Xiaomi: MiMo-V2.6-Flash

MiMo-V2.6-Flash ist ein Open-Source-Basismodell von Xiaomi, das auf api14 unter der Modell-ID xiaomi/mimo-v2.6-flash gelistet ist. Es gehört zur Kategorie Text und basiert auf einer Mixture-of-Experts-Architektur mit insgesamt 309B Parametern und 15B aktivierten Parametern pro Token, wobei ein hybrides Attention-Mechanismus verwendet wird. Xiaomi positioniert es als Basismodell und nicht als eng auf eine bestimmte Aufgabe zugeschnittenes System, sodass es als allgemeine Grundlage für ein breites Spektrum von Sprachaufgaben dienen soll.

Das Modell akzeptiert Text, Bild, Video und Audio als Eingabe und erzeugt Text als Ausgabe. Sein Kontextfenster beträgt 1.050.000 Token, und die maximale Ausgabelänge beträgt 131.072 Token. Diese Kombination aus einem sehr großen Kontext und multimodaler Eingabe bedeutet, dass eine einzelne Anfrage lange Dokumente zusammen mit Bildern, Video oder Audio enthalten und dennoch eine umfangreiche Textantwort zurückgeben kann. Zu den unterstützten Anfrageparametern gehören temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, max_tokens, stop, seed, logit_bias, logprobs, top_logprobs, response_format, structured_outputs, tools, tool_choice, reasoning und include_reasoning.

Diese Fähigkeiten deuten auf einige praktische Muster hin. Arbeiten mit langem Kontext wie das Zusammenfassen oder Abfragen großer Dokumentensätze, Codebasen oder Transkripte passen naturally dazu, da das Fenster groß genug ist, um Material aufzunehmen, das sonst aufgeteilt werden müsste. Da Bilder, Video und Audio als Eingabe bereitgestellt werden können, kann das Modell für Aufgaben wie die Beschreibung von Medien, die Extraktion von Informationen aus Screenshots oder gescannten Seiten oder die Beantwortung von Fragen zu aufgezeichnetem Material verwendet werden, wobei die Antwort als Text zurückgegeben wird. Tool-Aufrufe und strukturierte Ausgaben machen es geeignet für Pipelines, in denen das Modell Funktionen aufrufen oder JSON ausgeben muss, das nachgelagerter Code parsen kann, und die Parameter reasoning und include_reasoning bieten eine Möglichkeit, Zwischenreasoning anzufordern oder zu prüfen, wo dies nützlich ist.

Der Aufruf über api14 funktioniert genauso wie bei jedem anderen OpenAI-kompatiblen Modell. Senden Sie eine Anfrage an den Chat-Completions-Endpunkt mit dem Feld model auf xiaomi/mimo-v2.6-flash gesetzt, und übergeben Sie Nachrichten im üblichen OpenAI-Format, einschließlich multimodaler Inhaltsteile für Bild-, Video- oder Audioeingabe. Die oben aufgeführten Parameter können im Anfrage-Body gesetzt werden; Sampling-Steuerungen wie temperature, top_p, top_k und min_p formen die Generierung, max_tokens begrenzt die Ausgabe, und tools, tool_choice, response_format und structured_outputs decken Funktionsaufrufe und strukturierte Antworten ab. Streaming und standardmäßige OpenAI-Client-Bibliotheken sollten gegen die kompatible Schnittstelle wie erwartet funktionieren.

Eines sollte man beachten: Die Ausgabe ist ausschließlich Text, das Modell kann also keine Bilder, Videos oder Audiodaten zurückgeben. Wenn eine Aufgabe die Erzeugung von Medien statt deren Beschreibung oder Analyse erfordert, wäre ein anderes Modell nötig. Der große Kontext und die Obergrenze von 131.072 Token für die Ausgabe bedeuten außerdem, dass Anfragen umfangreich sein können, sodass für kurze, einfache Prompts ein kleineres Modell die verhältnismäßigere Wahl sein kann.