MiniMax M1 80K är MiniMax version med längre tänkande av textresonemangsmodellen M1. Familjen använder en hybrid mixture-of-experts-arkitektur med lightning attention, härledd från MiniMax Text-01. Tillverkaren beskriver träning inom matematiska resonemang och mjukvaruutvecklingsuppgifter och släpper separata versioner med tankebudget på 40K och 80K.
Tillverkaren beskriver inbyggt stöd för en kontext på en miljon token. Versionsnamnet 80K avser tankebudgeten, som är en annan storhet än indatakontexten eller det slutliga användarsynliga svaret. Gränssnittet för en värdbaserad uppgift kan ha egna mindre arbetsgränser, så planera begäran efter den valda profilen.
För en längre källsamling märker du dokumenten och anger frågan de ska besvara. Be om en slutsats knuten till relevanta avsnitt. För kod anger du beteendet att ändra, det berörda området och kontrollerna som fastställer resultatet.
Tillverkaren ger separat vägledning för vanlig assistans, webbutveckling och matematik. Allmänna exempel omfattar sammanfattning, översättning, frågor och kreativt skrivande. En användbar prompt definierar målgrupp, källmaterial och slutleverans så att svaret förblir fokuserat på uppgiften.
För webbutveckling rekommenderar tillverkaren en fullständig körbar HTML-leverans i ett kodblock, med HTML och JavaScript tillsammans, och ber att koden kontrolleras efter generering. Beskriv kontroller, data och tillstånd som sidan måste stödja. Modellen producerar koden; applikationen sparar och kör den för att granska det renderade beteendet.
För matematik begär vägledningen en stegvis lösning och ett tydligt slutsvar. Tillhandahåll alla villkor och definiera resultatet som ska fastställas. Håll den föreslagna lösningen med originalproblemet så att argumentet kan granskas oberoende av formuleringen.
Tillverkaren anger funktionsanrop: modellen kan identifiera en funktion att använda och tillhandahålla parametrar i strukturerad form. En omgivande applikation tillhandahåller tillgängliga funktioner, utför anropet och returnerar observationen. Verktygsåtkomst och den externa åtgärden beror därför på den konfigurerade applikationen såväl som modellens val.
Ge varje verktyg ett tydligt syfte och skilj den returnerade observationen från användarens instruktion. Ett senare svar kan då använda det observerade resultatet som underlag. M1-textmodellens verktygsstöd gör inte de separata medietjänster som beskrivs på andra håll i tillverkarens ekosystem till en del av dess egen utdatafamilj.
Tillverkaren rekommenderar temperature 1.0 och top_p 0.95 som inferensinställningar. Familjebeskrivningen anger 456 miljarder parametrar totalt och 45,9 miljarder aktiva parametrar per token. Håll 80K-versionen åtskild från 40K-versionen när en jämförelse dokumenteras och använd det faktiska gränssnittets stödda kontroller och arbetsgränser för en viss begäran.
", "aboutText": "MiniMax M1 80K är MiniMax version med längre tänkande av textresonemangsmodellen M1. Familjen använder en hybrid mixture-of-experts-arkitektur med lightning attention, härledd från MiniMax Text-01. Tillverkaren beskriver träning inom matematiska resonemang och mjukvaruutvecklingsuppgifter och släpper separata versioner med tankebudget på 40K och 80K.\n\n### Förbered långt material kring ett tydligt resultat\n\nTillverkaren beskriver inbyggt stöd för en kontext på en miljon token. Versionsnamnet 80K avser tankebudgeten, som är en annan storhet än indatakontexten eller det slutliga användarsynliga svaret. Gränssnittet för en värdbaserad uppgift kan ha egna mindre arbetsgränser, så planera begäran efter den valda profilen.\n\nFör en längre källsamling märker du dokumenten och anger frågan de ska besvara. Be om en slutsats knuten till relevanta avsnitt. För kod anger du beteendet att ändra, det berörda området och kontrollerna som fastställer resultatet.\n\n### Använd den uppgiftsspecifika promptvägledningen\n\nTillverkaren ger separat vägledning för vanlig assistans, webbutveckling och matematik. Allmänna exempel omfattar sammanfattning, översättning, frågor och kreativt skrivande. En användbar prompt definierar målgrupp, källmaterial och slutleverans så att svaret förblir fokuserat på uppgiften.\n\nFör webbutveckling rekommenderar tillverkaren en fullständig körbar HTML-leverans i ett kodblock, med HTML och JavaScript tillsammans, och ber att koden kontrolleras efter generering. Beskriv kontroller, data och tillstånd som sidan måste stödja. Modellen producerar koden; applikationen sparar och kör den för att granska det renderade beteendet.\n\nFör matematik begär vägledningen en stegvis lösning och ett tydligt slutsvar. Tillhandahåll alla villkor och definiera resultatet som ska fastställas. Håll den föreslagna lösningen med originalproblemet så att argumentet kan granskas oberoende av formuleringen.\n\n### Funktionsanrop och faktiskt utförande\n\nTillverkaren anger funktionsanrop: modellen kan identifiera en funktion att använda och tillhandahålla parametrar i strukturerad form. En omgivande applikation tillhandahåller tillgängliga funktioner, utför anropet och returnerar observationen. Verktygsåtkomst och den externa åtgärden beror därför på den konfigurerade applikationen såväl som modellens val.\n\nGe varje verktyg ett tydligt syfte och skilj den returnerade observationen från användarens instruktion. Ett senare svar kan då använda det observerade resultatet som underlag. M1-textmodellens verktygsstöd gör inte de separata medietjänster som beskrivs på andra håll i tillverkarens ekosystem till en del av dess egen utdatafamilj.\n\n### Bevara versionen och inställningarna\n\nTillverkaren rekommenderar temperature 1.0 och top_p 0.95 som inferensinställningar. Familjebeskrivningen anger 456 miljarder parametrar totalt och 45,9 miljarder aktiva parametrar per token. Håll 80K-versionen åtskild från 40K-versionen när en jämförelse dokumenteras och använd det faktiska gränssnittets stödda kontroller och arbetsgränser för en viss begäran.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Build a bounded packing calculator\n\nReturn one runnable HTML code block for a packing calculator. Inputs: item count and box capacity, both positive whole numbers. Show the number of boxes needed, rounding upward. Provide a visible validation message for invalid inputs and a reset control. Include HTML, CSS and JavaScript together, then list checks for 10 items at capacity 4 and an empty input.A complete single-file HTML artifact and a short behavior-check list, without a claim that it was run.Check ceiling division, invalid-input feedback and reset behavior in the returned code before running it.MiniMaxAI/MiniMax-M1-80kMiniMax M1 80K är en textbaserad resonemangsmodell med öppna vikter för lång indata, mjukvaruuppgifter och matematik. Tillverkaren skiljer versionen med en tankebudget på 80K från 40K-versionen och publicerar uppgiftsspecifik promptvägledning.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
MiniMax M1 80K är MiniMax version med längre tänkande av textresonemangsmodellen M1. Familjen använder en hybrid mixture-of-experts-arkitektur med lightning attention, härledd från MiniMax Text-01. Tillverkaren beskriver träning inom matematiska resonemang och mjukvaruutvecklingsuppgifter och släpper separata versioner med tankebudget på 40K och 80K.
Tillverkaren beskriver inbyggt stöd för en kontext på en miljon token. Versionsnamnet 80K avser tankebudgeten, som är en annan storhet än indatakontexten eller det slutliga användarsynliga svaret. Gränssnittet för en värdbaserad uppgift kan ha egna mindre arbetsgränser, så planera begäran efter den valda profilen.
För en längre källsamling märker du dokumenten och anger frågan de ska besvara. Be om en slutsats knuten till relevanta avsnitt. För kod anger du beteendet att ändra, det berörda området och kontrollerna som fastställer resultatet.
Tillverkaren ger separat vägledning för vanlig assistans, webbutveckling och matematik. Allmänna exempel omfattar sammanfattning, översättning, frågor och kreativt skrivande. En användbar prompt definierar målgrupp, källmaterial och slutleverans så att svaret förblir fokuserat på uppgiften.
För webbutveckling rekommenderar tillverkaren en fullständig körbar HTML-leverans i ett kodblock, med HTML och JavaScript tillsammans, och ber att koden kontrolleras efter generering. Beskriv kontroller, data och tillstånd som sidan måste stödja. Modellen producerar koden; applikationen sparar och kör den för att granska det renderade beteendet.
För matematik begär vägledningen en stegvis lösning och ett tydligt slutsvar. Tillhandahåll alla villkor och definiera resultatet som ska fastställas. Håll den föreslagna lösningen med originalproblemet så att argumentet kan granskas oberoende av formuleringen.
Tillverkaren anger funktionsanrop: modellen kan identifiera en funktion att använda och tillhandahålla parametrar i strukturerad form. En omgivande applikation tillhandahåller tillgängliga funktioner, utför anropet och returnerar observationen. Verktygsåtkomst och den externa åtgärden beror därför på den konfigurerade applikationen såväl som modellens val.
Ge varje verktyg ett tydligt syfte och skilj den returnerade observationen från användarens instruktion. Ett senare svar kan då använda det observerade resultatet som underlag. M1-textmodellens verktygsstöd gör inte de separata medietjänster som beskrivs på andra håll i tillverkarens ekosystem till en del av dess egen utdatafamilj.
Tillverkaren rekommenderar temperature 1.0 och top_p 0.95 som inferensinställningar. Familjebeskrivningen anger 456 miljarder parametrar totalt och 45,9 miljarder aktiva parametrar per token. Håll 80K-versionen åtskild från 40K-versionen när en jämförelse dokumenteras och använd det faktiska gränssnittets stödda kontroller och arbetsgränser för en viss begäran.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser MiniMaxAI/MiniMax-M1-80k | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00114 / 1K token Utdata · Utdatatoken $0.00456 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "MiniMaxAI/MiniMax-M1-80k", "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='MiniMaxAI/MiniMax-M1-80k',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='MiniMaxAI/MiniMax-M1-80k',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 MiniMaxAI/MiniMax-M1-80k
Använd metodsökvägarna som visas ovan.
MiniMaxAI/MiniMax-M1-80kMiniMax M1 80K är en textbaserad resonemangsmodell med öppna vikter för lång indata, mjukvaruuppgifter och matematik. Tillverkaren skiljer versionen med en tankebudget på 80K från 40K-versionen och publicerar uppgiftsspecifik promptvägledning.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
MiniMax M1 80K är MiniMax version med längre tänkande av textresonemangsmodellen M1. Familjen använder en hybrid mixture-of-experts-arkitektur med lightning attention, härledd från MiniMax Text-01. Tillverkaren beskriver träning inom matematiska resonemang och mjukvaruutvecklingsuppgifter och släpper separata versioner med tankebudget på 40K och 80K.
Tillverkaren beskriver inbyggt stöd för en kontext på en miljon token. Versionsnamnet 80K avser tankebudgeten, som är en annan storhet än indatakontexten eller det slutliga användarsynliga svaret. Gränssnittet för en värdbaserad uppgift kan ha egna mindre arbetsgränser, så planera begäran efter den valda profilen.
För en längre källsamling märker du dokumenten och anger frågan de ska besvara. Be om en slutsats knuten till relevanta avsnitt. För kod anger du beteendet att ändra, det berörda området och kontrollerna som fastställer resultatet.
Tillverkaren ger separat vägledning för vanlig assistans, webbutveckling och matematik. Allmänna exempel omfattar sammanfattning, översättning, frågor och kreativt skrivande. En användbar prompt definierar målgrupp, källmaterial och slutleverans så att svaret förblir fokuserat på uppgiften.
För webbutveckling rekommenderar tillverkaren en fullständig körbar HTML-leverans i ett kodblock, med HTML och JavaScript tillsammans, och ber att koden kontrolleras efter generering. Beskriv kontroller, data och tillstånd som sidan måste stödja. Modellen producerar koden; applikationen sparar och kör den för att granska det renderade beteendet.
För matematik begär vägledningen en stegvis lösning och ett tydligt slutsvar. Tillhandahåll alla villkor och definiera resultatet som ska fastställas. Håll den föreslagna lösningen med originalproblemet så att argumentet kan granskas oberoende av formuleringen.
Tillverkaren anger funktionsanrop: modellen kan identifiera en funktion att använda och tillhandahålla parametrar i strukturerad form. En omgivande applikation tillhandahåller tillgängliga funktioner, utför anropet och returnerar observationen. Verktygsåtkomst och den externa åtgärden beror därför på den konfigurerade applikationen såväl som modellens val.
Ge varje verktyg ett tydligt syfte och skilj den returnerade observationen från användarens instruktion. Ett senare svar kan då använda det observerade resultatet som underlag. M1-textmodellens verktygsstöd gör inte de separata medietjänster som beskrivs på andra håll i tillverkarens ekosystem till en del av dess egen utdatafamilj.
Tillverkaren rekommenderar temperature 1.0 och top_p 0.95 som inferensinställningar. Familjebeskrivningen anger 456 miljarder parametrar totalt och 45,9 miljarder aktiva parametrar per token. Håll 80K-versionen åtskild från 40K-versionen när en jämförelse dokumenteras och använd det faktiska gränssnittets stödda kontroller och arbetsgränser för en viss begäran.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser MiniMaxAI/MiniMax-M1-80k | 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.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.00114 / 1K token Utdata · Utdatatoken $0.00456 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "MiniMaxAI/MiniMax-M1-80k",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'MiniMaxAI/MiniMax-M1-80k', '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': 'MiniMaxAI/MiniMax-M1-80k', '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 MiniMaxAI/MiniMax-M1-80k
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Build a bounded packing calculator\n\nReturn one runnable HTML code block for a packing calculator. Inputs: item count and box capacity, both positive whole numbers. Show the number of boxes needed, rounding upward. Provide a visible validation message for invalid inputs and a reset control. Include HTML, CSS and JavaScript together, then list checks for 10 items at capacity 4 and an empty input.A complete single-file HTML artifact and a short behavior-check list, without a claim that it was run.Check ceiling division, invalid-input feedback and reset behavior in the returned code before running it.