MiMo V2.6 Flash API

MiMo-V2.6-Flash деген не?

MiMo-V2.6-Flash — MiMo-V2.6 отбасындағы Xiaomi-дің тиімділікке бағытталған моделі. Бұл жоғары жиілікті шақырулар, ауқымды жұмыс жүктемелері, кодтау, автоматтандыру және ұзақ көкжиекті агенттік тапсырмалар үшін жасалған табиғи көпмодальды пайымдау моделі.

Модель кіріс ретінде мәтін, суреттер, бейне және аудио қабылдайды, ал шығыс ретінде мәтін шығарады. Xiaomi оны нақты жұмыс процестеріне оңтайландырылған, 1 миллион токендік контекст терезесі, терең ойлау, құралдарды шақыру, құрылымдалған шығыс, стриминг, веб-іздеу және контексті кэштеу мүмкіндіктері бар толық-модальді модель ретінде сипаттайды.

Ашық салмақты MiMo-V2.6-Flash-RL чекпойнты сирек Mixture-of-Experts архитектурасын пайдаланады, онда жалпы 309 млрд параметр және 15 млрд белсендірілген параметр бар. Модель картасында 1M-токендік контекст ұзындығы, 681M-параметрлі көру энкодері, аудио энкодерлер және бес қабатты спекулятивті декодер сипатталған.

Техникалық сипаттамалар

Ресми Xiaomi модель бетінде 1M-токендік контекст терезесі, 128K-қа дейінгі шығыс токендері, 100 RPM және 10M TPM көрсетілген.

MiMo-V2.6-Flash негізгі мүмкіндіктері

1. Түпкілікті толық-модальді түсіну

MiMo-V2.6-Flash мәтін, сурет, бейне және аудионы бір модельдің ішінде өңдеуге арналған. Бұл ақпарат толықтай мәтінде емес, бірнеше медиа форматқа таралған қолданбаларға жарамды.

Әдеттегі қолданбаларға көпмодальды құжат талдауы, визуалды инспекция, бейнені түсіну, аудиоға негізделген зерттеу және әртүрлі дәлел түрлерін біріктіретін жұмыс процестері жатады.

2. 1M-токендік ұзын контекст

Модель 1 миллион токенге дейінгі контекст терезесін қолдайды, бұл ірі репозиторийлер, ұзын құжаттар, ұзартылған құрал трассалары және көп-сессиялы агенттік жұмыс ағындары үшін қолайлы. Xiaomi модельді ұзақ көкжиекті тапсырмалар мен көпагентті коллаборацияға арнайы бағыттайды.

Бұл үлкен контекст сыйымдылығы ірі ақпарат жиынтықтарын қайта-қайта жинақтау немесе бөлшектеу қажеттілігін азайтады.

3. Пайымдау және агенттік жұмыс ағындары

MiMo-V2.6-Flash пайымдауға және агенттік жұмыс жүктемелеріне негізделген. Ресми мүмкіндіктер тізіміне терең ойлау және құралдарды шақыру кіреді, ал модель картасында кодтау, жалпы агенттер, визуалды тапсырмалар және киберқауіпсіздік бойынша аралас күшейту оқытуы сипатталған.

Бұл модельді келесі қолданбаларға өзекті етеді:

• Көпқадамды зерттеу агенттері
• Кодтау агенттері
• Құрал оркестровкасы
• Компьютерді пайдалану жұмыс ағындары
• Автоматтандырылған талдау
• Ұзақ мерзімді жоспарлау тапсырмалары

4. Құралдарды шақыру және құрылымдалған шығыс

Модель құралдарды шақыруды және құрылымдалған шығысты қолдайды, бұл модельдің сыртқы функцияларды шақыруы немесе ақпаратты алдын ала болжанатын, машинаға оқылатын форматта қайтаруы қажет қолданбалар үшін ыңғайлы.

Бұл іздеу, дерекқорлар, API-лер, бизнес құралдары немесе басқа қолданба функцияларына LLM-ді қосатын агент жүйелері үшін әсіресе пайдалы.

5. Көпмодальды агент мүмкіндіктері

MiMo-V2.6-Flash көпмодальды түсінуді агентке бағытталған пайымдаумен біріктіреді. Сурет, бейне, аудио және мәтін өңдеуді бөлек модель тапсырмалары ретінде қарастырғанның орнына, ол осы кірістер үшін бірыңғай модель интерфейсін ұсынады.

Бұл архитектура диаграммалармен бірге техникалық құжатты қарау, жазылған кездесулерді талдау, бейне дәлелдерді тексеру немесе скриншоттарды мәтіндік нұсқаулармен біріктіру сияқты жұмыс ағындары үшін пайдалы.

6. Тиімділікке бағытталған MiMo-V2.6 дизайны

Flash нұсқасы Xiaomi тарапынан MiMo-V2.6 отбасының тиімділікке теңгерілген мүшесі ретінде позицияланады. Оның сирек MoE дизайны әрбір токен үшін барлық параметр пулын емес, параметрлердің ішкі жиынтығын белсендіреді.

Сондай-ақ модель параллель верификация үшін бірнеше келесі токендерді болжайтын бес қабатты спекулятивті декодерді қолданады — бұл инференс тиімділігін арттыруға бағытталған архитектуралық тәсіл.

Бенчмарк өнімділігі

Xiaomi жариялаған бағалау кестесі MiMo-V2.6-Flash нәтижелерін кодтау, жалпы-агент, киберқауіпсіздік және визуалды-агент бенчмарктерінде көрсетеді. Бұлар — провайдер жариялаған бенчмарк нәтижелері, сондықтан оларды тәуелсіз үшінші тарап рейтингтері ретінде қарастыруға болмайды.

Мысалы, Xiaomi Terminal Bench 2.1-де 87.6, OSWorld-Verified-де 80.8, Toolathlon-Verified-де 73.6 және CyberGym-де 95.1 көрсеткіштерін хабарлайды.

Бенчмарк профилі модельдің әдеттегі диалогтық модель ретінде ғана емес, агенттік, кодтау, құралдарды пайдалану және көпмодальды жұмыс ағындарына бағытталғанын көрсетеді.

MiMo-V2.6-Flash пен MiMo-V2.6-Pro

MiMo-V2.6-Flash және MiMo-V2.6-Pro бір модель отбасына жатады және табиғи көпмодальдылық пен 1M-контекст дизайнын бөліседі, бірақ олар модель тиімділігінің әртүрлі нүктелерін нысана етеді.

Жарияланған архитектура Pro моделінің жалпы 1.02T / 42B белсенді параметрлерін, ал Flash — 309B жалпы / 15B белсенді параметрлерін көрсетеді.

MiMo-V2.6-Flash басқа модельдермен салыстыру

MiMo-V2.6-Flash қазіргі көпмодальды пайымдау модельдері арасында ерекше орын алады, өйткені ол бір модельде төрт сипаттаманы біріктіреді: ұзын контекст, табиғи көпмодальды кіріс, пайымдау және агентке бағытталған құрал пайдалануы.

Дәстүрлі тек мәтіндік пайымдау моделімен салыстырғанда, MiMo-V2.6-Flash суреттерді, бейнені және аудионы тікелей қамти алады. Кішірек көпмодальды модельмен салыстырғанда, оның 1M-токендік контексті ірі репозиторийлер мен ұзартылған агент траекториялары үшін қолайлы. Үлкен MiMo-V2.6-Pro-мен салыстырғанда, Flash тиімділікке бағытталған архитектураны баса көрсетеді.

Өкілдік қолдану жағдайлары

Кодтау және бағдарламалық инженерия

MiMo-V2.6-Flash код генерациясы, ақау табу, репозиторий талдауы, бағдарламалық қамтамасыз ету жоспарлау және агенттік әзірлеу жұмыс ағындары үшін қолданылуы мүмкін.

Жарияланған нәтижелерге DeepSWE v1.1, ProgramBench, MiMo Code Bench және Terminal Bench бағалаулары кіреді.

Ұзын контексті құжаттарды талдау

1M-токендік контекст терезесі модельді кең құжат жиынтықтарын, техникалық сипаттамаларды, зерттеу материалдарын немесе ұзын жоба тарихын контекстті агрессивті түрде қысқартпай-ақ талдауға жарамды етеді.

Көпмодальды зерттеу

Модель мәтін, сурет, бейне және аудионы қабылдайтындықтан, ол әртүрлі медиа көздерінен ақпаратты бір пайымдау жұмыс ағынында біріктіре алады.

Агенттер мен құралдарды автоматтандыру

Құралдарды шақыру, құрылымдалған шығыс, пайымдау және ұзын контекст модельді тапсырмаларды жоспарлайтын, сыртқы құралдарды шақыратын, нәтижелерді тексеретін және бірнеше қадам бойы пайымдауды жалғастыратын агенттер үшін қолайлы етеді.

Компьютерді пайдалану жұмыс ағындары

OSWorld-Verified бойынша 80.8 және басқа агент бенчмарктері Xiaomi-дің модельді дәстүрлі тілдік модель бенчмарктерінен бөлек, интерактивті агент тапсырмаларында да бағалайтынын көрсетеді.

Көпмодальды бизнестік жұмыс ағындары

MiMo-V2.6-Flash есептер, скриншоттар, жазбалар, презентациялар, құжаттар және басқа аралас-медиа бизнес ақпараттары қамтылған, бір модель бірнеше кіріс типін синтездейтін жұмыс ағындарын қолдай алады.

Шектеулер

MiMo-V2.6-Flash — жаңа шығарылған модель, сондықтан бенчмарк қамтуы және тәуелсіз үшінші тарап бағалауы әлі де дамуда. Xiaomi жариялаған бенчмарк кестесі агенттік және көпмодальды тапсырмалар бойынша айтарлықтай дәлелдер ұсынады, бірақ бұл нәтижелер нақты қолданбаға тән тестілеудің орнына провайдер хабарлаған деректер болып табылады.

Сондай-ақ модель сирек белсендіруіне қарамастан, үлкен архитектураға ие. Өзін-өзі хосттауды қарастыратын ұйымдар аппараттық құралдарды, инференс-движок үйлесімділігін, квантизацияны, өткізу қабілетін және операциялық талаптарды бағалауы тиіс; 15B белсенді параметрлер көрсеткіші жалпы орналастыру ізіне тең деп қабылданбауы керек. Ресми модель картасы SGLang және vLLM үшін орналастыру нұсқаулығын ұсынады.

CometAPI арқылы MiMo-V2.6-Flash API-іне қалай қол жеткізуге болады

1-қадам: CometAPI-ға тіркеліңіз және CometAPI API кілтін алыңыз

CometAPI тіркелгіңізді жасаңыз немесе оған кіріңіз және API басқару аймағын ашыңыз. CometAPI тіркелгіңізден API кілтін генерациялап, оны қолданба баптаулары үшін қолжетімді сақтаңыз.

2-қадам: MiMo-V2.6-Flash таңдаңыз және қолданбаны баптаңыз

Қол жетімді модель каталогынан MiMo-V2.6-Flash табыңыз және модель ID-ін mimo-v2.6-flash ретінде растаңыз. CometAPI интеграцияңызда MiMo-V2.6-Flash-ты нысана модель ретінде орнатыңыз. Қолданбаңыз талап ететін көпмодальды кірістер мен агент мүмкіндіктеріне сәйкес сұрауды баптаңыз.

3-қадам: Сұрауларды жіберіңіз

CometAPI интеграциясы арқылы мәтінді немесе қолдау көрсетілетін көпмодальды кірістерді жіберіңіз және қайтарылған модель жауабын қолданба жұмыс ағындарыңызда пайдаланыңыз.

4-қадам: Жауапты өңдеңіз

Қолданбаңыздың жұмыс ағынына сәйкес генерацияланған мәтінді, құрылымдалған шығысты, пайымдау нәтижелерін немесе құрал-шақыру ақпаратын өңдеңіз.