MiMo-V2.5-Pro — крупная ориентированная на текст модель Xiaomi с архитектурой смеси экспертов для требовательной агентной работы, сложной разработки программного обеспечения и задач с множеством связанных шагов. Разработчик указывает 1,02 трлн параметров в общей сложности, 42 млрд активных параметров и контекст до миллиона токенов. Её назначение — удерживать инструкции задачи и накопленные доказательства, пока вспомогательное приложение предоставляет инструменты и возвращает их результаты.
Модель сочетает внимание со скользящим окном и глобальное внимание в соотношении 6:1. Локальное окно составляет 128 токенов, а слои глобального внимания связывают информацию по более длинной истории. Это архитектура внимания, а не ограничение пользовательского ввода в 128 токенов. Базовая архитектура имеет 70 слоёв и разреженную маршрутизацию экспертов с выбором восьми маршрутизируемых экспертов на токен. В устройство обучения и инференса встроены три модуля предсказания нескольких токенов для поддержки спекулятивного декодирования.
Разработчик описывает предобучение на 27 трлн токенов, за которым следуют дообучение с учителем, специализированное по предметным областям обучение с подкреплением и дистилляция on-policy от нескольких учителей. Специализированные учителя охватывают математику, безопасность и сложное использование инструментов, а итоговый этап объединяет их рекомендации в одной модели. Этот акцент обучения поддерживает роль модели в длительных процессах разработки и агентной работы; конкретной задаче всё равно нужны заданные требования и способ установить завершённость результата.
Для изменения программного обеспечения предоставьте соответствующие файлы, наблюдаемую ошибку или желаемое поведение, соглашения проекта и значимые проверки. Полезная инструкция — определить затронутое поведение, предложить сосредоточенную реализацию и объяснить проверку как желаемого случая, так и значимого граничного случая. Сохраняйте точные идентификаторы проекта. Если среда допускает выполнение, верните фактический вывод проверки, вместо того чтобы просить модель предположить работоспособность правдоподобного патча.
Для более длительной агентной задачи сохраняйте краткую запись цели, уже принятых решений и доказательств, возвращённых инструментами. Укажите, что разрешено менять каждой операции и какой результат оправдывает следующий шаг. Модель помогает рассуждать по этим взаимодействиям и готовить следующий запрос, но операции выполняет окружающее приложение. Сохраняйте ошибки и нерешённые условия в итоговом описании, чтобы длинная последовательность не скрыла провалившийся шаг за гладким объяснением.
Большой контекст полезен для сравнения реализаций или обобщения нескольких объёмных документов. Обозначьте границы файлов и документов, укажите разделы, которые должен использовать ответ, и задайте требуемый формат вывода. Например, запросите предложение миграции, связывающее каждый затронутый компонент с требованием и отдельно указывающее недостающую информацию. Сохраняйте подтверждающие фрагменты или места в коде вместе с результатом, чтобы проверяющий мог проследить рассуждения до ввода.
Опубликованный Xiaomi пример обслуживания использует конфигурацию контекста в 1 048 576 токенов, а сводное описание говорит о поддержке до 1M токенов. В используемой конфигурации оставляйте место для генерируемого текста и накапливающейся истории инструментов. Для локального инференса разработчик рекомендует temperature 1.0 и top_p 0.95. Это детали рецепта разработчика, а не гарантия одинаковых настроек или рабочего окна во всех приложениях.
MiMo-V2.5-Pro отличается от родственной изначально омнимодальной MiMo-V2.5 и более поздней серии V2.6. Используйте эту редакцию в пределах документированных языковых и агентных задач, не перенося на неё контракт зрения или аудио другой редакции. Итоговым материалом может быть предложение кода, объяснение реализации или анализ на основе доказательств; сверяйте важные расчёты, требования и результаты инструментов с материалами, переданными для задачи.
", "aboutText": "MiMo-V2.5-Pro — крупная ориентированная на текст модель Xiaomi с архитектурой смеси экспертов для требовательной агентной работы, сложной разработки программного обеспечения и задач с множеством связанных шагов. Разработчик указывает 1,02 трлн параметров в общей сложности, 42 млрд активных параметров и контекст до миллиона токенов. Её назначение — удерживать инструкции задачи и накопленные доказательства, пока вспомогательное приложение предоставляет инструменты и возвращает их результаты.\n\nМодель сочетает внимание со скользящим окном и глобальное внимание в соотношении 6:1. Локальное окно составляет 128 токенов, а слои глобального внимания связывают информацию по более длинной истории. Это архитектура внимания, а не ограничение пользовательского ввода в 128 токенов. Базовая архитектура имеет 70 слоёв и разреженную маршрутизацию экспертов с выбором восьми маршрутизируемых экспертов на токен. В устройство обучения и инференса встроены три модуля предсказания нескольких токенов для поддержки спекулятивного декодирования.\n\nРазработчик описывает предобучение на 27 трлн токенов, за которым следуют дообучение с учителем, специализированное по предметным областям обучение с подкреплением и дистилляция on-policy от нескольких учителей. Специализированные учителя охватывают математику, безопасность и сложное использование инструментов, а итоговый этап объединяет их рекомендации в одной модели. Этот акцент обучения поддерживает роль модели в длительных процессах разработки и агентной работы; конкретной задаче всё равно нужны заданные требования и способ установить завершённость результата.\n\nДля изменения программного обеспечения предоставьте соответствующие файлы, наблюдаемую ошибку или желаемое поведение, соглашения проекта и значимые проверки. Полезная инструкция — определить затронутое поведение, предложить сосредоточенную реализацию и объяснить проверку как желаемого случая, так и значимого граничного случая. Сохраняйте точные идентификаторы проекта. Если среда допускает выполнение, верните фактический вывод проверки, вместо того чтобы просить модель предположить работоспособность правдоподобного патча.\n\nДля более длительной агентной задачи сохраняйте краткую запись цели, уже принятых решений и доказательств, возвращённых инструментами. Укажите, что разрешено менять каждой операции и какой результат оправдывает следующий шаг. Модель помогает рассуждать по этим взаимодействиям и готовить следующий запрос, но операции выполняет окружающее приложение. Сохраняйте ошибки и нерешённые условия в итоговом описании, чтобы длинная последовательность не скрыла провалившийся шаг за гладким объяснением.\n\nБольшой контекст полезен для сравнения реализаций или обобщения нескольких объёмных документов. Обозначьте границы файлов и документов, укажите разделы, которые должен использовать ответ, и задайте требуемый формат вывода. Например, запросите предложение миграции, связывающее каждый затронутый компонент с требованием и отдельно указывающее недостающую информацию. Сохраняйте подтверждающие фрагменты или места в коде вместе с результатом, чтобы проверяющий мог проследить рассуждения до ввода.\n\nОпубликованный Xiaomi пример обслуживания использует конфигурацию контекста в 1 048 576 токенов, а сводное описание говорит о поддержке до 1M токенов. В используемой конфигурации оставляйте место для генерируемого текста и накапливающейся истории инструментов. Для локального инференса разработчик рекомендует temperature 1.0 и top_p 0.95. Это детали рецепта разработчика, а не гарантия одинаковых настроек или рабочего окна во всех приложениях.\n\nMiMo-V2.5-Pro отличается от родственной изначально омнимодальной MiMo-V2.5 и более поздней серии V2.6. Используйте эту редакцию в пределах документированных языковых и агентных задач, не перенося на неё контракт зрения или аудио другой редакции. Итоговым материалом может быть предложение кода, объяснение реализации или анализ на основе доказательств; сверяйте важные расчёты, требования и результаты инструментов с материалами, переданными для задачи.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Correct a two-stage validation flow\n\nTrace this Python flow: validate.py: def valid(row): return bool(row.get('email')); import.py: accepted = [r for r in rows if valid(r) is not None]. A row without email is incorrectly accepted. Propose the smallest correction, retain valid's Boolean contract and supply cases for a missing email and a present email. Separate the proposal from executed checks.A cross-file cause explanation, focused consumer patch and two regression cases.The consumer must reject False rather than treating every non-None Boolean as accepted.xiaomi/mimo-v2.5-proMiMo-V2.5-Pro — ориентированная на текст модель Xiaomi для сложной разработки программного обеспечения и длительных агентных процессов. В опубликованном профиле сочетаются MoE с 1,02 трлн параметров, 42 млрд активных параметров и контекст до миллиона токенов; обучение сосредоточено на согласованном использовании инструментов.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
MiMo-V2.5-Pro — крупная ориентированная на текст модель Xiaomi с архитектурой смеси экспертов для требовательной агентной работы, сложной разработки программного обеспечения и задач с множеством связанных шагов. Разработчик указывает 1,02 трлн параметров в общей сложности, 42 млрд активных параметров и контекст до миллиона токенов. Её назначение — удерживать инструкции задачи и накопленные доказательства, пока вспомогательное приложение предоставляет инструменты и возвращает их результаты.
Модель сочетает внимание со скользящим окном и глобальное внимание в соотношении 6:1. Локальное окно составляет 128 токенов, а слои глобального внимания связывают информацию по более длинной истории. Это архитектура внимания, а не ограничение пользовательского ввода в 128 токенов. Базовая архитектура имеет 70 слоёв и разреженную маршрутизацию экспертов с выбором восьми маршрутизируемых экспертов на токен. В устройство обучения и инференса встроены три модуля предсказания нескольких токенов для поддержки спекулятивного декодирования.
Разработчик описывает предобучение на 27 трлн токенов, за которым следуют дообучение с учителем, специализированное по предметным областям обучение с подкреплением и дистилляция on-policy от нескольких учителей. Специализированные учителя охватывают математику, безопасность и сложное использование инструментов, а итоговый этап объединяет их рекомендации в одной модели. Этот акцент обучения поддерживает роль модели в длительных процессах разработки и агентной работы; конкретной задаче всё равно нужны заданные требования и способ установить завершённость результата.
Для изменения программного обеспечения предоставьте соответствующие файлы, наблюдаемую ошибку или желаемое поведение, соглашения проекта и значимые проверки. Полезная инструкция — определить затронутое поведение, предложить сосредоточенную реализацию и объяснить проверку как желаемого случая, так и значимого граничного случая. Сохраняйте точные идентификаторы проекта. Если среда допускает выполнение, верните фактический вывод проверки, вместо того чтобы просить модель предположить работоспособность правдоподобного патча.
Для более длительной агентной задачи сохраняйте краткую запись цели, уже принятых решений и доказательств, возвращённых инструментами. Укажите, что разрешено менять каждой операции и какой результат оправдывает следующий шаг. Модель помогает рассуждать по этим взаимодействиям и готовить следующий запрос, но операции выполняет окружающее приложение. Сохраняйте ошибки и нерешённые условия в итоговом описании, чтобы длинная последовательность не скрыла провалившийся шаг за гладким объяснением.
Большой контекст полезен для сравнения реализаций или обобщения нескольких объёмных документов. Обозначьте границы файлов и документов, укажите разделы, которые должен использовать ответ, и задайте требуемый формат вывода. Например, запросите предложение миграции, связывающее каждый затронутый компонент с требованием и отдельно указывающее недостающую информацию. Сохраняйте подтверждающие фрагменты или места в коде вместе с результатом, чтобы проверяющий мог проследить рассуждения до ввода.
Опубликованный Xiaomi пример обслуживания использует конфигурацию контекста в 1 048 576 токенов, а сводное описание говорит о поддержке до 1M токенов. В используемой конфигурации оставляйте место для генерируемого текста и накапливающейся истории инструментов. Для локального инференса разработчик рекомендует temperature 1.0 и top_p 0.95. Это детали рецепта разработчика, а не гарантия одинаковых настроек или рабочего окна во всех приложениях.
MiMo-V2.5-Pro отличается от родственной изначально омнимодальной MiMo-V2.5 и более поздней серии V2.6. Используйте эту редакцию в пределах документированных языковых и агентных задач, не перенося на неё контракт зрения или аудио другой редакции. Итоговым материалом может быть предложение кода, объяснение реализации или анализ на основе доказательств; сверяйте важные расчёты, требования и результаты инструментов с материалами, переданными для задачи.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения xiaomi/mimo-v2.5-pro | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— |
Полеmessages[].content | Типstring|content_part[]|null | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_calls | Типtool_call[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_call_id | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— |
Полеmessages[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].reasoning_content | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— |
Полеmessages[].reasoning_details | Типobject|array | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеmax_completion_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеstream_options.include_usage | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop | Типstring|string[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типfunction_tool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].type | Типstring | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— |
Полеtools[].function.name | Типstring | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— |
Полеtools[].function.description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].function.parameters | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеparallel_tool_calls | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеresponse_format | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning_effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеservice_tier | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеinstructions | Типstring | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— |
Полеfunctions | Типfunction[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеfunction_call | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеprompt_cache_options | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmodalities | Типstring[] | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— |
Полеcache_control.ttl | Типstring | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— |
Текст · Текст UTF8
messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages |
Параметрmaterial_types | Контрактtext |
Параметрmessages | Контрактмассив сообщений со структурой role/content |
Параметрfile_material | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него |
Параметрoptional_controls | Контрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса |
Параметрoutput_modalities | Контрактtext |
Параметрhosted_operations | Контрактfalse |
Параметрmultimodal_input_binding | Контрактnull |
Жизненный цикл: synchronous_or_streamed
Отправляйте точный ID модели вместе с messages.
Длина контекста не является пределом выхода.
Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.00087 / 1K токенов Выход · Выходные токены $0.00174 / 1K токенов Вход · Чтение кэша $0.0000072 / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.00087 / 1K токенов Выход · Выходные токены $0.00174 / 1K токенов Вход · Чтение кэша $0.0000072 / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.5-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-v2.5-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-v2.5-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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеchoices[].index | Типinteger |
Полеchoices[].message.content | Типstring|null |
Полеchoices[].message.tool_calls | Типtool_call[] |
Полеchoices[].message.reasoning_content | Типstring |
Полеchoices[].message.reasoning_details | Типobject|array |
Полеchoices[].finish_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra xiaomi/mimo-v2.5-pro
Используйте пути методов, указанные выше.
xiaomi/mimo-v2.5-proMiMo-V2.5-Pro — ориентированная на текст модель Xiaomi для сложной разработки программного обеспечения и длительных агентных процессов. В опубликованном профиле сочетаются MoE с 1,02 трлн параметров, 42 млрд активных параметров и контекст до миллиона токенов; обучение сосредоточено на согласованном использовании инструментов.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
MiMo-V2.5-Pro — крупная ориентированная на текст модель Xiaomi с архитектурой смеси экспертов для требовательной агентной работы, сложной разработки программного обеспечения и задач с множеством связанных шагов. Разработчик указывает 1,02 трлн параметров в общей сложности, 42 млрд активных параметров и контекст до миллиона токенов. Её назначение — удерживать инструкции задачи и накопленные доказательства, пока вспомогательное приложение предоставляет инструменты и возвращает их результаты.
Модель сочетает внимание со скользящим окном и глобальное внимание в соотношении 6:1. Локальное окно составляет 128 токенов, а слои глобального внимания связывают информацию по более длинной истории. Это архитектура внимания, а не ограничение пользовательского ввода в 128 токенов. Базовая архитектура имеет 70 слоёв и разреженную маршрутизацию экспертов с выбором восьми маршрутизируемых экспертов на токен. В устройство обучения и инференса встроены три модуля предсказания нескольких токенов для поддержки спекулятивного декодирования.
Разработчик описывает предобучение на 27 трлн токенов, за которым следуют дообучение с учителем, специализированное по предметным областям обучение с подкреплением и дистилляция on-policy от нескольких учителей. Специализированные учителя охватывают математику, безопасность и сложное использование инструментов, а итоговый этап объединяет их рекомендации в одной модели. Этот акцент обучения поддерживает роль модели в длительных процессах разработки и агентной работы; конкретной задаче всё равно нужны заданные требования и способ установить завершённость результата.
Для изменения программного обеспечения предоставьте соответствующие файлы, наблюдаемую ошибку или желаемое поведение, соглашения проекта и значимые проверки. Полезная инструкция — определить затронутое поведение, предложить сосредоточенную реализацию и объяснить проверку как желаемого случая, так и значимого граничного случая. Сохраняйте точные идентификаторы проекта. Если среда допускает выполнение, верните фактический вывод проверки, вместо того чтобы просить модель предположить работоспособность правдоподобного патча.
Для более длительной агентной задачи сохраняйте краткую запись цели, уже принятых решений и доказательств, возвращённых инструментами. Укажите, что разрешено менять каждой операции и какой результат оправдывает следующий шаг. Модель помогает рассуждать по этим взаимодействиям и готовить следующий запрос, но операции выполняет окружающее приложение. Сохраняйте ошибки и нерешённые условия в итоговом описании, чтобы длинная последовательность не скрыла провалившийся шаг за гладким объяснением.
Большой контекст полезен для сравнения реализаций или обобщения нескольких объёмных документов. Обозначьте границы файлов и документов, укажите разделы, которые должен использовать ответ, и задайте требуемый формат вывода. Например, запросите предложение миграции, связывающее каждый затронутый компонент с требованием и отдельно указывающее недостающую информацию. Сохраняйте подтверждающие фрагменты или места в коде вместе с результатом, чтобы проверяющий мог проследить рассуждения до ввода.
Опубликованный Xiaomi пример обслуживания использует конфигурацию контекста в 1 048 576 токенов, а сводное описание говорит о поддержке до 1M токенов. В используемой конфигурации оставляйте место для генерируемого текста и накапливающейся истории инструментов. Для локального инференса разработчик рекомендует temperature 1.0 и top_p 0.95. Это детали рецепта разработчика, а не гарантия одинаковых настроек или рабочего окна во всех приложениях.
MiMo-V2.5-Pro отличается от родственной изначально омнимодальной MiMo-V2.5 и более поздней серии V2.6. Используйте эту редакцию в пределах документированных языковых и агентных задач, не перенося на неё контракт зрения или аудио другой редакции. Итоговым материалом может быть предложение кода, объяснение реализации или анализ на основе доказательств; сверяйте важные расчёты, требования и результаты инструментов с материалами, переданными для задачи.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения xiaomi/mimo-v2.5-pro | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Текст · Текст UTF-8
строка messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактstream |
Параметрmaterial_types | Контрактtext |
Параметрtext_file_material | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. |
Жизненный цикл: synchronous_or_streamed
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Токенов контекста больше | Токенов контекста не более, включительно | Плата |
|---|---|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Токенов контекста больше— | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.00087 / 1K токенов Выход · Выходные токены $0.00174 / 1K токенов Вход · Чтение кэша $0.0000072 / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияУровень 1 по длине запроса | Шкала ставок— | Токенов контекста больше0 | Токенов контекста не более, включительноБез верхней границы | Плата Вход · Входные токены $0.00087 / 1K токенов Выход · Выходные токены $0.00174 / 1K токенов Вход · Чтение кэша $0.0000072 / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "xiaomi/mimo-v2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v2.5-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-v2.5-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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеid | Типstring |
Полеmodel | Типstring |
Полеcontent[] | Типtext|thinking|tool_use|other content block |
Полеstop_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra xiaomi/mimo-v2.5-pro
Используйте пути методов, указанные выше.
Технический пример на английском
Correct a two-stage validation flow\n\nTrace this Python flow: validate.py: def valid(row): return bool(row.get('email')); import.py: accepted = [r for r in rows if valid(r) is not None]. A row without email is incorrectly accepted. Propose the smallest correction, retain valid's Boolean contract and supply cases for a missing email and a present email. Separate the proposal from executed checks.A cross-file cause explanation, focused consumer patch and two regression cases.The consumer must reject False rather than treating every non-None Boolean as accepted.