MiMo-V2.5 là mô hình omnimodal gốc của Xiaomi để hiểu văn bản, hình ảnh, video và âm thanh trong một kiến trúc. Mô hình kết hợp nhận thức đa phương thức với suy luận ngữ cảnh dài và quy trình tác nhân. Nhà sản xuất mô tả mô hình hỗn hợp chuyên gia thưa có tổng cộng 310B tham số và 15B tham số kích hoạt. Phản hồi là sản phẩm văn bản hoặc chỉ dẫn công cụ mà ứng dụng hỗ trợ có thể sử dụng; hiểu đầu vào âm thanh hoặc hình ảnh khác với tạo nội dung đa phương tiện mới.
Phần lõi ngôn ngữ phát triển từ kiến trúc MiMo-V2-Flash, kết hợp chú ý cửa sổ trượt và chú ý toàn cục theo mẫu 5:1, với cửa sổ cục bộ 128 token. Xiaomi bổ sung bộ biến đổi thị giác chuyên dụng 729M tham số và bộ mã hóa âm thanh 261M tham số được khởi tạo từ MiMo-Audio. Ba mô-đun dự đoán nhiều token hỗ trợ giải mã suy đoán. Cửa sổ chú ý cục bộ là chi tiết kiến trúc; nhà sản xuất quy định ngữ cảnh lớn hơn nhiều, tối đa một triệu token, cho lịch sử tác vụ kết hợp.
Với phân tích hình ảnh, cung cấp nguồn dễ đọc và xác định mối quan hệ hoặc chi tiết mà câu trả lời cần giải thích. Tác vụ tài liệu có thể yêu cầu bảng trường quan sát được cùng trang hoặc vùng tương ứng; tác vụ thiết kế có thể nối bố cục ảnh chụp màn hình với yêu cầu triển khai. Giữ ảnh nguồn để kiểm tra chữ nhỏ, số lượng hoặc quan sát không gian. Yêu cầu mô hình nêu rõ bằng chứng chưa chắc chắn, thay vì biến một dấu khó phân biệt thành giá trị được khẳng định.
Với video hoặc âm thanh, ghép tài liệu được cung cấp với câu hỏi tập trung và ngữ cảnh cần để diễn giải. Một quy trình hữu ích là giải thích chuỗi thao tác giao diện trong bản ghi, chỉ ra nơi hành vi quan sát khác với các bước dự định, rồi chuẩn bị chẩn đoán gắn với khoảng thời gian liên quan. Giữ trình tự thời gian và bản ghi gốc để xem xét. Đầu ra văn bản có thể làm đầu vào cho bước báo cáo, tạo chú thích hoặc chỉnh sửa sau, nhưng không có nghĩa bản thân nó là video hay bản âm thanh mới tạo.
Với tác vụ tác nhân, cung cấp mục tiêu, tài liệu nguồn liên quan và yêu cầu đầu vào của mọi công cụ do ứng dụng đưa ra. Giữ đầu ra công cụ thực tế trong lịch sử để mô hình điều chỉnh bước tiếp theo theo điều đã xảy ra. Tác vụ kho mã có thể kết hợp mã, ảnh chụp kết quả và đầu ra kiểm tra để tạo đề xuất thay đổi tập trung. Ghi lại thao tác kết quả đã được thực thi hay chưa và sản phẩm quan sát được có đáp ứng hành vi yêu cầu hay không.
Trình tự huấn luyện của nhà sản xuất bắt đầu bằng tiền huấn luyện văn bản, khởi động các bộ chiếu hình ảnh và âm thanh, rồi tiếp tục tiền huấn luyện đa phương thức. Huấn luyện tác nhân có giám sát mở rộng dần ngữ cảnh từ 32K qua 256K đến 1M; sau đó học tăng cường và chưng cất on-policy từ nhiều mô hình giáo viên phát triển nhận thức, suy luận và hành vi tác nhân. Nhà sản xuất báo cáo khoảng 48 nghìn tỷ token huấn luyện. Lịch sử này giải thích phạm vi đầu vào và tác vụ kết hợp mà không bảo đảm cho một bản ghi hay kho mã cụ thể.
Bản tóm tắt mô hình nêu hỗ trợ tối đa 1M token, trong khi ví dụ phục vụ đã công bố dùng cấu hình ngữ cảnh 262,144 token. Phân biệt dung lượng mô hình với cửa sổ làm việc của triển khai được chọn, đồng thời chừa chỗ cho phản hồi được tạo và kết quả công cụ tiếp theo. Xiaomi khuyến nghị temperature 1.0 và top_p 0.95 cho suy luận cục bộ. Tiền xử lý nội dung đa phương tiện và tùy chọn ứng dụng cần theo đúng giao diện dùng cho tác vụ.
MiMo-V2.5 là phiên bản omnimodal cùng họ với MiMo-V2.5-Pro lớn hơn, tập trung vào văn bản. Giữ sự khác biệt phiên bản đó trong bản ghi kết quả. Sản phẩm cuối hữu ích là lời giải thích, dữ liệu trích xuất hoặc đề xuất thay đổi gắn với văn bản và nội dung đa phương tiện đã cung cấp, đồng thời giữ các quan sát chưa chắc chắn và kết quả công cụ chưa xác minh để có thể sửa.
", "aboutText": "MiMo-V2.5 là mô hình omnimodal gốc của Xiaomi để hiểu văn bản, hình ảnh, video và âm thanh trong một kiến trúc. Mô hình kết hợp nhận thức đa phương thức với suy luận ngữ cảnh dài và quy trình tác nhân. Nhà sản xuất mô tả mô hình hỗn hợp chuyên gia thưa có tổng cộng 310B tham số và 15B tham số kích hoạt. Phản hồi là sản phẩm văn bản hoặc chỉ dẫn công cụ mà ứng dụng hỗ trợ có thể sử dụng; hiểu đầu vào âm thanh hoặc hình ảnh khác với tạo nội dung đa phương tiện mới.\n\nPhần lõi ngôn ngữ phát triển từ kiến trúc MiMo-V2-Flash, kết hợp chú ý cửa sổ trượt và chú ý toàn cục theo mẫu 5:1, với cửa sổ cục bộ 128 token. Xiaomi bổ sung bộ biến đổi thị giác chuyên dụng 729M tham số và bộ mã hóa âm thanh 261M tham số được khởi tạo từ MiMo-Audio. Ba mô-đun dự đoán nhiều token hỗ trợ giải mã suy đoán. Cửa sổ chú ý cục bộ là chi tiết kiến trúc; nhà sản xuất quy định ngữ cảnh lớn hơn nhiều, tối đa một triệu token, cho lịch sử tác vụ kết hợp.\n\nVới phân tích hình ảnh, cung cấp nguồn dễ đọc và xác định mối quan hệ hoặc chi tiết mà câu trả lời cần giải thích. Tác vụ tài liệu có thể yêu cầu bảng trường quan sát được cùng trang hoặc vùng tương ứng; tác vụ thiết kế có thể nối bố cục ảnh chụp màn hình với yêu cầu triển khai. Giữ ảnh nguồn để kiểm tra chữ nhỏ, số lượng hoặc quan sát không gian. Yêu cầu mô hình nêu rõ bằng chứng chưa chắc chắn, thay vì biến một dấu khó phân biệt thành giá trị được khẳng định.\n\nVới video hoặc âm thanh, ghép tài liệu được cung cấp với câu hỏi tập trung và ngữ cảnh cần để diễn giải. Một quy trình hữu ích là giải thích chuỗi thao tác giao diện trong bản ghi, chỉ ra nơi hành vi quan sát khác với các bước dự định, rồi chuẩn bị chẩn đoán gắn với khoảng thời gian liên quan. Giữ trình tự thời gian và bản ghi gốc để xem xét. Đầu ra văn bản có thể làm đầu vào cho bước báo cáo, tạo chú thích hoặc chỉnh sửa sau, nhưng không có nghĩa bản thân nó là video hay bản âm thanh mới tạo.\n\nVới tác vụ tác nhân, cung cấp mục tiêu, tài liệu nguồn liên quan và yêu cầu đầu vào của mọi công cụ do ứng dụng đưa ra. Giữ đầu ra công cụ thực tế trong lịch sử để mô hình điều chỉnh bước tiếp theo theo điều đã xảy ra. Tác vụ kho mã có thể kết hợp mã, ảnh chụp kết quả và đầu ra kiểm tra để tạo đề xuất thay đổi tập trung. Ghi lại thao tác kết quả đã được thực thi hay chưa và sản phẩm quan sát được có đáp ứng hành vi yêu cầu hay không.\n\nTrình tự huấn luyện của nhà sản xuất bắt đầu bằng tiền huấn luyện văn bản, khởi động các bộ chiếu hình ảnh và âm thanh, rồi tiếp tục tiền huấn luyện đa phương thức. Huấn luyện tác nhân có giám sát mở rộng dần ngữ cảnh từ 32K qua 256K đến 1M; sau đó học tăng cường và chưng cất on-policy từ nhiều mô hình giáo viên phát triển nhận thức, suy luận và hành vi tác nhân. Nhà sản xuất báo cáo khoảng 48 nghìn tỷ token huấn luyện. Lịch sử này giải thích phạm vi đầu vào và tác vụ kết hợp mà không bảo đảm cho một bản ghi hay kho mã cụ thể.\n\nBản tóm tắt mô hình nêu hỗ trợ tối đa 1M token, trong khi ví dụ phục vụ đã công bố dùng cấu hình ngữ cảnh 262,144 token. Phân biệt dung lượng mô hình với cửa sổ làm việc của triển khai được chọn, đồng thời chừa chỗ cho phản hồi được tạo và kết quả công cụ tiếp theo. Xiaomi khuyến nghị temperature 1.0 và top_p 0.95 cho suy luận cục bộ. Tiền xử lý nội dung đa phương tiện và tùy chọn ứng dụng cần theo đúng giao diện dùng cho tác vụ.\n\nMiMo-V2.5 là phiên bản omnimodal cùng họ với MiMo-V2.5-Pro lớn hơn, tập trung vào văn bản. Giữ sự khác biệt phiên bản đó trong bản ghi kết quả. Sản phẩm cuối hữu ích là lời giải thích, dữ liệu trích xuất hoặc đề xuất thay đổi gắn với văn bản và nội dung đa phương tiện đã cung cấp, đồng thời giữ các quan sát chưa chắc chắn và kết quả công cụ chưa xác minh để có thể sửa.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.xiaomi/mimo-v2.5MiMo-V2.5 hiểu văn bản, hình ảnh, video và âm thanh trong cùng một mô hình, phục vụ phân tích đa phương thức và nhiệm vụ tác tử. Xiaomi công bố tổng cộng 310B tham số, 15B tham số hoạt động và ngữ cảnh lên đến một triệu token, cùng các bộ mã hóa chuyên dụng cho thị giác và âm thanh.
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.
MiMo-V2.5 là mô hình omnimodal gốc của Xiaomi để hiểu văn bản, hình ảnh, video và âm thanh trong một kiến trúc. Mô hình kết hợp nhận thức đa phương thức với suy luận ngữ cảnh dài và quy trình tác nhân. Nhà sản xuất mô tả mô hình hỗn hợp chuyên gia thưa có tổng cộng 310B tham số và 15B tham số kích hoạt. Phản hồi là sản phẩm văn bản hoặc chỉ dẫn công cụ mà ứng dụng hỗ trợ có thể sử dụng; hiểu đầu vào âm thanh hoặc hình ảnh khác với tạo nội dung đa phương tiện mới.
Phần lõi ngôn ngữ phát triển từ kiến trúc MiMo-V2-Flash, kết hợp chú ý cửa sổ trượt và chú ý toàn cục theo mẫu 5:1, với cửa sổ cục bộ 128 token. Xiaomi bổ sung bộ biến đổi thị giác chuyên dụng 729M tham số và bộ mã hóa âm thanh 261M tham số được khởi tạo từ MiMo-Audio. Ba mô-đun dự đoán nhiều token hỗ trợ giải mã suy đoán. Cửa sổ chú ý cục bộ là chi tiết kiến trúc; nhà sản xuất quy định ngữ cảnh lớn hơn nhiều, tối đa một triệu token, cho lịch sử tác vụ kết hợp.
Với phân tích hình ảnh, cung cấp nguồn dễ đọc và xác định mối quan hệ hoặc chi tiết mà câu trả lời cần giải thích. Tác vụ tài liệu có thể yêu cầu bảng trường quan sát được cùng trang hoặc vùng tương ứng; tác vụ thiết kế có thể nối bố cục ảnh chụp màn hình với yêu cầu triển khai. Giữ ảnh nguồn để kiểm tra chữ nhỏ, số lượng hoặc quan sát không gian. Yêu cầu mô hình nêu rõ bằng chứng chưa chắc chắn, thay vì biến một dấu khó phân biệt thành giá trị được khẳng định.
Với video hoặc âm thanh, ghép tài liệu được cung cấp với câu hỏi tập trung và ngữ cảnh cần để diễn giải. Một quy trình hữu ích là giải thích chuỗi thao tác giao diện trong bản ghi, chỉ ra nơi hành vi quan sát khác với các bước dự định, rồi chuẩn bị chẩn đoán gắn với khoảng thời gian liên quan. Giữ trình tự thời gian và bản ghi gốc để xem xét. Đầu ra văn bản có thể làm đầu vào cho bước báo cáo, tạo chú thích hoặc chỉnh sửa sau, nhưng không có nghĩa bản thân nó là video hay bản âm thanh mới tạo.
Với tác vụ tác nhân, cung cấp mục tiêu, tài liệu nguồn liên quan và yêu cầu đầu vào của mọi công cụ do ứng dụng đưa ra. Giữ đầu ra công cụ thực tế trong lịch sử để mô hình điều chỉnh bước tiếp theo theo điều đã xảy ra. Tác vụ kho mã có thể kết hợp mã, ảnh chụp kết quả và đầu ra kiểm tra để tạo đề xuất thay đổi tập trung. Ghi lại thao tác kết quả đã được thực thi hay chưa và sản phẩm quan sát được có đáp ứng hành vi yêu cầu hay không.
Trình tự huấn luyện của nhà sản xuất bắt đầu bằng tiền huấn luyện văn bản, khởi động các bộ chiếu hình ảnh và âm thanh, rồi tiếp tục tiền huấn luyện đa phương thức. Huấn luyện tác nhân có giám sát mở rộng dần ngữ cảnh từ 32K qua 256K đến 1M; sau đó học tăng cường và chưng cất on-policy từ nhiều mô hình giáo viên phát triển nhận thức, suy luận và hành vi tác nhân. Nhà sản xuất báo cáo khoảng 48 nghìn tỷ token huấn luyện. Lịch sử này giải thích phạm vi đầu vào và tác vụ kết hợp mà không bảo đảm cho một bản ghi hay kho mã cụ thể.
Bản tóm tắt mô hình nêu hỗ trợ tối đa 1M token, trong khi ví dụ phục vụ đã công bố dùng cấu hình ngữ cảnh 262,144 token. Phân biệt dung lượng mô hình với cửa sổ làm việc của triển khai được chọn, đồng thời chừa chỗ cho phản hồi được tạo và kết quả công cụ tiếp theo. Xiaomi khuyến nghị temperature 1.0 và top_p 0.95 cho suy luận cục bộ. Tiền xử lý nội dung đa phương tiện và tùy chọn ứng dụng cần theo đúng giao diện dùng cho tác vụ.
MiMo-V2.5 là phiên bản omnimodal cùng họ với MiMo-V2.5-Pro lớn hơn, tập trung vào văn bản. Giữ sự khác biệt phiên bản đó trong bản ghi kết quả. Sản phẩm cuối hữu ích là lời giải thích, dữ liệu trích xuất hoặc đề xuất thay đổi gắn với văn bản và nội dung đa phương tiện đã cung cấp, đồng thời giữ các quan sát chưa chắc chắn và kết quả công cụ chưa xác minh để có thể sửa.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn xiaomi/mimo-v2.5 | 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.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00028 / 1K token Đầu ra · Token đầu ra $0.00056 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0000056 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00028 / 1K token Đầu ra · Token đầu ra $0.00056 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0000056 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "xiaomi/mimo-v2.5", "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-v2.5',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-v2.5',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 xiaomi/mimo-v2.5
Dùng các đường dẫn phương thức hiển thị ở trên.
xiaomi/mimo-v2.5MiMo-V2.5 hiểu văn bản, hình ảnh, video và âm thanh trong cùng một mô hình, phục vụ phân tích đa phương thức và nhiệm vụ tác tử. Xiaomi công bố tổng cộng 310B tham số, 15B tham số hoạt động và ngữ cảnh lên đến một triệu token, cùng các bộ mã hóa chuyên dụng cho thị giác và âm thanh.
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.
MiMo-V2.5 là mô hình omnimodal gốc của Xiaomi để hiểu văn bản, hình ảnh, video và âm thanh trong một kiến trúc. Mô hình kết hợp nhận thức đa phương thức với suy luận ngữ cảnh dài và quy trình tác nhân. Nhà sản xuất mô tả mô hình hỗn hợp chuyên gia thưa có tổng cộng 310B tham số và 15B tham số kích hoạt. Phản hồi là sản phẩm văn bản hoặc chỉ dẫn công cụ mà ứng dụng hỗ trợ có thể sử dụng; hiểu đầu vào âm thanh hoặc hình ảnh khác với tạo nội dung đa phương tiện mới.
Phần lõi ngôn ngữ phát triển từ kiến trúc MiMo-V2-Flash, kết hợp chú ý cửa sổ trượt và chú ý toàn cục theo mẫu 5:1, với cửa sổ cục bộ 128 token. Xiaomi bổ sung bộ biến đổi thị giác chuyên dụng 729M tham số và bộ mã hóa âm thanh 261M tham số được khởi tạo từ MiMo-Audio. Ba mô-đun dự đoán nhiều token hỗ trợ giải mã suy đoán. Cửa sổ chú ý cục bộ là chi tiết kiến trúc; nhà sản xuất quy định ngữ cảnh lớn hơn nhiều, tối đa một triệu token, cho lịch sử tác vụ kết hợp.
Với phân tích hình ảnh, cung cấp nguồn dễ đọc và xác định mối quan hệ hoặc chi tiết mà câu trả lời cần giải thích. Tác vụ tài liệu có thể yêu cầu bảng trường quan sát được cùng trang hoặc vùng tương ứng; tác vụ thiết kế có thể nối bố cục ảnh chụp màn hình với yêu cầu triển khai. Giữ ảnh nguồn để kiểm tra chữ nhỏ, số lượng hoặc quan sát không gian. Yêu cầu mô hình nêu rõ bằng chứng chưa chắc chắn, thay vì biến một dấu khó phân biệt thành giá trị được khẳng định.
Với video hoặc âm thanh, ghép tài liệu được cung cấp với câu hỏi tập trung và ngữ cảnh cần để diễn giải. Một quy trình hữu ích là giải thích chuỗi thao tác giao diện trong bản ghi, chỉ ra nơi hành vi quan sát khác với các bước dự định, rồi chuẩn bị chẩn đoán gắn với khoảng thời gian liên quan. Giữ trình tự thời gian và bản ghi gốc để xem xét. Đầu ra văn bản có thể làm đầu vào cho bước báo cáo, tạo chú thích hoặc chỉnh sửa sau, nhưng không có nghĩa bản thân nó là video hay bản âm thanh mới tạo.
Với tác vụ tác nhân, cung cấp mục tiêu, tài liệu nguồn liên quan và yêu cầu đầu vào của mọi công cụ do ứng dụng đưa ra. Giữ đầu ra công cụ thực tế trong lịch sử để mô hình điều chỉnh bước tiếp theo theo điều đã xảy ra. Tác vụ kho mã có thể kết hợp mã, ảnh chụp kết quả và đầu ra kiểm tra để tạo đề xuất thay đổi tập trung. Ghi lại thao tác kết quả đã được thực thi hay chưa và sản phẩm quan sát được có đáp ứng hành vi yêu cầu hay không.
Trình tự huấn luyện của nhà sản xuất bắt đầu bằng tiền huấn luyện văn bản, khởi động các bộ chiếu hình ảnh và âm thanh, rồi tiếp tục tiền huấn luyện đa phương thức. Huấn luyện tác nhân có giám sát mở rộng dần ngữ cảnh từ 32K qua 256K đến 1M; sau đó học tăng cường và chưng cất on-policy từ nhiều mô hình giáo viên phát triển nhận thức, suy luận và hành vi tác nhân. Nhà sản xuất báo cáo khoảng 48 nghìn tỷ token huấn luyện. Lịch sử này giải thích phạm vi đầu vào và tác vụ kết hợp mà không bảo đảm cho một bản ghi hay kho mã cụ thể.
Bản tóm tắt mô hình nêu hỗ trợ tối đa 1M token, trong khi ví dụ phục vụ đã công bố dùng cấu hình ngữ cảnh 262,144 token. Phân biệt dung lượng mô hình với cửa sổ làm việc của triển khai được chọn, đồng thời chừa chỗ cho phản hồi được tạo và kết quả công cụ tiếp theo. Xiaomi khuyến nghị temperature 1.0 và top_p 0.95 cho suy luận cục bộ. Tiền xử lý nội dung đa phương tiện và tùy chọn ứng dụng cần theo đúng giao diện dùng cho tác vụ.
MiMo-V2.5 là phiên bản omnimodal cùng họ với MiMo-V2.5-Pro lớn hơn, tập trung vào văn bản. Giữ sự khác biệt phiên bản đó trong bản ghi kết quả. Sản phẩm cuối hữu ích là lời giải thích, dữ liệu trích xuất hoặc đề xuất thay đổi gắn với văn bản và nội dung đa phương tiện đã cung cấp, đồng thời giữ các quan sát chưa chắc chắn và kết quả công cụ chưa xác minh để có thể sửa.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn xiaomi/mimo-v2.5 | 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.
Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.
| Cấu hình | Biểu mức phí | Token ngữ cảnh, lớn hơn | Token ngữ cảnh, tối đa và bao gồm | Phí |
|---|---|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Token ngữ cảnh, lớn hơn— | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00028 / 1K token Đầu ra · Token đầu ra $0.00056 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0000056 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
| Cấu hìnhBậc 1 theo độ dài yêu cầu | Biểu mức phí— | Token ngữ cảnh, lớn hơn0 | Token ngữ cảnh, tối đa và bao gồmKhông có giới hạn trên | Phí Đầu vào · Token đầu vào $0.00028 / 1K token Đầu ra · Token đầu ra $0.00056 / 1K token Đầu vào · Đọc bộ nhớ đệm $0.0000056 / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "xiaomi/mimo-v2.5",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-v2.5', '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-v2.5', '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 xiaomi/mimo-v2.5
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
Diagnose a workflow from a text timeline\n\nAnalyze this supplied text timeline against the intended order 'select a file, validate it, then import'. Actual log: 00:01 selected sales.csv; 00:02 import started; 00:03 validation failed for missing column; 00:04 import marked complete. Identify the first divergence, explain the inconsistent final state and propose a focused correction with a regression scenario. No recording is attached.A timestamp-linked diagnosis, a correction to stage ordering/state handling and a regression scenario.The diagnosis identifies import before validation and prevents a failed validation from ending in complete status.