Xiaomi: MiMo-V2.5-Pro

Xiaomi: MiMo-V2.5-Pro, Xiaomi का एक टेक्स्ट मॉडल है। यह कंपनी का फ्लैगशिप मॉडल है, जिसे सामान्य एजेंटिक क्षमताओं, जटिल सॉफ्टवेयर इंजीनियरिंग और लंबी अवधि के कार्यों के इर्द-गिर्द स्थान दिया गया है। Xiaomi इसके लिए ClawEval, GDPVal और SWE-bench Pro जैसे बेंचमार्क पर शीर्ष रैंकिंग बताता है। यह टेक्स्ट-इन, टेक्स्ट-आउट मॉडल है, इसलिए यह लिखित प्रॉम्प्ट के साथ काम करता है और लिखित जवाब लौटाता है।

मॉडल टेक्स्ट इनपुट स्वीकार करता है और टेक्स्ट आउटपुट देता है, जिसकी कॉन्टेक्स्ट विंडो 1,050,000 टोकन है। यह इतनी बड़ी है कि एक ही अनुरोध में पूरे कोडबेस, लंबे दस्तावेज़ सेट या विस्तारित एजेंट ट्रांसक्रिप्ट रख सके। अधिकतम आउटपुट लंबाई 131,072 टोकन है, जो केवल छोटे जवाबों के बजाय लंबे जनरेट किए गए उत्तरों का समर्थन करती है। रीज़निंग मॉडल की सुविधाओं का हिस्सा है: समर्थित पैरामीटर में reasoning और include_reasoning शामिल हैं, इसलिए जहां आपका क्लाइंट समर्थन देता है वहां आप मॉडल के रीज़निंग व्यवहार को नियंत्रित या सामने ला सकते हैं।

ये क्षमताएं कुछ व्यावहारिक उपयोगों की ओर संकेत करती हैं। एजेंटिक वर्कफ़्लो स्वाभाविक रूप से उपयुक्त हैं, क्योंकि मॉडल सामान्य एजेंट व्यवहार और कई चरणों में फैले लंबी अवधि के कार्यों के लिए बनाया गया है। जटिल सॉफ्टवेयर इंजीनियरिंग दूसरा है, जिसमें बड़े रिपॉज़िटरी पर काम शामिल है जहां कॉन्टेक्स्ट विंडो मायने रखती है। चूंकि आउटपुट 131,072 टोकन तक चल सकता है, मॉडल उन कार्यों के लिए भी उपयुक्त है जिनमें संक्षिप्त उत्तरों के बजाय लंबे, संरचित डिलीवरेबल चाहिए। स्ट्रक्चर्ड आउटपुट और टूल कॉलिंग इसे ऐसी पाइपलाइनों में उपयोगी बनाते हैं जहां मॉडल को मशीन-पठनीय डेटा लौटाना होता है या बाहरी फ़ंक्शन को कॉल करना होता है।

आप इसे api14 के OpenAI-संगत API के ज़रिए मॉडल id "xiaomi/mimo-v2.5-pro" का उपयोग करके कॉल करते हैं। यह जिन अनुरोध पैरामीटर का समर्थन करता है वे हैं frequency_penalty, include_reasoning, logprobs, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs और top_p। व्यवहार में, temperature, top_p और top_k सैंपलिंग को आकार देते हैं; max_tokens और stop जवाब को सीमित करते हैं; seed पुनरुत्पादकता जोड़ता है; frequency_penalty, presence_penalty और repetition_penalty पुनरावृत्ति को हतोत्साहित करते हैं; response_format और structured_outputs आउटपुट के स्वरूप को सीमित करते हैं; और tools के साथ tool_choice फ़ंक्शन कॉलिंग को सक्षम करते हैं। logprobs और top_logprobs टोकन-स्तरीय प्रायिकता जानकारी लौटाते हैं, और reasoning के साथ include_reasoning मॉडल के रीज़निंग आउटपुट से संबंधित हैं।

विचारणीय बातें ज़्यादातर उपयुक्तता के बारे में हैं। इनपुट केवल टेक्स्ट है, इसलिए इमेज, ऑडियो या किसी अन्य मोडैलिटी का समर्थन नहीं है; अगर आपका कार्य उन इनपुट पर निर्भर है, तो किसी अलग मॉडल की ज़रूरत होगी। बहुत बड़ी कॉन्टेक्स्ट विंडो और लंबा अधिकतम आउटपुट उपयोगी हैं लेकिन हमेशा ज़रूरी नहीं, इसलिए छोटे, सरल टेक्स्ट कार्यों के लिए छोटा या तेज़ मॉडल बेहतर मेल हो सकता है। इन सीमाओं के भीतर, MiMo-V2.5-Pro का लक्ष्य मांगलिक टेक्स्ट कार्य हैं: एजेंट, सॉफ्टवेयर इंजीनियरिंग और लंबी अवधि तक चलने वाले कार्य।