Xiaomi: MiMo-V2.5

Xiaomi: MiMo-V2.5, Xiaomi'nin bir metin modelidir ve api14 üzerinde xiaomi/mimo-v2.5 model id'si ile listelenir. Xiaomi onu, yaklaşık yarı yarıya daha düşük çıkarım maliyetiyle Pro düzeyinde ajan performansı sunan ve görüntü ile video anlama genelinde çok modlu algılamada MiMo-V2-Omni'yi geride bırakan yerel bir omnimodal model olarak tanımlar. Metin kategorisinde yer alır, yani geri aldığınız şey metindir, ancak kabul ettiği girdi aralığı kategori etiketinin ima ettiğinden çok daha geniştir.

Girdi tarafında MiMo-V2.5 metin, ses, görüntü ve video kabul eder ve metin çıktısı üretir. Bu onu yalnızca yazılı istemlere değil, karma medyaya da yöneltebileceğiniz bir model yapar. Bağlam penceresi 1.050.000 tokendır; bu, tek bir istekte çok uzun belgeleri, uzun transkriptleri veya medyadan türetilmiş geniş bağlamı tutmak için yeterince büyüktür. Maksimum çıktı 131.072 tokendır, böylece aynı çağrı içinde uzun üretimler mümkündür. Muhakeme de tablonun bir parçasıdır: desteklenen parametreler arasında reasoning ve include_reasoning bulunur, böylece modeli düz bir metin üreticisi olarak ele almak yerine onun muhakeme davranışıyla çalışabilirsiniz.

Bu yetenekler oldukça belirli bir kullanım senaryoları kümesine işaret eder. Ses, görüntü ve video girdi olarak kabul edildiği için MiMo-V2.5, kaydedilmiş toplantıları ve diğer sesleri özetleme veya sorgulama, görüntülerden bilgi çıkarma ve video içeriği hakkında soruları yanıtlama gibi görevlere, modelin önünde ayrı bir transkripsiyon veya görüntü işleme adımı olmadan uygundur. Çok büyük bağlam penceresi, uzun kaynak materyaller üzerinde çalışmak için idealdir; örneğin destekleyici medyayla birlikte uzun bir raporu analiz etmek veya uzun bir ajan oturumunu görüş alanında tutmak gibi. Model ajan olarak tanımlandığı için araç kullanımı da doğal bir uyumdur ve parametre listesi bunu destekler.

Onu api14'ün OpenAI uyumlu API'si üzerinden xiaomi/mimo-v2.5 model id'sini kullanarak çağırırsınız. Desteklediği istek parametreleri frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k ve top_p'dir. Pratikte bu, örneklemeyi temperature, top_p ve top_k ile şekillendirebileceğiniz, çıktıyı response_format veya structured_outputs ile biçimlendirebileceğiniz, üretimi max_tokens ile sınırlayabileceğiniz, çalıştırmaları seed ile yeniden üretilebilir kılabileceğiniz ve tools ile tool_choice üzerinden fonksiyon çağrısını tanımlayabileceğiniz anlamına gelir. Muhakeme, reasoning ve include_reasoning parametreleri aracılığıyla talep edilebilir veya ortaya çıkarılabilir.

Akılda tutulması gereken en önemli şey çıktı tarafıdır. MiMo-V2.5 yalnızca metin döndürür, yani uygulamanız üretilmiş görüntü, ses veya video gerektiriyorsa, bu formatları girdi olarak okuyabilse bile bu model bunları üretmez. Kategorisi metindir, bu nedenle en iyi şekilde çok modlu girdi, metin çıktısı veren bir model olarak değerlendirilir. Yalnızca metin olan ve ses, görüntü veya video anlama gerektirmeyen iş yükleri için daha basit bir metin modeli daha doğrudan bir uyum olabilir; karar verirken büyük bağlam penceresi ve omnimodal girdi işleme özellikleri tartılması gereken unsurlardır.