MiniMax-Text-01 — MiniMax’ning suhbatlar, til vazifalari va kod uchun matnga yoʻnaltirilgan modeli. Uning uzoq kontekst dizayni savol katta material toʻplamiga tarqalgan maʼlumotga bogʻliq boʻlganda ayniqsa muhim: yozishmalar bilan birga spetsifikatsiya, hujjatning bir nechta versiyasi yoki katta manba matni majmuasi. Natija matndir, jumladan tushuntirishlar, yozma mazmun, kod va funksiya chaqiruv maʼlumoti.
Arxitektura Lightning Attention, odatiy Softmax Attention va ekspertlar aralashmasini birlashtiradi. MiniMax jami 456 milliard parametr va har bir tokenda 45.9 milliard faollashadigan parametrni koʻrsatadi. Model 80 qatlam va 32 ekspertga ega, eng yuqori ikkita ekspertga marshrutlashdan foydalanadi; har bir yettita Lightning Attention qatlami guruhidan keyin Softmax Attention qatlami keladi. Bular Text-01 relizining xususiyatlari; MiniMax nomli har bir model bir xil arxitekturadan foydalanadi degan daʼvo emas.
MiniMax bir million tokenli kontekst bilan oʻqitishni va inferensiyada toʻrt million tokengacha kengayishni bildiradi. Uzun hujjat vazifasini tayyorlashda bu farq muhim: oʻqitish uzunligi va kengaytirilgan inferensiya uzunligi turli bosqichlarni tavsiflaydi. Ishlab chiqaruvchi tilni tushunish, koʻrsatmalarga amal qilish, mulohaza, matematika, kodlash va uzun manba materialidan foydalanishni oʻrganadi. Savol, yordamchi hujjatlar va kerakli javob formatini aniq saqlab, mavjud soʻrov byudjetini tanlangan bajarish konfiguratsiyasi uchun aniqlanadigan qiymat deb biling.
Eʼlon qilingan tezkor boshlash misoli modelning oʻz suhbat shabloni bilan formatlangan, system koʻrsatmasi va user xabariga ega rolli suhbatdan foydalanadi. Foydali hujjat tahlili soʻrovi aniq belgilangan parchalarni berib, shunday soʻrashi mumkin: “Bu hujjatlardagi qabul mezonlarini solishtiring. Har bir nomuvofiqlik uchun hujjat belgisi, tegishli parcha, oqibat va hal qilishimiz kerak boʻlgan savolni qaytaring.” Yozish uchun manba faktlari va moʻljallangan oʻquvchini, kod uchun tegishli funksiya, kutilgan xatti-harakat va toʻgʻri natijani farqlaydigan misollarni bering. Bular oldindan belgilangan chiqish kafolatlari emas, matn imkoniyatlaridan foydalanishning namuna usullari.
Funksiya chaqirish Text-01’ning hujjatlashtirilgan imkoniyatidir. Ilova mavjud funksiyalar, ularning maqsadlari va parametrlarini tavsiflaydi; parametr taʼrifi JSON Schema bilan ifodalanadi va ichma-ich obyektlar hamda massivlarni oʻz ichiga olishi mumkin. Model soʻrovga tashqi funksiya kerakligini aniqlab, uning nomini tuzilgan argumentlar bilan taklif qilishi mumkin. Ishlab chiqaruvchi qoʻllanmasi ob-havo soʻrovi funksiyasini bosqichma-bosqich koʻrsatadi, keyin taklif etilgan chaqiruvni ajratib olish, modeldan tashqarida bajarish va tuzilgan natijani suhbatga qaytarishni namoyish qiladi.
Bu masʼuliyatlarni amalda ajratadi. Model berilgan tavsiflardan taklif etiladigan amalni tanlaydi; ilova esa uni qanday tekshirish va bajarishni hal qiladi. Masalan, hujjat yordamchisiga qidiruv funksiyasi berilib, tushuntirish tuzishdan oldin yetishmayotgan mahsulot maydonini topish soʻralishi mumkin. Aniq parametr tavsiflarini yozing, majburiy qiymatlarni belgilang va qaytarilgan maʼlumotni modelga tushunishga oson qiling. Funksiyani berish uni chaqirishni majburlamaydi: MiniMax model oddiy javobni maʼqulroq deb topishi mumkinligini aniq aytadi.
Text-01 va MiniMax-VL-01 alohida relizlardir. Ikkinchisida vizual qismlar qoʻshilgan; bu Text-01 tavsifi esa matnni qayta ishlash va uning hujjatlashtirilgan vositalariga tegishli. Uzoq kontekst manbani puxta tayyorlashni ham talab qiladi: hujjat chegaralarini belgilang, iqtiboslarni koʻrsatmalardan ajrating va xulosalarni berilgan parchalarga bogʻlash usulini soʻrang. Model kartasi yaratilgan chiqish uchun alohida umumiy maksimumni belgilamaydi; shu sabab toʻrt million tokenli kontekst sonini chiqish imkoniyati deb oʻqimaslik kerak. Vazifaga mos javob uzunligini tanlang va faktik bayonlar, ajratilgan maydonlar hamda yaratilgan kodni berilgan material yoki tekshiruvlar bilan sinang.
", "aboutText": "MiniMax-Text-01 — MiniMax’ning suhbatlar, til vazifalari va kod uchun matnga yoʻnaltirilgan modeli. Uning uzoq kontekst dizayni savol katta material toʻplamiga tarqalgan maʼlumotga bogʻliq boʻlganda ayniqsa muhim: yozishmalar bilan birga spetsifikatsiya, hujjatning bir nechta versiyasi yoki katta manba matni majmuasi. Natija matndir, jumladan tushuntirishlar, yozma mazmun, kod va funksiya chaqiruv maʼlumoti.\n\nArxitektura Lightning Attention, odatiy Softmax Attention va ekspertlar aralashmasini birlashtiradi. MiniMax jami 456 milliard parametr va har bir tokenda 45.9 milliard faollashadigan parametrni koʻrsatadi. Model 80 qatlam va 32 ekspertga ega, eng yuqori ikkita ekspertga marshrutlashdan foydalanadi; har bir yettita Lightning Attention qatlami guruhidan keyin Softmax Attention qatlami keladi. Bular Text-01 relizining xususiyatlari; MiniMax nomli har bir model bir xil arxitekturadan foydalanadi degan daʼvo emas.\n\nMiniMax bir million tokenli kontekst bilan oʻqitishni va inferensiyada toʻrt million tokengacha kengayishni bildiradi. Uzun hujjat vazifasini tayyorlashda bu farq muhim: oʻqitish uzunligi va kengaytirilgan inferensiya uzunligi turli bosqichlarni tavsiflaydi. Ishlab chiqaruvchi tilni tushunish, koʻrsatmalarga amal qilish, mulohaza, matematika, kodlash va uzun manba materialidan foydalanishni oʻrganadi. Savol, yordamchi hujjatlar va kerakli javob formatini aniq saqlab, mavjud soʻrov byudjetini tanlangan bajarish konfiguratsiyasi uchun aniqlanadigan qiymat deb biling.\n\nEʼlon qilingan tezkor boshlash misoli modelning oʻz suhbat shabloni bilan formatlangan, system koʻrsatmasi va user xabariga ega rolli suhbatdan foydalanadi. Foydali hujjat tahlili soʻrovi aniq belgilangan parchalarni berib, shunday soʻrashi mumkin: “Bu hujjatlardagi qabul mezonlarini solishtiring. Har bir nomuvofiqlik uchun hujjat belgisi, tegishli parcha, oqibat va hal qilishimiz kerak boʻlgan savolni qaytaring.” Yozish uchun manba faktlari va moʻljallangan oʻquvchini, kod uchun tegishli funksiya, kutilgan xatti-harakat va toʻgʻri natijani farqlaydigan misollarni bering. Bular oldindan belgilangan chiqish kafolatlari emas, matn imkoniyatlaridan foydalanishning namuna usullari.\n\nFunksiya chaqirish Text-01’ning hujjatlashtirilgan imkoniyatidir. Ilova mavjud funksiyalar, ularning maqsadlari va parametrlarini tavsiflaydi; parametr taʼrifi JSON Schema bilan ifodalanadi va ichma-ich obyektlar hamda massivlarni oʻz ichiga olishi mumkin. Model soʻrovga tashqi funksiya kerakligini aniqlab, uning nomini tuzilgan argumentlar bilan taklif qilishi mumkin. Ishlab chiqaruvchi qoʻllanmasi ob-havo soʻrovi funksiyasini bosqichma-bosqich koʻrsatadi, keyin taklif etilgan chaqiruvni ajratib olish, modeldan tashqarida bajarish va tuzilgan natijani suhbatga qaytarishni namoyish qiladi.\n\nBu masʼuliyatlarni amalda ajratadi. Model berilgan tavsiflardan taklif etiladigan amalni tanlaydi; ilova esa uni qanday tekshirish va bajarishni hal qiladi. Masalan, hujjat yordamchisiga qidiruv funksiyasi berilib, tushuntirish tuzishdan oldin yetishmayotgan mahsulot maydonini topish soʻralishi mumkin. Aniq parametr tavsiflarini yozing, majburiy qiymatlarni belgilang va qaytarilgan maʼlumotni modelga tushunishga oson qiling. Funksiyani berish uni chaqirishni majburlamaydi: MiniMax model oddiy javobni maʼqulroq deb topishi mumkinligini aniq aytadi.\n\nText-01 va MiniMax-VL-01 alohida relizlardir. Ikkinchisida vizual qismlar qoʻshilgan; bu Text-01 tavsifi esa matnni qayta ishlash va uning hujjatlashtirilgan vositalariga tegishli. Uzoq kontekst manbani puxta tayyorlashni ham talab qiladi: hujjat chegaralarini belgilang, iqtiboslarni koʻrsatmalardan ajrating va xulosalarni berilgan parchalarga bogʻlash usulini soʻrang. Model kartasi yaratilgan chiqish uchun alohida umumiy maksimumni belgilamaydi; shu sabab toʻrt million tokenli kontekst sonini chiqish imkoniyati deb oʻqimaslik kerak. Vazifaga mos javob uzunligini tanlang va faktik bayonlar, ajratilgan maydonlar hamda yaratilgan kodni berilgan material yoki tekshiruvlar bilan sinang.", "editorialOverlay": { "copy_fields": { "practical_html": "Ingliz tilidagi texnik misol
Reconcile acceptance documents\n\nSpecification S1 says: 'An export is accepted when it contains all active accounts.' Email E1 says: 'Include suspended accounts in the acceptance sample.' Test note T1 says: 'The sample contains only active accounts.' Produce a mismatch record with source labels, practical consequence and one question for the owner. Do not silently choose a new acceptance rule.A source-labeled mismatch record, consequence and clarification question.The record must distinguish the coverage rule from the actual sample rather than declare acceptance achieved.MiniMax-Text-01MiniMax-Text-01 — hujjat tahlili, yozish, kodlash va vositalar yordamidagi jarayonlar uchun uzun kontekstli matn modeli. U gibrid diqqatni ekspertlar aralashmasi bilan birlashtiradi va tuzilgan argumentli funksiya chaqiruvlarini taklif qilishi mumkin.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
MiniMax-Text-01 — MiniMax’ning suhbatlar, til vazifalari va kod uchun matnga yoʻnaltirilgan modeli. Uning uzoq kontekst dizayni savol katta material toʻplamiga tarqalgan maʼlumotga bogʻliq boʻlganda ayniqsa muhim: yozishmalar bilan birga spetsifikatsiya, hujjatning bir nechta versiyasi yoki katta manba matni majmuasi. Natija matndir, jumladan tushuntirishlar, yozma mazmun, kod va funksiya chaqiruv maʼlumoti.
Arxitektura Lightning Attention, odatiy Softmax Attention va ekspertlar aralashmasini birlashtiradi. MiniMax jami 456 milliard parametr va har bir tokenda 45.9 milliard faollashadigan parametrni koʻrsatadi. Model 80 qatlam va 32 ekspertga ega, eng yuqori ikkita ekspertga marshrutlashdan foydalanadi; har bir yettita Lightning Attention qatlami guruhidan keyin Softmax Attention qatlami keladi. Bular Text-01 relizining xususiyatlari; MiniMax nomli har bir model bir xil arxitekturadan foydalanadi degan daʼvo emas.
MiniMax bir million tokenli kontekst bilan oʻqitishni va inferensiyada toʻrt million tokengacha kengayishni bildiradi. Uzun hujjat vazifasini tayyorlashda bu farq muhim: oʻqitish uzunligi va kengaytirilgan inferensiya uzunligi turli bosqichlarni tavsiflaydi. Ishlab chiqaruvchi tilni tushunish, koʻrsatmalarga amal qilish, mulohaza, matematika, kodlash va uzun manba materialidan foydalanishni oʻrganadi. Savol, yordamchi hujjatlar va kerakli javob formatini aniq saqlab, mavjud soʻrov byudjetini tanlangan bajarish konfiguratsiyasi uchun aniqlanadigan qiymat deb biling.
Eʼlon qilingan tezkor boshlash misoli modelning oʻz suhbat shabloni bilan formatlangan, system koʻrsatmasi va user xabariga ega rolli suhbatdan foydalanadi. Foydali hujjat tahlili soʻrovi aniq belgilangan parchalarni berib, shunday soʻrashi mumkin: “Bu hujjatlardagi qabul mezonlarini solishtiring. Har bir nomuvofiqlik uchun hujjat belgisi, tegishli parcha, oqibat va hal qilishimiz kerak boʻlgan savolni qaytaring.” Yozish uchun manba faktlari va moʻljallangan oʻquvchini, kod uchun tegishli funksiya, kutilgan xatti-harakat va toʻgʻri natijani farqlaydigan misollarni bering. Bular oldindan belgilangan chiqish kafolatlari emas, matn imkoniyatlaridan foydalanishning namuna usullari.
Funksiya chaqirish Text-01’ning hujjatlashtirilgan imkoniyatidir. Ilova mavjud funksiyalar, ularning maqsadlari va parametrlarini tavsiflaydi; parametr taʼrifi JSON Schema bilan ifodalanadi va ichma-ich obyektlar hamda massivlarni oʻz ichiga olishi mumkin. Model soʻrovga tashqi funksiya kerakligini aniqlab, uning nomini tuzilgan argumentlar bilan taklif qilishi mumkin. Ishlab chiqaruvchi qoʻllanmasi ob-havo soʻrovi funksiyasini bosqichma-bosqich koʻrsatadi, keyin taklif etilgan chaqiruvni ajratib olish, modeldan tashqarida bajarish va tuzilgan natijani suhbatga qaytarishni namoyish qiladi.
Bu masʼuliyatlarni amalda ajratadi. Model berilgan tavsiflardan taklif etiladigan amalni tanlaydi; ilova esa uni qanday tekshirish va bajarishni hal qiladi. Masalan, hujjat yordamchisiga qidiruv funksiyasi berilib, tushuntirish tuzishdan oldin yetishmayotgan mahsulot maydonini topish soʻralishi mumkin. Aniq parametr tavsiflarini yozing, majburiy qiymatlarni belgilang va qaytarilgan maʼlumotni modelga tushunishga oson qiling. Funksiyani berish uni chaqirishni majburlamaydi: MiniMax model oddiy javobni maʼqulroq deb topishi mumkinligini aniq aytadi.
Text-01 va MiniMax-VL-01 alohida relizlardir. Ikkinchisida vizual qismlar qoʻshilgan; bu Text-01 tavsifi esa matnni qayta ishlash va uning hujjatlashtirilgan vositalariga tegishli. Uzoq kontekst manbani puxta tayyorlashni ham talab qiladi: hujjat chegaralarini belgilang, iqtiboslarni koʻrsatmalardan ajrating va xulosalarni berilgan parchalarga bogʻlash usulini soʻrang. Model kartasi yaratilgan chiqish uchun alohida umumiy maksimumni belgilamaydi; shu sabab toʻrt million tokenli kontekst sonini chiqish imkoniyati deb oʻqimaslik kerak. Vazifaga mos javob uzunligini tanlang va faktik bayonlar, ajratilgan maydonlar hamda yaratilgan kodni berilgan material yoki tekshiruvlar bilan sinang.
POST /v1/chat/completionstexttext| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar MiniMax-Text-01 | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar Elementlarning eng kam soni: 1 | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Namunalar: system, user, assistant, tool, function Shartlar: Bu rollar manba kodining moslik turlarida ochiq ifodalangan; aniq rollar to‘plami har bir modelga xos bo‘lib qoladi. Modelga bogʻliq | Standart— |
Maydonmessages[].content | Turstring|content_part[]|null | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_calls | Turtool_call[] | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].tool_call_id | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: role=tool; haqiqatan qaytarilgan IDdan foydalaning | Standart— |
Maydonmessages[].name | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].reasoning_content | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Ushbu model foydalanganda, haqiqatan qaytarilgan fikrlash ma’lumotlarini keyingi so‘rovda qayta yuboring | Standart— |
Maydonmessages[].reasoning_details | Turobject|array | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmax_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonmax_completion_tokens | Turinteger | TalabIxtiyoriy | Qiymatlar va cheklovlar Eng kam: 1 Modelga bogʻliq | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Maydonstream_options.include_usage | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontemperature | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontop_p | Turnumber | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonstop | Turstring|string[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools | Turfunction_tool[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydontools[].type | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar function Modelga bogʻliq | Standart— |
Maydontools[].function.name | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Quyidagi holatda qo‘llanadi: Funksiya vositasi taqdim etilgan | Standart— |
Maydontools[].function.description | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontools[].function.parameters | TurJSON_schema | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
Maydontool_choice | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonparallel_tool_calls | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonresponse_format | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning_effort | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonreasoning | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonservice_tier | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydoninstructions | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Moslik maydoni | Standart— |
Maydonfunctions | Turfunction[] | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonfunction_call | Turstring|object | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonprompt_cache_options | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Modelga bogʻliq | Standart— |
Maydonmodalities | Turstring[] | TalabIxtiyoriy | Qiymatlar va cheklovlar text | Standart— |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Ushbu Ultra matn marshrutida provider.options rad etiladi | Standart— |
Maydoncache_control.ttl | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar Shartlar: Haqiqiy prompt-kesh joylarida 1h rad etiladi | Standart— |
Matn · UTF8 matni
messages[].content
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages |
Parametrmaterial_types | Parametr talablaritext |
Parametrmessages | Parametr talablarirole/content tuzilishidagi xabarlar massivi |
Parametrfile_material | Parametr talablariHaqiqiy UTF-8 hujjati aynan matn sifatida kiritiladi; fayl IDsi faraz qilinmaydi |
Parametroptional_controls | Parametr talablaristream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Parametr talablariModelga xos; foydalanuvchi funksiya vositalari hostingdagi vositalardan farq qiladi |
Parametroutput_modalities | Parametr talablaritext |
Parametrhosted_operations | Parametr talablarifalse |
Parametrmultimodal_input_binding | Parametr talablarinull |
Hayot sikli: synchronous_or_streamed
Aniq model IDsini messages bilan yuboring.
Kontekst uzunligi chiqishning yuqori chegarasi emas.
Matn fayli aynan matnni taqdim etishi mumkin; tasvir, audio va fayl obyekti kirishlari aniq bog‘lashni talab qiladi.
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
| Sozlama | Tariflar jadvali | To‘lov |
|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | To‘lov Kirish · Kirish tokenlari $0.000308 / 1K token Chiqish · Chiqish tokenlari $0.002464 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "MiniMax-Text-01", "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-Text-01',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-Text-01',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 yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Har bir javob variantini va uning kontenti, vosita chaqiruvlari hamda fikrlash ma’lumotlarini saqlang. SSEda o‘zgarish qismlarini variant va vosita indeksi bo‘yicha yig‘ing, yakuniy tugash sababi va sarf ma’lumotlarini saqlang.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonchoices[].index | Turinteger |
Maydonchoices[].message.content | Turstring|null |
Maydonchoices[].message.tool_calls | Turtool_call[] |
Maydonchoices[].message.reasoning_content | Turstring |
Maydonchoices[].message.reasoning_details | Turobject|array |
Maydonchoices[].finish_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra MiniMax-Text-01
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
MiniMax-Text-01MiniMax-Text-01 — hujjat tahlili, yozish, kodlash va vositalar yordamidagi jarayonlar uchun uzun kontekstli matn modeli. U gibrid diqqatni ekspertlar aralashmasi bilan birlashtiradi va tuzilgan argumentli funksiya chaqiruvlarini taklif qilishi mumkin.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
MiniMax-Text-01 — MiniMax’ning suhbatlar, til vazifalari va kod uchun matnga yoʻnaltirilgan modeli. Uning uzoq kontekst dizayni savol katta material toʻplamiga tarqalgan maʼlumotga bogʻliq boʻlganda ayniqsa muhim: yozishmalar bilan birga spetsifikatsiya, hujjatning bir nechta versiyasi yoki katta manba matni majmuasi. Natija matndir, jumladan tushuntirishlar, yozma mazmun, kod va funksiya chaqiruv maʼlumoti.
Arxitektura Lightning Attention, odatiy Softmax Attention va ekspertlar aralashmasini birlashtiradi. MiniMax jami 456 milliard parametr va har bir tokenda 45.9 milliard faollashadigan parametrni koʻrsatadi. Model 80 qatlam va 32 ekspertga ega, eng yuqori ikkita ekspertga marshrutlashdan foydalanadi; har bir yettita Lightning Attention qatlami guruhidan keyin Softmax Attention qatlami keladi. Bular Text-01 relizining xususiyatlari; MiniMax nomli har bir model bir xil arxitekturadan foydalanadi degan daʼvo emas.
MiniMax bir million tokenli kontekst bilan oʻqitishni va inferensiyada toʻrt million tokengacha kengayishni bildiradi. Uzun hujjat vazifasini tayyorlashda bu farq muhim: oʻqitish uzunligi va kengaytirilgan inferensiya uzunligi turli bosqichlarni tavsiflaydi. Ishlab chiqaruvchi tilni tushunish, koʻrsatmalarga amal qilish, mulohaza, matematika, kodlash va uzun manba materialidan foydalanishni oʻrganadi. Savol, yordamchi hujjatlar va kerakli javob formatini aniq saqlab, mavjud soʻrov byudjetini tanlangan bajarish konfiguratsiyasi uchun aniqlanadigan qiymat deb biling.
Eʼlon qilingan tezkor boshlash misoli modelning oʻz suhbat shabloni bilan formatlangan, system koʻrsatmasi va user xabariga ega rolli suhbatdan foydalanadi. Foydali hujjat tahlili soʻrovi aniq belgilangan parchalarni berib, shunday soʻrashi mumkin: “Bu hujjatlardagi qabul mezonlarini solishtiring. Har bir nomuvofiqlik uchun hujjat belgisi, tegishli parcha, oqibat va hal qilishimiz kerak boʻlgan savolni qaytaring.” Yozish uchun manba faktlari va moʻljallangan oʻquvchini, kod uchun tegishli funksiya, kutilgan xatti-harakat va toʻgʻri natijani farqlaydigan misollarni bering. Bular oldindan belgilangan chiqish kafolatlari emas, matn imkoniyatlaridan foydalanishning namuna usullari.
Funksiya chaqirish Text-01’ning hujjatlashtirilgan imkoniyatidir. Ilova mavjud funksiyalar, ularning maqsadlari va parametrlarini tavsiflaydi; parametr taʼrifi JSON Schema bilan ifodalanadi va ichma-ich obyektlar hamda massivlarni oʻz ichiga olishi mumkin. Model soʻrovga tashqi funksiya kerakligini aniqlab, uning nomini tuzilgan argumentlar bilan taklif qilishi mumkin. Ishlab chiqaruvchi qoʻllanmasi ob-havo soʻrovi funksiyasini bosqichma-bosqich koʻrsatadi, keyin taklif etilgan chaqiruvni ajratib olish, modeldan tashqarida bajarish va tuzilgan natijani suhbatga qaytarishni namoyish qiladi.
Bu masʼuliyatlarni amalda ajratadi. Model berilgan tavsiflardan taklif etiladigan amalni tanlaydi; ilova esa uni qanday tekshirish va bajarishni hal qiladi. Masalan, hujjat yordamchisiga qidiruv funksiyasi berilib, tushuntirish tuzishdan oldin yetishmayotgan mahsulot maydonini topish soʻralishi mumkin. Aniq parametr tavsiflarini yozing, majburiy qiymatlarni belgilang va qaytarilgan maʼlumotni modelga tushunishga oson qiling. Funksiyani berish uni chaqirishni majburlamaydi: MiniMax model oddiy javobni maʼqulroq deb topishi mumkinligini aniq aytadi.
Text-01 va MiniMax-VL-01 alohida relizlardir. Ikkinchisida vizual qismlar qoʻshilgan; bu Text-01 tavsifi esa matnni qayta ishlash va uning hujjatlashtirilgan vositalariga tegishli. Uzoq kontekst manbani puxta tayyorlashni ham talab qiladi: hujjat chegaralarini belgilang, iqtiboslarni koʻrsatmalardan ajrating va xulosalarni berilgan parchalarga bogʻlash usulini soʻrang. Model kartasi yaratilgan chiqish uchun alohida umumiy maksimumni belgilamaydi; shu sabab toʻrt million tokenli kontekst sonini chiqish imkoniyati deb oʻqimaslik kerak. Vazifaga mos javob uzunligini tanlang va faktik bayonlar, ajratilgan maydonlar hamda yaratilgan kodni berilgan material yoki tekshiruvlar bilan sinang.
POST /v1/messagestextjson, sse| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar MiniMax-Text-01 | Standart— |
Maydonmessages | Turmessage[] | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmessages[].role | Turstring | TalabMajburiy | Qiymatlar va cheklovlar user, assistant | Standart— |
Maydonmessages[].content | Turstring | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonmax_tokens | Turinteger | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Maydonstream | Turboolean | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standartfalse |
Matn · UTF-8 matni
messages[].content satri
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, messages, max_tokens |
Parametroptional_controls | Parametr talablaristream |
Parametrmaterial_types | Parametr talablaritext |
Parametrtext_file_material | Parametr talablariHaqiqiy UTF-8 hujjatini o‘qing va uning matnini ko‘rsatilgan kirish yoki xabar kontenti satriga joylashtiring. |
Hayot sikli: synchronous_or_streamed
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
| Sozlama | Tariflar jadvali | To‘lov |
|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | To‘lov Kirish · Kirish tokenlari $0.000308 / 1K token Chiqish · Chiqish tokenlari $0.002464 / 1K token Kirish · Keshdan o‘qish $0 / 1K token Kirish · Keshga yozish $0 / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
{\n "model": "MiniMax-Text-01",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-Text-01', '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-Text-01', '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 yoki SSE
Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
Barcha kontent bloklari, fikrlash imzolari va haqiqiy vosita ishlatish IDlarini saqlang. SSE bloklarining barcha o‘zgarish qismlarini yig‘ing; birinchi matn bloki to‘liq chiqish emas.
So‘rov va javob IDlari hamda sarlavhalarini saqlang. Matn vazifasini olish uchun umumiy URL taqdim etilmagan.
| Maydon | Tur |
|---|---|
Maydonid | Turstring |
Maydonmodel | Turstring |
Maydoncontent[] | Turtext|thinking|tool_use|other content block |
Maydonstop_reason | Turstring|null |
Maydonusage | Turobject |
| Javob | Shart | Keyingi qadam |
|---|---|---|
Javob400 · invalid_request_error | ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri | Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating. |
Ailoot Ultra MiniMax-Text-01
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Ingliz tilidagi texnik misol
Reconcile acceptance documents\n\nSpecification S1 says: 'An export is accepted when it contains all active accounts.' Email E1 says: 'Include suspended accounts in the acceptance sample.' Test note T1 says: 'The sample contains only active accounts.' Produce a mismatch record with source labels, practical consequence and one question for the owner. Do not silently choose a new acceptance rule.A source-labeled mismatch record, consequence and clarification question.The record must distinguish the coverage rule from the actual sample rather than declare acceptance achieved.