MiMo-V2.6-Pro-UltraSpeed är Xiaomis UltraSpeed-läge för modellen MiMo-V2.6-Pro. Tillverkaren introducerar det för interaktioner och arbetsflöden som är känsliga för genereringstiden, samtidigt som utdatakvaliteten beskrivs som likvärdig med Pro. UltraSpeed betecknar ett sätt att köra Pro-modellen snarare än den mindre Flash-modellen. Välj det när det är viktigt för en lång uppgift att nästa svar kommer snabbt, samtidigt som kraven på slutresultatet förblir desamma.
Den underliggande Pro-familjen är omnimodal från grunden och förstår text, bilder, video och ljud. Den publicerade Pro-modellprofilen beskriver en gles mixture-of-experts-arkitektur med totalt 1.02 biljoner parametrar, 42 miljarder aktiverade parametrar och en kontext på en miljon token. Separata bild- och ljudkodare kopplar medieindata till språkbasarkitekturen. Det direkta resultatet är text eller verktygsinstruktioner; en renderad scen, redigerad fil eller genererat medium beror på de verktyg som används av den omgivande applikationen.
Xiaomis V2.6-träning blandar kodning, allmänt agentarbete, visuella uppgifter och cybersäkerhet i olika miljöer. Återkopplingsprocessen jämför uppgiftsförlopp och använder både testresultat och kvalitetskriterier, med målet att utveckla användbara strategier över långvariga interaktioner. Förbered ett underlag som anger målet, tillgängligt underlag och vad som ska räknas som slutfört. Snabbare generering är användbar när den för dessa interaktioner framåt; den ersätter inte kontrollen av om varje steg besvarar frågan eller ändrar det avsedda arbetsresultatet.
För en kodassistent tillhandahåller du de berörda filerna, det önskade beteendet och det fel eller kontrollresultat som motiverar arbetet. Be om nästa avgränsade ändring och återför sedan det faktiska resultatet från eventuella exekveringsverktyg. Ett användbart slutsvar förklarar vilket beteende som ändrats, vilka filer som berörts och vilka kontroller som faktiskt genomförts. Håll föreslagna åtgärder åtskilda från slutförda så att en snabb sekvens av svar förblir spårbar till observerbart arbete.
Tillverkarens V2.6-exempel utvidgar kodning till spel, 3D-objekt och interaktiva scener, med visuell återkoppling som används för att förbättra implementationen. För en designuppgift kombinerar du ett textunderlag med referensbilder eller en inspelning och anger nödvändiga reglage, layout och synliga färdigkriterier. Ett scen- eller gränssnittsförslag kan sedan vägleda lämpliga produktionsverktyg. Behåll det renderade resultatet och fynden från granskningen i stället för att behandla den inledande koden eller sceninstruktionerna som ett färdigt visuellt resultat.
För presentationer och videoarbetsflöden definierar du målgruppen, det nödvändiga innehållet, den avsedda sekvensen och de tillgångar som måste förbli konsekventa. Xiaomi beskriver Pro-familjens arbete med design-, bild-, video- och berättarröstverktyg; detta är stödjande arbetsflöden snarare än ytterligare inbyggda medieutdata från textmodellen. Den användbara leveransen kan vara en bildspelsstruktur, en tagningsekvens eller en uppsättning produktionsinstruktioner med tillräcklig detalj för att genomföra och granska nästa steg.
För undersökningar tillhandahåller du frågan och auktoritativt material och ber modellen skilja mellan fakta, hypoteser och beräkningar. Xiaomis Pro-exempel omfattar litteratur- och patentgranskning, datorbaserad materialgallring, noter och MIDI samt matematisk formalisering kontrollerad med Lean. Bevara utdata från de faktiska undersöknings- eller verifieringsverktygen. En simulerad kandidat eller ett föreslaget bevis bör förbli märkt som sådant tills motsvarande fysiska experiment eller formella kontroll har genomförts.
Behåll identiteten Pro-UltraSpeed tillsammans med resultatet när det jämförs med vanlig Pro eller Flash. Ordna lång historik kring målet och de beslut som måste förbli stabila och lämna utrymme för svaret och fortsatt verktygsåterkoppling. Granska viktig kod, observationer, beräkningar och påståenden mot deras källunderlag. Lägets särskiljande syfte är snabbare Pro-generering; det slutförda resultatet behöver fortfarande uppfylla samma uppgiftsspecifika kriterier.
", "aboutText": "MiMo-V2.6-Pro-UltraSpeed är Xiaomis UltraSpeed-läge för modellen MiMo-V2.6-Pro. Tillverkaren introducerar det för interaktioner och arbetsflöden som är känsliga för genereringstiden, samtidigt som utdatakvaliteten beskrivs som likvärdig med Pro. UltraSpeed betecknar ett sätt att köra Pro-modellen snarare än den mindre Flash-modellen. Välj det när det är viktigt för en lång uppgift att nästa svar kommer snabbt, samtidigt som kraven på slutresultatet förblir desamma.\n\nDen underliggande Pro-familjen är omnimodal från grunden och förstår text, bilder, video och ljud. Den publicerade Pro-modellprofilen beskriver en gles mixture-of-experts-arkitektur med totalt 1.02 biljoner parametrar, 42 miljarder aktiverade parametrar och en kontext på en miljon token. Separata bild- och ljudkodare kopplar medieindata till språkbasarkitekturen. Det direkta resultatet är text eller verktygsinstruktioner; en renderad scen, redigerad fil eller genererat medium beror på de verktyg som används av den omgivande applikationen.\n\nXiaomis V2.6-träning blandar kodning, allmänt agentarbete, visuella uppgifter och cybersäkerhet i olika miljöer. Återkopplingsprocessen jämför uppgiftsförlopp och använder både testresultat och kvalitetskriterier, med målet att utveckla användbara strategier över långvariga interaktioner. Förbered ett underlag som anger målet, tillgängligt underlag och vad som ska räknas som slutfört. Snabbare generering är användbar när den för dessa interaktioner framåt; den ersätter inte kontrollen av om varje steg besvarar frågan eller ändrar det avsedda arbetsresultatet.\n\nFör en kodassistent tillhandahåller du de berörda filerna, det önskade beteendet och det fel eller kontrollresultat som motiverar arbetet. Be om nästa avgränsade ändring och återför sedan det faktiska resultatet från eventuella exekveringsverktyg. Ett användbart slutsvar förklarar vilket beteende som ändrats, vilka filer som berörts och vilka kontroller som faktiskt genomförts. Håll föreslagna åtgärder åtskilda från slutförda så att en snabb sekvens av svar förblir spårbar till observerbart arbete.\n\nTillverkarens V2.6-exempel utvidgar kodning till spel, 3D-objekt och interaktiva scener, med visuell återkoppling som används för att förbättra implementationen. För en designuppgift kombinerar du ett textunderlag med referensbilder eller en inspelning och anger nödvändiga reglage, layout och synliga färdigkriterier. Ett scen- eller gränssnittsförslag kan sedan vägleda lämpliga produktionsverktyg. Behåll det renderade resultatet och fynden från granskningen i stället för att behandla den inledande koden eller sceninstruktionerna som ett färdigt visuellt resultat.\n\nFör presentationer och videoarbetsflöden definierar du målgruppen, det nödvändiga innehållet, den avsedda sekvensen och de tillgångar som måste förbli konsekventa. Xiaomi beskriver Pro-familjens arbete med design-, bild-, video- och berättarröstverktyg; detta är stödjande arbetsflöden snarare än ytterligare inbyggda medieutdata från textmodellen. Den användbara leveransen kan vara en bildspelsstruktur, en tagningsekvens eller en uppsättning produktionsinstruktioner med tillräcklig detalj för att genomföra och granska nästa steg.\n\nFör undersökningar tillhandahåller du frågan och auktoritativt material och ber modellen skilja mellan fakta, hypoteser och beräkningar. Xiaomis Pro-exempel omfattar litteratur- och patentgranskning, datorbaserad materialgallring, noter och MIDI samt matematisk formalisering kontrollerad med Lean. Bevara utdata från de faktiska undersöknings- eller verifieringsverktygen. En simulerad kandidat eller ett föreslaget bevis bör förbli märkt som sådant tills motsvarande fysiska experiment eller formella kontroll har genomförts.\n\nBehåll identiteten Pro-UltraSpeed tillsammans med resultatet när det jämförs med vanlig Pro eller Flash. Ordna lång historik kring målet och de beslut som måste förbli stabila och lämna utrymme för svaret och fortsatt verktygsåterkoppling. Granska viktig kod, observationer, beräkningar och påståenden mot deras källunderlag. Lägets särskiljande syfte är snabbare Pro-generering; det slutförda resultatet behöver fortfarande uppfylla samma uppgiftsspecifika kriterier.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Revise a failing total calculation\n\nUse this code and reported check: def total(rows): return sum(row["price"] for row in rows). Input is [{"price": 3, "qty": 2}, {"price": 5, "qty": 1}]; reported output is 8, required output is 11. Propose the next focused change and checks for multiple quantities and an empty input. Do not claim to run them.A focused Python correction with a diagnosis and two proposed checks tied to the quantity requirement.Verify each unit price is multiplied by its row quantity and proposed checks remain distinct from executed results.xiaomi/mimo-v2.6-pro-ultraspeedMiMo-V2.6-Pro-UltraSpeed är Xiaomis läge för snabbare generering med MiMo-V2.6-Pro. Det behåller Pro-familjens omnimodala förståelse och omfattande uppgiftsområde inom kodning, design och undersökningar, medan svarshastigheten är lägets särskiljande fokus.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
MiMo-V2.6-Pro-UltraSpeed är Xiaomis UltraSpeed-läge för modellen MiMo-V2.6-Pro. Tillverkaren introducerar det för interaktioner och arbetsflöden som är känsliga för genereringstiden, samtidigt som utdatakvaliteten beskrivs som likvärdig med Pro. UltraSpeed betecknar ett sätt att köra Pro-modellen snarare än den mindre Flash-modellen. Välj det när det är viktigt för en lång uppgift att nästa svar kommer snabbt, samtidigt som kraven på slutresultatet förblir desamma.
Den underliggande Pro-familjen är omnimodal från grunden och förstår text, bilder, video och ljud. Den publicerade Pro-modellprofilen beskriver en gles mixture-of-experts-arkitektur med totalt 1.02 biljoner parametrar, 42 miljarder aktiverade parametrar och en kontext på en miljon token. Separata bild- och ljudkodare kopplar medieindata till språkbasarkitekturen. Det direkta resultatet är text eller verktygsinstruktioner; en renderad scen, redigerad fil eller genererat medium beror på de verktyg som används av den omgivande applikationen.
Xiaomis V2.6-träning blandar kodning, allmänt agentarbete, visuella uppgifter och cybersäkerhet i olika miljöer. Återkopplingsprocessen jämför uppgiftsförlopp och använder både testresultat och kvalitetskriterier, med målet att utveckla användbara strategier över långvariga interaktioner. Förbered ett underlag som anger målet, tillgängligt underlag och vad som ska räknas som slutfört. Snabbare generering är användbar när den för dessa interaktioner framåt; den ersätter inte kontrollen av om varje steg besvarar frågan eller ändrar det avsedda arbetsresultatet.
För en kodassistent tillhandahåller du de berörda filerna, det önskade beteendet och det fel eller kontrollresultat som motiverar arbetet. Be om nästa avgränsade ändring och återför sedan det faktiska resultatet från eventuella exekveringsverktyg. Ett användbart slutsvar förklarar vilket beteende som ändrats, vilka filer som berörts och vilka kontroller som faktiskt genomförts. Håll föreslagna åtgärder åtskilda från slutförda så att en snabb sekvens av svar förblir spårbar till observerbart arbete.
Tillverkarens V2.6-exempel utvidgar kodning till spel, 3D-objekt och interaktiva scener, med visuell återkoppling som används för att förbättra implementationen. För en designuppgift kombinerar du ett textunderlag med referensbilder eller en inspelning och anger nödvändiga reglage, layout och synliga färdigkriterier. Ett scen- eller gränssnittsförslag kan sedan vägleda lämpliga produktionsverktyg. Behåll det renderade resultatet och fynden från granskningen i stället för att behandla den inledande koden eller sceninstruktionerna som ett färdigt visuellt resultat.
För presentationer och videoarbetsflöden definierar du målgruppen, det nödvändiga innehållet, den avsedda sekvensen och de tillgångar som måste förbli konsekventa. Xiaomi beskriver Pro-familjens arbete med design-, bild-, video- och berättarröstverktyg; detta är stödjande arbetsflöden snarare än ytterligare inbyggda medieutdata från textmodellen. Den användbara leveransen kan vara en bildspelsstruktur, en tagningsekvens eller en uppsättning produktionsinstruktioner med tillräcklig detalj för att genomföra och granska nästa steg.
För undersökningar tillhandahåller du frågan och auktoritativt material och ber modellen skilja mellan fakta, hypoteser och beräkningar. Xiaomis Pro-exempel omfattar litteratur- och patentgranskning, datorbaserad materialgallring, noter och MIDI samt matematisk formalisering kontrollerad med Lean. Bevara utdata från de faktiska undersöknings- eller verifieringsverktygen. En simulerad kandidat eller ett föreslaget bevis bör förbli märkt som sådant tills motsvarande fysiska experiment eller formella kontroll har genomförts.
Behåll identiteten Pro-UltraSpeed tillsammans med resultatet när det jämförs med vanlig Pro eller Flash. Ordna lång historik kring målet och de beslut som måste förbli stabila och lämna utrymme för svaret och fortsatt verktygsåterkoppling. Granska viktig kod, observationer, beräkningar och påståenden mot deras källunderlag. Lägets särskiljande syfte är snabbare Pro-generering; det slutförda resultatet behöver fortfarande uppfylla samma uppgiftsspecifika kriterier.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser xiaomi/mimo-v2.6-pro-ultraspeed | 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 $0.0087 / 1K token Utdata · Utdatatoken $0.0174 / 1K token Indata · Cacheläsning $0.000072 / 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 $0.0087 / 1K token Utdata · Utdatatoken $0.0174 / 1K token Indata · Cacheläsning $0.000072 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.6-pro-ultraspeed", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='xiaomi/mimo-v2.6-pro-ultraspeed',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='xiaomi/mimo-v2.6-pro-ultraspeed',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 xiaomi/mimo-v2.6-pro-ultraspeed
Använd metodsökvägarna som visas ovan.
xiaomi/mimo-v2.6-pro-ultraspeedMiMo-V2.6-Pro-UltraSpeed är Xiaomis läge för snabbare generering med MiMo-V2.6-Pro. Det behåller Pro-familjens omnimodala förståelse och omfattande uppgiftsområde inom kodning, design och undersökningar, medan svarshastigheten är lägets särskiljande fokus.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
MiMo-V2.6-Pro-UltraSpeed är Xiaomis UltraSpeed-läge för modellen MiMo-V2.6-Pro. Tillverkaren introducerar det för interaktioner och arbetsflöden som är känsliga för genereringstiden, samtidigt som utdatakvaliteten beskrivs som likvärdig med Pro. UltraSpeed betecknar ett sätt att köra Pro-modellen snarare än den mindre Flash-modellen. Välj det när det är viktigt för en lång uppgift att nästa svar kommer snabbt, samtidigt som kraven på slutresultatet förblir desamma.
Den underliggande Pro-familjen är omnimodal från grunden och förstår text, bilder, video och ljud. Den publicerade Pro-modellprofilen beskriver en gles mixture-of-experts-arkitektur med totalt 1.02 biljoner parametrar, 42 miljarder aktiverade parametrar och en kontext på en miljon token. Separata bild- och ljudkodare kopplar medieindata till språkbasarkitekturen. Det direkta resultatet är text eller verktygsinstruktioner; en renderad scen, redigerad fil eller genererat medium beror på de verktyg som används av den omgivande applikationen.
Xiaomis V2.6-träning blandar kodning, allmänt agentarbete, visuella uppgifter och cybersäkerhet i olika miljöer. Återkopplingsprocessen jämför uppgiftsförlopp och använder både testresultat och kvalitetskriterier, med målet att utveckla användbara strategier över långvariga interaktioner. Förbered ett underlag som anger målet, tillgängligt underlag och vad som ska räknas som slutfört. Snabbare generering är användbar när den för dessa interaktioner framåt; den ersätter inte kontrollen av om varje steg besvarar frågan eller ändrar det avsedda arbetsresultatet.
För en kodassistent tillhandahåller du de berörda filerna, det önskade beteendet och det fel eller kontrollresultat som motiverar arbetet. Be om nästa avgränsade ändring och återför sedan det faktiska resultatet från eventuella exekveringsverktyg. Ett användbart slutsvar förklarar vilket beteende som ändrats, vilka filer som berörts och vilka kontroller som faktiskt genomförts. Håll föreslagna åtgärder åtskilda från slutförda så att en snabb sekvens av svar förblir spårbar till observerbart arbete.
Tillverkarens V2.6-exempel utvidgar kodning till spel, 3D-objekt och interaktiva scener, med visuell återkoppling som används för att förbättra implementationen. För en designuppgift kombinerar du ett textunderlag med referensbilder eller en inspelning och anger nödvändiga reglage, layout och synliga färdigkriterier. Ett scen- eller gränssnittsförslag kan sedan vägleda lämpliga produktionsverktyg. Behåll det renderade resultatet och fynden från granskningen i stället för att behandla den inledande koden eller sceninstruktionerna som ett färdigt visuellt resultat.
För presentationer och videoarbetsflöden definierar du målgruppen, det nödvändiga innehållet, den avsedda sekvensen och de tillgångar som måste förbli konsekventa. Xiaomi beskriver Pro-familjens arbete med design-, bild-, video- och berättarröstverktyg; detta är stödjande arbetsflöden snarare än ytterligare inbyggda medieutdata från textmodellen. Den användbara leveransen kan vara en bildspelsstruktur, en tagningsekvens eller en uppsättning produktionsinstruktioner med tillräcklig detalj för att genomföra och granska nästa steg.
För undersökningar tillhandahåller du frågan och auktoritativt material och ber modellen skilja mellan fakta, hypoteser och beräkningar. Xiaomis Pro-exempel omfattar litteratur- och patentgranskning, datorbaserad materialgallring, noter och MIDI samt matematisk formalisering kontrollerad med Lean. Bevara utdata från de faktiska undersöknings- eller verifieringsverktygen. En simulerad kandidat eller ett föreslaget bevis bör förbli märkt som sådant tills motsvarande fysiska experiment eller formella kontroll har genomförts.
Behåll identiteten Pro-UltraSpeed tillsammans med resultatet när det jämförs med vanlig Pro eller Flash. Ordna lång historik kring målet och de beslut som måste förbli stabila och lämna utrymme för svaret och fortsatt verktygsåterkoppling. Granska viktig kod, observationer, beräkningar och påståenden mot deras källunderlag. Lägets särskiljande syfte är snabbare Pro-generering; det slutförda resultatet behöver fortfarande uppfylla samma uppgiftsspecifika kriterier.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser xiaomi/mimo-v2.6-pro-ultraspeed | 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 $0.0087 / 1K token Utdata · Utdatatoken $0.0174 / 1K token Indata · Cacheläsning $0.000072 / 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 $0.0087 / 1K token Utdata · Utdatatoken $0.0174 / 1K token Indata · Cacheläsning $0.000072 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "xiaomi/mimo-v2.6-pro-ultraspeed",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'xiaomi/mimo-v2.6-pro-ultraspeed', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'xiaomi/mimo-v2.6-pro-ultraspeed', '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 xiaomi/mimo-v2.6-pro-ultraspeed
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Revise a failing total calculation\n\nUse this code and reported check: def total(rows): return sum(row["price"] for row in rows). Input is [{"price": 3, "qty": 2}, {"price": 5, "qty": 1}]; reported output is 8, required output is 11. Propose the next focused change and checks for multiple quantities and an empty input. Do not claim to run them.A focused Python correction with a diagnosis and two proposed checks tied to the quantity requirement.Verify each unit price is multiplied by its row quantity and proposed checks remain distinct from executed results.