MiniMax M1 is het redenerende taalmodel met hybride aandacht van MiniMax voor taken met lange invoer en omvangrijke analyse. Het bouwt voort op MiniMax-Text-01 met mixture-of-experts-componenten en Lightning Attention, met 456 miljard parameters in totaal en 45,9 miljard geactiveerde parameters per token. De invoer bestaat uit schriftelijke instructies en broncontext; de uitvoer is tekst, zoals een oplossing, code, analyse of functieaanroepinformatie.
De fabrikant beschrijft een native context van één miljoen tokens en brengt twee M1-edities uit met redeneerbudgetten van 40K en 80K. Die budgetnamen verwijzen naar de redeneeredities en moeten niet als identieke universele grenzen voor het eindantwoord worden gelezen. De algemene keuze M1 blijft gescheiden van die vaste budgetprofielen en van de inferentie-uitbreiding van het eerdere Text-01-model.
Geef bij een taak met lange documenten de materialen namen, benoem de relevante secties en vermeld de vraag die ze moeten onderbouwen. Een bruikbare briefing is: “Vergelijk deze vereisten met de implementatienotities, benoem elke onopgeloste voorwaarde en geef de onderbouwende passage naast de bevinding.” Reserveer in de taakcontext ruimte voor redeneren en het eindantwoord, niet alleen voor het oorspronkelijke bronmateriaal.
M1 gebruikt grootschalig versterkend leren op wiskunde en software-engineeringproblemen in een sandbox. De producent introduceert CISPO, dat gewichten voor importance sampling afkapt in plaats van tokenupdates, als onderdeel van zijn aanpak voor versterkend leren. Dit is een trainingsonderscheid van de redeneerrelease; het maakt een gegenereerd coderesultaat of voorgestelde actie niet tot een uitgevoerd resultaat.
Geef voor code de relevante implementatie, een representatieve invoer, verwacht gedrag en te behouden beperkingen. Vraag om een gerichte wijziging en de onderbouwing die deze rechtvaardigt. Geef voor wiskunde de volledige voorwaarde en vraag om het eindresultaat met de aannames. De maker beveelt een stapsgewijze oplossing aan, met het eindresultaat in omkaderde wiskundige notatie.
MiniMax beveelt temperature 1.0 en top-p 0.95 aan voor het referentieprofiel. Het beveelt ook aan de systeeminstructie op de taak af te stemmen. Een algemene assistent kan een eenvoudige behulpzame rol gebruiken; een webontwikkelopdracht kan het volledige coderesultaat en uitvoerformaat specificeren. De voorbeeldprompt voor het web vraagt om één volledig HTML-resultaat in plaats van losse fragmenten.
Vermeld of het antwoord een uitleg, gestructureerde vergelijking of alleen code moet zijn. De instructie moet het werkelijke resultaat benoemen en aangeven wat als voltooiing geldt. Een visuele implementatie moet nog steeds in de beoogde toepassing worden uitgevoerd, waarna het waargenomen resultaat voor eventuele herziening moet worden teruggegeven.
M1 ondersteunt aangeleverde functiedefinities met namen, beschrijvingen, argumenttypen en verplichte velden. De native representatie onderscheidt redeneren van toolaanroepen en gestructureerde JSON-argumenten. De producenthandleiding toont zowel een specifiek parserpad als handmatige interpretatie van die representatie. De toepassing valideert en voert de gekozen functies uit en geeft benoemde resultaten in het gesprek terug, zodat het model die kan gebruiken.
Houd het doel van de tools en de toegestane acties expliciet. Een documentopzoekactie kan een ontbrekend veld leveren voordat het model een uitleg afrondt; een ontwikkeltool kan de werkelijke code of fout teruggeven voor analyse. Een voorgestelde bewerking staat los van uitvoering en een waargenomen resultaat.
De bruikbare uitvoer is een tekstoplossing, codevoorstel of analytisch verslag gekoppeld aan de aangeleverde bronnen en werkelijke toolwaarnemingen. Behoud de oorspronkelijke identiteit M1 en de budgetverschillen en leid de visuele invoer, uitvoergrenzen of standaardinstellingen van een ander MiniMax-model niet af uit de gedeelde familienaam.
", "aboutText": "MiniMax M1 is het redenerende taalmodel met hybride aandacht van MiniMax voor taken met lange invoer en omvangrijke analyse. Het bouwt voort op MiniMax-Text-01 met mixture-of-experts-componenten en Lightning Attention, met 456 miljard parameters in totaal en 45,9 miljard geactiveerde parameters per token. De invoer bestaat uit schriftelijke instructies en broncontext; de uitvoer is tekst, zoals een oplossing, code, analyse of functieaanroepinformatie.\n\n### Context en redeneeredities\n\nDe fabrikant beschrijft een native context van één miljoen tokens en brengt twee M1-edities uit met redeneerbudgetten van 40K en 80K. Die budgetnamen verwijzen naar de redeneeredities en moeten niet als identieke universele grenzen voor het eindantwoord worden gelezen. De algemene keuze M1 blijft gescheiden van die vaste budgetprofielen en van de inferentie-uitbreiding van het eerdere Text-01-model.\n\nGeef bij een taak met lange documenten de materialen namen, benoem de relevante secties en vermeld de vraag die ze moeten onderbouwen. Een bruikbare briefing is: “Vergelijk deze vereisten met de implementatienotities, benoem elke onopgeloste voorwaarde en geef de onderbouwende passage naast de bevinding.” Reserveer in de taakcontext ruimte voor redeneren en het eindantwoord, niet alleen voor het oorspronkelijke bronmateriaal.\n\n### Training voor redeneren in de praktijk\n\nM1 gebruikt grootschalig versterkend leren op wiskunde en software-engineeringproblemen in een sandbox. De producent introduceert CISPO, dat gewichten voor importance sampling afkapt in plaats van tokenupdates, als onderdeel van zijn aanpak voor versterkend leren. Dit is een trainingsonderscheid van de redeneerrelease; het maakt een gegenereerd coderesultaat of voorgestelde actie niet tot een uitgevoerd resultaat.\n\nGeef voor code de relevante implementatie, een representatieve invoer, verwacht gedrag en te behouden beperkingen. Vraag om een gerichte wijziging en de onderbouwing die deze rechtvaardigt. Geef voor wiskunde de volledige voorwaarde en vraag om het eindresultaat met de aannames. De maker beveelt een stapsgewijze oplossing aan, met het eindresultaat in omkaderde wiskundige notatie.\n\n### Promptrichtlijnen van de producent\n\nMiniMax beveelt temperature 1.0 en top-p 0.95 aan voor het referentieprofiel. Het beveelt ook aan de systeeminstructie op de taak af te stemmen. Een algemene assistent kan een eenvoudige behulpzame rol gebruiken; een webontwikkelopdracht kan het volledige coderesultaat en uitvoerformaat specificeren. De voorbeeldprompt voor het web vraagt om één volledig HTML-resultaat in plaats van losse fragmenten.\n\nVermeld of het antwoord een uitleg, gestructureerde vergelijking of alleen code moet zijn. De instructie moet het werkelijke resultaat benoemen en aangeven wat als voltooiing geldt. Een visuele implementatie moet nog steeds in de beoogde toepassing worden uitgevoerd, waarna het waargenomen resultaat voor eventuele herziening moet worden teruggegeven.\n\n### Functieaanroepen\n\nM1 ondersteunt aangeleverde functiedefinities met namen, beschrijvingen, argumenttypen en verplichte velden. De native representatie onderscheidt redeneren van toolaanroepen en gestructureerde JSON-argumenten. De producenthandleiding toont zowel een specifiek parserpad als handmatige interpretatie van die representatie. De toepassing valideert en voert de gekozen functies uit en geeft benoemde resultaten in het gesprek terug, zodat het model die kan gebruiken.\n\nHoud het doel van de tools en de toegestane acties expliciet. Een documentopzoekactie kan een ontbrekend veld leveren voordat het model een uitleg afrondt; een ontwikkeltool kan de werkelijke code of fout teruggeven voor analyse. Een voorgestelde bewerking staat los van uitvoering en een waargenomen resultaat.\n\nDe bruikbare uitvoer is een tekstoplossing, codevoorstel of analytisch verslag gekoppeld aan de aangeleverde bronnen en werkelijke toolwaarnemingen. Behoud de oorspronkelijke identiteit M1 en de budgetverschillen en leid de visuele invoer, uitvoergrenzen of standaardinstellingen van een ander MiniMax-model niet af uit de gedeelde familienaam.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Check a batch-processing invariant\n\nA worker reads pending jobs, marks each running, then records completion. On restart it reads only pending jobs. Analyse what happens if the process stops after marking a job running but before recording completion. Propose a recovery rule that avoids losing the job and prevents an already completed external action from being repeated blindly. Give two failure-point tests.A failure analysis, a bounded recovery/state-reconciliation proposal and tests for interruption before and after an external action.Recovery checks the original action's outcome before deciding whether another execution is safe.MiniMax-M1MiniMax M1 is het redeneermodel met hybride aandacht van MiniMax voor analyse van lange bronnen, wiskunde, programmeren en tools. De modelfamilie van de producent heeft een native context van één miljoen tokens en afzonderlijke edities met redeneerbudgetten van 40K en 80K; de uitvoer bestaat uit tekst en gestructureerde functieaanroepinhoud.
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 is het redenerende taalmodel met hybride aandacht van MiniMax voor taken met lange invoer en omvangrijke analyse. Het bouwt voort op MiniMax-Text-01 met mixture-of-experts-componenten en Lightning Attention, met 456 miljard parameters in totaal en 45,9 miljard geactiveerde parameters per token. De invoer bestaat uit schriftelijke instructies en broncontext; de uitvoer is tekst, zoals een oplossing, code, analyse of functieaanroepinformatie.
De fabrikant beschrijft een native context van één miljoen tokens en brengt twee M1-edities uit met redeneerbudgetten van 40K en 80K. Die budgetnamen verwijzen naar de redeneeredities en moeten niet als identieke universele grenzen voor het eindantwoord worden gelezen. De algemene keuze M1 blijft gescheiden van die vaste budgetprofielen en van de inferentie-uitbreiding van het eerdere Text-01-model.
Geef bij een taak met lange documenten de materialen namen, benoem de relevante secties en vermeld de vraag die ze moeten onderbouwen. Een bruikbare briefing is: “Vergelijk deze vereisten met de implementatienotities, benoem elke onopgeloste voorwaarde en geef de onderbouwende passage naast de bevinding.” Reserveer in de taakcontext ruimte voor redeneren en het eindantwoord, niet alleen voor het oorspronkelijke bronmateriaal.
M1 gebruikt grootschalig versterkend leren op wiskunde en software-engineeringproblemen in een sandbox. De producent introduceert CISPO, dat gewichten voor importance sampling afkapt in plaats van tokenupdates, als onderdeel van zijn aanpak voor versterkend leren. Dit is een trainingsonderscheid van de redeneerrelease; het maakt een gegenereerd coderesultaat of voorgestelde actie niet tot een uitgevoerd resultaat.
Geef voor code de relevante implementatie, een representatieve invoer, verwacht gedrag en te behouden beperkingen. Vraag om een gerichte wijziging en de onderbouwing die deze rechtvaardigt. Geef voor wiskunde de volledige voorwaarde en vraag om het eindresultaat met de aannames. De maker beveelt een stapsgewijze oplossing aan, met het eindresultaat in omkaderde wiskundige notatie.
MiniMax beveelt temperature 1.0 en top-p 0.95 aan voor het referentieprofiel. Het beveelt ook aan de systeeminstructie op de taak af te stemmen. Een algemene assistent kan een eenvoudige behulpzame rol gebruiken; een webontwikkelopdracht kan het volledige coderesultaat en uitvoerformaat specificeren. De voorbeeldprompt voor het web vraagt om één volledig HTML-resultaat in plaats van losse fragmenten.
Vermeld of het antwoord een uitleg, gestructureerde vergelijking of alleen code moet zijn. De instructie moet het werkelijke resultaat benoemen en aangeven wat als voltooiing geldt. Een visuele implementatie moet nog steeds in de beoogde toepassing worden uitgevoerd, waarna het waargenomen resultaat voor eventuele herziening moet worden teruggegeven.
M1 ondersteunt aangeleverde functiedefinities met namen, beschrijvingen, argumenttypen en verplichte velden. De native representatie onderscheidt redeneren van toolaanroepen en gestructureerde JSON-argumenten. De producenthandleiding toont zowel een specifiek parserpad als handmatige interpretatie van die representatie. De toepassing valideert en voert de gekozen functies uit en geeft benoemde resultaten in het gesprek terug, zodat het model die kan gebruiken.
Houd het doel van de tools en de toegestane acties expliciet. Een documentopzoekactie kan een ontbrekend veld leveren voordat het model een uitleg afrondt; een ontwikkeltool kan de werkelijke code of fout teruggeven voor analyse. Een voorgestelde bewerking staat los van uitvoering en een waargenomen resultaat.
De bruikbare uitvoer is een tekstoplossing, codevoorstel of analytisch verslag gekoppeld aan de aangeleverde bronnen en werkelijke toolwaarnemingen. Behoud de oorspronkelijke identiteit M1 en de budgetverschillen en leid de visuele invoer, uitvoergrenzen of standaardinstellingen van een ander MiniMax-model niet af uit de gedeelde familienaam.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten MiniMax-M1 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
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 |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"MiniMax-M1","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="MiniMax-M1", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 MiniMax-M1, minimax/minimax-m1
/chat/completions
MiniMax-M1MiniMax M1 is het redeneermodel met hybride aandacht van MiniMax voor analyse van lange bronnen, wiskunde, programmeren en tools. De modelfamilie van de producent heeft een native context van één miljoen tokens en afzonderlijke edities met redeneerbudgetten van 40K en 80K; de uitvoer bestaat uit tekst en gestructureerde functieaanroepinhoud.
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 is het redenerende taalmodel met hybride aandacht van MiniMax voor taken met lange invoer en omvangrijke analyse. Het bouwt voort op MiniMax-Text-01 met mixture-of-experts-componenten en Lightning Attention, met 456 miljard parameters in totaal en 45,9 miljard geactiveerde parameters per token. De invoer bestaat uit schriftelijke instructies en broncontext; de uitvoer is tekst, zoals een oplossing, code, analyse of functieaanroepinformatie.
De fabrikant beschrijft een native context van één miljoen tokens en brengt twee M1-edities uit met redeneerbudgetten van 40K en 80K. Die budgetnamen verwijzen naar de redeneeredities en moeten niet als identieke universele grenzen voor het eindantwoord worden gelezen. De algemene keuze M1 blijft gescheiden van die vaste budgetprofielen en van de inferentie-uitbreiding van het eerdere Text-01-model.
Geef bij een taak met lange documenten de materialen namen, benoem de relevante secties en vermeld de vraag die ze moeten onderbouwen. Een bruikbare briefing is: “Vergelijk deze vereisten met de implementatienotities, benoem elke onopgeloste voorwaarde en geef de onderbouwende passage naast de bevinding.” Reserveer in de taakcontext ruimte voor redeneren en het eindantwoord, niet alleen voor het oorspronkelijke bronmateriaal.
M1 gebruikt grootschalig versterkend leren op wiskunde en software-engineeringproblemen in een sandbox. De producent introduceert CISPO, dat gewichten voor importance sampling afkapt in plaats van tokenupdates, als onderdeel van zijn aanpak voor versterkend leren. Dit is een trainingsonderscheid van de redeneerrelease; het maakt een gegenereerd coderesultaat of voorgestelde actie niet tot een uitgevoerd resultaat.
Geef voor code de relevante implementatie, een representatieve invoer, verwacht gedrag en te behouden beperkingen. Vraag om een gerichte wijziging en de onderbouwing die deze rechtvaardigt. Geef voor wiskunde de volledige voorwaarde en vraag om het eindresultaat met de aannames. De maker beveelt een stapsgewijze oplossing aan, met het eindresultaat in omkaderde wiskundige notatie.
MiniMax beveelt temperature 1.0 en top-p 0.95 aan voor het referentieprofiel. Het beveelt ook aan de systeeminstructie op de taak af te stemmen. Een algemene assistent kan een eenvoudige behulpzame rol gebruiken; een webontwikkelopdracht kan het volledige coderesultaat en uitvoerformaat specificeren. De voorbeeldprompt voor het web vraagt om één volledig HTML-resultaat in plaats van losse fragmenten.
Vermeld of het antwoord een uitleg, gestructureerde vergelijking of alleen code moet zijn. De instructie moet het werkelijke resultaat benoemen en aangeven wat als voltooiing geldt. Een visuele implementatie moet nog steeds in de beoogde toepassing worden uitgevoerd, waarna het waargenomen resultaat voor eventuele herziening moet worden teruggegeven.
M1 ondersteunt aangeleverde functiedefinities met namen, beschrijvingen, argumenttypen en verplichte velden. De native representatie onderscheidt redeneren van toolaanroepen en gestructureerde JSON-argumenten. De producenthandleiding toont zowel een specifiek parserpad als handmatige interpretatie van die representatie. De toepassing valideert en voert de gekozen functies uit en geeft benoemde resultaten in het gesprek terug, zodat het model die kan gebruiken.
Houd het doel van de tools en de toegestane acties expliciet. Een documentopzoekactie kan een ontbrekend veld leveren voordat het model een uitleg afrondt; een ontwikkeltool kan de werkelijke code of fout teruggeven voor analyse. Een voorgestelde bewerking staat los van uitvoering en een waargenomen resultaat.
De bruikbare uitvoer is een tekstoplossing, codevoorstel of analytisch verslag gekoppeld aan de aangeleverde bronnen en werkelijke toolwaarnemingen. Behoud de oorspronkelijke identiteit M1 en de budgetverschillen en leid de visuele invoer, uitvoergrenzen of standaardinstellingen van een ander MiniMax-model niet af uit de gedeelde familienaam.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten MiniMax-M1 | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "MiniMax-M1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'MiniMax-M1', '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': 'MiniMax-M1', '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 MiniMax-M1, minimax/minimax-m1
/chat/completions
minimax/minimax-m1MiniMax M1 is het redeneermodel met hybride aandacht van MiniMax voor analyse van lange bronnen, wiskunde, programmeren en tools. De modelfamilie van de producent heeft een native context van één miljoen tokens en afzonderlijke edities met redeneerbudgetten van 40K en 80K; de uitvoer bestaat uit tekst en gestructureerde functieaanroepinhoud.
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 is het redenerende taalmodel met hybride aandacht van MiniMax voor taken met lange invoer en omvangrijke analyse. Het bouwt voort op MiniMax-Text-01 met mixture-of-experts-componenten en Lightning Attention, met 456 miljard parameters in totaal en 45,9 miljard geactiveerde parameters per token. De invoer bestaat uit schriftelijke instructies en broncontext; de uitvoer is tekst, zoals een oplossing, code, analyse of functieaanroepinformatie.
De fabrikant beschrijft een native context van één miljoen tokens en brengt twee M1-edities uit met redeneerbudgetten van 40K en 80K. Die budgetnamen verwijzen naar de redeneeredities en moeten niet als identieke universele grenzen voor het eindantwoord worden gelezen. De algemene keuze M1 blijft gescheiden van die vaste budgetprofielen en van de inferentie-uitbreiding van het eerdere Text-01-model.
Geef bij een taak met lange documenten de materialen namen, benoem de relevante secties en vermeld de vraag die ze moeten onderbouwen. Een bruikbare briefing is: “Vergelijk deze vereisten met de implementatienotities, benoem elke onopgeloste voorwaarde en geef de onderbouwende passage naast de bevinding.” Reserveer in de taakcontext ruimte voor redeneren en het eindantwoord, niet alleen voor het oorspronkelijke bronmateriaal.
M1 gebruikt grootschalig versterkend leren op wiskunde en software-engineeringproblemen in een sandbox. De producent introduceert CISPO, dat gewichten voor importance sampling afkapt in plaats van tokenupdates, als onderdeel van zijn aanpak voor versterkend leren. Dit is een trainingsonderscheid van de redeneerrelease; het maakt een gegenereerd coderesultaat of voorgestelde actie niet tot een uitgevoerd resultaat.
Geef voor code de relevante implementatie, een representatieve invoer, verwacht gedrag en te behouden beperkingen. Vraag om een gerichte wijziging en de onderbouwing die deze rechtvaardigt. Geef voor wiskunde de volledige voorwaarde en vraag om het eindresultaat met de aannames. De maker beveelt een stapsgewijze oplossing aan, met het eindresultaat in omkaderde wiskundige notatie.
MiniMax beveelt temperature 1.0 en top-p 0.95 aan voor het referentieprofiel. Het beveelt ook aan de systeeminstructie op de taak af te stemmen. Een algemene assistent kan een eenvoudige behulpzame rol gebruiken; een webontwikkelopdracht kan het volledige coderesultaat en uitvoerformaat specificeren. De voorbeeldprompt voor het web vraagt om één volledig HTML-resultaat in plaats van losse fragmenten.
Vermeld of het antwoord een uitleg, gestructureerde vergelijking of alleen code moet zijn. De instructie moet het werkelijke resultaat benoemen en aangeven wat als voltooiing geldt. Een visuele implementatie moet nog steeds in de beoogde toepassing worden uitgevoerd, waarna het waargenomen resultaat voor eventuele herziening moet worden teruggegeven.
M1 ondersteunt aangeleverde functiedefinities met namen, beschrijvingen, argumenttypen en verplichte velden. De native representatie onderscheidt redeneren van toolaanroepen en gestructureerde JSON-argumenten. De producenthandleiding toont zowel een specifiek parserpad als handmatige interpretatie van die representatie. De toepassing valideert en voert de gekozen functies uit en geeft benoemde resultaten in het gesprek terug, zodat het model die kan gebruiken.
Houd het doel van de tools en de toegestane acties expliciet. Een documentopzoekactie kan een ontbrekend veld leveren voordat het model een uitleg afrondt; een ontwikkeltool kan de werkelijke code of fout teruggeven voor analyse. Een voorgestelde bewerking staat los van uitvoering en een waargenomen resultaat.
De bruikbare uitvoer is een tekstoplossing, codevoorstel of analytisch verslag gekoppeld aan de aangeleverde bronnen en werkelijke toolwaarnemingen. Behoud de oorspronkelijke identiteit M1 en de budgetverschillen en leid de visuele invoer, uitvoergrenzen of standaardinstellingen van een ander MiniMax-model niet af uit de gedeelde familienaam.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten minimax/minimax-m1 | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax/minimax-m1", "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='minimax/minimax-m1',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='minimax/minimax-m1',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 MiniMax-M1, minimax/minimax-m1
/chat/completions
minimax/minimax-m1MiniMax M1 is het redeneermodel met hybride aandacht van MiniMax voor analyse van lange bronnen, wiskunde, programmeren en tools. De modelfamilie van de producent heeft een native context van één miljoen tokens en afzonderlijke edities met redeneerbudgetten van 40K en 80K; de uitvoer bestaat uit tekst en gestructureerde functieaanroepinhoud.
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 is het redenerende taalmodel met hybride aandacht van MiniMax voor taken met lange invoer en omvangrijke analyse. Het bouwt voort op MiniMax-Text-01 met mixture-of-experts-componenten en Lightning Attention, met 456 miljard parameters in totaal en 45,9 miljard geactiveerde parameters per token. De invoer bestaat uit schriftelijke instructies en broncontext; de uitvoer is tekst, zoals een oplossing, code, analyse of functieaanroepinformatie.
De fabrikant beschrijft een native context van één miljoen tokens en brengt twee M1-edities uit met redeneerbudgetten van 40K en 80K. Die budgetnamen verwijzen naar de redeneeredities en moeten niet als identieke universele grenzen voor het eindantwoord worden gelezen. De algemene keuze M1 blijft gescheiden van die vaste budgetprofielen en van de inferentie-uitbreiding van het eerdere Text-01-model.
Geef bij een taak met lange documenten de materialen namen, benoem de relevante secties en vermeld de vraag die ze moeten onderbouwen. Een bruikbare briefing is: “Vergelijk deze vereisten met de implementatienotities, benoem elke onopgeloste voorwaarde en geef de onderbouwende passage naast de bevinding.” Reserveer in de taakcontext ruimte voor redeneren en het eindantwoord, niet alleen voor het oorspronkelijke bronmateriaal.
M1 gebruikt grootschalig versterkend leren op wiskunde en software-engineeringproblemen in een sandbox. De producent introduceert CISPO, dat gewichten voor importance sampling afkapt in plaats van tokenupdates, als onderdeel van zijn aanpak voor versterkend leren. Dit is een trainingsonderscheid van de redeneerrelease; het maakt een gegenereerd coderesultaat of voorgestelde actie niet tot een uitgevoerd resultaat.
Geef voor code de relevante implementatie, een representatieve invoer, verwacht gedrag en te behouden beperkingen. Vraag om een gerichte wijziging en de onderbouwing die deze rechtvaardigt. Geef voor wiskunde de volledige voorwaarde en vraag om het eindresultaat met de aannames. De maker beveelt een stapsgewijze oplossing aan, met het eindresultaat in omkaderde wiskundige notatie.
MiniMax beveelt temperature 1.0 en top-p 0.95 aan voor het referentieprofiel. Het beveelt ook aan de systeeminstructie op de taak af te stemmen. Een algemene assistent kan een eenvoudige behulpzame rol gebruiken; een webontwikkelopdracht kan het volledige coderesultaat en uitvoerformaat specificeren. De voorbeeldprompt voor het web vraagt om één volledig HTML-resultaat in plaats van losse fragmenten.
Vermeld of het antwoord een uitleg, gestructureerde vergelijking of alleen code moet zijn. De instructie moet het werkelijke resultaat benoemen en aangeven wat als voltooiing geldt. Een visuele implementatie moet nog steeds in de beoogde toepassing worden uitgevoerd, waarna het waargenomen resultaat voor eventuele herziening moet worden teruggegeven.
M1 ondersteunt aangeleverde functiedefinities met namen, beschrijvingen, argumenttypen en verplichte velden. De native representatie onderscheidt redeneren van toolaanroepen en gestructureerde JSON-argumenten. De producenthandleiding toont zowel een specifiek parserpad als handmatige interpretatie van die representatie. De toepassing valideert en voert de gekozen functies uit en geeft benoemde resultaten in het gesprek terug, zodat het model die kan gebruiken.
Houd het doel van de tools en de toegestane acties expliciet. Een documentopzoekactie kan een ontbrekend veld leveren voordat het model een uitleg afrondt; een ontwikkeltool kan de werkelijke code of fout teruggeven voor analyse. Een voorgestelde bewerking staat los van uitvoering en een waargenomen resultaat.
De bruikbare uitvoer is een tekstoplossing, codevoorstel of analytisch verslag gekoppeld aan de aangeleverde bronnen en werkelijke toolwaarnemingen. Behoud de oorspronkelijke identiteit M1 en de budgetverschillen en leid de visuele invoer, uitvoergrenzen of standaardinstellingen van een ander MiniMax-model niet af uit de gedeelde familienaam.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten minimax/minimax-m1 | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0008 / 1K tokens Uitvoer · Uitvoertokens $0.0044 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "minimax/minimax-m1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'minimax/minimax-m1', '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': 'minimax/minimax-m1', '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 MiniMax-M1, minimax/minimax-m1
/chat/completions
Technisch voorbeeld in het Engels
Check a batch-processing invariant\n\nA worker reads pending jobs, marks each running, then records completion. On restart it reads only pending jobs. Analyse what happens if the process stops after marking a job running but before recording completion. Propose a recovery rule that avoids losing the job and prevents an already completed external action from being repeated blindly. Give two failure-point tests.A failure analysis, a bounded recovery/state-reconciliation proposal and tests for interruption before and after an external action.Recovery checks the original action's outcome before deciding whether another execution is safe.