MiniMax M1 är MiniMax resonemangsspråkmodell med hybriduppmärksamhet för uppgifter med lång indata och omfattande analys. Den bygger på MiniMax-Text-01 med mixture-of-experts-komponenter och Lightning Attention, med 456 miljarder parametrar totalt och 45,9 miljarder aktiverade per token. Indatan är skriftliga instruktioner och källkontext; utdatan är text som en lösning, kod, analys eller funktionsanropsinformation.
Tillverkaren beskriver en inbyggd kontext på en miljon token och släpper två M1-versioner med tankebudget på 40K och 80K. Budgetnamnen avser resonemangsversionerna och ska inte läsas som identiska universella gränser för slutsvar. Det generiska M1-valet förblir skilt från dessa fasta budgetprofiler och från den tidigare Text-01-modellens inferensutökning.
För en uppgift med långa dokument namnger du materialen, anger relevanta avsnitt och frågan de ska stödja. En användbar brief är: ”Jämför dessa krav med implementationsanteckningarna, identifiera varje olöst villkor och returnera det stödjande avsnittet bredvid iakttagelsen.” Reservera plats i uppgiftskontexten för resonemang och slutsvar, inte bara det ursprungliga källmaterialet.
M1 använder storskalig förstärkningsinlärning inom matematik och sandlådebaserade mjukvaruutvecklingsproblem. Producenten introducerar CISPO, som klipper vikter för importance sampling snarare än tokenuppdateringar, som en del av förstärkningsinlärningen. Detta är en träningsskillnad för resonemangsutgåvan; det gör inte genererad kod eller en föreslagen åtgärd till ett utfört resultat.
För kod tillhandahåller du relevant implementation, representativ indata, förväntat beteende och begränsningar som ska bevaras. Be om en fokuserad ändring och underlaget som motiverar den. För matematik tillhandahåller du hela villkoret och begär slutresultatet med dess antaganden. Tillverkaren rekommenderar en stegvis lösning med slutresultatet i inramad matematisk notation.
MiniMax rekommenderar temperature 1.0 och top-p 0.95 för referensprofilen. Den rekommenderar också att systeminstruktionen anpassas till uppgiften. En allmän assistent kan använda en enkel hjälpsam roll; en webbutvecklingsuppgift kan ange den fullständiga kodleveransen och utdataformatet. Den illustrativa webbprompten begär en komplett HTML-leverans snarare än uppdelade kodsnuttar.
Ange om svaret ska vara en förklaring, en strukturerad jämförelse eller endast kod. Instruktionen bör identifiera den faktiska leveransen och vad som räknas som färdigställande. En visuell implementation behöver fortfarande köras i den avsedda applikationen, med det observerade resultatet återfört inför eventuell revidering.
M1 stöder tillhandahållna funktionsdefinitioner med namn, beskrivningar, argumenttyper och obligatoriska fält. Den inbyggda representationen skiljer resonemang från verktygsanrop och strukturerade JSON-argument. Producentguiden visar både en särskild parserväg och manuell tolkning av representationen. Applikationen validerar och utför de valda funktionerna och returnerar namngivna resultat i samtalet som modellen kan använda.
Håll verktygssyftet och tillåtna åtgärder uttryckliga. En dokumentuppslagning kan ge ett saknat fält innan modellen slutför en förklaring, medan ett utvecklingsverktyg kan returnera faktisk kod eller ett fel att analysera. En föreslagen operation är skild från utförande och ett observerat resultat.
Den användbara utdatan är en textlösning, ett kodförslag eller en analyspost knuten till tillhandahållna källor och faktiska verktygsobservationer. Behåll den ursprungliga M1-identiteten och dess budgetskillnader och härled inte en annan MiniMax-modells visuella indata, utdatagränser eller standardkontroller från det gemensamma familjenamnet.
", "aboutText": "MiniMax M1 är MiniMax resonemangsspråkmodell med hybriduppmärksamhet för uppgifter med lång indata och omfattande analys. Den bygger på MiniMax-Text-01 med mixture-of-experts-komponenter och Lightning Attention, med 456 miljarder parametrar totalt och 45,9 miljarder aktiverade per token. Indatan är skriftliga instruktioner och källkontext; utdatan är text som en lösning, kod, analys eller funktionsanropsinformation.\n\n### Kontext- och resonemangsversioner\n\nTillverkaren beskriver en inbyggd kontext på en miljon token och släpper två M1-versioner med tankebudget på 40K och 80K. Budgetnamnen avser resonemangsversionerna och ska inte läsas som identiska universella gränser för slutsvar. Det generiska M1-valet förblir skilt från dessa fasta budgetprofiler och från den tidigare Text-01-modellens inferensutökning.\n\nFör en uppgift med långa dokument namnger du materialen, anger relevanta avsnitt och frågan de ska stödja. En användbar brief är: ”Jämför dessa krav med implementationsanteckningarna, identifiera varje olöst villkor och returnera det stödjande avsnittet bredvid iakttagelsen.” Reservera plats i uppgiftskontexten för resonemang och slutsvar, inte bara det ursprungliga källmaterialet.\n\n### Träning för resonemang i verkliga uppgifter\n\nM1 använder storskalig förstärkningsinlärning inom matematik och sandlådebaserade mjukvaruutvecklingsproblem. Producenten introducerar CISPO, som klipper vikter för importance sampling snarare än tokenuppdateringar, som en del av förstärkningsinlärningen. Detta är en träningsskillnad för resonemangsutgåvan; det gör inte genererad kod eller en föreslagen åtgärd till ett utfört resultat.\n\nFör kod tillhandahåller du relevant implementation, representativ indata, förväntat beteende och begränsningar som ska bevaras. Be om en fokuserad ändring och underlaget som motiverar den. För matematik tillhandahåller du hela villkoret och begär slutresultatet med dess antaganden. Tillverkaren rekommenderar en stegvis lösning med slutresultatet i inramad matematisk notation.\n\n### Producentens promptvägledning\n\nMiniMax rekommenderar temperature 1.0 och top-p 0.95 för referensprofilen. Den rekommenderar också att systeminstruktionen anpassas till uppgiften. En allmän assistent kan använda en enkel hjälpsam roll; en webbutvecklingsuppgift kan ange den fullständiga kodleveransen och utdataformatet. Den illustrativa webbprompten begär en komplett HTML-leverans snarare än uppdelade kodsnuttar.\n\nAnge om svaret ska vara en förklaring, en strukturerad jämförelse eller endast kod. Instruktionen bör identifiera den faktiska leveransen och vad som räknas som färdigställande. En visuell implementation behöver fortfarande köras i den avsedda applikationen, med det observerade resultatet återfört inför eventuell revidering.\n\n### Funktionsanrop\n\nM1 stöder tillhandahållna funktionsdefinitioner med namn, beskrivningar, argumenttyper och obligatoriska fält. Den inbyggda representationen skiljer resonemang från verktygsanrop och strukturerade JSON-argument. Producentguiden visar både en särskild parserväg och manuell tolkning av representationen. Applikationen validerar och utför de valda funktionerna och returnerar namngivna resultat i samtalet som modellen kan använda.\n\nHåll verktygssyftet och tillåtna åtgärder uttryckliga. En dokumentuppslagning kan ge ett saknat fält innan modellen slutför en förklaring, medan ett utvecklingsverktyg kan returnera faktisk kod eller ett fel att analysera. En föreslagen operation är skild från utförande och ett observerat resultat.\n\nDen användbara utdatan är en textlösning, ett kodförslag eller en analyspost knuten till tillhandahållna källor och faktiska verktygsobservationer. Behåll den ursprungliga M1-identiteten och dess budgetskillnader och härled inte en annan MiniMax-modells visuella indata, utdatagränser eller standardkontroller från det gemensamma familjenamnet.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Check a batch-processing invariant\n\nA worker reads pending jobs, marks each running, then records completion. On restart it reads only pending jobs. Analyse what happens if the process stops after marking a job running but before recording completion. Propose a recovery rule that avoids losing the job and prevents an already completed external action from being repeated blindly. Give two failure-point tests.A failure analysis, a bounded recovery/state-reconciliation proposal and tests for interruption before and after an external action.Recovery checks the original action's outcome before deciding whether another execution is safe.MiniMax-M1MiniMax M1 är MiniMax resonemangsmodell med hybriduppmärksamhet för analys av långa källor, matematik, kodning och verktyg. Producentfamiljen har en inbyggd kontext på en miljon token och separata versioner med tankebudget på 40K och 80K och returnerar text samt strukturerat funktionsanropsinnehåll.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
MiniMax M1 är MiniMax resonemangsspråkmodell med hybriduppmärksamhet för uppgifter med lång indata och omfattande analys. Den bygger på MiniMax-Text-01 med mixture-of-experts-komponenter och Lightning Attention, med 456 miljarder parametrar totalt och 45,9 miljarder aktiverade per token. Indatan är skriftliga instruktioner och källkontext; utdatan är text som en lösning, kod, analys eller funktionsanropsinformation.
Tillverkaren beskriver en inbyggd kontext på en miljon token och släpper två M1-versioner med tankebudget på 40K och 80K. Budgetnamnen avser resonemangsversionerna och ska inte läsas som identiska universella gränser för slutsvar. Det generiska M1-valet förblir skilt från dessa fasta budgetprofiler och från den tidigare Text-01-modellens inferensutökning.
För en uppgift med långa dokument namnger du materialen, anger relevanta avsnitt och frågan de ska stödja. En användbar brief är: ”Jämför dessa krav med implementationsanteckningarna, identifiera varje olöst villkor och returnera det stödjande avsnittet bredvid iakttagelsen.” Reservera plats i uppgiftskontexten för resonemang och slutsvar, inte bara det ursprungliga källmaterialet.
M1 använder storskalig förstärkningsinlärning inom matematik och sandlådebaserade mjukvaruutvecklingsproblem. Producenten introducerar CISPO, som klipper vikter för importance sampling snarare än tokenuppdateringar, som en del av förstärkningsinlärningen. Detta är en träningsskillnad för resonemangsutgåvan; det gör inte genererad kod eller en föreslagen åtgärd till ett utfört resultat.
För kod tillhandahåller du relevant implementation, representativ indata, förväntat beteende och begränsningar som ska bevaras. Be om en fokuserad ändring och underlaget som motiverar den. För matematik tillhandahåller du hela villkoret och begär slutresultatet med dess antaganden. Tillverkaren rekommenderar en stegvis lösning med slutresultatet i inramad matematisk notation.
MiniMax rekommenderar temperature 1.0 och top-p 0.95 för referensprofilen. Den rekommenderar också att systeminstruktionen anpassas till uppgiften. En allmän assistent kan använda en enkel hjälpsam roll; en webbutvecklingsuppgift kan ange den fullständiga kodleveransen och utdataformatet. Den illustrativa webbprompten begär en komplett HTML-leverans snarare än uppdelade kodsnuttar.
Ange om svaret ska vara en förklaring, en strukturerad jämförelse eller endast kod. Instruktionen bör identifiera den faktiska leveransen och vad som räknas som färdigställande. En visuell implementation behöver fortfarande köras i den avsedda applikationen, med det observerade resultatet återfört inför eventuell revidering.
M1 stöder tillhandahållna funktionsdefinitioner med namn, beskrivningar, argumenttyper och obligatoriska fält. Den inbyggda representationen skiljer resonemang från verktygsanrop och strukturerade JSON-argument. Producentguiden visar både en särskild parserväg och manuell tolkning av representationen. Applikationen validerar och utför de valda funktionerna och returnerar namngivna resultat i samtalet som modellen kan använda.
Håll verktygssyftet och tillåtna åtgärder uttryckliga. En dokumentuppslagning kan ge ett saknat fält innan modellen slutför en förklaring, medan ett utvecklingsverktyg kan returnera faktisk kod eller ett fel att analysera. En föreslagen operation är skild från utförande och ett observerat resultat.
Den användbara utdatan är en textlösning, ett kodförslag eller en analyspost knuten till tillhandahållna källor och faktiska verktygsobservationer. Behåll den ursprungliga M1-identiteten och dess budgetskillnader och härled inte en annan MiniMax-modells visuella indata, utdatagränser eller standardkontroller från det gemensamma familjenamnet.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser MiniMax-M1 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Beror på modellen | Standard— |
Fältmessages[].content | Typstring | KravValfritt | Värden & gränser Gäller när: Textsamtal | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream |
Parametercontrol_scope | AvtalTextsamtal; stream är ett booleskt värde och har false som standard. |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Metodalias: /chat/completions
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0044 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0044 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"MiniMax-M1","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="MiniMax-M1", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra MiniMax-M1, minimax/minimax-m1
/chat/completions
MiniMax-M1MiniMax M1 är MiniMax resonemangsmodell med hybriduppmärksamhet för analys av långa källor, matematik, kodning och verktyg. Producentfamiljen har en inbyggd kontext på en miljon token och separata versioner med tankebudget på 40K och 80K och returnerar text samt strukturerat funktionsanropsinnehåll.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
MiniMax M1 är MiniMax resonemangsspråkmodell med hybriduppmärksamhet för uppgifter med lång indata och omfattande analys. Den bygger på MiniMax-Text-01 med mixture-of-experts-komponenter och Lightning Attention, med 456 miljarder parametrar totalt och 45,9 miljarder aktiverade per token. Indatan är skriftliga instruktioner och källkontext; utdatan är text som en lösning, kod, analys eller funktionsanropsinformation.
Tillverkaren beskriver en inbyggd kontext på en miljon token och släpper två M1-versioner med tankebudget på 40K och 80K. Budgetnamnen avser resonemangsversionerna och ska inte läsas som identiska universella gränser för slutsvar. Det generiska M1-valet förblir skilt från dessa fasta budgetprofiler och från den tidigare Text-01-modellens inferensutökning.
För en uppgift med långa dokument namnger du materialen, anger relevanta avsnitt och frågan de ska stödja. En användbar brief är: ”Jämför dessa krav med implementationsanteckningarna, identifiera varje olöst villkor och returnera det stödjande avsnittet bredvid iakttagelsen.” Reservera plats i uppgiftskontexten för resonemang och slutsvar, inte bara det ursprungliga källmaterialet.
M1 använder storskalig förstärkningsinlärning inom matematik och sandlådebaserade mjukvaruutvecklingsproblem. Producenten introducerar CISPO, som klipper vikter för importance sampling snarare än tokenuppdateringar, som en del av förstärkningsinlärningen. Detta är en träningsskillnad för resonemangsutgåvan; det gör inte genererad kod eller en föreslagen åtgärd till ett utfört resultat.
För kod tillhandahåller du relevant implementation, representativ indata, förväntat beteende och begränsningar som ska bevaras. Be om en fokuserad ändring och underlaget som motiverar den. För matematik tillhandahåller du hela villkoret och begär slutresultatet med dess antaganden. Tillverkaren rekommenderar en stegvis lösning med slutresultatet i inramad matematisk notation.
MiniMax rekommenderar temperature 1.0 och top-p 0.95 för referensprofilen. Den rekommenderar också att systeminstruktionen anpassas till uppgiften. En allmän assistent kan använda en enkel hjälpsam roll; en webbutvecklingsuppgift kan ange den fullständiga kodleveransen och utdataformatet. Den illustrativa webbprompten begär en komplett HTML-leverans snarare än uppdelade kodsnuttar.
Ange om svaret ska vara en förklaring, en strukturerad jämförelse eller endast kod. Instruktionen bör identifiera den faktiska leveransen och vad som räknas som färdigställande. En visuell implementation behöver fortfarande köras i den avsedda applikationen, med det observerade resultatet återfört inför eventuell revidering.
M1 stöder tillhandahållna funktionsdefinitioner med namn, beskrivningar, argumenttyper och obligatoriska fält. Den inbyggda representationen skiljer resonemang från verktygsanrop och strukturerade JSON-argument. Producentguiden visar både en särskild parserväg och manuell tolkning av representationen. Applikationen validerar och utför de valda funktionerna och returnerar namngivna resultat i samtalet som modellen kan använda.
Håll verktygssyftet och tillåtna åtgärder uttryckliga. En dokumentuppslagning kan ge ett saknat fält innan modellen slutför en förklaring, medan ett utvecklingsverktyg kan returnera faktisk kod eller ett fel att analysera. En föreslagen operation är skild från utförande och ett observerat resultat.
Den användbara utdatan är en textlösning, ett kodförslag eller en analyspost knuten till tillhandahållna källor och faktiska verktygsobservationer. Behåll den ursprungliga M1-identiteten och dess budgetskillnader och härled inte en annan MiniMax-modells visuella indata, utdatagränser eller standardkontroller från det gemensamma familjenamnet.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser MiniMax-M1 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0044 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0044 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "MiniMax-M1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'MiniMax-M1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'MiniMax-M1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra MiniMax-M1, minimax/minimax-m1
/chat/completions
minimax/minimax-m1MiniMax M1 är MiniMax resonemangsmodell med hybriduppmärksamhet för analys av långa källor, matematik, kodning och verktyg. Producentfamiljen har en inbyggd kontext på en miljon token och separata versioner med tankebudget på 40K och 80K och returnerar text samt strukturerat funktionsanropsinnehåll.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
MiniMax M1 är MiniMax resonemangsspråkmodell med hybriduppmärksamhet för uppgifter med lång indata och omfattande analys. Den bygger på MiniMax-Text-01 med mixture-of-experts-komponenter och Lightning Attention, med 456 miljarder parametrar totalt och 45,9 miljarder aktiverade per token. Indatan är skriftliga instruktioner och källkontext; utdatan är text som en lösning, kod, analys eller funktionsanropsinformation.
Tillverkaren beskriver en inbyggd kontext på en miljon token och släpper två M1-versioner med tankebudget på 40K och 80K. Budgetnamnen avser resonemangsversionerna och ska inte läsas som identiska universella gränser för slutsvar. Det generiska M1-valet förblir skilt från dessa fasta budgetprofiler och från den tidigare Text-01-modellens inferensutökning.
För en uppgift med långa dokument namnger du materialen, anger relevanta avsnitt och frågan de ska stödja. En användbar brief är: ”Jämför dessa krav med implementationsanteckningarna, identifiera varje olöst villkor och returnera det stödjande avsnittet bredvid iakttagelsen.” Reservera plats i uppgiftskontexten för resonemang och slutsvar, inte bara det ursprungliga källmaterialet.
M1 använder storskalig förstärkningsinlärning inom matematik och sandlådebaserade mjukvaruutvecklingsproblem. Producenten introducerar CISPO, som klipper vikter för importance sampling snarare än tokenuppdateringar, som en del av förstärkningsinlärningen. Detta är en träningsskillnad för resonemangsutgåvan; det gör inte genererad kod eller en föreslagen åtgärd till ett utfört resultat.
För kod tillhandahåller du relevant implementation, representativ indata, förväntat beteende och begränsningar som ska bevaras. Be om en fokuserad ändring och underlaget som motiverar den. För matematik tillhandahåller du hela villkoret och begär slutresultatet med dess antaganden. Tillverkaren rekommenderar en stegvis lösning med slutresultatet i inramad matematisk notation.
MiniMax rekommenderar temperature 1.0 och top-p 0.95 för referensprofilen. Den rekommenderar också att systeminstruktionen anpassas till uppgiften. En allmän assistent kan använda en enkel hjälpsam roll; en webbutvecklingsuppgift kan ange den fullständiga kodleveransen och utdataformatet. Den illustrativa webbprompten begär en komplett HTML-leverans snarare än uppdelade kodsnuttar.
Ange om svaret ska vara en förklaring, en strukturerad jämförelse eller endast kod. Instruktionen bör identifiera den faktiska leveransen och vad som räknas som färdigställande. En visuell implementation behöver fortfarande köras i den avsedda applikationen, med det observerade resultatet återfört inför eventuell revidering.
M1 stöder tillhandahållna funktionsdefinitioner med namn, beskrivningar, argumenttyper och obligatoriska fält. Den inbyggda representationen skiljer resonemang från verktygsanrop och strukturerade JSON-argument. Producentguiden visar både en särskild parserväg och manuell tolkning av representationen. Applikationen validerar och utför de valda funktionerna och returnerar namngivna resultat i samtalet som modellen kan använda.
Håll verktygssyftet och tillåtna åtgärder uttryckliga. En dokumentuppslagning kan ge ett saknat fält innan modellen slutför en förklaring, medan ett utvecklingsverktyg kan returnera faktisk kod eller ett fel att analysera. En föreslagen operation är skild från utförande och ett observerat resultat.
Den användbara utdatan är en textlösning, ett kodförslag eller en analyspost knuten till tillhandahållna källor och faktiska verktygsobservationer. Behåll den ursprungliga M1-identiteten och dess budgetskillnader och härled inte en annan MiniMax-modells visuella indata, utdatagränser eller standardkontroller från det gemensamma familjenamnet.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser minimax/minimax-m1 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0044 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0044 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax/minimax-m1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='minimax/minimax-m1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='minimax/minimax-m1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra MiniMax-M1, minimax/minimax-m1
/chat/completions
minimax/minimax-m1MiniMax M1 är MiniMax resonemangsmodell med hybriduppmärksamhet för analys av långa källor, matematik, kodning och verktyg. Producentfamiljen har en inbyggd kontext på en miljon token och separata versioner med tankebudget på 40K och 80K och returnerar text samt strukturerat funktionsanropsinnehåll.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
MiniMax M1 är MiniMax resonemangsspråkmodell med hybriduppmärksamhet för uppgifter med lång indata och omfattande analys. Den bygger på MiniMax-Text-01 med mixture-of-experts-komponenter och Lightning Attention, med 456 miljarder parametrar totalt och 45,9 miljarder aktiverade per token. Indatan är skriftliga instruktioner och källkontext; utdatan är text som en lösning, kod, analys eller funktionsanropsinformation.
Tillverkaren beskriver en inbyggd kontext på en miljon token och släpper två M1-versioner med tankebudget på 40K och 80K. Budgetnamnen avser resonemangsversionerna och ska inte läsas som identiska universella gränser för slutsvar. Det generiska M1-valet förblir skilt från dessa fasta budgetprofiler och från den tidigare Text-01-modellens inferensutökning.
För en uppgift med långa dokument namnger du materialen, anger relevanta avsnitt och frågan de ska stödja. En användbar brief är: ”Jämför dessa krav med implementationsanteckningarna, identifiera varje olöst villkor och returnera det stödjande avsnittet bredvid iakttagelsen.” Reservera plats i uppgiftskontexten för resonemang och slutsvar, inte bara det ursprungliga källmaterialet.
M1 använder storskalig förstärkningsinlärning inom matematik och sandlådebaserade mjukvaruutvecklingsproblem. Producenten introducerar CISPO, som klipper vikter för importance sampling snarare än tokenuppdateringar, som en del av förstärkningsinlärningen. Detta är en träningsskillnad för resonemangsutgåvan; det gör inte genererad kod eller en föreslagen åtgärd till ett utfört resultat.
För kod tillhandahåller du relevant implementation, representativ indata, förväntat beteende och begränsningar som ska bevaras. Be om en fokuserad ändring och underlaget som motiverar den. För matematik tillhandahåller du hela villkoret och begär slutresultatet med dess antaganden. Tillverkaren rekommenderar en stegvis lösning med slutresultatet i inramad matematisk notation.
MiniMax rekommenderar temperature 1.0 och top-p 0.95 för referensprofilen. Den rekommenderar också att systeminstruktionen anpassas till uppgiften. En allmän assistent kan använda en enkel hjälpsam roll; en webbutvecklingsuppgift kan ange den fullständiga kodleveransen och utdataformatet. Den illustrativa webbprompten begär en komplett HTML-leverans snarare än uppdelade kodsnuttar.
Ange om svaret ska vara en förklaring, en strukturerad jämförelse eller endast kod. Instruktionen bör identifiera den faktiska leveransen och vad som räknas som färdigställande. En visuell implementation behöver fortfarande köras i den avsedda applikationen, med det observerade resultatet återfört inför eventuell revidering.
M1 stöder tillhandahållna funktionsdefinitioner med namn, beskrivningar, argumenttyper och obligatoriska fält. Den inbyggda representationen skiljer resonemang från verktygsanrop och strukturerade JSON-argument. Producentguiden visar både en särskild parserväg och manuell tolkning av representationen. Applikationen validerar och utför de valda funktionerna och returnerar namngivna resultat i samtalet som modellen kan använda.
Håll verktygssyftet och tillåtna åtgärder uttryckliga. En dokumentuppslagning kan ge ett saknat fält innan modellen slutför en förklaring, medan ett utvecklingsverktyg kan returnera faktisk kod eller ett fel att analysera. En föreslagen operation är skild från utförande och ett observerat resultat.
Den användbara utdatan är en textlösning, ett kodförslag eller en analyspost knuten till tillhandahållna källor och faktiska verktygsobservationer. Behåll den ursprungliga M1-identiteten och dess budgetskillnader och härled inte en annan MiniMax-modells visuella indata, utdatagränser eller standardkontroller från det gemensamma familjenamnet.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser minimax/minimax-m1 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0044 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0008 / 1K token Utdata · Utdatatoken $0.0044 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "minimax/minimax-m1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'minimax/minimax-m1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'minimax/minimax-m1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra MiniMax-M1, minimax/minimax-m1
/chat/completions
Tekniskt exempel på engelska
Check a batch-processing invariant\n\nA worker reads pending jobs, marks each running, then records completion. On restart it reads only pending jobs. Analyse what happens if the process stops after marking a job running but before recording completion. Propose a recovery rule that avoids losing the job and prevents an already completed external action from being repeated blindly. Give two failure-point tests.A failure analysis, a bounded recovery/state-reconciliation proposal and tests for interruption before and after an external action.Recovery checks the original action's outcome before deciding whether another execution is safe.