MiMo-V2.6-Pro é o modelo de topo da Xiaomi na sua série V2.6 nativamente omnimodal. Integra a compreensão de texto, imagem, vídeo e áudio em tarefas exigentes de engenharia de software e trabalho prolongado com agentes. O perfil Pro lançado pelo fabricante descreve uma arquitetura esparsa de mistura de especialistas com 1,02 biliões de parâmetros no total e 42 mil milhões de parâmetros ativados. O contexto de um milhão de tokens destina-se a repositórios extensos, registos de ferramentas e tarefas desenvolvidas ao longo de muitas interações.
A série faz avançar a abordagem de aprendizagem por reforço da Xiaomi, ampliando a variedade de tarefas e a qualidade do retorno em paralelo com a computação de treino. Programação, agentes gerais, tarefas visuais e trabalho de cibersegurança são combinados em diferentes ambientes. As trajetórias candidatas são comparadas com critérios específicos da tarefa, com resultados de testes e avaliações de qualidade a contribuírem para o sinal de treino. A arquitetura Pro combina uma estrutura principal de atenção híbrida com 70 camadas, codificadores dedicados de visão e áudio e um descodificador de previsão de múltiplos tokens com cinco camadas.
Para trabalho de software, indique o comportamento que o programa deve produzir, forneça a implementação relevante e explique como será verificada a conclusão. Preserve as restrições do repositório e a falha exata ou o pedido de alteração. O modelo pode raciocinar ao longo de uma sequência de edições e resultados de ferramentas; a aplicação fornece as ferramentas e regista as suas operações. Peça um relato final do comportamento alterado, dos ficheiros afetados e das verificações efetivamente realizadas, para que uma sequência longa termine num resultado inspecionável.
O lançamento da Xiaomi alarga depois o âmbito das tarefas da programação para mundos interativos. Descreve a construção de jogos e cenas 3D a partir de texto, imagens ou referências em vídeo, a implementação de lógica de interação e o aperfeiçoamento do trabalho com retorno de renderização. Descreve também objetos e cenas baseados em Blender e retorno visual em simulação incorporada. Prepare um enunciado de cena com dimensões, relações entre objetos, controlos e critérios visíveis de conclusão. O código resultante, as instruções de cena ou os elementos produzidos por ferramentas devem ser inspecionados no ambiente de renderização ou simulação pretendido.
Para trabalho visual e de design, o fabricante mostra interfaces frontend e apresentações com disposição, componentes e animação, bem como fluxos que utilizam ferramentas de imagem e vídeo. Forneça o público, o conteúdo obrigatório, as referências visuais e as interações que devem funcionar. Um pedido útil pode produzir a implementação de uma página ou um esboço de apresentação com os pormenores necessários para o passo de produção seguinte. O modelo subjacente devolve texto e instruções para ferramentas; os elementos visuais renderizados e os media gerados vêm das ferramentas usadas no fluxo de trabalho.
O lançamento também descreve aplicações de música e investigação. O exemplo de música usa partituras escritas e MIDI como artefactos de composição editáveis. Os exemplos de investigação combinam revisão de literatura e patentes, hipóteses de conceção e simulações computacionais, bem como formalização matemática verificada com Lean. Numa tarefa de investigação, distinga observações das fontes, pressupostos, cálculos e hipóteses propostas. Conserve as saídas das ferramentas e os resultados de verificação e identifique um candidato computacional como candidato, não como um resultado validado em laboratório.
Trabalhar com contexto longo exige uma organização deliberada da entrada. Mantenha estáveis os limites dos documentos, os identificadores dos ficheiros e as decisões anteriores e reserve espaço para a resposta e para o histórico contínuo das ferramentas. A receita local da Xiaomi recomenda temperature 1.0 e top_p 0.95. O fabricante também documenta a repetição de chamadas de ferramentas na linhagem de treino V2.6 e checkpoints MOPD separados destinados a resolver esse problema. Verifique se cada ação faz avançar a tarefa e conserve a edição exata junto do resultado; chamadas repetidas sem novas evidências são motivo para reavaliar o passo seguinte.
O resultado final a entregar deve corresponder ao critério de conclusão da tarefa: uma alteração de código verificada, uma cena interativa inspecionada, um artefacto de design editável ou uma análise de investigação ligada a evidências. Pro, Flash e Pro-UltraSpeed têm papéis distintos na família V2.6. Preserve essa distinção ao comparar resultados, mantendo o material, as observações das ferramentas e o registo de verificação disponíveis para revisão.
", "aboutText": "MiMo-V2.6-Pro é o modelo de topo da Xiaomi na sua série V2.6 nativamente omnimodal. Integra a compreensão de texto, imagem, vídeo e áudio em tarefas exigentes de engenharia de software e trabalho prolongado com agentes. O perfil Pro lançado pelo fabricante descreve uma arquitetura esparsa de mistura de especialistas com 1,02 biliões de parâmetros no total e 42 mil milhões de parâmetros ativados. O contexto de um milhão de tokens destina-se a repositórios extensos, registos de ferramentas e tarefas desenvolvidas ao longo de muitas interações.\n\nA série faz avançar a abordagem de aprendizagem por reforço da Xiaomi, ampliando a variedade de tarefas e a qualidade do retorno em paralelo com a computação de treino. Programação, agentes gerais, tarefas visuais e trabalho de cibersegurança são combinados em diferentes ambientes. As trajetórias candidatas são comparadas com critérios específicos da tarefa, com resultados de testes e avaliações de qualidade a contribuírem para o sinal de treino. A arquitetura Pro combina uma estrutura principal de atenção híbrida com 70 camadas, codificadores dedicados de visão e áudio e um descodificador de previsão de múltiplos tokens com cinco camadas.\n\nPara trabalho de software, indique o comportamento que o programa deve produzir, forneça a implementação relevante e explique como será verificada a conclusão. Preserve as restrições do repositório e a falha exata ou o pedido de alteração. O modelo pode raciocinar ao longo de uma sequência de edições e resultados de ferramentas; a aplicação fornece as ferramentas e regista as suas operações. Peça um relato final do comportamento alterado, dos ficheiros afetados e das verificações efetivamente realizadas, para que uma sequência longa termine num resultado inspecionável.\n\nO lançamento da Xiaomi alarga depois o âmbito das tarefas da programação para mundos interativos. Descreve a construção de jogos e cenas 3D a partir de texto, imagens ou referências em vídeo, a implementação de lógica de interação e o aperfeiçoamento do trabalho com retorno de renderização. Descreve também objetos e cenas baseados em Blender e retorno visual em simulação incorporada. Prepare um enunciado de cena com dimensões, relações entre objetos, controlos e critérios visíveis de conclusão. O código resultante, as instruções de cena ou os elementos produzidos por ferramentas devem ser inspecionados no ambiente de renderização ou simulação pretendido.\n\nPara trabalho visual e de design, o fabricante mostra interfaces frontend e apresentações com disposição, componentes e animação, bem como fluxos que utilizam ferramentas de imagem e vídeo. Forneça o público, o conteúdo obrigatório, as referências visuais e as interações que devem funcionar. Um pedido útil pode produzir a implementação de uma página ou um esboço de apresentação com os pormenores necessários para o passo de produção seguinte. O modelo subjacente devolve texto e instruções para ferramentas; os elementos visuais renderizados e os media gerados vêm das ferramentas usadas no fluxo de trabalho.\n\nO lançamento também descreve aplicações de música e investigação. O exemplo de música usa partituras escritas e MIDI como artefactos de composição editáveis. Os exemplos de investigação combinam revisão de literatura e patentes, hipóteses de conceção e simulações computacionais, bem como formalização matemática verificada com Lean. Numa tarefa de investigação, distinga observações das fontes, pressupostos, cálculos e hipóteses propostas. Conserve as saídas das ferramentas e os resultados de verificação e identifique um candidato computacional como candidato, não como um resultado validado em laboratório.\n\nTrabalhar com contexto longo exige uma organização deliberada da entrada. Mantenha estáveis os limites dos documentos, os identificadores dos ficheiros e as decisões anteriores e reserve espaço para a resposta e para o histórico contínuo das ferramentas. A receita local da Xiaomi recomenda temperature 1.0 e top_p 0.95. O fabricante também documenta a repetição de chamadas de ferramentas na linhagem de treino V2.6 e checkpoints MOPD separados destinados a resolver esse problema. Verifique se cada ação faz avançar a tarefa e conserve a edição exata junto do resultado; chamadas repetidas sem novas evidências são motivo para reavaliar o passo seguinte.\n\nO resultado final a entregar deve corresponder ao critério de conclusão da tarefa: uma alteração de código verificada, uma cena interativa inspecionada, um artefacto de design editável ou uma análise de investigação ligada a evidências. Pro, Flash e Pro-UltraSpeed têm papéis distintos na família V2.6. Preserve essa distinção ao comparar resultados, mantendo o material, as observações das ferramentas e o registo de verificação disponíveis para revisão.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Implement bounded grid movement\n\nWrite a JavaScript function move(player, direction, walls) for a 5-by-5 tile grid indexed 0–4. Directions are up, down, left and right. Return a new position; keep the current position when a move hits a wall or boundary. Walls are coordinate pairs. Provide tests for a free move, a wall and each outer boundary. No rendering is required.A pure movement function and test cases covering free movement, wall collision, boundaries and unchanged input state.Check every returned coordinate stays within 0–4 and neither the player object nor wall list is mutated.xiaomi/mimo-v2.6-proMiMo-V2.6-Pro é o modelo omnimodal de topo da Xiaomi para tarefas exigentes de programação, investigação e trabalho prolongado com agentes. Compreende texto, imagens, vídeo e áudio; o perfil Pro lançado documenta uma arquitetura MoE com 1,02 biliões de parâmetros, 42 mil milhões de parâmetros ativos e um contexto de um milhão de tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
MiMo-V2.6-Pro é o modelo de topo da Xiaomi na sua série V2.6 nativamente omnimodal. Integra a compreensão de texto, imagem, vídeo e áudio em tarefas exigentes de engenharia de software e trabalho prolongado com agentes. O perfil Pro lançado pelo fabricante descreve uma arquitetura esparsa de mistura de especialistas com 1,02 biliões de parâmetros no total e 42 mil milhões de parâmetros ativados. O contexto de um milhão de tokens destina-se a repositórios extensos, registos de ferramentas e tarefas desenvolvidas ao longo de muitas interações.
A série faz avançar a abordagem de aprendizagem por reforço da Xiaomi, ampliando a variedade de tarefas e a qualidade do retorno em paralelo com a computação de treino. Programação, agentes gerais, tarefas visuais e trabalho de cibersegurança são combinados em diferentes ambientes. As trajetórias candidatas são comparadas com critérios específicos da tarefa, com resultados de testes e avaliações de qualidade a contribuírem para o sinal de treino. A arquitetura Pro combina uma estrutura principal de atenção híbrida com 70 camadas, codificadores dedicados de visão e áudio e um descodificador de previsão de múltiplos tokens com cinco camadas.
Para trabalho de software, indique o comportamento que o programa deve produzir, forneça a implementação relevante e explique como será verificada a conclusão. Preserve as restrições do repositório e a falha exata ou o pedido de alteração. O modelo pode raciocinar ao longo de uma sequência de edições e resultados de ferramentas; a aplicação fornece as ferramentas e regista as suas operações. Peça um relato final do comportamento alterado, dos ficheiros afetados e das verificações efetivamente realizadas, para que uma sequência longa termine num resultado inspecionável.
O lançamento da Xiaomi alarga depois o âmbito das tarefas da programação para mundos interativos. Descreve a construção de jogos e cenas 3D a partir de texto, imagens ou referências em vídeo, a implementação de lógica de interação e o aperfeiçoamento do trabalho com retorno de renderização. Descreve também objetos e cenas baseados em Blender e retorno visual em simulação incorporada. Prepare um enunciado de cena com dimensões, relações entre objetos, controlos e critérios visíveis de conclusão. O código resultante, as instruções de cena ou os elementos produzidos por ferramentas devem ser inspecionados no ambiente de renderização ou simulação pretendido.
Para trabalho visual e de design, o fabricante mostra interfaces frontend e apresentações com disposição, componentes e animação, bem como fluxos que utilizam ferramentas de imagem e vídeo. Forneça o público, o conteúdo obrigatório, as referências visuais e as interações que devem funcionar. Um pedido útil pode produzir a implementação de uma página ou um esboço de apresentação com os pormenores necessários para o passo de produção seguinte. O modelo subjacente devolve texto e instruções para ferramentas; os elementos visuais renderizados e os media gerados vêm das ferramentas usadas no fluxo de trabalho.
O lançamento também descreve aplicações de música e investigação. O exemplo de música usa partituras escritas e MIDI como artefactos de composição editáveis. Os exemplos de investigação combinam revisão de literatura e patentes, hipóteses de conceção e simulações computacionais, bem como formalização matemática verificada com Lean. Numa tarefa de investigação, distinga observações das fontes, pressupostos, cálculos e hipóteses propostas. Conserve as saídas das ferramentas e os resultados de verificação e identifique um candidato computacional como candidato, não como um resultado validado em laboratório.
Trabalhar com contexto longo exige uma organização deliberada da entrada. Mantenha estáveis os limites dos documentos, os identificadores dos ficheiros e as decisões anteriores e reserve espaço para a resposta e para o histórico contínuo das ferramentas. A receita local da Xiaomi recomenda temperature 1.0 e top_p 0.95. O fabricante também documenta a repetição de chamadas de ferramentas na linhagem de treino V2.6 e checkpoints MOPD separados destinados a resolver esse problema. Verifique se cada ação faz avançar a tarefa e conserve a edição exata junto do resultado; chamadas repetidas sem novas evidências são motivo para reavaliar o passo seguinte.
O resultado final a entregar deve corresponder ao critério de conclusão da tarefa: uma alteração de código verificada, uma cena interativa inspecionada, um artefacto de design editável ou uma análise de investigação ligada a evidências. Pro, Flash e Pro-UltraSpeed têm papéis distintos na família V2.6. Preserve essa distinção ao comparar resultados, mantendo o material, as observações das ferramentas e o registo de verificação disponíveis para revisão.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites xiaomi/mimo-v2.6-pro | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00087 / 1K tokens Saída · Tokens de saída $0.00174 / 1K tokens Entrada · Leitura da cache $0.0000072 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00087 / 1K tokens Saída · Tokens de saída $0.00174 / 1K tokens Entrada · Leitura da cache $0.0000072 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.6-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='xiaomi/mimo-v2.6-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='xiaomi/mimo-v2.6-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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra xiaomi/mimo-v2.6-pro
Use os caminhos dos métodos indicados acima.
xiaomi/mimo-v2.6-proMiMo-V2.6-Pro é o modelo omnimodal de topo da Xiaomi para tarefas exigentes de programação, investigação e trabalho prolongado com agentes. Compreende texto, imagens, vídeo e áudio; o perfil Pro lançado documenta uma arquitetura MoE com 1,02 biliões de parâmetros, 42 mil milhões de parâmetros ativos e um contexto de um milhão de tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
MiMo-V2.6-Pro é o modelo de topo da Xiaomi na sua série V2.6 nativamente omnimodal. Integra a compreensão de texto, imagem, vídeo e áudio em tarefas exigentes de engenharia de software e trabalho prolongado com agentes. O perfil Pro lançado pelo fabricante descreve uma arquitetura esparsa de mistura de especialistas com 1,02 biliões de parâmetros no total e 42 mil milhões de parâmetros ativados. O contexto de um milhão de tokens destina-se a repositórios extensos, registos de ferramentas e tarefas desenvolvidas ao longo de muitas interações.
A série faz avançar a abordagem de aprendizagem por reforço da Xiaomi, ampliando a variedade de tarefas e a qualidade do retorno em paralelo com a computação de treino. Programação, agentes gerais, tarefas visuais e trabalho de cibersegurança são combinados em diferentes ambientes. As trajetórias candidatas são comparadas com critérios específicos da tarefa, com resultados de testes e avaliações de qualidade a contribuírem para o sinal de treino. A arquitetura Pro combina uma estrutura principal de atenção híbrida com 70 camadas, codificadores dedicados de visão e áudio e um descodificador de previsão de múltiplos tokens com cinco camadas.
Para trabalho de software, indique o comportamento que o programa deve produzir, forneça a implementação relevante e explique como será verificada a conclusão. Preserve as restrições do repositório e a falha exata ou o pedido de alteração. O modelo pode raciocinar ao longo de uma sequência de edições e resultados de ferramentas; a aplicação fornece as ferramentas e regista as suas operações. Peça um relato final do comportamento alterado, dos ficheiros afetados e das verificações efetivamente realizadas, para que uma sequência longa termine num resultado inspecionável.
O lançamento da Xiaomi alarga depois o âmbito das tarefas da programação para mundos interativos. Descreve a construção de jogos e cenas 3D a partir de texto, imagens ou referências em vídeo, a implementação de lógica de interação e o aperfeiçoamento do trabalho com retorno de renderização. Descreve também objetos e cenas baseados em Blender e retorno visual em simulação incorporada. Prepare um enunciado de cena com dimensões, relações entre objetos, controlos e critérios visíveis de conclusão. O código resultante, as instruções de cena ou os elementos produzidos por ferramentas devem ser inspecionados no ambiente de renderização ou simulação pretendido.
Para trabalho visual e de design, o fabricante mostra interfaces frontend e apresentações com disposição, componentes e animação, bem como fluxos que utilizam ferramentas de imagem e vídeo. Forneça o público, o conteúdo obrigatório, as referências visuais e as interações que devem funcionar. Um pedido útil pode produzir a implementação de uma página ou um esboço de apresentação com os pormenores necessários para o passo de produção seguinte. O modelo subjacente devolve texto e instruções para ferramentas; os elementos visuais renderizados e os media gerados vêm das ferramentas usadas no fluxo de trabalho.
O lançamento também descreve aplicações de música e investigação. O exemplo de música usa partituras escritas e MIDI como artefactos de composição editáveis. Os exemplos de investigação combinam revisão de literatura e patentes, hipóteses de conceção e simulações computacionais, bem como formalização matemática verificada com Lean. Numa tarefa de investigação, distinga observações das fontes, pressupostos, cálculos e hipóteses propostas. Conserve as saídas das ferramentas e os resultados de verificação e identifique um candidato computacional como candidato, não como um resultado validado em laboratório.
Trabalhar com contexto longo exige uma organização deliberada da entrada. Mantenha estáveis os limites dos documentos, os identificadores dos ficheiros e as decisões anteriores e reserve espaço para a resposta e para o histórico contínuo das ferramentas. A receita local da Xiaomi recomenda temperature 1.0 e top_p 0.95. O fabricante também documenta a repetição de chamadas de ferramentas na linhagem de treino V2.6 e checkpoints MOPD separados destinados a resolver esse problema. Verifique se cada ação faz avançar a tarefa e conserve a edição exata junto do resultado; chamadas repetidas sem novas evidências são motivo para reavaliar o passo seguinte.
O resultado final a entregar deve corresponder ao critério de conclusão da tarefa: uma alteração de código verificada, uma cena interativa inspecionada, um artefacto de design editável ou uma análise de investigação ligada a evidências. Pro, Flash e Pro-UltraSpeed têm papéis distintos na família V2.6. Preserve essa distinção ao comparar resultados, mantendo o material, as observações das ferramentas e o registo de verificação disponíveis para revisão.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites xiaomi/mimo-v2.6-pro | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00087 / 1K tokens Saída · Tokens de saída $0.00174 / 1K tokens Entrada · Leitura da cache $0.0000072 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.00087 / 1K tokens Saída · Tokens de saída $0.00174 / 1K tokens Entrada · Leitura da cache $0.0000072 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "xiaomi/mimo-v2.6-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'xiaomi/mimo-v2.6-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': 'xiaomi/mimo-v2.6-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 ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra xiaomi/mimo-v2.6-pro
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Implement bounded grid movement\n\nWrite a JavaScript function move(player, direction, walls) for a 5-by-5 tile grid indexed 0–4. Directions are up, down, left and right. Return a new position; keep the current position when a move hits a wall or boundary. Walls are coordinate pairs. Provide tests for a free move, a wall and each outer boundary. No rendering is required.A pure movement function and test cases covering free movement, wall collision, boundaries and unchanged input state.Check every returned coordinate stays within 0–4 and neither the player object nor wall list is mutated.