MiMo-V2.5-Pro je Xiaomijev velik besedilni model z mešanico ekspertov za zahtevno delo agentov, kompleksno programsko inženirstvo in naloge, ki zahtevajo veliko povezanih korakov. Proizvajalec navaja skupno 1.02 bilijona parametrov, 42 milijard aktivnih parametrov in kontekst do enega milijona žetonov. Njegov namen je ohranjati navodila naloge in zbrane dokaze, medtem ko podporna aplikacija zagotavlja orodja in vrača njihove rezultate.
Model združuje pozornost z drsečim oknom in globalno pozornost v razmerju 6:1. Lokalno okno obsega 128 žetonov, plasti globalne pozornosti pa povezujejo informacije iz daljše zgodovine. To opisuje arhitekturo pozornosti, ne omejitve uporabniškega vnosa na 128 žetonov. Osnovno ogrodje ima 70 plasti in redko usmerjanje med eksperti, pri čemer je za vsak žeton izbranih osem usmerjenih ekspertov. V zasnovo učenja in sklepanja so vključeni trije moduli za napovedovanje več žetonov, ki podpirajo špekulativno dekodiranje.
Razvijalec opisuje predhodno učenje na 27 bilijonih žetonov, ki mu sledijo nadzorovano dodatno učenje, spodbujevalno učenje, specializirano za posamezna področja, in destilacija z več učitelji po trenutni strategiji modela. Specializirani učitelji pokrivajo področja, kot so matematika, varnost in zahtevna uporaba orodij, zadnja stopnja pa njihovo usmerjanje združi v en model. Takšno učenje podpira vlogo modela v dolgih programskih delovnih tokovih in delovnih tokovih z agenti; konkretna naloga še vedno potrebuje podane zahteve in način ugotavljanja, ali je rezultat dokončan.
Pri spremembi programske opreme priložite ustrezne datoteke, opaženo napako ali želeno vedenje, projektne konvencije in pomembna preverjanja. Koristno navodilo je opredeliti prizadeto vedenje, predlagati osredotočeno izvedbo ter pojasniti preverjanje želenega primera in smiselnega robnega primera. Ohranite točne identifikatorje, uporabljene v projektu. Če okolje omogoča izvajanje, vrnite dejanski izpis preverjanja, namesto da bi model prosili, naj predpostavi delovanje verjetnega popravka.
Pri daljši nalogi z agentom vodite strnjen zapis cilja, že sprejetih odločitev in dokazov, ki jih vrnejo orodja. Navedite, kaj sme posamezna operacija spremeniti in kateri rezultat bi upravičil naslednji korak. Model lahko pomaga razmišljati o teh interakcijah in pripraviti naslednjo zahtevo, operacije pa izvede okoliška aplikacija. V končnem poročilu ohranite napake in nerazrešene pogoje, da daljše zaporedje neuspešnega koraka ne skrije za tekočo razlago.
Velik kontekst je lahko koristen za primerjavo izvedb ali sintezo več obsežnih dokumentov. Označite meje datotek in dokumentov, določite odseke, ki jih mora odgovor uporabiti, in navedite zahtevano obliko izhoda. Zahtevajte na primer predlog migracije, ki vsako prizadeto komponento poveže z zahtevo in ločeno opredeli manjkajoče informacije. Ob rezultatu ohranite podporne odlomke ali mesta v kodi, da lahko pregledovalec razmišljanje poveže z izhodiščnim gradivom.
Xiaomijev objavljeni primer streženja uporablja konfiguracijo konteksta z 1,048,576 žetoni, povzetek pa model opisuje kot model s podporo do 1M žetonov. V uporabljeni konfiguraciji pustite prostor za ustvarjeno besedilo in zbrano zgodovino orodij. Razvijalec za lokalno sklepanje priporoča temperature 1.0 in top_p 0.95. To so podrobnosti proizvajalčevega postopka, ne zagotovilo, da vsaka aplikacija ponuja enake nastavitve ali enako delovno okno.
MiMo-V2.5-Pro se razlikuje od sorodnega izvorno omnimodalnega modela MiMo-V2.5 in poznejše serije V2.6. To izdajo uporabljajte za dokumentirani obseg jezikovnih nalog in nalog z agenti, ne da bi ji pripisovali vizualne ali zvočne zmožnosti druge izdaje. Končni izdelek je lahko predlog kode, razlaga izvedbe ali analiza na podlagi dokazov; pomembne izračune, zahteve in rezultate orodij preverite glede na gradivo, podano za nalogo.
", "aboutText": "MiMo-V2.5-Pro je Xiaomijev velik besedilni model z mešanico ekspertov za zahtevno delo agentov, kompleksno programsko inženirstvo in naloge, ki zahtevajo veliko povezanih korakov. Proizvajalec navaja skupno 1.02 bilijona parametrov, 42 milijard aktivnih parametrov in kontekst do enega milijona žetonov. Njegov namen je ohranjati navodila naloge in zbrane dokaze, medtem ko podporna aplikacija zagotavlja orodja in vrača njihove rezultate.\n\nModel združuje pozornost z drsečim oknom in globalno pozornost v razmerju 6:1. Lokalno okno obsega 128 žetonov, plasti globalne pozornosti pa povezujejo informacije iz daljše zgodovine. To opisuje arhitekturo pozornosti, ne omejitve uporabniškega vnosa na 128 žetonov. Osnovno ogrodje ima 70 plasti in redko usmerjanje med eksperti, pri čemer je za vsak žeton izbranih osem usmerjenih ekspertov. V zasnovo učenja in sklepanja so vključeni trije moduli za napovedovanje več žetonov, ki podpirajo špekulativno dekodiranje.\n\nRazvijalec opisuje predhodno učenje na 27 bilijonih žetonov, ki mu sledijo nadzorovano dodatno učenje, spodbujevalno učenje, specializirano za posamezna področja, in destilacija z več učitelji po trenutni strategiji modela. Specializirani učitelji pokrivajo področja, kot so matematika, varnost in zahtevna uporaba orodij, zadnja stopnja pa njihovo usmerjanje združi v en model. Takšno učenje podpira vlogo modela v dolgih programskih delovnih tokovih in delovnih tokovih z agenti; konkretna naloga še vedno potrebuje podane zahteve in način ugotavljanja, ali je rezultat dokončan.\n\nPri spremembi programske opreme priložite ustrezne datoteke, opaženo napako ali želeno vedenje, projektne konvencije in pomembna preverjanja. Koristno navodilo je opredeliti prizadeto vedenje, predlagati osredotočeno izvedbo ter pojasniti preverjanje želenega primera in smiselnega robnega primera. Ohranite točne identifikatorje, uporabljene v projektu. Če okolje omogoča izvajanje, vrnite dejanski izpis preverjanja, namesto da bi model prosili, naj predpostavi delovanje verjetnega popravka.\n\nPri daljši nalogi z agentom vodite strnjen zapis cilja, že sprejetih odločitev in dokazov, ki jih vrnejo orodja. Navedite, kaj sme posamezna operacija spremeniti in kateri rezultat bi upravičil naslednji korak. Model lahko pomaga razmišljati o teh interakcijah in pripraviti naslednjo zahtevo, operacije pa izvede okoliška aplikacija. V končnem poročilu ohranite napake in nerazrešene pogoje, da daljše zaporedje neuspešnega koraka ne skrije za tekočo razlago.\n\nVelik kontekst je lahko koristen za primerjavo izvedb ali sintezo več obsežnih dokumentov. Označite meje datotek in dokumentov, določite odseke, ki jih mora odgovor uporabiti, in navedite zahtevano obliko izhoda. Zahtevajte na primer predlog migracije, ki vsako prizadeto komponento poveže z zahtevo in ločeno opredeli manjkajoče informacije. Ob rezultatu ohranite podporne odlomke ali mesta v kodi, da lahko pregledovalec razmišljanje poveže z izhodiščnim gradivom.\n\nXiaomijev objavljeni primer streženja uporablja konfiguracijo konteksta z 1,048,576 žetoni, povzetek pa model opisuje kot model s podporo do 1M žetonov. V uporabljeni konfiguraciji pustite prostor za ustvarjeno besedilo in zbrano zgodovino orodij. Razvijalec za lokalno sklepanje priporoča temperature 1.0 in top_p 0.95. To so podrobnosti proizvajalčevega postopka, ne zagotovilo, da vsaka aplikacija ponuja enake nastavitve ali enako delovno okno.\n\nMiMo-V2.5-Pro se razlikuje od sorodnega izvorno omnimodalnega modela MiMo-V2.5 in poznejše serije V2.6. To izdajo uporabljajte za dokumentirani obseg jezikovnih nalog in nalog z agenti, ne da bi ji pripisovali vizualne ali zvočne zmožnosti druge izdaje. Končni izdelek je lahko predlog kode, razlaga izvedbe ali analiza na podlagi dokazov; pomembne izračune, zahteve in rezultate orodij preverite glede na gradivo, podano za nalogo.", "editorialOverlay": { "copy_fields": { "practical_html": "Tehnični primer v angleščini
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 je Xiaomijev model, osredotočen na besedilo, za zahtevno programsko inženirstvo in daljše delovne tokove z agenti. Njegov objavljeni profil združuje MoE z 1.02T parametrov, 42B aktivnih parametrov in kontekst do enega milijona žetonov, učenje pa je usmerjeno v usklajeno uporabo orodij.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
MiMo-V2.5-Pro je Xiaomijev velik besedilni model z mešanico ekspertov za zahtevno delo agentov, kompleksno programsko inženirstvo in naloge, ki zahtevajo veliko povezanih korakov. Proizvajalec navaja skupno 1.02 bilijona parametrov, 42 milijard aktivnih parametrov in kontekst do enega milijona žetonov. Njegov namen je ohranjati navodila naloge in zbrane dokaze, medtem ko podporna aplikacija zagotavlja orodja in vrača njihove rezultate.
Model združuje pozornost z drsečim oknom in globalno pozornost v razmerju 6:1. Lokalno okno obsega 128 žetonov, plasti globalne pozornosti pa povezujejo informacije iz daljše zgodovine. To opisuje arhitekturo pozornosti, ne omejitve uporabniškega vnosa na 128 žetonov. Osnovno ogrodje ima 70 plasti in redko usmerjanje med eksperti, pri čemer je za vsak žeton izbranih osem usmerjenih ekspertov. V zasnovo učenja in sklepanja so vključeni trije moduli za napovedovanje več žetonov, ki podpirajo špekulativno dekodiranje.
Razvijalec opisuje predhodno učenje na 27 bilijonih žetonov, ki mu sledijo nadzorovano dodatno učenje, spodbujevalno učenje, specializirano za posamezna področja, in destilacija z več učitelji po trenutni strategiji modela. Specializirani učitelji pokrivajo področja, kot so matematika, varnost in zahtevna uporaba orodij, zadnja stopnja pa njihovo usmerjanje združi v en model. Takšno učenje podpira vlogo modela v dolgih programskih delovnih tokovih in delovnih tokovih z agenti; konkretna naloga še vedno potrebuje podane zahteve in način ugotavljanja, ali je rezultat dokončan.
Pri spremembi programske opreme priložite ustrezne datoteke, opaženo napako ali želeno vedenje, projektne konvencije in pomembna preverjanja. Koristno navodilo je opredeliti prizadeto vedenje, predlagati osredotočeno izvedbo ter pojasniti preverjanje želenega primera in smiselnega robnega primera. Ohranite točne identifikatorje, uporabljene v projektu. Če okolje omogoča izvajanje, vrnite dejanski izpis preverjanja, namesto da bi model prosili, naj predpostavi delovanje verjetnega popravka.
Pri daljši nalogi z agentom vodite strnjen zapis cilja, že sprejetih odločitev in dokazov, ki jih vrnejo orodja. Navedite, kaj sme posamezna operacija spremeniti in kateri rezultat bi upravičil naslednji korak. Model lahko pomaga razmišljati o teh interakcijah in pripraviti naslednjo zahtevo, operacije pa izvede okoliška aplikacija. V končnem poročilu ohranite napake in nerazrešene pogoje, da daljše zaporedje neuspešnega koraka ne skrije za tekočo razlago.
Velik kontekst je lahko koristen za primerjavo izvedb ali sintezo več obsežnih dokumentov. Označite meje datotek in dokumentov, določite odseke, ki jih mora odgovor uporabiti, in navedite zahtevano obliko izhoda. Zahtevajte na primer predlog migracije, ki vsako prizadeto komponento poveže z zahtevo in ločeno opredeli manjkajoče informacije. Ob rezultatu ohranite podporne odlomke ali mesta v kodi, da lahko pregledovalec razmišljanje poveže z izhodiščnim gradivom.
Xiaomijev objavljeni primer streženja uporablja konfiguracijo konteksta z 1,048,576 žetoni, povzetek pa model opisuje kot model s podporo do 1M žetonov. V uporabljeni konfiguraciji pustite prostor za ustvarjeno besedilo in zbrano zgodovino orodij. Razvijalec za lokalno sklepanje priporoča temperature 1.0 in top_p 0.95. To so podrobnosti proizvajalčevega postopka, ne zagotovilo, da vsaka aplikacija ponuja enake nastavitve ali enako delovno okno.
MiMo-V2.5-Pro se razlikuje od sorodnega izvorno omnimodalnega modela MiMo-V2.5 in poznejše serije V2.6. To izdajo uporabljajte za dokumentirani obseg jezikovnih nalog in nalog z agenti, ne da bi ji pripisovali vizualne ali zvočne zmožnosti druge izdaje. Končni izdelek je lahko predlog kode, razlaga izvedbe ali analiza na podlagi dokazov; pomembne izračune, zahteve in rezultate orodij preverite glede na gradivo, podano za nalogo.
POST /v1/chat/completionstexttext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve xiaomi/mimo-v2.5-pro | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Primeri: system, user, assistant, tool, function Pogoji: Te vloge so izrecno predstavljene s tipi združljivosti v izvorni kodi; natančen nabor vlog ostaja odvisen od modela. Odvisno od modela | Privzeto— |
Poljemessages[].content | Vrstastring|content_part[]|null | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_calls | Vrstatool_call[] | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].tool_call_id | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: role=tool; uporabite dejansko vrnjeni ID | Privzeto— |
Poljemessages[].name | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].reasoning_content | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Velja, ko: Pošljite nazaj dejansko vrnjeno sklepanje, kadar ga ta model uporablja | Privzeto— |
Poljemessages[].reasoning_details | Vrstaobject|array | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljemax_completion_tokens | Vrstainteger | ZahtevaIzbirno | Vrednosti in omejitve Najmanj: 1 Odvisno od modela | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Poljestream_options.include_usage | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetemperature | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetop_p | Vrstanumber | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljestop | Vrstastring|string[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools | Vrstafunction_tool[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljetools[].type | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve function Odvisno od modela | Privzeto— |
Poljetools[].function.name | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve Velja, ko: podano je funkcijsko orodje | Privzeto— |
Poljetools[].function.description | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetools[].function.parameters | VrstaJSON_schema | ZahtevaIzbirno | Vrednosti in omejitve | Privzeto— |
Poljetool_choice | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeparallel_tool_calls | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeresponse_format | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning_effort | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljereasoning | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeservice_tier | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeinstructions | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Polje združljivosti | Privzeto— |
Poljefunctions | Vrstafunction[] | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljefunction_call | Vrstastring|object | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljeprompt_cache_options | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Odvisno od modela | Privzeto— |
Poljemodalities | Vrstastring[] | ZahtevaIzbirno | Vrednosti in omejitve text | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je na tej besedilni poti Ultra zavrnjen | Privzeto— |
Poljecache_control.ttl | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: 1h je zavrnjen na dejanskih mestih za predpomnjenje pozivov | Privzeto— |
Besedilo · Besedilo UTF8
messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages |
Parametermaterial_types | Specifikacijatext |
Parametermessages | Specifikacijapolje sporočil s strukturo role/content |
Parameterfile_material | Specifikacijadejanski dokument UTF-8 je vstavljen kot dobesedno besedilo; ID datoteke se ne izpeljuje |
Parameteroptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Specifikacijaodvisno od modela; uporabniška funkcijska orodja se razlikujejo od orodij, ki jih izvaja storitev |
Parameteroutput_modalities | Specifikacijatext |
Parameterhosted_operations | Specifikacijafalse |
Parametermultimodal_input_binding | Specifikacijanull |
Življenjski cikel: synchronous_or_streamed
Pošljite natančen ID modela skupaj z messages.
Dolžina konteksta ni zgornja meja izhoda.
Besedilna datoteka lahko poda dobesedno besedilo; slikovni, zvočni vhodi in vhodi z datotečnimi objekti potrebujejo natančno vezavo.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.00087 / 1K žetonov Izhod · Izhodni žetoni $0.00174 / 1K žetonov Vhod · Branje predpomnilnika $0.0000072 / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.00087 / 1K žetonov Izhod · Izhodni žetoni $0.00174 / 1K žetonov Vhod · Branje predpomnilnika $0.0000072 / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsako možnost odgovora ter njeno vsebino, klice orodij in sklepanje. V SSE sestavite delne spremembe po indeksu možnosti/orodja ter ohranite končni razlog zaključka in podatke o porabi.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljechoices[].index | Vrstainteger |
Poljechoices[].message.content | Vrstastring|null |
Poljechoices[].message.tool_calls | Vrstatool_call[] |
Poljechoices[].message.reasoning_content | Vrstastring |
Poljechoices[].message.reasoning_details | Vrstaobject|array |
Poljechoices[].finish_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra xiaomi/mimo-v2.5-pro
Uporabite zgoraj navedene poti metod.
xiaomi/mimo-v2.5-proMiMo-V2.5-Pro je Xiaomijev model, osredotočen na besedilo, za zahtevno programsko inženirstvo in daljše delovne tokove z agenti. Njegov objavljeni profil združuje MoE z 1.02T parametrov, 42B aktivnih parametrov in kontekst do enega milijona žetonov, učenje pa je usmerjeno v usklajeno uporabo orodij.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
MiMo-V2.5-Pro je Xiaomijev velik besedilni model z mešanico ekspertov za zahtevno delo agentov, kompleksno programsko inženirstvo in naloge, ki zahtevajo veliko povezanih korakov. Proizvajalec navaja skupno 1.02 bilijona parametrov, 42 milijard aktivnih parametrov in kontekst do enega milijona žetonov. Njegov namen je ohranjati navodila naloge in zbrane dokaze, medtem ko podporna aplikacija zagotavlja orodja in vrača njihove rezultate.
Model združuje pozornost z drsečim oknom in globalno pozornost v razmerju 6:1. Lokalno okno obsega 128 žetonov, plasti globalne pozornosti pa povezujejo informacije iz daljše zgodovine. To opisuje arhitekturo pozornosti, ne omejitve uporabniškega vnosa na 128 žetonov. Osnovno ogrodje ima 70 plasti in redko usmerjanje med eksperti, pri čemer je za vsak žeton izbranih osem usmerjenih ekspertov. V zasnovo učenja in sklepanja so vključeni trije moduli za napovedovanje več žetonov, ki podpirajo špekulativno dekodiranje.
Razvijalec opisuje predhodno učenje na 27 bilijonih žetonov, ki mu sledijo nadzorovano dodatno učenje, spodbujevalno učenje, specializirano za posamezna področja, in destilacija z več učitelji po trenutni strategiji modela. Specializirani učitelji pokrivajo področja, kot so matematika, varnost in zahtevna uporaba orodij, zadnja stopnja pa njihovo usmerjanje združi v en model. Takšno učenje podpira vlogo modela v dolgih programskih delovnih tokovih in delovnih tokovih z agenti; konkretna naloga še vedno potrebuje podane zahteve in način ugotavljanja, ali je rezultat dokončan.
Pri spremembi programske opreme priložite ustrezne datoteke, opaženo napako ali želeno vedenje, projektne konvencije in pomembna preverjanja. Koristno navodilo je opredeliti prizadeto vedenje, predlagati osredotočeno izvedbo ter pojasniti preverjanje želenega primera in smiselnega robnega primera. Ohranite točne identifikatorje, uporabljene v projektu. Če okolje omogoča izvajanje, vrnite dejanski izpis preverjanja, namesto da bi model prosili, naj predpostavi delovanje verjetnega popravka.
Pri daljši nalogi z agentom vodite strnjen zapis cilja, že sprejetih odločitev in dokazov, ki jih vrnejo orodja. Navedite, kaj sme posamezna operacija spremeniti in kateri rezultat bi upravičil naslednji korak. Model lahko pomaga razmišljati o teh interakcijah in pripraviti naslednjo zahtevo, operacije pa izvede okoliška aplikacija. V končnem poročilu ohranite napake in nerazrešene pogoje, da daljše zaporedje neuspešnega koraka ne skrije za tekočo razlago.
Velik kontekst je lahko koristen za primerjavo izvedb ali sintezo več obsežnih dokumentov. Označite meje datotek in dokumentov, določite odseke, ki jih mora odgovor uporabiti, in navedite zahtevano obliko izhoda. Zahtevajte na primer predlog migracije, ki vsako prizadeto komponento poveže z zahtevo in ločeno opredeli manjkajoče informacije. Ob rezultatu ohranite podporne odlomke ali mesta v kodi, da lahko pregledovalec razmišljanje poveže z izhodiščnim gradivom.
Xiaomijev objavljeni primer streženja uporablja konfiguracijo konteksta z 1,048,576 žetoni, povzetek pa model opisuje kot model s podporo do 1M žetonov. V uporabljeni konfiguraciji pustite prostor za ustvarjeno besedilo in zbrano zgodovino orodij. Razvijalec za lokalno sklepanje priporoča temperature 1.0 in top_p 0.95. To so podrobnosti proizvajalčevega postopka, ne zagotovilo, da vsaka aplikacija ponuja enake nastavitve ali enako delovno okno.
MiMo-V2.5-Pro se razlikuje od sorodnega izvorno omnimodalnega modela MiMo-V2.5 in poznejše serije V2.6. To izdajo uporabljajte za dokumentirani obseg jezikovnih nalog in nalog z agenti, ne da bi ji pripisovali vizualne ali zvočne zmožnosti druge izdaje. Končni izdelek je lahko predlog kode, razlaga izvedbe ali analiza na podlagi dokazov; pomembne izračune, zahteve in rezultate orodij preverite glede na gradivo, podano za nalogo.
POST /v1/messagestextjson, sse| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve xiaomi/mimo-v2.5-pro | Privzeto— |
Poljemessages | Vrstamessage[] | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemessages[].role | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve user, assistant | Privzeto— |
Poljemessages[].content | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljemax_tokens | Vrstainteger | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
Poljestream | Vrstaboolean | ZahtevaIzbirno | Vrednosti in omejitve | Privzetofalse |
Besedilo · Besedilo UTF-8
niz messages[].content
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, messages, max_tokens |
Parameteroptional_controls | Specifikacijastream |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_or_streamed
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.
| Nastavitev | Cenovna lestvica | Žetonov konteksta več kot | Žetonov konteksta do vključno | Strošek |
|---|---|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Žetonov konteksta več kot— | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.00087 / 1K žetonov Izhod · Izhodni žetoni $0.00174 / 1K žetonov Vhod · Branje predpomnilnika $0.0000072 / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
| NastavitevRazred 1 glede na dolžino zahteve | Cenovna lestvica— | Žetonov konteksta več kot0 | Žetonov konteksta do vključnoBrez zgornje meje | Strošek Vhod · Vhodni žetoni $0.00087 / 1K žetonov Izhod · Izhodni žetoni $0.00174 / 1K žetonov Vhod · Branje predpomnilnika $0.0000072 / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "xiaomi/mimo-v2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 ali SSE
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vse vsebinske bloke, podpise sklepanja in dejanske ID uporabe orodij. Sestavite vse delne spremembe blokov SSE; prvi besedilni blok ni celoten izhod.
Ohranite ID zahtev/odgovorov in glave. Splošni URL za pridobivanje besedilne naloge ni podan.
| Polje | Vrsta |
|---|---|
Poljeid | Vrstastring |
Poljemodel | Vrstastring |
Poljecontent[] | Vrstatext|thinking|tool_use|other content block |
Poljestop_reason | Vrstastring|null |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra xiaomi/mimo-v2.5-pro
Uporabite zgoraj navedene poti metod.
Tehnični primer v angleščini
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.