بې سانسوره MiMo API په 8-بیټه وفادارۍ کې

ډېری کتلاګونه تاسو ته د پیرامیټرونو شمېر پلوري. دا غلطه شمېره ده چې پرې سودا وکړئ، ځکه چې هر لوی خلاص وزنه ماډل چې تاسو يې په رښتیا اخیستلی شئ، د یوه ځای د ځایېدو لپاره فشار شوی. رښتینې پوښتنه دا نه ده چې «مخکې تر دې چې زنګول شي څومره لوی و؟» بلکې «څومره يې لا هم دلته دی؟» دا مقاله د همدې پوښتنې په اړه ده، او د هغه ماډل په اړه چې زموږ په لیست کې ځواب يې نږدې ټول دی.

01بې سانسوره MiMo API تاسو ته په رښتیا څه درکوي

بې سانسوره MiMo API یو د ماډل id دی، MiMo-V2.5-Pro-W8A16، چې د درېیو ژبو له لارې ورته رسېدنه کېږي او زموږ پر خپل GPU کلستر باندې هماغو وزنونو ته رسېږي: /v1/chat/completions، /v1/messages او /v1/responses. درې واړه سټریم کوي او د وسیلو زنګ وهل او استدلال ملاتړ کوي.

بې سانسوره دلته یوه تنګه معنا لري: د ماډل مخې ته د ردولو پرت نشته، پر وتنه يې فلټر نشته. موږ نه نیسو، نه ډلبندي کوو، او نه بیا لیکو. تاسو د بنسټ خپل چلند اخلئ — چې د یوه څېړنیز کچې خلاص وزنه ماډل لپاره معنا يې دا ده چې له امنیتي څېړنې، له لویانو یا تاوتریخوالي افسانې، له طبي او حقوقي استدلال، او له هغو غوښتنو سره چلن کوي چې کوربه توب شوي سوداګریز پای ټکي يې په انعکاسي توګه ردوي. دا زموږ د مسؤلانه کارونې پالیسۍ لاندې یوه مسلکي وسیله ده، نه د قواعدو نشتوالی.

02د MiMo نسب: پر استدلال-لومړي مخکینۍ روزنه باندې د Xiaomi شرط

MiMo د Llama یو مشتق نه دی چې نوی نوم يې واخیست؛ دا د Xiaomi د MiMo ټیم یو بېل نسب دی، او بنسټیز نظر يې مخکې تر دې مهم دی چې ماډل وارزوئ. دا له MiMo-7B څخه پیلېږي (د 2025 د اپریل 30، د MIT جواز لاندې)، چې تخنیکي راپور يې دا دلیل وايي چې ډېری څېړنځي استدلال د روزنې وروسته یوې ستونزې په توګه ګوري چې له RL سره ورنښلول شي، او دا برعکس دی. Xiaomi پرځای يې مخکینۍ روزنه د هغه شاوخوا بیا جوړه کړه: د 25 ټریلیون توکنو په اوږدو کې یو درې پړاویز مخلوط، دویم پړاو نږدې 70% ریاضي او کوډ چلوي، درېیم پړاو مصنوعي استدلالي نښې دننه کوي په داسې حال کې چې متن له 8K څخه 32K ته غځوي — جمع د څو توکنیزې وړاندوینې یوه موخه چې د اټکلي ډیکوډ د سر په توګه هم کار کوي.

پایله يې یو 7B بنسټیز ماډل و چې د یوه ډېر لوی په څېر چلند کاوه. MiMo-7B-Base پر AIME 2024 باندې 32.9 ترلاسه کړل چېرته چې Qwen2.5-7B 10.1، Gemma-2-9B 0.0 او Llama-3.1-8B 0.3 ترلاسه کړل. وروستنۍ روزنې بیا پر 130,000 د تایید وړ ریاضي او کوډي ستونزو باندې RL وچلاوه له یوه د ازموینې پر سختوالي ولاړ کوډي بدلون سره، چې د کثیف بدلون له هغه لومې څخه ووت چې د کوډ RL بې ثباته کوي. پایله يې له o1-mini مخکې پرېوته:

AIME 2025، د MiMo له تخنیکي راپور څخه د Xiaomi راپور شوې شمېرې (arXiv:2505.07608). MiMo-7B-RL هم پر MATH-500 باندې 95.8 او پر LiveCodeBench v5 باندې 57.8 راپور کړل.

ډله پراخه شوه نه دا چې لار يې ورکه کړه: MiMo-VL-7B (د 2025 جون) پر هماغه تنه باندې یو Qwen2.5-ViT کوډوونکی کېښود، او د 2025 د دسمبر میاشتې MiMo-Audio-7B جمع لومړنی MoE غړی، MiMo-V2-Flash (309B ټول / 15B فعال، 27T توکنه، FP8 مخلوط دقت) راوړل. MiMo-V2-Pro د 2026 په مارچ کې نږدې 1T / 42B فعال سره له یوه 1M متن سره راغی، د «Hunter Alpha» په نوم پر OpenRouter باندې له څو اونیو وروسته. MiMo-V2.5 او MiMo-V2.5-Pro د 2026 د اپریل په 22 یوځای ولېږل شول، دواړه د MIT لاندې.

03د MiMo-V2.5-Pro دننه: بنسټ څنګه ښکاري

د Xiaomi د خپر شوي د ماډل کارت له مخې، MiMo-V2.5-Pro یو کثیف Mixture-of-Experts ماډل دی چې 1.02 ټریلیون ټول پیرامیټرونه او 42 میلیارده فعال په هر توکن کې په 70 پرتونو کې لري — یو ډک، 69 MoE — او 384 روټ شوي متخصصان، 8 په هر توکن کې. پټه اندازه 6144 ده، له یوې تنګې MoE منځنۍ اندازې 2048 سره.

دوه ټاکنې دا جوړوي چې په کارونه کې څنګه احساسېږي. د پاملرنې لړ ګډ دی: 10 بشپړ-پاملرنه پرتونه او 60 ښویېدونکې-کړکۍ پرتونه له یوې 128 کړکۍ سره، جمع د زده کېدو وړ د پاملرنې د ډوبې تعصب. Xiaomi راپور ورکوي چې دا د ټول-نړیوالې پاملرنې په مقابل کې د KV-کیش زېرمه نږدې 7x راکموي په داسې حال کې چې د اوږد متن کیفیت ساتي — د یوې کړکۍ ترمنځ توپیر چې په نامه اوږده وي او هغه چې ډکولی يې شئ. دا درې د څو توکنیزې وړاندوینې پرتونه هم لري، چې ډیکوډر ته یو اټکلي سر ورکوي.

روزنه 27 ټریلیون توکنه وه په یوه اصلي 32K لړۍ اوږدوالي کې په FP8 (E4M3) مخلوط دقت کې، بیا څارل شوی فاین-ټیونینګ، لوی پیمانه اجنټي RL او څو ښوونکی پر پالیسي ډیسټیلېشن. هغه د FP8 جزئیات په یاد وساتئ؛ دا د دې بنسټ په 8 بیټو کې د خدمت لپاره تر ټولو پیاوړی یوازینی دلیل دی.

Xiaomi ماډل پر SWE-bench Pro باندې 57.2%، د وسیلو د کارونې لپاره پر τ3-Bench باندې 72.9 او پر Humanity's Last Exam باندې 48.0% راپوروي — پر بې فشاره ماډل باندې د پلورونکي خپلې شمېرې، چې همداسې يې راوړو.

موږ یوه 262,144 توکنیزه کړکۍ خدمت کوو، نه د بنسټ بشپړه 1M — یو متن چې په سرعت سره يې تضمینولی شو، نه یوه سرلیکي شمېره چې د بار لاندې خرابېږي.

04W8A16 په دقیقه توګه څه معنا لري

په دې کتلاګ کې هر ماډل د کوانټایزېشن یو تاړی وړي چې د یوې اعلاناتي درجې پرځای یو ریښتینی، د اندازې وړ بدلون بیانوي. زموږ 3BIT-REAP، W4A16-AUTOROUND-REAP او W8A16 دي. MiMo-V2.5-Pro درېیم دی.

یادونه په دوو وېشل کېږي. W8 د وزن دقت دی: هر پیرامیټر د یوه 16-بیټه فلوټ پرځای د یوه 8-بیټه انټیجر په توګه زېرمه کېږي، له یوه ګډ پیمانه ییز فکتور سره په هره کوچنۍ ډله کې ترڅو د هرې ډلې محلي متحرکه ساحه ژوندۍ پاتې شي. A16 د فعالېدو دقت دی: هغه ارزښتونه چې د اټکل پر مهال د پرتونو ترمنځ بهېږي، په 16 بیټو کې پاتې کېږي. وزنونه فشار کېږي؛ ریاضي نه.

هغه دویمه نیمه برخه چوپ، مهم کار کوي. فعالېدنې تر وزنونو د کوانټایزولو لپاره ډېرې سختې دي: هغوی افراطي بهرني چینلونه لري — یو څو ابعاد چې کچه يې پر نورو هر څه غالبه وي او د ماډل د چلند یوه نامتناسبه برخه وړي. هغه ټیټ دقت ته وټیله او تاسو بېخي هغه سیګنال کچ کوئ چې اړتیا مو ورته لرله. یوازې-وزنیزې طرحې ستونزې ته د فعالېدو لار په روغتیا سره پرېښودو په واسطه څنګ ته کېږي، او همدا لامل دی چې جدي د کوانټایزېشن کار ورته راټول شوی.

نو عملي پوښتنه یوه شي ته تنګېږي: یو وزن څومره لږ بیټونه زغملی شي؟

05W8A16 په مقابل کې W4A16 په مقابل کې 3-بیټه: زیان په رښتیا چېرته ځي

پر دې تر ټولو لویه خپره شوې څېړنه د Neural Magic او Red Hat «Give Me BF16 or Give Me Death»? Accuracy-Performance Trade-Offs in LLM Quantization ده — په 8B، 70B او 405B کې د Llama-3.1 ډلې په اوږدو کې له 500,000 څخه ډېرې ارزونې. سرلیکي پایله يې، د دوی په شمېرو کې:

بڼه	څه فشار کېږي	د BF16 په مقابل کې راپور شوې بیا موندنه
W8A8-FP (8-بیټه)	وزنونه + فعالېدنې، فلوټ	~99.75% منځنی — «په اصل کې بې زیانه»
W8A8-INT (8-بیټه)	وزنونه + فعالېدنې، انټیجر	په 8B/70B کې 99–100%؛ په 405B کې 98.2–99.3%
W4A16-INT (4-بیټه)	یوازې وزنونه	98–99.4% (8B)؛ 98.6–99.8% (70B)

هغه شمېرې چې د Neural Magic / Red Hat له خوا (arXiv:2411.02355) پر Llama-3.1 ماډلونو باندې راپور شوې — د سودا بڼه، نه د دې ماډل نمره.

په رښتیا لوستل شوی، دا د نه پروا کولو دلیل ښکاري: 4-بیټه 98–99% بېرته اخلي، نو ولې پام وکړو؟ ځکه چې هغه اکاډمیک څو انتخابي معیارونه دي، چې د کوانټایزېشن د زیان د موندلو لپاره د شته وسایلو تر ټولو بدو ته نږدې دي. یوه معیاري پوښتنه یو سم ځواب لري چې په یوه یا دوو توکنو کې ورته رسېدنه کېږي، او د کوانټایزېشن تېروتنه کوچنۍ، نږدې صفر منځنۍ شور ده پر هر logit باندې؛ پر یوه لنډه پوښتنه چې پراخ حاشیه ولري، هغه شور جذبېږي.

اوس د یوه تخنیکي سند 4,000 توکنه ولیکئ، د یوې 40,000 توکنیزې کیسې په اوږدو کې یو غږ وساتئ، یا داسې JSON راوباسئ چې لومړي ځل تایید شي. هماغه شور په لړۍ کې زرګونه ځله نمونه اخیستل کېږي، هره نمونه راتلونکې شرطي کوي. د ناکامۍ بڼه یو غلط ځواب نه دی — دا لار ورکول دي: له لومړۍ دورې راهیسې پر لارښوونې باندې سست شوی نیوی، یو شخصیت چې نږدې د 3,000 توکن شاوخوا نور د خپل ځان په څېر غږ نه کوي، یو تړونکی بریکټ چې هېڅکله نه راځي.

بیټونه په رښتیا چېرته ځي

د کوانټایزېشن تېروتنه د یوه ماډل پر وړتیاوو باندې په مساوي توګه نه وېشل کېږي؛ دا په لکۍ کې راټولېږي. لوړ کتلې چلندونه — ګرامري انګلیسي، د یوې Python دندې بڼه، د نړۍ په اړه لومړي زره حقایق — د ډېرو وزنونو په اوږدو کې په تکراري توګه کوډ شوي او نږدې هر څه ژوندي پاتې کېږي. د وزن د وېش په دقیقه توګه تنظیم شوي، کوچنۍ کچې کونجونه نادر شیان وړي: د یوه ناڅرګند API دقیق لاسلیک، د یوه ځانګړي لیکوال ریتم، د دوو نږدې CVEs ترمنځ توپیر. هغه ارزښتونه دي چې یوه سخته شبکه يې یو بل ته ګرد کوي.

له 4 بیټو څخه 3 ته ګام هغه ځای دی چې دا نور یوه مالیه نه پاتې کېږي او یوه غونډۍ کېږي. د Dettmers او Zettlemoyer د k-بیټه اټکلي پیمانې قوانین وموندل چې 4-بیټه هغه ټکی دی چې د ماډل د حافظې په هر بیټ کې صفر-شاټ دقت تر ټولو ډېروي، په ښکته کې يې خرابوالی غالب دی. څلور بیټه په هره ډله کې 16 کچې ورکوي؛ درې 8 ورکوي. تاسو د یوې دمخه سختې شبکې ریزولوشن نیمايي کوئ، او په هر وزن کې د ګرد کولو تېروتنه نږدې دوه چنده کېږي.

هغه ریاضي چې پرېکړه کوي

هغه پرتله چې ارزښت لري، ریاضي ده نه یو معیار. هغه څه چې له فشاره ژوندي پاتې کېږي، نږدې پیرامیټرونه × په هر پیرامیټر کې بیټونه دي — د وزن د دوسیې د معلوماتو وړونکې کچه. د هر پیرامیټر په مساوي کیفیت کې دوه فرضي بنسټونه واخلئ:

• بنسټ A: 400B پیرامیټرونه په 3 بیټو کې ← نږدې 150 GB ساتل شوی وزن.
• بنسټ B: 160B پیرامیټرونه په 8 بیټو کې ← نږدې 160 GB ساتل شوی وزن.

د خامو پیرامیټرونو د شمېر له مخې A دوه نیم په یو ګټي — هغه شمېره چې د ماډل کارت پرې پیل کوي. د ساتل شویو معلوماتو له مخې دوی برابر دي، او B پر دې پورته یوه جوړښتي ګټه لري: وزنونه يې پر داسې شبکه ناست دي چې د لکۍ چلند يې روغ دی، حال دا چې د A لکۍ په کتله کې کوانټایز شوې. A ډېر شیان پېژني؛ B هغه څه چې پېژني، تېز يې پېژني. د اوږد تولید، دقیق بڼه کولو، سبک ییز کنټرول او د اوږد متن د وفاداره پیروۍ لپاره، B واخلئ.

د بېلګې ریاضي، نه یو معیار: دا ښیي چې ولې «لوی بنسټ» او «غوره خدمت شوی ماډل» بېلې ادعاوې دي.

06ولې 27 ټریلیون روزنیز توکنه تېز کوانټایزېشن بدتر کوي

یوه دویمه، لږ لاسي پایله مستقیماً پر دې بنسټ باندې اړه لري. د Kumar او همکارانو د ICLR 2025 مقاله Scaling Laws for Precision مومي چې څومره چې یو ماډل پر ډېرو معلوماتو باندې روزل شوی وي، هومره ډېر زیان ورته د روزنې وروسته کوانټایزېشن رسوي. ټیټ دقت د یوه ماډل د اغېزمن پیرامیټرونو شمېر راکموي، او هغه خرابوالی له جذب شویو مخکینیو روزنیزو معلوماتو سره لویېږي — دومره لرې چې اضافي مخکینۍ روزنیز معلومات کولی شي خالص زیانمن وي که تاسو په تېزه توګه د کوانټایزولو اراده لرئ، ځکه چې تاسو هغه باریک جوړښت غوړوئ چې شبکه به يې ورکوي.

هغه ماډل چې پر 5T توکنو باندې روزل شوی، سخت، تکراري وزنیز جوړښت او سستوالی لري. هغه ماډل چې پر 27T توکنو باندې روزل شوی — د MiMo-V2.5-Pro بودیجه — هغه اضافي معلومات يې پر دې لګولي چې باریک توپیرونه په ډېرو دقیقو وزنیزو ارزښتونو کې ولیکي، چې بېخي هغه څه دي چې یوه 3-بیټه شبکه يې نه شي استازیتوب کولی.

بیا له برخې 03 څخه د FP8 حقیقت دی، په دې مقاله کې تر ټولو پاک دلیل. MiMo-V2.5-Pro په FP8 مخلوط دقت کې مخکینۍ روزنه شوی. وزنونه يې له پیله د یوه داسې غوره کوونکي له خوا جوړ شوي چې نږدې په اته بیټه دقت کې کار کاوه. نو هغه په 8-بیټه وزنونو کې خدمت کول پر یوه 16-بیټه ماډل باندې یو زیانمن وروستنی فکر نه دی — دا وزنونو ته هغه عددي حالت ته د بېرته ورکولو نږدې دی چې پکې زده شوي وو. د اتم بیټ ښکته لږ باریک جوړښت شته چې له لاسه ورکړل شي. هماغه د هغو وزنونو په اړه نه شي ویل کېدی چې درېیو ته ښکته کړل شي.

07REAP: ولې د متخصصانو کټول له ګرد کولو څخه یو بل ډول زیان دی

له درېیو پوړونو څخه دوه یو REAP تاړی وړي — د کوانټایزېشن څخه په کټګورۍ کې یو بل عملیات. REAP (Router-weighted Expert Activation Pruning، Cerebras Research، arXiv:2510.13999، ICLR 2026) د کثیفو MoE ماډلونو لپاره یو ځلي فشارول دي: دا هر متخصص د روټر د دروازې پر ارزښتونو او د متخصص د فعالېدو پر نورم ارزوي، بیا ټیټ نمرې لرونکي غورځوي. Cerebras پر کوډ تولید او د وسیلو زنګ وهلو باندې حتی د متخصصانو په 50% کټولو کې نږدې بې زیانه پایلې راپوروي.

موږ REAP د هغه لامل لپاره کاروو چې د دې لپاره شته: پر تر ټولو لویو بنسټونو باندې همدا هغه څه دي چې د خدمت وړ يې ګرځوي. مګر د ډول توپیر ته پام وکړئ. کوانټایزېشن هر وزن یو څه لړوي؛ کټول متخصصان په بشپړه توګه لرې کوي. که ستاسو کاري بار په درنه توګه یوې داسې وړتیا ته روټ کوي چې په یوه نادر ټاکل شوي متخصص کې ژوند کاوه — یوه کوچنۍ برنامه ییزه ژبه، یوه تخصصي لغتنامه — هغه خرابه شوې نه ده. هغه ورکه ده، او هېڅ غوښتنه يې بېرته نه اخلي. منځنۍ کچې عالي پاتې کېږي؛ ستاسو د لکۍ قضیه ښايي نه.

MiMo-V2.5-Pro · W8A16 هېڅ REAP تاړی نه وړي. ټول 384 متخصصان شته دي، او روټر له هغې بشپړې ډلې ټاکي چې بنسټ ورسره روزل شوی و.

پوړ	د وزن بیټونه	متخصصان	څه سودا کوئ
W8A16	8	ټول شته	هېڅ جوړښتي څه نه. د وفادارۍ پوړ.
W4A16-AUTOROUND-REAP	4	کټ شوي	باریک وزنیز جزئیات جمع ټیټ ترافیکه متخصصان، په هماغه بیه ییزه ډله کې د یوه ډېر لوی بنسټ په بدل کې.
3BIT-REAP	3	کټ شوي	د پام وړ وزنیز ریزولوشن جمع ټیټ ترافیکه متخصصان — د تر ټولو لویو بنسټونو په سرعت سره د چلولو بیه.

منځنی پوړ یوې انصاف لرونکې اورېدنې ته وړ دی. AutoRound ساده ګرد کول نه دي: د Intel میتود (arXiv:2309.05516) نږدې د 200 ګامونو په اوږدو کې نښه شوی ګرادیانټ ښکته کېدل کاروي ترڅو په هره وزنیزه ډله کې د ګرد کولو پرېکړې او د کچ کولو ساحه تنظیم کړي، او په ډېرو حالتونو کې په 4 بیټو کې نږدې بې زیانه راپور شوی، چې په ډېرو ازمویل شویو تنظیماتو کې GPTQ، AWQ، HQQ او OmniQuant مخکې کوي. یو W4A16-AUTOROUND ماډل په رښتیا یو ښه 4-بیټه ماډل دی. دا لا هم یو 4-بیټه ماډل دی.

08څوک باید 8-بیټه پوړ وټاکي — او څوک نه

MiMo-V2.5-Pro · W8A16 د ټول کتلاګ پر فرشي بیه باندې ناست دی — په هر میلیون توکنو $0.50 دننه / $2.00 بهر، هماغه ډله چې د ننوتنې پوړ 4-بیټه ماډلونه پکې دي او نږدې د هغه تر ټولو ګران ماډل د دننه بیې څلورمه برخه چې موږ يې خدمت کوو. تاسو د وفادارۍ لپاره پورتنۍ بیه نه ورکوئ؛ تاسو د هماغې بودیجې یو بل محور ټاکئ.

هغه وخت يې وټاکئ چې

• د وتنې اوږدوالی دنده وي. اوږد بڼه تخنیکي لیکنه، د فصل اوږدوالي افسانه، د اسنادو بشپړ تېرېدل — هر جوړ شوی توکن هغه دی چې د فشار شور پکې راټولېږي.
• غږ او همغږي مهم وي. شخصیتي کار، برنډي لهجه، یوه لهجه چې د یوې اوږدې ناستې په اوږدو کې ساتل کېږي. سبک په لکۍ کې ژوند کوي، او لکۍ هغه څه ده چې سخت کوانټایزېشن يې لومړی خوري.
• جوړښتي وتنه باید لومړی ځل تایید شي. ماډل د json_schema او response_format ملاتړ کوي؛ د سکیما مراعاتول یوه د دقت ځانګړنه ده، او هره بیا هڅه چې مخنیوی يې وشي، پیسې او ځنډ سپموي.
• تاسو متن ډکوئ. په 200,000م توکن کې د لارښوونې پیروي تر 2,000م توکن سخته ده، او د وزن له دقت سره خرابېږي — لکه یوه اوږده استدلالي نښه، چېرته چې تېروتنې په همدې توګه راټولېږي.
• کار په طبیعت کې بې سانسوره وي. امنیتي څېړنه، سره ډلې، بې فلټره افسانه، حساسه طبي یا حقوقي شننه — چېرته چې یو ډډه شوی ځواب تر هېڅ بدتر وي.

هغه وخت بل څه وټاکئ چې

• تاسو لید ته اړتیا لرئ. دا ماډل یوازې متني دی؛ ورور يې MiMo-V2.5 · W8A16 په هماغه بیه او پوړ کې د لید وړ دی.
• تاسو پر لنډو پوښتنو باندې تر ټولو پراخې نړیوالې پوهې ته اړتیا لرئ. هغه هماغه حالت دی چې د یوه ډېر لوی 3-بیټه بنسټ اضافي پیرامیټرونه پکې ګټي او د هغه د کوانټایزېشن زیان په سختۍ ښکاري.
• ستاسو کاري بار لوړ حجم لنډه ډلبندي وي. د کوانټایزېشن زیان هلته نږدې نه لیدل کېږي — هغه واخلئ چې تر ټولو چټک وي.

09بې سانسوره MiMo API ته زنګ وهل

که ستاسو کوډ د OpenAI SDK ته نښه کوي، د بنسټیز URL او د ماډل id بدلول ټوله کډه ده:

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
  }'

/v1/messages او /v1/responses هماغه id او وړتیاوې مني. د پیرامیټرونو سرچینه، د وسیلو د زنګ وهلو سکیماوې، د جوړښتي وتنې بېلګې او یو ژوندی لوبغالی په د Shannon AI API اسنادو کې دي.

وړتیا	MiMo-V2.5-Pro · W8A16
متنیزه کړکۍ	262,144 توکنه
په هره غوښتنه کې تر ټولو لویه وتنه	16,384 توکنه
سټریمینګ	هو — درې واړه ژبې
د وسیلو زنګ وهل	هو
استدلال / reasoning_effort	هو
json_schema جوړښتي وتنه	هو
response_format	هو
لید / انځوریزه ننوتنه	نه — MiMo-V2.5 وکاروئ
د ردولو پرت / د وتنې فلټر	هېڅ
په هر 1M توکنو بیه	$0.50 دننه / $2.00 بهر

10ډېرې پوښتل شوې پوښتنې

---

سرچینې: د MiMo تخنیکي راپور، arXiv:2505.07608 · د MiMo-V2.5-Pro د ماډل کارت (Xiaomi) · «Give Me BF16 or Give Me Death»?، arXiv:2411.02355 · REAP the Experts، arXiv:2510.13999 · AutoRound، arXiv:2309.05516 · د k-بیټه اټکل پیمانې قوانین، arXiv:2212.09720 · Scaling Laws for Precision، Kumar او همکاران، ICLR 2025. ټولې معیاري شمېرې هغسې دي لکه د خپلو لیکوالو له خوا چې راپور شوې. Shannon AI د Shannon Lab LLC، نیو مکسیکو، متحده ایالات، یو محصول دی.