MiniMax-Text-01 là mô hình tập trung vào văn bản của MiniMax cho hội thoại, tác vụ ngôn ngữ và mã. Thiết kế ngữ cảnh dài đặc biệt phù hợp khi câu hỏi phụ thuộc thông tin rải trong một tập tài liệu lớn: đặc tả cùng thư từ, nhiều phiên bản tài liệu hoặc lượng văn bản tham chiếu đáng kể. Kết quả là văn bản, gồm giải thích, nội dung viết, mã và thông tin gọi hàm.
Kiến trúc kết hợp Lightning Attention, Softmax Attention thông thường và hỗn hợp chuyên gia. MiniMax báo cáo tổng cộng 456 tỷ tham số, với 45.9 tỷ kích hoạt mỗi token. Mô hình có 80 lớp và 32 chuyên gia, định tuyến đến hai chuyên gia hàng đầu; một lớp Softmax Attention theo sau mỗi nhóm bảy lớp Lightning Attention. Đây là đặc điểm bản Text-01, không phải khẳng định mọi mô hình mang tên MiniMax dùng cùng kiến trúc.
MiniMax báo cáo huấn luyện với độ dài ngữ cảnh một triệu token và mở rộng suy luận đến bốn triệu token. Sự phân biệt quan trọng khi chuẩn bị tác vụ tài liệu dài: độ dài huấn luyện và độ dài suy luận mở rộng mô tả hai giai đoạn khác nhau. Nhà sản xuất khảo sát hiểu ngôn ngữ, làm theo chỉ dẫn, suy luận, toán học, lập trình và dùng tài liệu tham chiếu dài. Xác định ngân sách yêu cầu khả dụng theo cấu hình thực thi được chọn, đồng thời giữ rõ câu hỏi, tài liệu hỗ trợ và định dạng trả lời bắt buộc.
Ví dụ bắt đầu nhanh được công bố dùng hội thoại theo vai trò với chỉ dẫn system và tin nhắn user, định dạng bằng mẫu trò chuyện riêng của mô hình. Yêu cầu phân tích tài liệu hữu ích có thể cung cấp trích đoạn gắn nhãn rõ và hỏi: “So sánh tiêu chí chấp nhận trong các tài liệu này. Với mỗi điểm không khớp, trả về nhãn tài liệu, đoạn liên quan, hệ quả và câu hỏi cần giải quyết.” Với viết, đưa dữ kiện nguồn và người đọc dự định; với mã, thêm hàm liên quan, hành vi mong đợi và ví dụ phân biệt kết quả đúng. Đây là cách minh họa dùng khả năng văn bản, không phải bảo đảm đầu ra định trước.
Gọi hàm là tính năng được tài liệu mô tả của Text-01. Ứng dụng định nghĩa hàm có sẵn, mục đích và tham số; định nghĩa tham số dùng JSON Schema, có thể gồm đối tượng và mảng lồng nhau. Mô hình có thể xác định yêu cầu cần hàm bên ngoài, rồi đề xuất tên cùng đối số có cấu trúc. Hướng dẫn nhà sản xuất trình bày hàm truy vấn thời tiết, sau đó chỉ cách phân tích lời gọi đề xuất, thực thi ngoài mô hình và trả kết quả có cấu trúc về hội thoại.
Điều này phân tách trách nhiệm trong thực tế. Mô hình chọn thao tác đề xuất từ mô tả cung cấp; ứng dụng quyết định cách xác thực và thực hiện. Ví dụ, trợ lý tài liệu có thể nhận hàm tra cứu và được yêu cầu lấy trường sản phẩm còn thiếu trước khi viết giải thích. Viết mô tả tham số chính xác, xác định giá trị bắt buộc và giúp mô hình diễn giải dữ liệu trả về dễ dàng. Cung cấp hàm không ép mô hình gọi: MiniMax nói rõ mô hình có thể cho rằng câu trả lời thông thường phù hợp hơn.
Text-01 và MiniMax-VL-01 là hai bản riêng. Bản sau thêm thành phần thị giác; mô tả Text-01 này nói về xử lý văn bản và công cụ được tài liệu ghi nhận. Ngữ cảnh dài cũng cần chuẩn bị nguồn cẩn thận: đánh dấu ranh giới tài liệu, tách trích dẫn khỏi chỉ dẫn và yêu cầu cách gắn kết luận với đoạn đã cung cấp. Thẻ không xác lập mức tối đa phổ quát riêng cho đầu ra tạo, nên con số ngữ cảnh bốn triệu token không nên hiểu là dung lượng đầu ra. Chọn độ dài đáp ứng tác vụ, rồi xác thực phát biểu thực tế, trường trích xuất và mã tạo với tài liệu hoặc phép kiểm tra được cung cấp.
", "aboutText": "MiniMax-Text-01 là mô hình tập trung vào văn bản của MiniMax cho hội thoại, tác vụ ngôn ngữ và mã. Thiết kế ngữ cảnh dài đặc biệt phù hợp khi câu hỏi phụ thuộc thông tin rải trong một tập tài liệu lớn: đặc tả cùng thư từ, nhiều phiên bản tài liệu hoặc lượng văn bản tham chiếu đáng kể. Kết quả là văn bản, gồm giải thích, nội dung viết, mã và thông tin gọi hàm.\n\nKiến trúc kết hợp Lightning Attention, Softmax Attention thông thường và hỗn hợp chuyên gia. MiniMax báo cáo tổng cộng 456 tỷ tham số, với 45.9 tỷ kích hoạt mỗi token. Mô hình có 80 lớp và 32 chuyên gia, định tuyến đến hai chuyên gia hàng đầu; một lớp Softmax Attention theo sau mỗi nhóm bảy lớp Lightning Attention. Đây là đặc điểm bản Text-01, không phải khẳng định mọi mô hình mang tên MiniMax dùng cùng kiến trúc.\n\nMiniMax báo cáo huấn luyện với độ dài ngữ cảnh một triệu token và mở rộng suy luận đến bốn triệu token. Sự phân biệt quan trọng khi chuẩn bị tác vụ tài liệu dài: độ dài huấn luyện và độ dài suy luận mở rộng mô tả hai giai đoạn khác nhau. Nhà sản xuất khảo sát hiểu ngôn ngữ, làm theo chỉ dẫn, suy luận, toán học, lập trình và dùng tài liệu tham chiếu dài. Xác định ngân sách yêu cầu khả dụng theo cấu hình thực thi được chọn, đồng thời giữ rõ câu hỏi, tài liệu hỗ trợ và định dạng trả lời bắt buộc.\n\nVí dụ bắt đầu nhanh được công bố dùng hội thoại theo vai trò với chỉ dẫn system và tin nhắn user, định dạng bằng mẫu trò chuyện riêng của mô hình. Yêu cầu phân tích tài liệu hữu ích có thể cung cấp trích đoạn gắn nhãn rõ và hỏi: “So sánh tiêu chí chấp nhận trong các tài liệu này. Với mỗi điểm không khớp, trả về nhãn tài liệu, đoạn liên quan, hệ quả và câu hỏi cần giải quyết.” Với viết, đưa dữ kiện nguồn và người đọc dự định; với mã, thêm hàm liên quan, hành vi mong đợi và ví dụ phân biệt kết quả đúng. Đây là cách minh họa dùng khả năng văn bản, không phải bảo đảm đầu ra định trước.\n\nGọi hàm là tính năng được tài liệu mô tả của Text-01. Ứng dụng định nghĩa hàm có sẵn, mục đích và tham số; định nghĩa tham số dùng JSON Schema, có thể gồm đối tượng và mảng lồng nhau. Mô hình có thể xác định yêu cầu cần hàm bên ngoài, rồi đề xuất tên cùng đối số có cấu trúc. Hướng dẫn nhà sản xuất trình bày hàm truy vấn thời tiết, sau đó chỉ cách phân tích lời gọi đề xuất, thực thi ngoài mô hình và trả kết quả có cấu trúc về hội thoại.\n\nĐiều này phân tách trách nhiệm trong thực tế. Mô hình chọn thao tác đề xuất từ mô tả cung cấp; ứng dụng quyết định cách xác thực và thực hiện. Ví dụ, trợ lý tài liệu có thể nhận hàm tra cứu và được yêu cầu lấy trường sản phẩm còn thiếu trước khi viết giải thích. Viết mô tả tham số chính xác, xác định giá trị bắt buộc và giúp mô hình diễn giải dữ liệu trả về dễ dàng. Cung cấp hàm không ép mô hình gọi: MiniMax nói rõ mô hình có thể cho rằng câu trả lời thông thường phù hợp hơn.\n\nText-01 và MiniMax-VL-01 là hai bản riêng. Bản sau thêm thành phần thị giác; mô tả Text-01 này nói về xử lý văn bản và công cụ được tài liệu ghi nhận. Ngữ cảnh dài cũng cần chuẩn bị nguồn cẩn thận: đánh dấu ranh giới tài liệu, tách trích dẫn khỏi chỉ dẫn và yêu cầu cách gắn kết luận với đoạn đã cung cấp. Thẻ không xác lập mức tối đa phổ quát riêng cho đầu ra tạo, nên con số ngữ cảnh bốn triệu token không nên hiểu là dung lượng đầu ra. Chọn độ dài đáp ứng tác vụ, rồi xác thực phát biểu thực tế, trường trích xuất và mã tạo với tài liệu hoặc phép kiểm tra được cung cấp.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
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 là mô hình văn bản ngữ cảnh dài cho phân tích tài liệu, viết, lập trình và quy trình có công cụ hỗ trợ. Mô hình kết hợp chú ý lai với hỗn hợp chuyên gia, có thể đề xuất gọi hàm với đối số có cấu trúc.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
MiniMax-Text-01 là mô hình tập trung vào văn bản của MiniMax cho hội thoại, tác vụ ngôn ngữ và mã. Thiết kế ngữ cảnh dài đặc biệt phù hợp khi câu hỏi phụ thuộc thông tin rải trong một tập tài liệu lớn: đặc tả cùng thư từ, nhiều phiên bản tài liệu hoặc lượng văn bản tham chiếu đáng kể. Kết quả là văn bản, gồm giải thích, nội dung viết, mã và thông tin gọi hàm.
Kiến trúc kết hợp Lightning Attention, Softmax Attention thông thường và hỗn hợp chuyên gia. MiniMax báo cáo tổng cộng 456 tỷ tham số, với 45.9 tỷ kích hoạt mỗi token. Mô hình có 80 lớp và 32 chuyên gia, định tuyến đến hai chuyên gia hàng đầu; một lớp Softmax Attention theo sau mỗi nhóm bảy lớp Lightning Attention. Đây là đặc điểm bản Text-01, không phải khẳng định mọi mô hình mang tên MiniMax dùng cùng kiến trúc.
MiniMax báo cáo huấn luyện với độ dài ngữ cảnh một triệu token và mở rộng suy luận đến bốn triệu token. Sự phân biệt quan trọng khi chuẩn bị tác vụ tài liệu dài: độ dài huấn luyện và độ dài suy luận mở rộng mô tả hai giai đoạn khác nhau. Nhà sản xuất khảo sát hiểu ngôn ngữ, làm theo chỉ dẫn, suy luận, toán học, lập trình và dùng tài liệu tham chiếu dài. Xác định ngân sách yêu cầu khả dụng theo cấu hình thực thi được chọn, đồng thời giữ rõ câu hỏi, tài liệu hỗ trợ và định dạng trả lời bắt buộc.
Ví dụ bắt đầu nhanh được công bố dùng hội thoại theo vai trò với chỉ dẫn system và tin nhắn user, định dạng bằng mẫu trò chuyện riêng của mô hình. Yêu cầu phân tích tài liệu hữu ích có thể cung cấp trích đoạn gắn nhãn rõ và hỏi: “So sánh tiêu chí chấp nhận trong các tài liệu này. Với mỗi điểm không khớp, trả về nhãn tài liệu, đoạn liên quan, hệ quả và câu hỏi cần giải quyết.” Với viết, đưa dữ kiện nguồn và người đọc dự định; với mã, thêm hàm liên quan, hành vi mong đợi và ví dụ phân biệt kết quả đúng. Đây là cách minh họa dùng khả năng văn bản, không phải bảo đảm đầu ra định trước.
Gọi hàm là tính năng được tài liệu mô tả của Text-01. Ứng dụng định nghĩa hàm có sẵn, mục đích và tham số; định nghĩa tham số dùng JSON Schema, có thể gồm đối tượng và mảng lồng nhau. Mô hình có thể xác định yêu cầu cần hàm bên ngoài, rồi đề xuất tên cùng đối số có cấu trúc. Hướng dẫn nhà sản xuất trình bày hàm truy vấn thời tiết, sau đó chỉ cách phân tích lời gọi đề xuất, thực thi ngoài mô hình và trả kết quả có cấu trúc về hội thoại.
Điều này phân tách trách nhiệm trong thực tế. Mô hình chọn thao tác đề xuất từ mô tả cung cấp; ứng dụng quyết định cách xác thực và thực hiện. Ví dụ, trợ lý tài liệu có thể nhận hàm tra cứu và được yêu cầu lấy trường sản phẩm còn thiếu trước khi viết giải thích. Viết mô tả tham số chính xác, xác định giá trị bắt buộc và giúp mô hình diễn giải dữ liệu trả về dễ dàng. Cung cấp hàm không ép mô hình gọi: MiniMax nói rõ mô hình có thể cho rằng câu trả lời thông thường phù hợp hơn.
Text-01 và MiniMax-VL-01 là hai bản riêng. Bản sau thêm thành phần thị giác; mô tả Text-01 này nói về xử lý văn bản và công cụ được tài liệu ghi nhận. Ngữ cảnh dài cũng cần chuẩn bị nguồn cẩn thận: đánh dấu ranh giới tài liệu, tách trích dẫn khỏi chỉ dẫn và yêu cầu cách gắn kết luận với đoạn đã cung cấp. Thẻ không xác lập mức tối đa phổ quát riêng cho đầu ra tạo, nên con số ngữ cảnh bốn triệu token không nên hiểu là dung lượng đầu ra. Chọn độ dài đáp ứng tác vụ, rồi xác thực phát biểu thực tế, trường trích xuất và mã tạo với tài liệu hoặc phép kiểm tra được cung cấp.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn MiniMax-Text-01 | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.000308 / 1K token Đầu ra · Token đầu ra $0.002464 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra MiniMax-Text-01
Dùng các đường dẫn phương thức hiển thị ở trên.
MiniMax-Text-01MiniMax-Text-01 là mô hình văn bản ngữ cảnh dài cho phân tích tài liệu, viết, lập trình và quy trình có công cụ hỗ trợ. Mô hình kết hợp chú ý lai với hỗn hợp chuyên gia, có thể đề xuất gọi hàm với đối số có cấu trúc.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
MiniMax-Text-01 là mô hình tập trung vào văn bản của MiniMax cho hội thoại, tác vụ ngôn ngữ và mã. Thiết kế ngữ cảnh dài đặc biệt phù hợp khi câu hỏi phụ thuộc thông tin rải trong một tập tài liệu lớn: đặc tả cùng thư từ, nhiều phiên bản tài liệu hoặc lượng văn bản tham chiếu đáng kể. Kết quả là văn bản, gồm giải thích, nội dung viết, mã và thông tin gọi hàm.
Kiến trúc kết hợp Lightning Attention, Softmax Attention thông thường và hỗn hợp chuyên gia. MiniMax báo cáo tổng cộng 456 tỷ tham số, với 45.9 tỷ kích hoạt mỗi token. Mô hình có 80 lớp và 32 chuyên gia, định tuyến đến hai chuyên gia hàng đầu; một lớp Softmax Attention theo sau mỗi nhóm bảy lớp Lightning Attention. Đây là đặc điểm bản Text-01, không phải khẳng định mọi mô hình mang tên MiniMax dùng cùng kiến trúc.
MiniMax báo cáo huấn luyện với độ dài ngữ cảnh một triệu token và mở rộng suy luận đến bốn triệu token. Sự phân biệt quan trọng khi chuẩn bị tác vụ tài liệu dài: độ dài huấn luyện và độ dài suy luận mở rộng mô tả hai giai đoạn khác nhau. Nhà sản xuất khảo sát hiểu ngôn ngữ, làm theo chỉ dẫn, suy luận, toán học, lập trình và dùng tài liệu tham chiếu dài. Xác định ngân sách yêu cầu khả dụng theo cấu hình thực thi được chọn, đồng thời giữ rõ câu hỏi, tài liệu hỗ trợ và định dạng trả lời bắt buộc.
Ví dụ bắt đầu nhanh được công bố dùng hội thoại theo vai trò với chỉ dẫn system và tin nhắn user, định dạng bằng mẫu trò chuyện riêng của mô hình. Yêu cầu phân tích tài liệu hữu ích có thể cung cấp trích đoạn gắn nhãn rõ và hỏi: “So sánh tiêu chí chấp nhận trong các tài liệu này. Với mỗi điểm không khớp, trả về nhãn tài liệu, đoạn liên quan, hệ quả và câu hỏi cần giải quyết.” Với viết, đưa dữ kiện nguồn và người đọc dự định; với mã, thêm hàm liên quan, hành vi mong đợi và ví dụ phân biệt kết quả đúng. Đây là cách minh họa dùng khả năng văn bản, không phải bảo đảm đầu ra định trước.
Gọi hàm là tính năng được tài liệu mô tả của Text-01. Ứng dụng định nghĩa hàm có sẵn, mục đích và tham số; định nghĩa tham số dùng JSON Schema, có thể gồm đối tượng và mảng lồng nhau. Mô hình có thể xác định yêu cầu cần hàm bên ngoài, rồi đề xuất tên cùng đối số có cấu trúc. Hướng dẫn nhà sản xuất trình bày hàm truy vấn thời tiết, sau đó chỉ cách phân tích lời gọi đề xuất, thực thi ngoài mô hình và trả kết quả có cấu trúc về hội thoại.
Điều này phân tách trách nhiệm trong thực tế. Mô hình chọn thao tác đề xuất từ mô tả cung cấp; ứng dụng quyết định cách xác thực và thực hiện. Ví dụ, trợ lý tài liệu có thể nhận hàm tra cứu và được yêu cầu lấy trường sản phẩm còn thiếu trước khi viết giải thích. Viết mô tả tham số chính xác, xác định giá trị bắt buộc và giúp mô hình diễn giải dữ liệu trả về dễ dàng. Cung cấp hàm không ép mô hình gọi: MiniMax nói rõ mô hình có thể cho rằng câu trả lời thông thường phù hợp hơn.
Text-01 và MiniMax-VL-01 là hai bản riêng. Bản sau thêm thành phần thị giác; mô tả Text-01 này nói về xử lý văn bản và công cụ được tài liệu ghi nhận. Ngữ cảnh dài cũng cần chuẩn bị nguồn cẩn thận: đánh dấu ranh giới tài liệu, tách trích dẫn khỏi chỉ dẫn và yêu cầu cách gắn kết luận với đoạn đã cung cấp. Thẻ không xác lập mức tối đa phổ quát riêng cho đầu ra tạo, nên con số ngữ cảnh bốn triệu token không nên hiểu là dung lượng đầu ra. Chọn độ dài đáp ứng tác vụ, rồi xác thực phát biểu thực tế, trường trích xuất và mã tạo với tài liệu hoặc phép kiểm tra được cung cấp.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn MiniMax-Text-01 | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.000308 / 1K token Đầu ra · Token đầu ra $0.002464 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "MiniMax-Text-01",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra MiniMax-Text-01
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
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.