Xiaomi: MiMo-V2.6-Pro-UltraSpeed

MiMo-V2.6-Pro-UltraSpeed は Xiaomi のテキスト生成モデルで、api14 に xiaomi/mimo-v2.6-pro-ultraspeed として掲載されています。これは Xiaomi のフラッグシップ基盤モデル MiMo-V2.6-Pro の高速版であり、同じ 1T MiMo-V2.6-Pro チェックポイントから構築されています。Xiaomi によると、品質は元のモデルと同等でありながら、約 10 倍の速度を実現しています。テキストカテゴリに属し、フルモデルのレイテンシなしにフラッグシップ級の出力を求める開発者を対象としています。

このモデルはテキスト、画像、動画、音声を入力として受け取り、テキストを出力として生成します。つまり入力側ではマルチモーダルモデルであり、テキストと一緒に画像、動画、音声クリップを含むプロンプトを送信し、テキスト応答を受け取ることができます。コンテキストウィンドウは 1,048,576 トークンで、非常に長いドキュメント、長い文字起こし、または拡張されたマルチターン会話を 1 回のリクエストに収めるのに十分な大きさです。最大出力は 131,072 トークンなので、応答も長くすることができます。サポートされるリクエストパラメータには temperature、top_p、frequency_penalty、presence_penalty、max_tokens、stop、response_format、structured_outputs、tools、tool_choice、reasoning、include_reasoning があります。

これらの機能はいくつかの実用的な用途を示しています。大きなコンテキストウィンドウは、長いレポートの要約、長い文字起こしの分析、大規模なテキスト群に対する質問応答など、長い入力を読み取って推論するタスクに適しています。画像、動画、音声を渡すことができるため、視覚メディアの説明や情報抽出、録音音声の処理、1 つのプロンプトでドキュメントとスクリーンショットを組み合わせるといったタスクに使用できます。ツール呼び出しと構造化出力により、エージェント形式のワークフローや、データ抽出パイプラインなど固定スキーマで応答が必要なアプリケーションに適しています。reasoning パラメータは、タスクが推論出力を必要とする場合にそれを要求する手段を提供します。

このモデルは、モデル ID xiaomi/mimo-v2.6-pro-ultraspeed を使用して api14 の OpenAI 互換 API を通じて呼び出します。エンドポイントは OpenAI チャット補完形式に従っているため、既存の OpenAI SDK を使用して api14 を指定するか、リクエストを直接送信できます。リクエストボディは上記のパラメータを受け付けます: temperature、top_p、frequency_penalty、presence_penalty、max_tokens、stop、response_format、structured_outputs、tools、tool_choice、reasoning、include_reasoning。max_tokens を使用して出力長を最大 131,072 トークンまで制限し、モデルに定義した関数を呼び出させたい場合は tools と tool_choice を使用します。

注意すべき点の 1 つは、このモデルはテキストのみを出力するため、生成画像、音声、動画が必要な場合には適切な選択ではないということです。入力側はマルチモーダルですが、応答は常にテキストです。ワークロードが高速版を必要としない場合、またはテキスト以外の出力モダリティが必要な場合は、別のモデルの方が適しているかもしれません。長い入力、混合メディア入力、ツール使用、構造化出力を伴うテキストタスクについては、このモデルはそれらのケースを直接カバーします。