Xiaomi: MiMo-V2.6-Pro

Xiaomi: MiMo-V2.6-Pro é o modelo de fundação carro-chefe da Xiaomi, construído numa escala de mais de 1T parâmetros. Situa-se na categoria de texto e é posicionado pelo seu criador como um modelo concebido para empurrar o teto da capacidade para o trabalho mais exigente. Se está a avaliar modelos para uma carga de trabalho de produção, esta é a opção de nível superior na linha MiMo da Xiaomi, e não uma variante leve ou económica.

O modelo aceita texto, imagem, vídeo e áudio como entrada, e devolve texto. Essa combinação torna-o multimodal do lado da entrada, mantendo a geração apenas de texto, pelo que se adequa a pipelines em que fornece media mistos e espera de volta análise escrita, resumos ou respostas. A janela de contexto é de 1.050.000 tokens, suficientemente grande para conter documentos muito longos, transcrições longas ou contexto alargado derivado de media num único pedido. A saída máxima é de 131.072 tokens, pelo que a geração de formato longo é prática sem encadear muitos pedidos.

Essas capacidades apontam para alguns usos concretos. O trabalho com documentos de contexto longo é um encaixe óbvio: revisão de contratos, síntese de investigação, ou raciocínio sobre grandes bases de código onde todo o corpus precisa de permanecer visível. Como imagens, vídeo e áudio são aceites como entrada, pode construir fluxos de trabalho que resumem reuniões gravadas, descrevem ou consultam conteúdo de vídeo, ou extraem informação estruturada de documentos digitalizados e capturas de ecrã. A chamada de ferramentas e as saídas estruturadas tornam-no utilizável como núcleo de raciocínio de um agente que precisa de chamar funções e devolver resultados legíveis por máquina, e o parâmetro reasoning permite expor o pensamento intermédio quando uma tarefa beneficia disso.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo "xiaomi/mimo-v2.6-pro". Como a interface é compatível com OpenAI, os clientes e SDKs existentes funcionam com uma alteração do URL base. O modelo suporta frequency_penalty, presence_penalty, repetition_penalty, temperature, top_p, top_k, min_p, seed, stop, logit_bias, max_tokens, response_format, structured_outputs, tools, tool_choice, reasoning e include_reasoning. Os controlos de amostragem, o determinismo via seed, e a saída com ferramentas ou restringida por esquema estão todos disponíveis, pelo que pode ajustar o comportamento por pedido em vez de aceitar predefinições fixas.

O principal aspeto a ponderar é o âmbito. Este é um modelo carro-chefe, e a lista de parâmetros suportados abrange apenas controlos de geração de texto; a saída é texto, pelo que tarefas que precisam de imagens, áudio ou vídeo gerados estão fora do âmbito aqui. Se a sua carga de trabalho consiste em prompts curtos com contexto modesto, um modelo mais pequeno pode ser a predefinição mais sensata, e este é melhor reservado para casos que realmente usam o contexto longo ou a entrada multimodal.