වාරණයෙන් තොර MiMo දෘශ්‍ය API
බිට් 8 බර නිරවද්‍යතාව සහ රූප අවබෝධය යුගල කරන අපගේ නාමාවලියේ එකම ආකෘතිය — එහි වියදම හරියටම පෙළ-පමණක් බිම් ආකෘතිවලට වැය වන ප්‍රමාණයයි: ටෝකන මිලියනයකට $0.50 ආදාන / $2.00 ප්‍රතිදාන.
TL;DR
MiMo-V2.5-W8A16 යනු Shannon AI Gateway මත ඇති MiMo යුගලයේ දෘශ්‍ය හැකියාව සහිත සාමාජිකයා වන අතර, එය Xiaomi ගේ MiMo පෙළපතෙන් පැවත එයි — දෘශ්‍ය කුළුණක් සවි කරන ලද තර්කනය-මුල් කරගත් භාෂා ආකෘතියක් — සහ අපගේ ඉහළම විශ්වසනීයත්ව ප්‍රමාණකරණ ස්තරය වන W8A16 හි, අපගේම GPU පොකුරේ සේවය කෙරේ. ටෝකන 262,144ක සන්දර්භය, උපරිම ප්‍රතිදාන ටෝකන 16,384ක්, මෙවලම් ඇමතුම්, දැඩි JSON schema, ප්‍රවාහනය, සහ reasoning_effort ඩයලයක්. ප්‍රතික්ෂේප ස්තරයක් නැත, ප්‍රතිදාන පෙරහනක්ද නැත. පෙළගැස්මේ ලාභම දෘශ්‍ය ආකෘතිය සඳහා එය MiniMax-M3 සමඟ සමව සිටින අතර නිරවද්‍යතාවයෙන් එය පරදවයි.
ලාභ බහුමාධ්‍ය endpoint ලාභ වන්නේ යමක් කපා දැමූ නිසා වන අතර, කපා දමන්නේ සාමාන්‍යයෙන් ඔබට නොපෙනෙන කොටසයි: බර බිට් තුනකට හෝ හතරකට මිරිකා ඇත, එසේ වුවත් ආකෘතිය තවමත් ඇත්තටම කියවිය නොහැකි ප්‍රස්ථාරයක් ගැන විශ්වාසයෙන් පිළිතුරු දෙයි. අපගේ නාමාවලියේ ප්‍රතිවිරුද්ධ උදාහරණය MiMo-V2.5 ය — මිල බිමේ සහ ඉහළම නිරවද්‍යතා ස්තරයේ එකවර, මන්ද එය පැවත එන පදනම විශාල හා විරල නොව කුඩා හා ඝන ලෙස තනා ඇති බැවිනි.
01MiMo පැමිණෙන්නේ කොහෙන්ද: පළමුව තර්කන ආකෘතියක්, දෙවනුව දෘශ්‍ය ආකෘතියක්
MiMo පෙළපත Xiaomi ගේ විවෘත-බර පර්යේෂණ වැඩසටහන වන අතර, එහි ආරම්භක තර්කය ජනප්‍රිය නොවේ: තර්කන හැකියාව සකසන්නේ පූර්ව-පුහුණුව අතරතුරය, පසුව RL මගින් සවි කරනවා නොවේ. කාර්යය බොහෝ දුරට දත්ත ඉංජිනේරු කිරීමකි — Xiaomi සංග්‍රහයේ තර්කන රටාවල ඝනත්වය ඉහළ නැංවීම සඳහා පෙළ නිස්සාරණය සහ පෙරීම නැවත ගොඩනඟා, විශාල පරිමාණයෙන් කෘත්‍රිම තර්කන දත්ත උත්පාදනය කර, තුන්-අදියර මිශ්‍රණයක් යටතේ MiMo-7B-Base දළ වශයෙන් ට්‍රිලියන 25ක ටෝකන මත පූර්ව-පුහුණු කරන ලදී, අනුමාන කිරීමේදී අනුමාන විකේතකයක් ලෙසද ක්‍රියා කරන (Xiaomi අනුව පිළිගැනීමේ අනුපාතය 90%කට ආසන්න) Multiple-Token Prediction සහායක අරමුණක් ලෙස සමඟ.
පශ්චාත්-පුහුණුව හිතාමතාම සරලයි: ගණිත සහ කේත ගැටලු 130,000ක්, රීති-පදනම් නිරවද්‍යතා විපාක පමණක් සමඟ, ඉගෙනගත් විපාක ආකෘතියක් නොමැතිව, ස්නායුක විපාක ආකෘතියක් යනු හැක් කළ හැකි මතුපිටක් යන තර්කය මතය. සත්‍යාපනය කළ හැකි විපාකවලට කුහක වචනවලින් රැවටිය නොහැක. MiMo-7B-RL එහි ප්‍රමාණයට අනුපාතික නොවන සංඛ්‍යා දක්වයි — Xiaomi වාර්තා කරන්නේ pass@1 හිදී AIME 2024 හි 68.2%, MATH-500 හි 95.8%, LiveCodeBench v5 හි 57.8%, එනම් OpenAI ගේ o1-mini සමඟ ගැලපෙන බවයි. ඔබ ඇමතුම් දෙන ආකෘතියේ හැඩය එයයි: සංයුක්ත, ඝනව පුහුණු කළ, පිළිතුරක් සිහිපත් කරනවා වෙනුවට ගැටලුවක් විසඳා ගැනීමට සකසන ලද — සහ එම ස්වභාවය බහුමාධ්‍ය පැවතුම්කරුවන් වෙතද පවතී.
02MiMo දැකීමට ඉගෙන ගත් ආකාරය: MiMo-VL ගෘහ නිර්මාණය
MiMo-VL යනු දෘශ්‍ය-භාෂා ශාඛාව වන අතර, එහි ඉදිකිරීම උපදේශාත්මකය. Xiaomi කොටස් තුනක් එකලස් කළේය: සෑම රූපයක්ම ස්ථාවර අඩු-විභේදන ජාලයක් හරහා තල්ලු කරනවා වෙනුවට සියුම් විස්තර රඳවා ගන්නා ස්වදේශීය-විභේදන ViT කේතකයක්, භාෂා ආකෘතියේ ගුප්ත අවකාශයට අහඹු ලෙස ආරම්භ කරන ලද MLP ප්‍රක්ෂේපකයක්, සහ — තීරණාත්මක ලෙස — භාෂා ආකෘතිය ලෙස MiMo තර්කන කොඳු නාරටිය. දෘශ්‍ය පද්ධතියට උරුම වන්නේ හුදෙක් සිරස්තල දැමීමට හොඳ එකක් නොව දැනටමත් බහු-පියවර සිතීමට හොඳ විකේතකයකි.
පුහුණුව පූර්ව-පුහුණු අදියර හතරකින් ධාවනය විය — ප්‍රක්ෂේපක උණුසුම් කිරීම, දෘශ්‍ය-භාෂා පෙළගැස්ම, සාමාන්‍ය බහුමාධ්‍ය පූර්ව-පුහුණුව, දිගු-සන්දර්භ SFT — දළ වශයෙන් ට්‍රිලියන 2.4ක ටෝකන හරහා, පසුව Mixed On-policy Reinforcement Learning (MORL), එනම් සංජානන නිරවද්‍යතාව, දෘශ්‍ය පදනම් නිරවද්‍යතාව, තර්කන නිවැරදිතාව, සහ මානව/AI කැමැත්ත එක් on-policy ලූපයකට නවා ගැනීමයි. ඒ සියල්ල එකවර ප්‍රශස්තකරණය කිරීම අස්ථායී බව වාර්තාව අවංකව කියයි — බොහෝ බහුමාධ්‍ය පත්‍රිකා ඉදිරිපත් කරනවාට වඩා අවංක රාමුවකි.
පරාමිති ගණනට සාපේක්ෂව ප්‍රකාශිත ප්‍රතිඵල ශක්තිමත්ය. Xiaomi වාර්තා කරන්නේ MiMo-VL-7B-RL කාර්යයන් 40න් 35ක Qwen2.5-VL-7B පරදවන බවත්, OlympiadBench හි 59.4 (78B දක්වා ආකෘතිවලට ඉහළින්), සහ GUI පදනම් කිරීම සඳහා OSWorld-G හි 56.1, එනම් අරමුණින්ම තැනූ අතුරුමුහුණත් නියෝජිතයන්ට ඉදිරියෙන් බවයි. පසුව පැමිණි 2508 යාවත්කාලීනය මාලාවේ පළමු වතාවට MMMU 70 ඉක්මවා (70.6) තල්ලු කර, ChartQA හි 94.4, ScreenSpot-v2 හි 92.5 සහ VideoMME හි 70.8 දක්වා ළඟා වූ අතර, ඉල්ලීමකට තර්කන සලකුණු ක්‍රියා විරහිත කළ හැකි වන පරිදි සිතීම-පාලන ස්විචයක්ද එක් කළේය.
අනුවාද ප්‍රකාශ පිළිබඳ සටහනක්
ඉහත සෑම සංඛ්‍යාවක්ම පහත මූලාශ්‍ර කොටසේ සබැඳි කර ඇති, නිශ්චිත නිකුත් කළ චෙක්පොයින්ට් එකක් සඳහා Xiaomi විසින්ම ප්‍රකාශිත සංඛ්‍යාවකි. අපගේ නාමාවලි ඇතුළත් කිරීම එම පෙළපතේ පසුකාලීන ලක්ෂ්‍යයකි. අප විස්තර කරන්නේ ආකෘතිය පැමිණෙන්නේ කොහෙන්ද සහ එම පවුල කිරීමට තනා ඇත්තේ කුමක්ද යන්නයි — එම නිශ්චිත ලකුණු ඔබ ඇමතුම් දෙන නිමැවුමට මාරු වන බව ප්‍රකාශ කිරීමක් නොවේ. ඔබේම වැඩ බර ප්‍රමිතිගත කරන්න; මිල බිම තිබෙන්නේ ඒ සඳහාය.
03W8A16 යන්නෙන් අදහස් වන්නේ කුමක්ද, එය පෙළට වඩා දෘශ්‍ය කාර්යයට වැදගත් වන්නේ ඇයි
gateway එකේ සෑම ආකෘතියක්ම ප්‍රමාණකරණ අගපදයක් දරයි. එය අලංකාරයක් නොවේ — ආකෘතිය සේවා කළ හැකි කිරීමට හුවමාරු කළේ කුමක්ද යන්න එයින් ඔබට කියයි.
| අගපදය | එය කුමක්ද | එය භාවිත වන්නේ ඇයි |
|---|---|---|
| 3BIT-REAP | බිට් 3 බර සහ REAP, එනම් ප්‍රමාණකරණයට පෙර MoE ආකෘතියකින් කලාතුරකින් මාර්ගගත වන විශේෂඥයන් ඉවත් කරන විශේෂඥ-කප්පාදු ක්‍රමයක් | විශාලතම පදනම් සිහිකල්පනාවෙන් යුතු වේගයකින් ගළපා සේවය කිරීමට ඇති එකම ක්‍රමය |
| W4A16-AUTOROUND-REAP | බිට් 4 බර, බිට් 16 සක්‍රියතා, බොළඳ ළඟම-වට කිරීමට වඩා නිරවද්‍යතාව යථා තත්ත්වයට පත් කරන ඉගෙනගත් වට කිරීම වන AutoRound සමඟ ප්‍රමාණකරණය කර, තවද REAP කප්පාදුව සමඟ | අන්ත සම්පීඩනයක් අවශ්‍ය නොවන විශාල පදනම් සඳහා මධ්‍යම බිම |
| W8A16 | බිට් 8 බර, බිට් 16 සක්‍රියතා — අප සේවය කරන ඉහළම විශ්වසනීයත්ව ස්තරය | දැඩි සම්පීඩනයක් අනවශ්‍ය තරමට පදනම කුඩා වන තැන භාවිත වේ |
MiMo-V2.5 සංයුක්ත වීමෙන් තුන්වන පේළිය දිනා ගනී: මෙම පන්තියේ ඝන පදනමකට ගැලපීමට බිට් තුනකට තලා දැමීම අවශ්‍ය නොවේ, එබැවින් අටක් තබා ගැනීමට ඔබට හැකි වන අතර, ඔබ නියැදි ගන්නා බර පුහුණු කළ ඒවාට ආසන්නව පවතී. ව්‍යුහාත්මක හේතුවක් නිසා එය රූප කාර්යයට අසමානුපාතික ලෙස වැදගත් වේ. පෙළ-පමණක් විකේතකයක, ප්‍රමාණකරණය යටතේ අපගමනය වන කාවැද්දීමක් පසුව එන අවධාන ස්තර දුසිම් ගණනකින් නැවත සන්දර්භගත වේ — යථා තත්ත්වයට පත් වීමට බොහෝ අවස්ථා. දෘශ්‍ය තට්ටුවකට එවැනි ලිහිල් බවක් නැත: දෘශ්‍ය තොරතුරු විකේතකයට ළඟා වීමට පෙර තනි කේතකයක් සහ තනි පටු ප්‍රක්ෂේපකයක් හරහා ගමන් කරන අතර, පහළ ඇති සියල්ල එම බාධකය නිපදවූ දෙය මත රඳා පවතී. සියුම් සංඥා — අඩු-ප්‍රතිවිරෝධ පරිලෝකනයක 3 එදිරිව 8, ප්‍රස්ථාර අක්ෂයක තීරුවක් අවසන් වන හරියටම පික්සලය, ඔබට ක්ලික් කරන ලෙස කියන UI අංගයක මායිම — දැඩි ප්‍රමාණකරණය මුලින්ම ඉවත දමන අඩු-විශාලත්ව බර විස්තරයේ ජීවත් වේ.
බිට් 3 දෘශ්‍ය ආකෘතියක් ශබ්ද නඟා අසමත් නොවේ; එය නිහඬව අසමත් වේ, එකතුවේ ඉලක්කම් දෙකක් මාරු වී ඇති ලේඛනයක ගැලපෙන විස්තරයක් නිපදවමින්. එම අසමත්වීමට එරෙහිව ලාභම රක්ෂණය ඉහළ බර නිරවද්‍යතාවයයි, මෙහිදී එය නොමිලේ ලැබේ — කෙසේ වුවත් ඔබ ගෙවන්නේ බිම් මිලයි.
04සන්දර්භය තුළ බිම් මිල
අපගේ ආකෘති දොළහේ නාමාවලියේ ආකෘති හතරක් ටෝකන මිලියනයකට $0.50 ආදාන / $2.00 ප්‍රතිදාන යන මිල බිමේ පවතී. ඒවායින් රූප ගන්නේ එකක් පමණි. බොහෝ සැබෑ බිල්පත්වල ආධිපත්‍යය දරන සංඛ්‍යාව වන ප්‍රතිදාන පිරිවැයෙන් දෘශ්‍ය හැකියාව සහිත ආකෘති පිහිටන තැන මෙන්න:
ටෝකන 1Mකට USD වලින් ප්‍රතිදාන මිල, Shannon AI Gateway ලැයිස්තු ගාස්තු, 2026 සැප්තැම්බර්. තීරු දිග නාමාවලියේ මිල අධිකම දෘශ්‍ය ආකෘතියට සාපේක්ෂය.
Kimi-K3 ට එරෙහිව — ඉහළම දෘශ්‍ය ආකෘතිය, සහ සැබැවින්ම ශක්තිමත් එකක් — MiMo-V2.5 ප්‍රතිදානයෙන් දළ වශයෙන් 9.6× ලාභ වන අතර ආදානයෙන් 7.7× ලාභ වේ. එය සමානත්වය පිළිබඳ ප්‍රකාශයක් නොවේ; එය වැඩ බරේ හැඩය පිළිබඳ තර්කයකි. මසකට රූප ලක්ෂයක් ගණනේදී, ඉහළම ආකෘතිය දරාගත නොහැකි අතර බිම් ආකෘතිය දරාගත හැක, අවංක ප්‍රශ්නය නම් බිම් ආකෘතිය ඔබේ නිරවද්‍යතා තීරුව සමත් වේද යන්නයි — එය ප්‍රමිතියක් දිනා ගනීද යන්න නොවේ.
05MiMo-V2.5 එදිරිව MiniMax-M3: ලාභ දෘශ්‍ය ආකෘති දෙක, අවංකව සසඳා බැලීම
මේ දෙක මිල, සන්දර්භය සහ endpoint මතුපිටින් හරියටම සමව සිටී. ඒවා එකිනෙකට ආදේශ කළ නොහැක: දෘශ්‍ය ආකෘතියක් ප්‍රයෝජනවත් කරන්නේ කුමක්ද යන්න ගැන ප්‍රමාණකරණ ස්තරය වෙනස් ඔට්ටු දෙකක නියෝජනයකි.
| MiMo-V2.5 · W8A16 | MiniMax-M3 · 3BIT-REAP | |
|---|---|---|
| ටෝකන 1Mකට ආදාන / ප්‍රතිදාන | $0.50 / $2.00 | $0.50 / $2.00 |
| බර නිරවද්‍යතාව | බිට් 8 | බිට් 3 + විශේෂඥ කප්පාදුව |
| පදනමේ ප්‍රමාණය | සංයුක්ත, ඝන | විශාල, විරල MoE |
| දෘශ්‍ය හැකියාව | ඔව් | ඔව් |
| සන්දර්භ කවුළුව | 262,144 | 262,144 |
| Schema · මෙවලම් · ප්‍රවාහනය | ඔව් | ඔව් |
රූපයයි දුෂ්කර කොටස වන විට MiMo-V2.5 තෝරන්න: අසම්පූර්ණ පරිලෝකනවල ඝන OCR, ප්‍රස්ථාර සහ වගුවලින් සංඛ්‍යාත්මක නිස්සාරණය, තිර රූ සහ UI පදනම් කිරීම, කුඩා-පෙළ කියවීම, පාහේ සමාන නිෂ්පාදන ඡායාරූප වෙන් කර හඳුනා ගැනීම — මාරු වූ ඉලක්කමක් රූපලාවණ්‍ය දෝෂයක් නොව සැබෑ දෝෂයක් වන ඕනෑම දෙයක්. පික්සලවල සිට ටෝකන දක්වා ඉහළම විශ්වසනීයත්ව මාර්ගය ඔබට අවශ්‍යයි, මෙම මිලට එය ලබාගන්නේ බිට් 8 බර මගිනි.
රූපයයි පහසු කොටස වන විට MiniMax-M3 තෝරන්න. බිට් 3කට සම්පීඩනය කළ විශාල විරල පදනමක්, කප්පාදුවෙන් පසුවත්, සංයුක්ත ඝන ආකෘතියකට හැකි ප්‍රමාණයට වඩා ලෝක දැනුම සහ තර්කන පළල රඳවා ගනී. කාර්යය "මෙම ඡායාරූපය බලා එයින් අදහස් වන දේ ගැන දිගින් තර්කනය කරන්න" වැනි එකක් නම්, නැතහොත් රූපය බොහෝ දුරට පෙළ සංවාදයක එක් ආදානයක් නම්, විශාල පදනම වඩා හොඳ උපකරණයයි — ඔබ අත්හළ දෘශ්‍ය තියුණුබව බැඳෙන සීමාව නොවීය.
06MiMo-V2.5 එදිරිව MiMo-V2.5-Pro: ගැඹුර වෙනුවෙන් ඇස් හුවමාරු කළ සහෝදරයා
වැඩිම සහාය ටිකට් උත්පාදනය කරන සංසන්දනය මෙයයි, එබැවින් සෘජු වීම වටී. MiMo-V2.5-Pro-W8A16 සහ MiMo-V2.5-W8A16 මිලක්, සන්දර්භ කවුළුවක්, නිරවද්‍යතා ස්තරයක් සහ පවුල් නාමයක් බෙදාගනී. Pro රූප නොපිළිගනී. එය අධි-කුලකයක් නොවේ. එය එකම අයවැයේ වෙනස් වෙන් කිරීමකි.
බහුමාධ්‍ය ආකෘතියක් සේවය කිරීම යනු විකේතකය සමඟම දෘශ්‍ය කුළුණකට සහ ප්‍රක්ෂේපකයකට ගෙවීමයි — ස්ථාවර පිරිවැය ඉලක්කයකදී, එය භාෂා ආකෘතියටම වැය නොකළ ධාරිතාවකි. Pro එය සියල්ල පෙළට වැය කරයි: දිගු-ආකෘති ලිවීම, දීර්ඝ තර්කනය සහ කේතය සඳහා වැඩි ඉඩක් ඇති විශාල පදනමක්. MiMo-V2.5 එයින් කොටසක් දැකීමට වැය කරයි.
එබැවින් තීරණ රීතිය ඔබේ අභිලාෂ ගැන නොව ඔබේ ආදාන ගැනය. ඕනෑම ඉල්ලීමකට තිර රුවක්, පරිලෝකනය කළ පිටුවක්, ප්‍රස්ථාරයක්, රූප සටහනක් හෝ ඡායාරූපයක් අඩංගු විය හැකි නම්, ඔබට MiMo-V2.5 අවශ්‍යයි — Pro එම අන්තර්ගත කොටස ප්‍රතික්ෂේප කරයි. සෑම ඉල්ලීමක්ම පෙළ නම් සහ ඔබ පුරුද්දෙන් දෘශ්‍ය ආකෘතිය තෝරාගෙන ඇත්නම්, ඔබ නිකම්ම පදනමේ ගුණාත්මකභාවය අත්හරිමින් සිටී: එකම ගාස්තුවට MiMo-V2.5-Pro ගන්න.
සොරකම් කිරීමට වටින රටාවක්: අන්තර්ගත වර්ගය අනුව මාර්ගගත කරන්න. රූප කොටසක් ඇති ඕනෑම දෙයක් MiMo-V2.5-W8A16 වෙත, අනෙක් සියල්ල MiMo-V2.5-Pro-W8A16 වෙත. එකම පවුල, එකම මිල, එකම සන්දර්භ අයවැය — රවුටරය සුළු දෙයක් වන අතර සමතුලනය කිරීමට පිරිවැය ආකෘතියක්ද නැත.
07"වාරණයෙන් තොර රූප අවබෝධය" ඇත්තටම යනු කුමක්ද
මෙම ආකෘතිය ඉදිරියේ ප්‍රතික්ෂේප ස්තරයක් නොමැති අතර එහි ප්‍රතිදානය මත අන්තර්ගත පෙරහනක්ද නොමැත. එය දෘශ්‍ය කාර්යයට නිශ්චිත ප්‍රතිඵලයක් සහිත නිෂ්පාදන තීරණයකි: විෂය කරුණු මත පදනම්ව ප්‍රතික්ෂේප කරනවා වෙනුවට ආකෘතිය රාමුවේ ඇති දේ විස්තර කරයි.
මෙය වැදගත් වන්නේ පෙරහන් සහිත දෘශ්‍ය API නීත්‍යනුකූල කාර්යයන්ගේ සම්පූර්ණ ප්‍රවර්ගයකට ව්‍යුහාත්මකව නුසුදුසු බැවිනි. මධ්‍යස්ථකරණ මාර්ගයකට තමා මධ්‍යස්ථ කරන ද්‍රව්‍ය දෙස බලා එය කුමක්දැයි කිව යුතුය; තමා වර්ගීකරණය කරන දෙය පරීක්ෂා කිරීම ප්‍රතික්ෂේප කරන වර්ගීකාරකයෙක් වර්ගීකාරකයෙක් නොවේ. සැබෑ කාර්යයන් දිගු ලැයිස්තුවක් හරහාද එයම අදාළ වේ:
- විශ්වාස සහ ආරක්ෂක මෙවලම් — ප්‍රධාන ධාරාවේ API එකක් සකසන්නේ නැති හරියටම එම රූප ලේබල් කිරීම, එනම් ලේබල් කිරීම වඩාත්ම අවශ්‍ය රූපයි.
- වෛද්‍ය, අධිකරණ වෛද්‍ය සහ අනතුරු රූප — කවුරුන් ඉල්ලුවත් සාමාන්‍ය පෙරහන් දරුණු ලෙස ප්‍රතික්ෂේප කරන සායනික, තුවාල සහ දර්ශන ඡායාරූප.
- ආරක්ෂක පර්යේෂණ — ආකෘතිය උපකල්පනය ගැන පසුබට නොවී ෆිෂින් පිටු, අනිෂ්ට අතුරුමුහුණත් සහ ග්‍රහණය කරගත් තිර කියවීම.
- වැඩිහිටි-අන්තර්ගත වර්ගීකරණය සහ සංරක්ෂණාගාර නාමාවලිගත කිරීම — ද්‍රව්‍ය හඳුනා ගැනීමට පවතින සහ බැලීම පිටතට කොන්ත්‍රාත් කළ නොහැකි මාර්ග, තවද පෙරහන් ලේබල් කළ නොහැකි ලෙස සලකන ඓතිහාසික එකතු.
ප්‍රතික්ෂේප ස්තරය ඉවත් කිරීමෙන් ඉවත් වන්නේ ඉංජිනේරු බාධකයක් මිස නීතිමය එකක් නොවේ. Shannon AI ක්‍රියාත්මක කරනු ලබන්නේ එක්සත් ජනපදයේ New Mexico හි Shannon Lab LLC විසින් වන අතර, API භාවිතය අපගේ වගකීම් සහගත භාවිත ප්‍රතිපත්තිය මගින් පාලනය වේ. පෙරහන් නොකළ ප්‍රතිදානය හැකියාවකි, අවසර පත්‍රයක් නොවේ.
08එයට ඇමතුම් දීම: endpoint, රූප ආදානය, සහ එය ගැලපෙන තැන
ආකෘතිය MiMo-V2.5-W8A16 වන අතර, එකම බරට එරෙහිව ඉල්ලීම් උපභාෂා තුනකින් ළඟා විය හැක, එබැවින් ඔබට දැනටමත් ඇති SDK එකම තබා ගත හැක:
/v1/chat/completions— OpenAI-අනුකූල. රූපimage_urlඅන්තර්ගත කොටස් ලෙස, https URL එකක් ලෙස හෝ base64 දත්ත URI එකක් ලෙස ඇතුළු වේ./v1/messages— Anthropic-අනුකූල. රූපimageඅන්තර්ගත කොටස් ලෙස ඇතුළු වේ./v1/responses— Responses-විලාසයේ උපභාෂාව.
ප්‍රවාහනය සහ මෙවලම් ඇමතුම් තුනේම ක්‍රියා කරන බැවින්, ආකෘතියට තිර රුවක් බලා තමා දුටු දේ ගැන එක් හැරීමකින් ශ්‍රිතයක් ඇමතිය හැක. සම්පූර්ණ ඉල්ලීම් සහ ප්‍රතිචාර schema API ලේඛනයේ ඇති අතර, කිසිදු කේතයක් ලිවීමට පෙර රූපයක් ඇලවිය හැකි ක්‍රීඩා පිටියක්ද එහි ඇත.
MiMo-V2.5 දැඩි json_schema සහ response_format සඳහා සහාය දක්වයි — එයයි නිරූපණයක් සහ මාර්ගයක් අතර වෙනස. එයට රිසිට්පතක් සහ වෙළෙන්දා, දිනය, පේළි අයිතම සහ එකතුව සඳහා ටයිප් කළ ක්ෂේත්‍ර සහිත schema එකක් දෙන්න, එවිට ඔබට regex කිරීමට සිදු වන ඡේදයක් වෙනුවට ඔබේ කේතයට වලංගු කළ හැකි වස්තුවක් ආපසු ලැබේ. මෙම නාමාවලියේ ආකෘති දොළහෙන් දෙකකට සම්පූර්ණ ව්‍යුහගත-ප්‍රතිදාන සහාය නොමැත; මෙයට එසේ නොවේ, ඉහළ-පරිමා නිස්සාරණ සේවාවක් ලෙස එය ක්‍රියා කරන්නේ ඒ නිසාය.
සන්දර්භ කවුළුව ටෝකන 262,144කි; උත්පාදිත ප්‍රතිදානය ඉල්ලීමකට ටෝකන 16,384කට සීමා කර ඇත. රූප විභේදනයේ ශ්‍රිතයක් ලෙස ආදාන ටෝකන පරිභෝජනය කරයි, එබැවින් ඉහළ-විභේදන පිටු පරිලෝකන සමාන වචන ගණනක පෙළකට වඩා බෙහෙවින් වේගයෙන් සන්දර්භය ගිල දමයි. පිටු 300ක පරිලෝකනයක් එක් ඉල්ලීමකින් පූරණය කරනවා වෙනුවට දිගු ලේඛන පිටු කරන්න, තවද ප්‍රතිදාන සීමාව සම්පූර්ණ නිස්සාරණය මත සැබෑ සීමාවක් ලෙස සලකන්න — කැපුණු පිළිතුරක් ලබා ගැනීම වෙනුවට ඝන වගු පේළි පරාසය අනුව කැබලි කරන්න.
මෙම පවුලේ පෙළපත සලකා බලන විට reasoning_effort ඩයලයට මෙහි සැබෑ බලපෑමක් ඇත. පිළිතුර ලේබලයක් වන අතර සිතීමේ ටෝකන පිරිසිදු පිරිවැයක් වන ඉහළ-පරිමා වර්ගීකරණය සඳහා එය පහත් කරන්න; ආකෘතියට පිළිතුරු දීමට පෙර තමා දකින දේවල් කිහිපයක් ඒකාබද්ධ කළ යුතු ප්‍රස්ථාර අර්ථකථනය, දෘශ්‍ය ගණිතය සහ රූප සටහන් තර්කනය සඳහා එය ඉහළ නංවන්න.
එය ගැලපෙන තැන, සහ නොගැලපෙන තැන
හොඳ ගැලපීම්. ඉහළ-පරිමා ලේඛන සහ රිසිට්පත් නිස්සාරණය; අසම්පූර්ණ පරිලෝකනවල OCR-ආසන්න කාර්යය; ප්‍රස්ථාර, උපකරණ පුවරු සහ වගු කියවීම; තිර රූ අවබෝධය සහ UI පදනම් කිරීම; නාමාවලි ටැග් කිරීම සහ දෘශ්‍ය QA; මධ්‍යස්ථකරණ මාර්ග — ඇමතුමකට පිරිවැය බැඳෙන සහ සියුම්-විස්තර නිරවද්‍යතාව ඔබ අත්හැරීම ප්‍රතික්ෂේප කරන ඕනෑම බහුමාධ්‍ය කාර්යයක්.
දුර්වල ගැලපීම්. මිල නොසලකා ශක්තිමත්ම ආකෘතිය අවශ්‍ය ඉදිරිපෙළ-දුෂ්කරතාවයේ බහුමාධ්‍ය තර්කනය — එය Kimi-K3 ගේ රැකියාව වන අතර, එහි වියදම හේතුවක් නිසාම දහ ගුණයකට ආසන්නය. පෙළ-පමණක් උත්පාදනය, එහිදී එකම ගාස්තුවට MiMo-V2.5-Pro වඩා හොඳ පදනමක් දෙයි. විශ්වකෝෂීය ලෝක දැනුම මත රඳා පවතින කාර්යය, එහිදී විශාල විරල පදනමක් සංයුක්ත ඝන එකක් අභිබවා යයි. සහ 262K සන්දර්භයට වඩා අවශ්‍ය ඕනෑම දෙයක්, එය මෙහි කිසිදු ආකෘතියක් ලබා නොදෙයි.
ඉහත සෑම ප්‍රකාශිත සංඛ්‍යාවක්ම MiMo සහ MiMo-VL මාලාවේ නම් කළ චෙක්පොයින්ට් එකක් සඳහා Xiaomi ගේම එකකි. අපගේ සාරාංශයට වඩා ප්‍රාථමික ද්‍රව්‍ය කියවන්න.
09නිතර අසන ප්‍රශ්න
වාරණයෙන් තොර MiMo දෘශ්‍ය API යනු කුමක්ද?
එය Shannon AI Gateway මත ඇති MiMo-V2.5 W8A16 ආකෘතියයි: Xiaomi ගේ MiMo පෙළපතේ දෘශ්‍ය හැකියාව සහිත ආකෘතියක්, ටෝකන 262,144ක සන්දර්භයක් සමඟ බිට් 8 බර නිරවද්‍යතාවයෙන්, ප්‍රතික්ෂේප ස්තරයක් හෝ ප්‍රතිදාන පෙරහනක් නොමැතිව අපගේම GPU පොකුරේ සේවය කෙරේ. එය ආදාන ටෝකන මිලියනයකට $0.50 සහ ප්‍රතිදාන ටෝකන මිලියනයකට $2.00 ගානේ /v1/chat/completions, /v1/messages සහ /v1/responses මත රූප සහ පෙළ පිළිගනී.
ඇත්තටම රූප දැකිය හැකි ලාභම වාරණයෙන් තොර ආකෘතිය කුමක්ද?
ටෝකන මිලියනයකට $0.50 ආදාන / $2.00 ප්‍රතිදාන යන බිම් මිලේදී දෙකක් සමව සිටී: MiMo-V2.5 W8A16 සහ MiniMax-M3 3BIT-REAP. බිට් 8 බර සමඟ මේ දෙකෙන් ඉහළ නිරවද්‍යතාව ඇත්තේ MiMo-V2.5 ට වන අතර, විස්තර-සංවේදී රූප කාර්යය සඳහා එය වඩාත් ආරක්ෂිත පෙරනිමියයි. MiniMax-M3 බිට් 3කට සම්පීඩනය කළ බෙහෙවින් විශාල පදනමක් ධාවනය කරන අතර, පික්සලයට නිරවද්‍යතාවයට වඩා ලෝක දැනුමේ පළලට වැඩි කැමැත්තක් දක්වයි.
W8A16 යන්නෙන් අදහස් වන්නේ කුමක්ද, දෘශ්‍ය කාර්යයට එය වැදගත් වන්නේ ඇයි?
W8A16 යන්නෙන් අදහස් වන්නේ බිට් 16 සක්‍රියතා සමඟ බිට් 8 බර යන්නයි, එය Shannon නාමාවලියේ ඉහළම විශ්වසනීයත්ව ස්තරය වන අතර, දැඩි සම්පීඩනයක් අනවශ්‍ය තරමට පදනම කුඩා වන තැන භාවිත වේ. එය දෘශ්‍ය කාර්යයට වැදගත් වන්නේ දෘශ්‍ය කුළුණක් සහ එහි ප්‍රක්ෂේපකය පටු මාර්ගයක් හරහා සියුම් විස්තර රැගෙන යන බැවින් සහ එහිදී හඳුන්වා දෙන දෝෂ, තරමක් නොපැහැදිලි පෙළ කාවැද්දීමක් බොහෝ විට යථා තත්ත්වයට පත් වන ආකාරයට පසුව යථා තත්ත්වයට පත් කළ නොහැකි බැවිනි.
MiMo-V2.5 සහ MiMo-V2.5-Pro අතර වෙනස කුමක්ද?
එකම මිල, එකම ටෝකන 262,144 සන්දර්භය, එකම W8A16 ස්තරය, නමුත් එකම ආකෘතිය නොවේ. MiMo-V2.5 රූප පිළිගනී; MiMo-V2.5-Pro එසේ නොකරන අතර, ඒ වෙනුවට එම සේවා අයවැය විශාල පෙළ පදනමකට වැය කරයි. ආදානවල තිර රූ, ලේඛන, ප්‍රස්ථාර හෝ ඡායාරූප ඇති විට MiMo-V2.5 භාවිත කරන්න; එකම මිලට පෙළ-පමණක් කාර්යය සඳහා Pro භාවිත කරන්න.
වාරණයෙන් තොර MiMo දෘශ්‍ය ආකෘතිය JSON schema සහ මෙවලම් ඇමතුම් සඳහා සහාය දක්වයිද?
ඔව්. MiMo-V2.5 W8A16 දැඩි json_schema ව්‍යුහගත ප්‍රතිදානය, response_format, මෙවලම් ඇමතුම්, ප්‍රවාහනය සහ reasoning_effort පාලකයක් සඳහා සහාය දක්වයි. නිස්සාරණ පසුබිමක් ලෙස එය භාවිත කළ හැකි වන්නේ එය නිසාය: එයට රූපයක් දී, ඔබට විග්‍රහ කිරීමට සිදු වන ගද්‍යයක් වෙනුවට වලංගු කළ වස්තුවක් ආපසු ලබා ගන්න.
එයට රූපයක් එවන්න
බිට් 8 දෘශ්‍ය හැකියාව, 262K සන්දර්භය, ප්‍රතික්ෂේප ස්තරයක් නැත — පෙළ-පමණක් ආකෘතියක මිලට.
API ලේඛන කියවන්න ආකෘති 12ම බලන්නආකෘති id: MiMo-V2.5-W8A16 · අපගේ වගකීම් සහගත භාවිත ප්‍රතිපත්තිය මගින් පාලනය වේ
මූලාශ්‍ර: MiMo technical report (arXiv 2505.07608) · MiMo-VL Technical Report (arXiv 2506.03569) · XiaomiMiMo/MiMo-VL · MiMo-VL-7B-RL-2508. සියලුම ප්‍රමිති සංඛ්‍යා ඉහත නම් කළ නිකුත් කළ චෙක්පොයින්ට් සඳහා Xiaomi විසින් වාර්තා කරන ලද ඒවා වන අතර ඒවා පවුලේ පෙළපත විස්තර කරයි, මෙම endpoint එකේ ඇති හරියටම නිමැවුම නොවේ. මිල, සන්දර්භය සහ හැකියා සලකුණු Shannon AI Gateway ලැයිස්තු අගයන් වේ, 2026 සැප්තැම්බර්.