Xiaomi: MiMo-V2.5

شاومي: MiMo-V2.5 هو نموذج نصي من شاومي، مُدرج على api14 تحت معرّف النموذج xiaomi/mimo-v2.5. تصفه شاومي بأنه نموذج شامل متعدد الوسائط أصلي يقدم أداءً بمستوى Pro في المهام الوكيلية بتكلفة استدلال تقارب النصف، وأنه يتفوق على MiMo-V2-Omni في الإدراك متعدد الوسائط عبر فهم الصور والفيديو. وهو يقع في فئة النصوص، لذا فالنص هو ما تحصل عليه كنتيجة، لكن نطاق المدخلات التي يقبلها أوسع بكثير مما يوحي به تصنيف الفئة.

على جانب المدخلات، يقبل MiMo-V2.5 النص والصوت والصورة والفيديو، وينتج مخرجات نصية. وهذا يجعله نموذجًا يمكنك توجيهه إلى وسائط مختلطة وليس فقط إلى مطالبات مكتوبة. نافذة السياق هي 1,050,000 رمز (token)، وهي كبيرة بما يكفي لاستيعاب مستندات طويلة جدًا أو نصوص اجتماعات مطولة أو سياق موسّع مستخرج من الوسائط في طلب واحد. الحد الأقصى للمخرجات هو 131,072 رمزًا (token)، لذا فإن التوليدات الطويلة ممكنة ضمن الاستدعاء نفسه. الاستدلال جزء من الصورة أيضًا: تشمل المعاملات المدعومة reasoning و include_reasoning، لذا يمكنك التعامل مع سلوك الاستدلال لدى النموذج بدلًا من معاملته كمولّد نصوص بسيط.

تشير هذه القدرات إلى مجموعة محددة إلى حد ما من حالات الاستخدام. ولأن الصوت والصورة والفيديو كلها مقبولة كمدخلات، فإن MiMo-V2.5 يناسب مهامًا مثل تلخيص أو الاستعلام عن الاجتماعات المسجلة وغيرها من الصوتيات، واستخراج المعلومات من الصور، والإجابة عن الأسئلة المتعلقة بمحتوى الفيديو، وكل ذلك دون خطوة نسخ نصي أو رؤية حاسوبية منفصلة أمام النموذج. تناسب نافذة السياق الكبيرة جدًا العمل على مواد مصدرية طويلة، على سبيل المثال تحليل تقرير مطوّل إلى جانب وسائط داعمة، أو إبقاء جلسة وكيلية طويلة قيد العرض. ولأن النموذج موصوف بأنه وكيلي، فإن استخدام الأدوات يناسبه بشكل طبيعي أيضًا، وقائمة المعاملات تدعم ذلك.

تستدعيه عبر واجهة برمجة التطبيقات المتوافقة مع OpenAI في api14 باستخدام معرّف النموذج xiaomi/mimo-v2.5. معاملات الطلب التي يدعمها هي frequency_penalty و include_reasoning و max_tokens و presence_penalty و reasoning و repetition_penalty و response_format و seed و stop و structured_outputs و temperature و tool_choice و tools و top_k و top_p. عمليًا، يعني ذلك أنه يمكنك التحكم في أخذ العينات عبر temperature و top_p و top_k، وتشكيل المخرجات عبر response_format أو structured_outputs، وتحديد سقف التوليد عبر max_tokens، وجعل التشغيلات قابلة للتكرار عبر seed، وتعريف استدعاء الدوال عبر tools و tool_choice. يمكن طلب الاستدلال أو إظهاره عبر المعاملين reasoning و include_reasoning.

الشيء الرئيسي الذي يجب تذكّره هو جانب المخرجات. يُرجع MiMo-V2.5 نصًا فقط، لذا إذا كان تطبيقك يحتاج إلى صور أو صوت أو فيديو مُولّد، فلن ينتجها هذا النموذج، حتى مع قدرته على قراءة تلك الصيغ كمدخلات. فئته هي النصوص، لذا من الأفضل التعامل معه كنموذج متعدد الوسائط في المدخلات ونصي في المخرجات. بالنسبة لأحمال العمل النصية البحتة التي لا تحتاج إلى فهم الصوت أو الصورة أو الفيديو، قد يكون نموذج نصي أبسط خيارًا أكثر مباشرة، ونافذة السياق الكبيرة ومعالجة المدخلات الشاملة متعددة الوسائط هما الميزتان الجديرتان بالموازنة عند اتخاذ قرارك.