gekoppeld, gevolgd door de gevraagde code, uitleg of werksamenvatting. De gekoppelde omgeving voert de acties uit.
Softwareontwikkeling en frontendtaken
Xiaomi benadrukt systeemontwerp, taakplanning en het oplossen van programmeerproblemen. De demonstraties omvatten interactieve webpagina’s en een browserspel die binnen een agentomgeving zijn gemaakt. Een voorbeeldbriefing voor ontwikkeling kan paginagedrag, navigatie, datatoestanden en een responsieve opmaak specificeren, en vervolgens vragen om een implementatie met controles tegen die vereisten. Lever voor een bestaand project de huidige bestanden, het falende geval en de interfaces die ongewijzigd moeten blijven. Vraag om een gerichte wijziging en een uitleg van de afhankelijkheden die worden geraakt, in plaats van een ongerelateerde vervangende toepassing.
Lange context en een controleerbaar resultaat
De context van maximaal 1 miljoen tokens is nuttig wanneer meerdere bestanden, documenten, instructies en eerdere waarnemingen bij dezelfde taak horen. Orden dat materiaal naar functie: gezaghebbende vereisten, huidige code, referentievoorbeelden en toolresultaten. Specificeer het uiteindelijke artefact en de acceptatievoorwaarden voordat u de agent laat beginnen. Een documentatietaak kan een vergelijking met onopgeloste vragen vereisen; een ontwikkeltaak een patch en een registratie van de uitgevoerde controles.
Praktische beperkingen en editieafbakening
Een lange context biedt ruimte voor materiaal, maar garandeert niet dat een gegenereerd project correct is of dat aan elke vereiste is voldaan. Geef daadwerkelijke fouten en waarnemingen terug voor de volgende stap en valideer het resultaat in de beoogde omgeving. De fabrikant beschouwt robuustheid bij complexe praktijktaken expliciet als iets om te beoordelen en te verbeteren. Deze beschrijving betreft de specialisatie van MiMo-V2-Pro als tekst- en toolagent; modaliteitsfuncties van Omni en specificaties van latere MiMo-generaties horen bij hun respectieve modellen. De tools, beschikbare parameters en uitvoerverwerking blijven eigenschappen van de gekoppelde toepassing.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mimo-v2-pro | 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 $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0066 / 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-pro", "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-pro',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-pro',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-pro
Gebruik de hierboven getoonde methodepaden.
mimo-v2-proMiMo-V2-Pro is het op agents gerichte tekstmodel van Xiaomi voor softwareontwikkeling, planning in meerdere stappen en werk met tools. De context van maximaal 1 miljoen tokens helpt omvangrijk projectmateriaal, taakvoorwaarden en opeenvolgende waarnemingen binnen een samenhangende workflow te bewaren.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Basis voor agentwerk
MiMo-V2-Pro is het vooraanstaande basismodel van Xiaomi voor complexe agenttaken en softwareontwikkeling. Het model redeneert over een taak, ordent de benodigde stappen en gebruikt door tools geretourneerde informatie om verder te werken naar een gedefinieerd resultaat. De nadruk gaat verder dan het opstellen van één antwoord: het is ontworpen voor samenhangend werk waarin eerdere beslissingen en waarnemingen beïnvloeden wat daarna gebeurt.
Schaal en efficiënte architectuur
De fabrikant beschrijft meer dan 1 biljoen parameters in totaal, waarvan 42 miljard actief zijn. Pro breidt de hybride aandachtstechniek van MiMo-V2-Flash uit, met een verhouding van 7:1 tussen aandacht met een schuivend venster en globale aandacht. Een lichte laag voor het voorspellen van meerdere tokens ondersteunt de generatie, en de geadverteerde context reikt tot 1 miljoen tokens. Dit zijn architectuur- en contexteigenschappen van Pro; ze bepalen niet de uitvoeringssnelheid, geheugentoewijzing of verzoeklimieten van een specifieke integratie.
Voorgeschiedenis van de release
Xiaomi identificeert Hunter Alpha als een vroege interne testversie die aan MiMo-V2-Pro voorafging. Het uitgebrachte Pro-model heeft een eigen naam en verfijningen voor werk met lange context en stabiliteit in agentscenario’s. Dit onderscheid is belangrijk bij het vergelijken van beschrijvingen of het bewaren van een modelidentiteit: een eerdere testversie, MiMo-V2-Flash en MiMo-V2-Omni hebben elk een eigen rol en specificatie.
Ontworpen voor agents
Het model is verder afgestemd met begeleid leren en reinforcement learning binnen uiteenlopende agentframeworks, met aandacht voor toolaanroepen en redeneren in meerdere stappen. Bereid een taak voor met een waarneembare voltooiingsvoorwaarde en beschrijvingen van de beschikbare tools. Een projectassistent kan bijvoorbeeld een wijzigingsverzoek ontvangen, de aangeleverde modules onderzoeken, de betrokken componenten voorstellen en verdergaan nadat een tool een buildfout retourneert. De bruikbare uitvoer is een reeks beslissingen die aan daadwerkelijke waarnemingen zijn gekoppeld, gevolgd door de gevraagde code, uitleg of werksamenvatting. De gekoppelde omgeving voert de acties uit.
Softwareontwikkeling en frontendtaken
Xiaomi benadrukt systeemontwerp, taakplanning en het oplossen van programmeerproblemen. De demonstraties omvatten interactieve webpagina’s en een browserspel die binnen een agentomgeving zijn gemaakt. Een voorbeeldbriefing voor ontwikkeling kan paginagedrag, navigatie, datatoestanden en een responsieve opmaak specificeren, en vervolgens vragen om een implementatie met controles tegen die vereisten. Lever voor een bestaand project de huidige bestanden, het falende geval en de interfaces die ongewijzigd moeten blijven. Vraag om een gerichte wijziging en een uitleg van de afhankelijkheden die worden geraakt, in plaats van een ongerelateerde vervangende toepassing.
Lange context en een controleerbaar resultaat
De context van maximaal 1 miljoen tokens is nuttig wanneer meerdere bestanden, documenten, instructies en eerdere waarnemingen bij dezelfde taak horen. Orden dat materiaal naar functie: gezaghebbende vereisten, huidige code, referentievoorbeelden en toolresultaten. Specificeer het uiteindelijke artefact en de acceptatievoorwaarden voordat u de agent laat beginnen. Een documentatietaak kan een vergelijking met onopgeloste vragen vereisen; een ontwikkeltaak een patch en een registratie van de uitgevoerde controles.
Praktische beperkingen en editieafbakening
Een lange context biedt ruimte voor materiaal, maar garandeert niet dat een gegenereerd project correct is of dat aan elke vereiste is voldaan. Geef daadwerkelijke fouten en waarnemingen terug voor de volgende stap en valideer het resultaat in de beoogde omgeving. De fabrikant beschouwt robuustheid bij complexe praktijktaken expliciet als iets om te beoordelen en te verbeteren. Deze beschrijving betreft de specialisatie van MiMo-V2-Pro als tekst- en toolagent; modaliteitsfuncties van Omni en specificaties van latere MiMo-generaties horen bij hun respectieve modellen. De tools, beschikbare parameters en uitvoerverwerking blijven eigenschappen van de gekoppelde toepassing.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten mimo-v2-pro | 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 $0.0022 / 1K tokens Uitvoer · Uitvoertokens $0.0066 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "mimo-v2-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro', '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-pro', '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-pro
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Correct an error-state transition\n\nA text specification says a search box has idle, loading, results and error states. Existing logic sets loading=true before fetch and false only on success, so failures leave the spinner visible. Propose pseudocode that preserves results on success, shows an error on failure and always clears loading. Include the two distinguishing checks.Focused async pseudocode and success/failure checks covering final loading state and visible result or error.Check that loading is cleared in both branches without suppressing the error.