API MiMo gan chinsireacht ag dílseacht 8-ghiotán
Bunmhúnla MiMo ó Xiaomi atá dírithe ar an réasúnaíocht, á fhreastal gan chiseal diúltaithe ag W8A16 — an leibhéal cainníochtaithe is dílse a ritheann muid — ar phraghas urláir na catalóige.
Achoimre
Is é MiMo-V2.5-Pro · W8A16 MiMo-V2.5-Pro meáchan-oscailte ó Xiaomi á fhreastal ar bhraisle GPU Shannon féin ag meáchain 8-giotán / gníomhachtuithe 16-giotán — an leibhéal is lú comhbhrú inár gcatalóg dhá mhúnla dhéag. Comhthéacs 262,144 comhartha, 16,384 comhartha aschuir in aghaidh an iarratais, glaonna uirlisí, réasúnaíocht, aschur struchtúrtha Scéimre JSON, sruthú ar thrí chanúint API, agus gan chiseal diúltaithe ná scagadh aschuir, ar $0.50 isteach / $2.00 amach in aghaidh an mhilliúin comhartha — urlár na catalóige. Téacs amháin; bain úsáid as MiMo-V2.5 · W8A16 le haghaidh íomhánna.
Díolann formhór na gcatalóg líon paraiméadar leat. Is í an uimhir mhícheart í le siopadóireacht a dhéanamh uirthi, mar comhbhrúdh gach múnla mór meáchan-oscailte ar féidir leat íoc as i ndáiríre le go n-oirfeadh sé áit éigin. Ní hí an cheist mhacánta "cé chomh mór a bhí sé seo sular fáisceadh é?" ach "cé mhéad de atá anseo fós?" Baineann an t-alt seo leis an gceist sin, agus leis an múnla inár líne arb é an freagra ná beagnach é ar fad.
01Cad a fhaigheann tú ón API MiMo gan chinsireacht i ndáiríre
Is aon aitheantóir múnla amháin é an API MiMo gan chinsireacht, MiMo-V2.5-Pro-W8A16, insroichte trí thrí chanúint a sheolann chuig na meáchain chéanna ar ár mbraisle GPU féin: /v1/chat/completions, /v1/messages agus /v1/responses. Srutháileann an trí cinn agus tacaíonn siad le glaonna uirlisí agus le réasúnaíocht.
Tá brí chúng le gan chinsireacht anseo: gan chiseal diúltaithe os comhair an mhúnla, gan scagaire ar a aschur. Ní stopaimid, ní aicmímid agus ní athscríobhaimid. Faigheann tú iompar an bhunmhúnla féin — rud a chiallaíonn i gcás múnla mheáchan-oscailte ar chaighdeán taighde go bpléann sé le taighde slándála, le ficsean aosach nó foréigneach, le réasúnaíocht leighis agus dlí, agus leis na hiarratais a ndiúltaíonn críochphointí tráchtála óstáilte dóibh go haisfhreagrach. Is uirlis ghairmiúil faoinár bPolasaí Úsáide Freagraí é, ní easpa rialacha.
02Sinsearacht MiMo: geall Xiaomi ar réamhoiliúint atá dírithe ar an réasúnaíocht
Ní díorthach Llama le hainm nua é MiMo; is sinsearacht ar leith ó fhoireann MiMo Xiaomi é, agus tá tábhacht lena bhunsmaoineamh sula ndéanann tú measúnú ar an múnla. Tosaíonn sé le MiMo-7B (30 Aibreán 2025, ceadúnaithe faoi MIT), a mhaíonn a thuarascáil theicniúil go gcaitheann formhór na saotharlann leis an réasúnaíocht mar fhadhb iar-oiliúna le boltáil uirthi le RL, agus gur droim ar ais é sin. D'athstruchtúraigh Xiaomi an réamhoiliúint timpeall uirthi ina ionad sin: meascán trí chéim thar 25 trilliún comhartha, an dara céim ag rith thart ar 70% matamaitice agus cóid, an tríú céim ag filleadh isteach ríanta réasúnaíochta sintéiseacha agus an comhthéacs á shíneadh ó 8K go 32K — móide cuspóir Tuair Il-Chomharthaí a fheidhmíonn freisin mar cheann díchódaithe thuairimigh.
Ba é an toradh bunmhúnla 7B a d'iompair mar rud i bhfad níos mó. Scóráil MiMo-7B-Base 32.9 ar AIME 2024 áit ar scóráil Qwen2.5-7B 10.1, Gemma-2-9B 0.0 agus Llama-3.1-8B 0.3. Rith an iar-oiliúint ansin RL thar 130,000 fadhb mhatamaitice agus cóid infhíoraithe le luaíocht cóid faoi thiomáint deacracht na dtástálacha, ag éalú ón ngaiste luaíochta gainne a dhíchobhsaíonn RL cóid. Tháinig an toradh chun tosaigh ar o1-mini:
AIME 2025, figiúirí tuairiscithe ag Xiaomi ó thuarascáil theicniúil MiMo (arXiv:2505.07608). Thuairiscigh MiMo-7B-RL 95.8 ar MATH-500 agus 57.8 ar LiveCodeBench v5 freisin.
Leathnaigh an teaghlach seachas dul ar seachrán: chuir MiMo-VL-7B (Meitheamh 2025) ionchódóir Qwen2.5-ViT ar an gcnámh droma chéanna, agus thug Nollaig 2025 MiMo-Audio-7B móide an chéad iontráil MoE, MiMo-V2-Flash (309B san iomlán / 15B gníomhach, 27T comhartha, beachtas measctha FP8). Lean MiMo-V2-Pro é i Márta 2026 ag thart ar 1T / 42B gníomhach le comhthéacs 1M, tar éis seachtainí ar OpenRouter mar "Hunter Alpha". Seoladh MiMo-V2.5 agus MiMo-V2.5-Pro le chéile an 22 Aibreán 2026, iad araon faoi MIT.
03Taobh istigh de MiMo-V2.5-Pro: cén chuma atá ar an mbunmhúnla
De réir chárta múnla foilsithe Xiaomi, is múnla Meascáin Saineolaithe gann é MiMo-V2.5-Pro le 1.02 trilliún paraiméadar san iomlán agus 42 billiún gníomhach in aghaidh an chomhartha trasna 70 sraith — ceann amháin dlúth, 69 MoE — agus 384 saineolaí ródaithe, 8 in aghaidh an chomhartha. Is é 6144 an méid folaithe, le méid idirmheánach cúng MoE de 2048.
Múnlaíonn dhá rogha an chaoi a mbraitheann sé in úsáid. Tá an chruach aire hibrideach: 10 sraith lán-aire agus 60 sraith fuinneoige sleamhnáin le fuinneog 128, móide laofacht doirtil aire infhoghlamtha. Tuairiscíonn Xiaomi go ngearrann sé seo stóráil na taisce KV go gar do 7x i gcoinne aire iomlán dhomhanda agus an cháilíocht chomhthéacs fhada á coinneáil — an difríocht idir fuinneog atá fada go hainmniúil agus ceann ar féidir leat íoc as í a líonadh. Seolann sé trí shraith Tuair Il-Chomharthaí freisin, ag tabhairt cinn thuairimigh don díchódóir.
Ba é an oiliúint 27 trilliún comhartha ag fad seichimhe dúchasach 32K i mbeachtas measctha FP8 (E4M3), agus ansin mionchoigeartú faoi mhaoirseacht, RL gníomhaireachta ar mhórscála agus driogadh il-mhúinteora ar an mbeartas. Coinnigh greim ar an sonra FP8 sin; is é an argóint aonair is láidre é chun an bunmhúnla seo a fhreastal ag 8 ngiotán.
Tuairiscíonn Xiaomi an múnla ag 57.2% ar SWE-bench Pro, 72.9 ar τ3-Bench d'úsáid uirlisí agus 48.0% ar Humanity's Last Exam — uimhreacha an díoltóra féin ar an múnla neamh-chomhbhrúite, luaite mar sin.
Freastalaímid fuinneog 262,144 comhartha, ní 1M iomlán an bhunmhúnla — comhthéacs is féidir linn a bharántú ar luas, seachas uimhir chinnlíne a dhíghrádaíonn faoi ualach.
04Cad a chiallaíonn W8A16, go beacht
Iompraíonn gach múnla sa chatalóg seo iarmhír chainníochtaithe a dhéanann cur síos ar chlaochlú fíor intomhaiste seachas ar leibhéal margaíochta. Is iad ár gcinn ná 3BIT-REAP, W4A16-AUTOROUND-REAP agus W8A16. Is é MiMo-V2.5-Pro an tríú ceann.
Scoilteann an nodaireacht ina dhá cuid. Is é W8 beachtas na meáchan: stóráiltear gach paraiméadar mar shlánuimhir 8-giotán in ionad snámhphointe 16-giotán, le fachtóir scálaithe comhroinnte in aghaidh gach grúpa bhig ionas go maireann raon dinimiciúil áitiúil gach grúpa. Is é A16 beachtas na ngníomhachtuithe: fanann na luachanna a shreabhann idir na sraitheanna tráth an tátail ag 16 ghiotán. Comhbhrúitear na meáchain; ní chomhbhrúitear an uimhríocht.
Déanann an dara leath sin obair chiúin thábhachtach. Tá sé i bhfad níos deacra gníomhachtuithe a chainníochtú ná meáchain: tá cainéil fhorimeallacha eischeadacha iontu — cúpla toise a bhfuil a méideanna i bhfad níos mó ná gach rud eile agus a iompraíonn sciar díréireach d'iompar an mhúnla. Brúigh iad sin go beachtas íseal agus bearrfaidh tú go beacht an comhartha a bhí de dhíth ort. Seachnaíonn scéimeanna meáchan-amháin an fhadhb tríd an gcosán gníomhachtaithe a fhágáil ina aonar, agus is é sin an fáth ar tháinig obair dháiríre chainníochtaithe le chéile orthu.
Mar sin cúngaíonn an cheist phraiticiúil chuig aon rud amháin: cé chomh beag agus is féidir le líon na ngiotán i meáchan a bheith?
05W8A16 i gcoinne W4A16 i gcoinne 3-ghiotán: cá dtéann an caillteanas i ndáiríre
Is é an staidéar foilsithe is mó air seo ná "Give Me BF16 or Give Me Death"? Accuracy-Performance Trade-Offs in LLM Quantization ó Neural Magic agus Red Hat — os cionn 500,000 measúnú trasna theaghlach Llama-3.1 ag 8B, 70B agus 405B. A dtoradh ceannlíne, ina n-uimhreacha féin:
| Formáid | Cad a chomhbhrúitear | Aisghabháil thuairiscithe i gcoinne BF16 |
|---|---|---|
| W8A8-FP (8 ngiotán) | Meáchain + gníomhachtuithe, snámhphointe | ~99.75% ar an meán — "gan chaillteanas go bunúsach" |
| W8A8-INT (8 ngiotán) | Meáchain + gníomhachtuithe, slánuimhir | 99–100% ag 8B/70B; 98.2–99.3% ag 405B |
| W4A16-INT (4 ghiotán) | Meáchain amháin | 98–99.4% (8B); 98.6–99.8% (70B) |
Figiúirí tuairiscithe ag Neural Magic / Red Hat (arXiv:2411.02355) ar mhúnlaí Llama-3.1 — cruth na malairte, ní scór an mhúnla seo.
Léite go macánta, breathnaíonn sé sin ar nós argóinte i gcoinne cúram a dhéanamh de: aisghabhann 4-ghiotán 98–99%, mar sin cén fáth aird a thabhairt? Toisc gur tagarmharcanna acadúla ilroghnacha iad sin, gar don ionstraim is measa atá ar fáil chun damáiste cainníochtaithe a bhrath. Tá aon fhreagra ceart amháin ar cheist tagarmhairc atá insroichte in aon chomhartha nó dhó, agus is torann beag, gar do mheán nialasach ar gach logit é earráid an chainníochtaithe; ar cheist ghairid le corrlach leathan, ionsúitear an torann sin.
Anois scríobh 4,000 comhartha de cháipéis theicniúil, coinnigh guth trasna scéil 40,000 comhartha, nó astaigh JSON nach mór dó bailíochtú an chéad uair. Déantar an torann céanna a shampláil na mílte uair as a chéile, agus gach sampla ag coinníollú an chinn eile. Ní freagra mícheart an modh teipe — is seachrán é: greim ag scaoileadh ar an treoir ó bhabhta a haon, carachtar a scoireann de bheith cosúil leis féin timpeall comhartha 3,000, lúibín deiridh nach dtagann riamh.
Cá dtéann na giotáin i ndáiríre
Níl earráid an chainníochtaithe scaipthe go cothrom trasna chumais mhúnla; comhchruinníonn sí san eireaball. Ionchódaítear iompair ard-mhaise — Béarla gramadúil, cruth feidhme Python, an míle fíric is tábhachtaí faoin domhan — go hiomarcach trasna mórán meáchan agus maireann siad beagnach aon rud. Coinníonn cúinní tiúnta go beacht agus ar bheagán méide de dháileadh na meáchan an t-ábhar annamh: síniú beacht API doiléir, séis údair ar leith, an difríocht idir dhá CVE in aice a chéile. Is iad sin na luachanna a shlánaíonn greille gharbh isteach ina chéile.
Is é an chéim ó 4 ghiotán go 3 an áit a scoireann sé seo de bheith ina cháin agus a éiríonn sé ina aill. Fuair dlíthe scálaithe tátail k-ghiotán ó Dettmers agus Zettlemoyer amach gurb é 4 ghiotán an pointe a uasmhéadaíonn an cruinneas nialas-urchair in aghaidh gach giotáin de chuimhne an mhúnla, agus an díghrádú i gceannas faoina bhun. Tugann ceithre ghiotán 16 leibhéal in aghaidh an ghrúpa; tugann trí cinn 8. Tá tú ag leathú taifeach greille atá garbh cheana, agus méadaítear earráid na slánaithe in aghaidh an mheáchain faoi dhó go garbh.
An uimhríocht a chinneann é
Is í an chomparáid is fiú a dhéanamh ná uimhríocht, ní tagarmharc. Is é a mhaireann ón gcomhbhrú ná thart ar paraiméadair × giotáin in aghaidh an pharaiméadair — toirt iompartha eolais chomhad na meáchan. Tóg dhá bhunmhúnla hipitéiseacha ar chomhchaighdeán in aghaidh an pharaiméadair:
- Bunmhúnla A: 400B paraiméadar ag 3 ghiotán → thart ar 150 GB de mheáchan coinnithe.
- Bunmhúnla B: 160B paraiméadar ag 8 ngiotán → thart ar 160 GB de mheáchan coinnithe.
De réir líon amh na bparaiméadar buann A dhá go leith in aghaidh a haon — an uimhir a chuireann an cárta múnla chun tosaigh. De réir an eolais choinnithe tá siad comhionann, agus tá buntáiste struchtúrtha ag B ina theannta sin: suíonn a mheáchain ar ghreille atá sách mín go bhfuil a iompar eireabaill slán, agus cainníochtaíodh eireaball A isteach sa bhulc. Tá níos mó rudaí ar eolas ag A; tá a bhfuil ar eolas ag B ar eolas aige níos géire. Do ghiniúint fhada, d'fhormáidiú beacht, do rialú stíle agus do chloí dílis le comhthéacs fada, tóg B.
Uimhríocht léiritheach, ní tagarmharc: taispeánann sé cén fáth gur maímh dhifriúla iad "bunmhúnla níos mó" agus "múnla freastailte níos fearr".
06Cén fáth a ndéanann 27 trilliún comhartha oiliúna an cainníochtú ionsaitheach níos measa
Baineann an dara toradh, atá níos lú iomasach, go díreach leis an mbunmhúnla seo. Faigheann páipéar ICLR 2025 ó Kumar et al., Scaling Laws for Precision, amach dá mhéad sonraí ar a oileadh múnla, is amhlaidh is mó damáiste a dhéanann an cainníochtú iar-oiliúna dó. Laghdaíonn beachtas íseal líon éifeachtach paraiméadar an mhúnla, agus fásann an díghrádú sin leis na sonraí réamhoiliúna a ionsúitear — chomh fada agus gur féidir le sonraí breise réamhoiliúna a bheith díobhálach ar an iomlán má tá sé i gceist agat cainníochtú go hionsaitheach, mar tá tú ag leagan síos mionstruchtúir a scriosfaidh an ghreille.
Tá struchtúr meáchan garbh iomarcach agus scóip le spáráil ag múnla a oileadh ar 5T comhartha. Chaith múnla a oileadh ar 27T comhartha — buiséad MiMo-V2.5-Pro — na sonraí breise sin ag scríobh idirdhealuithe níos míne isteach i luachanna meáchan níos beaichte, agus is é sin go díreach nach féidir le greille 3-ghiotán a léiriú.
Agus ansin tá an fhíric FP8 ó rannóg 03, an argóint is glaine san alt seo. Réamhoileadh MiMo-V2.5-Pro i mbeachtas measctha FP8. Múnlaíodh a mheáchain ón tús ag optamóir ag obair ag thart ar ocht ngiotán de bheachtas. Ní hiarsmaoineamh caillteanach curtha i bhfeidhm ar mhúnla 16-giotán é é a fhreastal ag meáchain 8-giotán, dá bhrí sin — tá sé gar do na meáchain a chur ar ais sa réim uimhriúil inar foghlaimíodh iad. Is beag mionstruchtúr atá ann faoi bhun an ochtú giotán le cailleadh. Ní féidir an rud céanna a rá faoi na meáchain sin brúite síos go trí cinn.
07REAP: cén fáth gur cineál caillteanais difriúil ón slánú é bearradh saineolaithe
Iompraíonn dhá cheann de na trí leibhéal iarmhír REAP — oibríocht atá difriúil ó thaobh catagóire ón gcainníochtú. Is comhbhrú aon-urchair do mhúnlaí MoE ganna é REAP (Router-weighted Expert Activation Pruning, Cerebras Research, arXiv:2510.13999, ICLR 2026): scórálann sé gach saineolaí de réir luachanna geata an ródaire agus noirm ghníomhachtaithe an tsaineolaí, agus scriosann sé na scóir is ísle. Tuairiscíonn Cerebras torthaí gar-gan-chaillteanas ar ghiniúint cóid agus ar ghlaonna uirlisí fiú ag 50% de na saineolaithe bearrtha.
Úsáidimid REAP ar an gcúis a bhfuil sé ann: ar na bunmhúnlaí is mó is é a fhágann gur féidir iad a fhreastal. Ach tabhair faoi deara an difríocht chineáil. Doiléiríonn an cainníochtú gach meáchan beagán; baineann an bearradh saineolaithe go hiomlán. Má ródaíonn d'ualach oibre go trom chuig cumas a bhí i saineolaí a roghnaítí go hannamh — mionteanga ríomhchlárúcháin, foclóir speisialaithe — níl sé díghrádaithe. Tá sé imithe, agus ní aisghabhann aon leidiú é. Fanann na meáin ar fheabhas; b'fhéidir nach bhfanfaidh do chás eireabaill.
Níl aon iarmhír REAP ar MiMo-V2.5-Pro · W8A16. Tá na 384 saineolaí ar fad i láthair, agus roghnaíonn an ródaire as an tacar iomlán ar oileadh an bunmhúnla leis.
| Leibhéal | Giotáin mheáchain | Saineolaithe | Cad a mhalartaíonn tú |
|---|---|---|---|
| W8A16 | 8 | Iad uile i láthair | Faic ó thaobh struchtúir. An leibhéal dílseachta. |
| W4A16-AUTOROUND-REAP | 4 | Bearrtha | Mionsonra meáchan móide saineolaithe ar bheagán tráchta, mar mhalairt ar bhunmhúnla i bhfad níos mó sa bhanda praghais céanna. |
| 3BIT-REAP | 3 | Bearrtha | Taifeach meáchan substaintiúil móide saineolaithe ar bheagán tráchta — praghas rith na mbunmhúnlaí is mó ar fad ar luas. |
Tá éisteacht chóir tuillte ag an leibhéal láir. Ní slánú saonta é AutoRound: úsáideann modh Intel (arXiv:2309.05516) fánadh grádáin sínithe thar thart ar 200 céim chun na cinntí slánaithe agus an raon bearrtha in aghaidh gach grúpa meáchan a thiúnadh, agus tuairiscítear é gar-gan-chaillteanas ag 4 ghiotán i bhformhór na socruithe, ag bualadh GPTQ, AWQ, HQQ agus OmniQuant trasna fhormhór na gcumraíochtaí a tástáladh. Is fíormhúnla maith 4-ghiotán é múnla W4A16-AUTOROUND. Is múnla 4-ghiotán é fós.
08Cé ba cheart an leibhéal 8-giotán a phiocadh — agus cé nár cheart
Suíonn MiMo-V2.5-Pro · W8A16 ar phraghas urláir na catalóige ar fad — $0.50 isteach / $2.00 amach in aghaidh an mhilliúin comhartha, an banda céanna leis na múnlaí bunleibhéil 4-ghiotán agus thart ar cheathrú de phraghas ionchuir an mhúnla is daoire a fhreastalaímid. Níl tú ag íoc préimhe ar an dílseacht; tá tú ag roghnú ais dhifriúil den bhuiséad céanna.
Pioc é nuair
- is é fad an aschuir an post. Scríbhneoireacht theicniúil fhadfhoirme, ficsean fad caibidle, pasanna iomlána cáipéisíochta — is comhartha é gach comhartha a ghintear ina gcarnann torann an chomhbhrúite.
- atá tábhacht leis an nguth agus leis an gcomhsheasmhacht. Obair charachtair, ton branda, réim a choinnítear trasna seisiúin fhada. Cónaíonn an stíl san eireaball, agus is é an t-eireaball an chéad rud a itheann an cainníochtú garbh.
- nach mór don aschur struchtúrtha bailíochtú an chéad uair. Tacaíonn an múnla le
json_schemaagus leresponse_format; is airí bheachtais é cloí le scéimre, agus is airgead agus moill shábháilte é gach aththriail a sheachnaítear. - atá an comhthéacs á líonadh agat. Tá cloí le treoracha ag comhartha 200,000 níos deacra ná ag comhartha 2,000, agus díghrádaíonn sé le beachtas na meáchan — mar a dhéanann rian fada réasúnaíochta, áit a gcarnann na hearráidí ar an gcaoi chéanna.
- atá an obair gan chinsireacht ó nádúr. Taighde slándála, foireann dhearg, ficsean gan scagadh, anailís íogair leighis nó dlí — áit ar measa freagra fálaithe ná ceann ar bith.
Pioc rud éigin eile nuair
- atá fís de dhíth ort. Is múnla téacs amháin é seo; tá a dheartháir MiMo-V2.5 · W8A16 in ann fís a dhéanamh ar an bpraghas agus ar an leibhéal céanna.
- atá an t-eolas domhanda is leithne de dhíth ort ar cheisteanna gairide. Sin an réim ina mbuann na paraiméadair bhreise atá ag bunmhúnla 3-ghiotán i bhfad níos mó agus is ar éigean a thaispeánann a dhamáiste cainníochtaithe é féin.
- is aicmiú gairid ardtoirte d'ualach oibre. Tá damáiste an chainníochtaithe beagnach dofheicthe ansin — ceannaigh pé rud is tapúla.
09Glaoch ar an API MiMo gan chinsireacht
Má dhíríonn do chód ar SDK OpenAI, is é an bun-URL agus an t-aitheantóir múnla a athrú an t-aistriú ar fad:
curl https://api.shannon-ai.com/v1/chat/completions \
-H "Authorization: Bearer $SHANNON_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "MiMo-V2.5-Pro-W8A16",
"messages": [
{"role": "user", "content": "Draft the threat model section."}
],
"reasoning_effort": "high",
"max_tokens": 16384,
"stream": true
}'Glacann /v1/messages agus /v1/responses leis an aitheantóir agus leis na cumais chéanna. Tá tagairt na bparaiméadar, scéimreanna na nglaonna uirlisí, samplaí aschuir struchtúrtha agus clós súgartha beo sna cáipéisí API Shannon AI.
| Cumas | MiMo-V2.5-Pro · W8A16 |
|---|---|
| Fuinneog chomhthéacs | 262,144 comhartha |
| Uasaschur in aghaidh an iarratais | 16,384 comhartha |
| Sruthú | Tá — na trí chanúint |
| Glaonna uirlisí | Tá |
Réasúnaíocht / reasoning_effort | Tá |
Aschur struchtúrtha json_schema | Tá |
response_format | Tá |
| Fís / ionchur íomhá | Níl — bain úsáid as MiMo-V2.5 |
| Ciseal diúltaithe / scagaire aschuir | Ceann ar bith |
| Praghas in aghaidh 1M comhartha | $0.50 isteach / $2.00 amach |
Foilsíonn duine éigin seachas sinne gach figiúr seachtrach anseo agus cuirtear i leith foinse sa téacs é. Tagann torthaí aisghabhála an chainníochtaithe ó staidéir ar theaghlach Llama: déanann siad cur síos ar chruth na malairte, ní ar scóir an mhúnla seo.
10Ceisteanna coitianta
Cad é an API MiMo gan chinsireacht?
Críochphointe Shannon AI do MiMo-V2.5-Pro, múnla Meascáin Saineolaithe meáchan-oscailte ó Xiaomi, á fhreastal ar ár mbraisle GPU féin gan chiseal diúltaithe agus gan scagadh aschuir. Tá sé insroichte trí /v1/chat/completions, /v1/messages agus /v1/responses, le comhthéacs 262,144 comhartha agus 16,384 comhartha aschuir in aghaidh an iarratais.
Cad a chiallaíonn W8A16, agus cén fáth a bhfuil tábhacht leis?
Ciallaíonn W8A16 go stóráiltear na meáchain ag 8 ngiotán an ceann agus go ríomhtar na gníomhachtuithe ag 16 ghiotán. Is é an leibhéal cainníochtaithe is dílse inár gcatalóg é. Faigheann staidéir fhoilsithe amach go n-aisghabhann formáidí meáchan-amháin 8-giotán cruinneas an bhunmhúnla go bunúsach ar fad, agus go malartaíonn 4-ghiotán méid beag dílseachta ar chuimhne agus go malartaíonn 3-ghiotán méid substaintiúil.
An féidir le múnla níos lú ag 8 ngiotán múnla níos mó ag 3 ghiotán a bhualadh?
Is minic gur féidir. Is é a mhaireann ón gcomhbhrú ná thart ar líon na bparaiméadar méadaithe faoi na giotáin in aghaidh an pharaiméadair, agus comhchruinníonn earráid an chainníochtaithe in iompar annamh eireabaill. Coinníonn múnla a choinnítear ag 8 ngiotán a chomhtháthú fadfhoirme, a fhormáidiú beacht agus a eolas eireabaill; coinníonn múnla níos mó atá brúite go 3 ghiotán a scóir leathana tagarmhairc ach cailleann sé na hairíonna sin.
An dtacaíonn MiMo-V2.5-Pro le fís nó le hionchur íomhá?
Ní thacaíonn. Is téacs amháin é MiMo-V2.5-Pro ar Shannon AI. Tacaíonn sé le glaonna uirlisí, le réasúnaíocht le reasoning_effort, le haschur struchtúrtha Scéimre JSON agus le response_format. Má tá ionchur íomhá de dhíth ort, bain úsáid as an múnla deirféar MiMo-V2.5 W8A16, atá in ann fís a dhéanamh ar an bpraghas céanna.
Cé mhéad a chosnaíonn an API MiMo gan chinsireacht?
$0.50 in aghaidh an mhilliúin comhartha ionchuir agus $2.00 in aghaidh an mhilliúin comhartha aschuir. Is é sin an praghas urláir i gcatalóg Shannon AI, rud a fhágann gurb é MiMo-V2.5-Pro an bealach is saoire le dílseacht 8-giotán a cheannach ar an ngeata seo.
Bain triail as an API MiMo gan chinsireacht
Dílseacht ocht ngiotán, comhthéacs 262K, gan chiseal diúltaithe — ar phraghas urláir na catalóige.
Léigh na Cáipéisí API Brabhsáil Gach MúnlaÁ oibriú faoi Pholasaí Úsáide Freagraí Shannon AI
Foinsí: tuarascáil theicniúil MiMo, arXiv:2505.07608 · cárta múnla MiMo-V2.5-Pro (Xiaomi) · "Give Me BF16 or Give Me Death"?, arXiv:2411.02355 · REAP the Experts, arXiv:2510.13999 · AutoRound, arXiv:2309.05516 · dlíthe scálaithe tátail k-ghiotán, arXiv:2212.09720 · Scaling Laws for Precision, Kumar et al., ICLR 2025. Tá gach figiúr tagarmhairc mar a thuairiscigh a n-údair iad. Is táirge de chuid Shannon Lab LLC, Nua-Mheicsiceo, SAM, é Shannon AI.