Xiaomi: MiMo-V2.5

Xiaomi: MiMo-V2.5, Xiaomi का एक टेक्स्ट मॉडल है, जो api14 पर मॉडल आईडी xiaomi/mimo-v2.5 के तहत सूचीबद्ध है। Xiaomi इसे एक नेटिव ओम्नीमोडल मॉडल बताता है जो लगभग आधी इन्फरेंस लागत पर प्रो-स्तरीय एजेंटिक प्रदर्शन देता है, और जो इमेज तथा वीडियो समझ में मल्टीमोडल परसेप्शन के मामले में MiMo-V2-Omni को पीछे छोड़ देता है। यह टेक्स्ट श्रेणी में आता है, इसलिए आपको टेक्स्ट ही वापस मिलता है, लेकिन यह जिस प्रकार के इनपुट स्वीकार करता है उनकी सीमा श्रेणी लेबल से कहीं अधिक विस्तृत है।

इनपुट की ओर से, MiMo-V2.5 टेक्स्ट, ऑडियो, इमेज और वीडियो स्वीकार करता है, और यह टेक्स्ट आउटपुट देता है। इससे यह ऐसा मॉडल बनता है जिसे केवल लिखित प्रॉम्प्ट पर ही नहीं, बल्कि मिश्रित मीडिया पर भी लक्षित किया जा सकता है। कॉन्टेक्स्ट विंडो 1,050,000 टोकन है, जो इतनी बड़ी है कि एक ही अनुरोध में बहुत लंबे दस्तावेज़, लंबे ट्रांसक्रिप्ट या मीडिया से प्राप्त विस्तृत कॉन्टेक्स्ट रख सकती है। अधिकतम आउटपुट 131,072 टोकन है, इसलिए उसी कॉल में लंबी जनरेशन संभव है। रीज़निंग भी इसमें शामिल है: समर्थित पैरामीटर में reasoning और include_reasoning शामिल हैं, इसलिए आप मॉडल के रीज़निंग व्यवहार के साथ काम कर सकते हैं, बजाय इसे केवल एक सादे टेक्स्ट जनरेटर की तरह मानने के।

ये क्षमताएँ उपयोग के काफी विशिष्ट समूह की ओर संकेत करती हैं। चूँकि ऑडियो, इमेज और वीडियो सभी इनपुट के रूप में स्वीकार किए जाते हैं, MiMo-V2.5 रिकॉर्ड की गई मीटिंग और अन्य ऑडियो को सारांशित करने या उन पर क्वेरी करने, इमेज से जानकारी निकालने, और वीडियो सामग्री के बारे में प्रश्नों के उत्तर देने जैसे कार्यों के लिए उपयुक्त है, और इन सबके लिए मॉडल के सामने अलग ट्रांसक्रिप्शन या विज़न चरण की आवश्यकता नहीं होती। बहुत बड़ी कॉन्टेक्स्ट विंडो लंबी स्रोत सामग्री पर काम के लिए उपयुक्त है, उदाहरण के लिए किसी लंबी रिपोर्ट का सहायक मीडिया के साथ विश्लेषण करना, या किसी लंबे एजेंट सत्र को दृष्टि में रखना। चूँकि मॉडल को एजेंटिक बताया गया है, टूल उपयोग भी स्वाभाविक रूप से उपयुक्त है, और पैरामीटर सूची इसका समर्थन करती है।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी xiaomi/mimo-v2.5 का उपयोग करके कॉल करते हैं। यह जिन अनुरोध पैरामीटर का समर्थन करता है वे हैं frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k और top_p। व्यवहार में इसका अर्थ है कि आप temperature, top_p और top_k से सैंपलिंग नियंत्रित कर सकते हैं, response_format या structured_outputs से आउटपुट को आकार दे सकते हैं, max_tokens से जनरेशन को सीमित कर सकते हैं, seed से रन को दोहराने योग्य बना सकते हैं, और tools तथा tool_choice के माध्यम से फंक्शन कॉलिंग परिभाषित कर सकते हैं। रीज़निंग को reasoning और include_reasoning पैरामीटर के माध्यम से अनुरोध या प्रकट किया जा सकता है।

मुख्य बात जो ध्यान में रखनी है वह आउटपुट पक्ष है। MiMo-V2.5 केवल टेक्स्ट लौटाता है, इसलिए यदि आपके एप्लिकेशन को जनरेट की गई इमेज, ऑडियो या वीडियो चाहिए, तो यह मॉडल उन्हें उत्पन्न नहीं करेगा, भले ही यह उन प्रारूपों को इनपुट के रूप में पढ़ सकता है। इसकी श्रेणी टेक्स्ट है, इसलिए इसे मल्टीमोडल-इनपुट, टेक्स्ट-आउटपुट मॉडल के रूप में मानना सर्वोत्तम है। ऐसे वर्कलोड के लिए जो पूरी तरह टेक्स्ट हैं और जिन्हें ऑडियो, इमेज या वीडियो समझ की आवश्यकता नहीं है, एक सरल टेक्स्ट मॉडल अधिक सीधा उपयुक्त हो सकता है, और बड़ी कॉन्टेक्स्ट विंडो तथा ओम्नीमोडल इनपुट हैंडलिंग वे विशेषताएँ हैं जिन्हें निर्णय लेते समय तौलना उचित है।