Xiaomi: MiMo-V2.6-Flash

MiMo-V2.6-Flash هو نموذج أساسي مفتوح المصدر من Xiaomi، مُدرج على api14 تحت معرّف النموذج xiaomi/mimo-v2.6-flash. ينتمي إلى فئة النصوص ومبني على بنية Mixture-of-Experts بإجمالي 309B معامل و15B معامل مُنشَّط لكل رمز، باستخدام آلية انتباه هجينة. تُصنّفه Xiaomi كنموذج أساسي وليس كنظام ضيق مخصص لمهمة محددة، لذا فهو مُخصَّص ليكون قاعدة عامة لمجموعة واسعة من الأعمال اللغوية.

يقبل النموذج النص والصورة والفيديو والصوت كمدخلات، وينتج النص كمخرجات. نافذة السياق لديه هي 1,050,000 رمز، والحد الأقصى لطول المخرجات هو 131,072 رمز. هذا الجمع بين سياق كبير جدًا ومدخلات متعددة الوسائط يعني أن الطلب الواحد يمكن أن يحمل مستندات طويلة إلى جانب الصور أو الفيديو أو الصوت، ويظل قادرًا على إرجاع استجابة نصية كبيرة. تشمل معاملات الطلب المدعومة temperature وtop_p وtop_k وmin_p وfrequency_penalty وpresence_penalty وrepetition_penalty وmax_tokens وstop وseed وlogit_bias وlogprobs وtop_logprobs وresponse_format وstructured_outputs وtools وtool_choice وreasoning وinclude_reasoning.

تشير هذه القدرات إلى بعض الأنماط العملية. الأعمال ذات السياق الطويل مثل تلخيص أو الاستعلام عن مجموعات كبيرة من المستندات أو قواعد الشيفرة أو النصوص المكتوبة تناسبها بشكل طبيعي، لأن النافذة كبيرة بما يكفي لاستيعاب مواد كانت ستحتاج إلى تقسيم لولا ذلك. ولأن الصور والفيديو والصوت يمكن تقديمها كمدخلات، يمكن استخدام النموذج لمهام مثل وصف الوسائط، أو استخراج المعلومات من لقطات الشاشة أو الصفحات الممسوحة ضوئيًا، أو الإجابة عن أسئلة حول مواد مسجلة، مع إرجاع الإجابة كنص. كما أن استدعاء الأدوات والمخرجات المهيكلة يجعلانه مناسبًا لخطوط المعالجة التي يجب فيها على النموذج استدعاء دوال أو إخراج JSON يمكن للشيفرة اللاحقة تحليله، وتمنح معاملات reasoning وinclude_reasoning طريقة لطلب أو فحص الاستدلال الوسيط حيث يكون ذلك مفيدًا.

استدعاؤه عبر api14 يعمل بالطريقة نفسها كأي نموذج آخر متوافق مع OpenAI. أرسل طلبًا إلى نقطة نهاية chat completions مع تعيين حقل model إلى xiaomi/mimo-v2.6-flash، ومرّر الرسائل بالتنسيق المعتاد في OpenAI، بما في ذلك أجزاء المحتوى متعدد الوسائط لمدخلات الصورة أو الفيديو أو الصوت. يمكن تعيين المعاملات المذكورة أعلاه في جسم الطلب؛ فمعاملات التحكم في أخذ العينات مثل temperature وtop_p وtop_k وmin_p تشكّل التوليد، ويحد max_tokens من المخرجات، وتغطي tools وtool_choice وresponse_format وstructured_outputs استدعاء الدوال والاستجابات المهيكلة. يجب أن يعمل البث ومكتبات عميل OpenAI القياسية كما هو متوقع مع الواجهة المتوافقة.

هناك أمر يجب أخذه في الاعتبار وهو أن المخرجات نصية فقط، لذا لا يمكن للنموذج توليد الصور أو الفيديو أو الصوت في المقابل. إذا كانت المهمة تتطلب إنتاج وسائط بدلًا من وصفها أو الاستدلال بشأنها، فستكون هناك حاجة إلى نموذج مختلف. كما أن السياق الكبير وسقف المخرجات البالغ 131,072 رمز يعنيان أن الطلبات يمكن أن تكون ثقيلة، لذا بالنسبة للطلبات القصيرة والبسيطة قد يكون نموذج أصغر خيارًا أكثر تناسبًا.