> ## Documentation Index > Fetch the complete documentation index at: https://docs.powertokens.ai/llms.txt > Use this file to discover all available pages before exploring further. # mimo-v2.5 对话补全 > 调用 MIMO 对话补全能力 ## OpenAPI ````yaml api-reference/zh-Hans/zmodelChat/mimo/mimo-v2.5.json POST /v1/chat/completions openapi: 3.0.1 info: title: mimo-v2.5 version: 1.0.0 description: MIMO 对话补全文档 license: name: Project License url: https://github.com/QuantumNous/new-api/blob/main/LICENSE servers: - url: https://api.powertokens.ai description: baze API 服务端点 security: [] tags: - name: MIMO 对话 description: MIMO 文本对话 paths: /v1/chat/completions: post: tags: - MIMO 对话 summary: mimo-v2.5 description: 调用 MIMO 对话补全能力 operationId: mimoChatCompletions_mimo_v2_5_zh requestBody: required: true content: application/json: schema: $ref: '#/components/schemas/ChatCompletionRequest' examples: 基础调用: summary: 基础文本对话 value: model: mimo-v2.5 messages: - role: system content: >- 你是 MiMo，由小米开发的 AI 助手。今天是 2025 年 12 月 16 日，星期二。你的知识截止日期为 2024 年 12 月。 - role: user content: 请介绍一下你自己 max_completion_tokens: 1024 temperature: 1 top_p: 0.95 stream: false stop: null frequency_penalty: 0 presence_penalty: 0 thinking: type: disabled 流式响应: summary: 流式对话响应 value: model: mimo-v2.5 messages: - role: system content: >- 你是 MiMo，由小米开发的 AI 助手。今天是 2025 年 12 月 16 日，星期二。你的知识截止日期为 2024 年 12 月。 - role: user content: - type: text text: 请介绍一下你自己 max_completion_tokens: 1024 stream: true 函数调用: summary: 带函数调用的对话 value: model: mimo-v2.5 messages: - role: system content: >- 你是 MiMo，由小米开发的 AI 助手。今天是 2025 年 12 月 16 日，星期二。你的知识截止日期为 2024 年 12 月。 - role: user content: 波士顿今天天气怎么样？ max_completion_tokens: 1024 tools: - type: function function: name: get_current_weather description: 获取指定位置的当前天气 parameters: type: object properties: location: type: string description: 城市和省份，例如 北京 unit: type: string enum: - celsius - fahrenheit required: - location tool_choice: auto 联网搜索: summary: 带联网搜索的对话 value: model: mimo-v2.5 messages: - role: system content: >- 你是 MiMo，由小米开发的 AI 助手。今天是 2025 年 12 月 16 日，星期二。你的知识截止日期为 2024 年 12 月。 - role: user content: 请介绍一下雷军 tools: - type: web_search max_keyword: 3 force_search: true limit: 1 user_location: type: approximate country: China region: Hubei city: Wuhan max_completion_tokens: 1024 temperature: 1 top_p: 0.95 stream: false stop: null frequency_penalty: 0 presence_penalty: 0 thinking: type: disabled 图像输入: summary: 带图像输入的对话 value: model: mimo-v2.5 messages: - role: system content: >- 你是 MiMo，由小米开发的 AI 助手。今天是 2025 年 12 月 16 日，星期二。你的知识截止日期为 2024 年 12 月。 - role: user content: - type: image_url image_url: url: >- https://example-files.cnbj1.mi-fds.com/example-files/image/image_example.png - type: text text: 请描述一下图片的内容 max_completion_tokens: 1024 音频输入: summary: 带音频输入的对话 value: model: mimo-v2.5 messages: - role: system content: >- 你是 MiMo，由小米开发的 AI 助手。今天是 2025 年 12 月 16 日，星期二。你的知识截止日期为 2024 年 12 月。 - role: user content: - type: input_audio input_audio: data: >- https://example-files.cnbj1.mi-fds.com/example-files/audio/audio_example.wav - type: text text: 请描述一下音频的内容 max_completion_tokens: 1024 视频输入: summary: 带视频输入的对话 value: model: mimo-v2.5 messages: - role: system content: >- 你是 MiMo，由小米开发的 AI 助手。今天是 2025 年 12 月 16 日，星期二。你的知识截止日期为 2024 年 12 月。 - role: user content: - type: video_url video_url: url: >- https://example-files.cnbj1.mi-fds.com/example-files/video/video_example.mp4 fps: 2 media_resolution: default - type: text text: 请描述一下视频的内容 max_completion_tokens: 1024 结构化输出: summary: 带结构化输出的对话 value: model: mimo-v2.5-pro messages: - role: system content: >- 你是 MiMo，由小米开发的 AI 助手。今天是 2025 年 12 月 16 日，星期二。你的知识截止日期为 2024 年 12 月。 - role: user content: >- 我叫张三，今年28岁，邮箱是zhangsan@test.com，生日是1996年5月12日。请按照以下JSON格式返回结果。注意：生日必须使用YYYY-MM-DD格式。{"name": "string or null", "age": "int or null", "email": "string or null", "birthday": "string or null"} max_completion_tokens: 1024 response_format: type: json_object 深度思考: summary: 带深度思考的对话 value: model: mimo-v2.5-pro messages: - role: system content: >- 你是 MiMo，由小米开发的 AI 助手。今天是 2025 年 12 月 16 日，星期二。你的知识截止日期为 2024 年 12 月。 - role: user content: 用三句话介绍机器学习。 max_completion_tokens: 1024 thinking: type: enabled responses: '200': description: 成功。非流式模式返回 JSON；流式模式返回 SSE 事件流。 content: application/json: schema: $ref: '#/components/schemas/ChatCompletionResponse' examples: 基础调用: summary: 非流式成功响应 value: id: 8b51f9e0515949cb8207fbd35ea6ea5c choices: - finish_reason: stop index: 0 message: content: >- 你好！我是 MiMo，由小米 LLM Core 团队创建的小米 AI 助手。我来这里聊天、回答问题以及协助各种任务——无论是提供信息、集思广益，还是进行友好的对话。有什么问题尽管问我，我会尽力帮忙！😊 role: assistant tool_calls: null created: 1776848906 model: mimo-v2.5-pro object: chat.completion usage: completion_tokens: 72 prompt_tokens: 57 total_tokens: 129 completion_tokens_details: reasoning_tokens: 0 prompt_tokens_details: null 函数调用: summary: 函数调用响应 value: id: 8778784df68043e39a2df03258ddeaa5 choices: - finish_reason: tool_calls index: 0 message: content: '' role: assistant tool_calls: - id: call_b837e211b7764dab9b56f4d8 function: arguments: '{"location": "Boston, MA", "unit": "celsius"}' name: get_current_weather type: function reasoning_content: >- The user is asking about the current weather in Boston. I should use the get_current_weather function to get this information. Boston could refer to Boston, MA. I'll call the function with location "Boston, MA" and use celsius as the unit since that's more commonly used in many places, but actually the user didn't specify a unit. Looking at the function parameters, I can choose celsius or fahrenheit. Since Boston is in the US, maybe fahrenheit would be more appropriate? Actually, I should just pick a default or ask. But the instructions say not to ask about optional parameters if there are defaults. There's no default specified in the schema, so I should choose one. I'll go with celsius as it's more standard internationally. Let me call the function. created: 1776849125 model: mimo-v2.5-pro object: chat.completion usage: completion_tokens: 196 prompt_tokens: 349 total_tokens: 545 completion_tokens_details: reasoning_tokens: 161 prompt_tokens_details: null 联网搜索: summary: 联网搜索响应 value: id: 828d5db56ff748d8b4623d1972c8eca2 choices: - finish_reason: stop index: 0 message: content: >- 根据搜索结果，以下是关于雷军（Jun Lei）的介绍： 雷军是中国著名的企业家和科技行业领袖。他在科技行业拥有30年的创业经验，是中国互联网的代表人物和知名企业家。 雷军1969年出生于湖北仙桃。他早年就开始创业，1992年参与创办金山软件，1998年出任金山软件CEO，同年还创办了卓越网。2007年金山软件上市后，他卸任总裁兼CEO职务，担任副董事长。 随后几年，雷军积极从事天使投资，投资了凡客诚品、多玩、优视科技等多家创新企业。2010年4月6日，他决定重新创业，成立了小米公司，并于2011年8月16日正式发布了第一款小米手机。 此外，雷军于2011年7月重返金山，掌管网游与毒霸业务，并于2011年7月11日正式担任金山软件董事长。他的职业生涯还包括投资水羊股份、易点云、药师帮、车车等公司的案例。 role: assistant annotations: - type: url_citation url: https://en.shunwei.com/team title: Team – Shunwei summary: >- Jun LEI Founding Partner & Chairman Mr. Lei Jun, with 30 years of entrepreneurial experience in the science and technology industry, is a representative of China's Internet and a well-known entrepreneShe has been involved in investment cases such as Shuiyang Shares (SZ:300740), Edianyun (HK:02416), Yaoshibang (HK:09885), Cheche, Shansong, Royal Xiaohu, Yangteng Innovation, Zhiketong, Yinghe, Chaya site_name: en.shunwei.com publish_time: '2024-10-26T07:37:04+08:00' logo_url: >- https://th.bochaai.com/favicon?domain_url=https://en.shunwei.com/team - type: url_citation url: >- https://max.book118.com/html/2023/0519/7145010064005110.shtm title: 小米公司介绍-20230519110336.pptx-原创力文档 summary: >- 小米公司介绍第1页/共25页小米创始人:雷军Millet founder: Lei Jun1969年出生于湖北仙桃,于1992年参与创办金山软件,1998年出任金山软件CEO,1998年创办了卓越网。1969 born in Hubei Xiantao, in 1992, and participated in the founding of Kingsoft, 1998 served as CEO of golden hill software. In 1998 founded the network of excellence.2007年,金山软件上市后,雷军卸任金山软件总裁兼CEO职务,担任副董事长。2007, Kingsoft listing, Kingsoft chairman and CEO Lei Juns office, served as vice chairman.之后几年,雷军作为天使投资人,投资了凡客诚品、多玩、优视科技等多家创新型企业。After a few years, Lei Jun as an angel investor, invested more, Eslite, superior technology and a number of innovative enterprises.2010年4月6日,雷军选择重新创业,建立了小米公司,并于2011年8月16日正式发布小米手机。In April 6, 2010, Lei choose to venture, a millet company, and officially released millet mobile phone in August 16, 2011.2011年7月,雷军重返金山执掌网游与毒霸;2011年7月11日,正式担任金山软件董事长。July 2011, Lei Ju site_name: 原创力文档 publish_time: '2023-05-23T19:49:37+08:00' logo_url: >- https://th.bochaai.com/favicon?domain_url=https://max.book118.com/html/2023/0519/7145010064005110.shtm tool_calls: null created: 1776849240 model: mimo-v2.5-pro object: chat.completion usage: completion_tokens: 387 prompt_tokens: 1222 total_tokens: 1609 completion_tokens_details: reasoning_tokens: 0 prompt_tokens_details: null web_search_usage: tool_usage: 3 page_usage: 2 图像输入: summary: 图像输入响应 value: id: e27ffa1d3e31434daa71d6b6a83f6e38 choices: - finish_reason: length index: 0 message: content: >- 根据提供的图片，以下是内容的详细描述： **整体氛围** 这张图片描绘了一个宁静、神奇且郁郁葱葱的森林场景。它具有一种空灵的气质，可能是通过数字艺术技术或人工智能生成增强的，其特点在于 role: assistant tool_calls: null reasoning_content: >- Here's a thinking process that leads to the description: 1. **Analyze the Request:** * **Input:** An image of a forest scene with a stream, sunlight, and trees. * **Task:** Describe the content of the image. 2. **Initial Impression & Overall Mood:** * The image depicts a serene, magical, and lush forest. * The lighting is dramatic, with sunbeams filtering through the canopy. * There's a sense of tranquility and nature in its undisturbed state. * The style looks somewhat photorealistic but possibly enhanced or AI-generated due to the perfect lighting and composition. 3. **Break Down Visual Elements:** * **Foreground:** * *Left side:* Large, detailed ferns. They are vibrant green and look wet or dewy. * *Bottom center/right:* A stream or small river flowing towards the viewer. * *Water:* The water is clear but reflects the light, creating a shimmering effect. It flows over smooth, moss-covered rocks. * *Rocks:* Several large, rounded stones are visible in the immediate foreground, covered in thick green moss. * **Mid-ground:** * *Trees:* Massive, ancient-looking trees with thick, gnarled trunks and exposed roots. The bark is textured and dark. * *Vegetation:* More ferns, bushes, and mossy ground cover lining the banks of the stream. * *Stream path:* The stream winds back into the forest, guiding the eye. * **Background:** * *Forest density:* The trees become denser and fade into a misty or foggy atmosphere. * *Lighting:* This is the most striking feature. "God rays" or crepuscular rays are streaming down from the upper center/right, cutting through the mist and illuminating the scene. * *Particles:* There are tiny specks floating in the light beams, looking like dust motes, pollen, or perhaps magical sparkles/fireflies. 4. **Structure the Description:** * **Introduction:** General summary of the scene (misty forest, stream, sunlight). * **The Lighting (Key Feature):** Describe the sunbeams and atmosphere. * **The Vegetation (Flora):** Mention the ferns, moss, and ancient trees. * **The Water (Hydrography):** Describe the stream, rocks, and reflections. * **Composition/Atmosphere:** Conclude with the overall feeling (peaceful, ethereal). 5. **Drafting the Description (Iterative refinement):** * *Draft 1 (Mental):* It's a forest with a river. Big trees on the sides. Sun is shining down in beams. There are ferns in the front left. The rocks are mossy. It looks magical. * *Draft 2 (More detail):* A lush forest scene. A stream flows through the center over mossy rocks. On the left, there are large ferns. The trees are old with twisted branches. The sun is breaking through the canopy, creating bright rays of light. There is mist in the background. It looks like a fantasy setting. * *Draft 3 (Polished & Descriptive - closer to final output):* * Start with the atmosphere: "This image depicts a serene and enchanting forest scene..." * Focus on the light: "...dominated by dramatic shafts of sunlight (god rays) filtering through the dense canopy..." * Describe the water: "A gentle stream flows through the center, winding over smooth, moss-covered stones..." * Describe the plants: "Lush vegetation is everywhere, particularly large, detailed ferns in the foreground on the left..." * Describe the trees: "Ancient trees with thick, gnarled trunks and exposed roots frame the scene..." 6. **Final Polish (Reviewing against the image):** * *Check:* Did I mention the moss? Yes. * *Check:* Did I mention the floating particles? Yes, add that detail about the "sparkles" or dust motes. * *Check:* Is the perspective correct? Yes, low angle looking up the stream. 7. **Final Output Generation:** (This matches the provided good response.) * "The image displays a breathtaking, ethereal forest scene..." * Break it down by lighting, vegetation, and water. * Mention the color palette (greens, browns, golden light). 8. **Formatting:** Use bullet points or paragraphs for readability. (I will use a mix of general description and specific details). created: 1776849330 model: mimo-v2.5 object: chat.completion usage: completion_tokens: 1024 prompt_tokens: 1085 total_tokens: 2109 completion_tokens_details: reasoning_tokens: 971 prompt_tokens_details: cached_tokens: 5 image_tokens: 1024 音频输入: summary: 音频输入响应 value: id: 87ee7097c0f7491ea27429efcc21cc26 choices: - finish_reason: stop index: 0 message: content: '' role: assistant tool_calls: null reasoning_content: >- Good morning. Could you tell me what the weather will be like today? created: 1776849418 model: mimo-v2.5 object: chat.completion usage: completion_tokens: 17 prompt_tokens: 86 total_tokens: 103 completion_tokens_details: reasoning_tokens: 15 prompt_tokens_details: audio_tokens: 25 cached_tokens: 45 视频输入: summary: 视频输入响应 value: id: d2c3bd5a08114f78a525e09b69308dc9 choices: - finish_reason: stop index: 0 message: content: >- 视频中有一只白色小猫，长着明亮的蓝眼睛，坐在抛光木地板上。它靠近一扇挂着米色窗帘的窗户，阳光照进来，在地板上投下阴影。背景中可见一盆绿色的盆栽植物，类似于龟背竹。小猫好奇地环顾四周，然后张开嘴喵喵叫。 role: assistant tool_calls: null reasoning_content: >- The user wants a description of the video content. 1. **Analyze the video**: * **Subject**: A white kitten with blue eyes. * **Setting**: Indoors, near a window. There are beige curtains, a wooden floor, and a green potted plant (Monstera) in the background. * **Action**: The kitten is sitting on the wooden floor. It's looking slightly to the side. It meows. The lighting is warm and sunny, creating shadows on the floor. * **Timestamps**: * 00:00 - 00:03: The kitten sits still, looking around, then opens its mouth to meow. The sun casts shadows. 2. **Synthesize the description**: * Start with the main subject: A white kitten with blue eyes. * Describe the environment: Sitting on a wooden floor near a window with beige curtains. Sunlight is streaming in. A plant is visible in the background. * Describe the action: The kitten looks around and meows. * Mention the atmosphere: Warm, peaceful, sunny. 3. **Draft the response**: The video features a close-up of a white kitten with striking blue eyes sitting on a polished wooden floor. It is positioned near a window draped with light beige curtains. Sunlight streams through the window, casting long shadows on the floor and illuminating the kitten's fur. In the background, a green potted plant, resembling a Monstera, adds a touch of nature to the indoor setting. The kitten looks around curiously and then lets out a meow. The scene is bright and peaceful. 4. **Refine based on specific details**: * The kitten is white. * Blue eyes. * Wooden floor. * Window with curtains. * Plant in background. * Sunlight/Shadows. * Action: Meowing. 5. **Final Polish**: Combine these points into a coherent paragraph. The video shows a white kitten with blue eyes sitting on a wooden floor in a sunlit room. It's near a window with curtains and a plant in the background. The kitten meows. Let's stick to a descriptive summary. * **Subject**: White kitten, blue eyes. * **Location**: Wooden floor, near window, curtains, plant. * **Action**: Sitting, looking, meowing. * **Lighting**: Sunny, warm. Construct the final output. created: 1776849614 model: mimo-v2.5 object: chat.completion usage: completion_tokens: 590 prompt_tokens: 1260 total_tokens: 1850 completion_tokens_details: reasoning_tokens: 514 prompt_tokens_details: audio_tokens: 19 cached_tokens: 45 video_tokens: 1144 结构化输出: summary: 结构化输出响应 value: id: f88d3e6c6b0043b09871487b5c52e4b4 choices: - finish_reason: stop index: 0 message: content: >- {"name": "Zhang San", "age": 28, "email": "zhangsan@test.com", "birthday": "1996-05-12"} role: assistant tool_calls: null created: 1776850034 model: mimo-v2.5-pro object: chat.completion usage: completion_tokens: 41 prompt_tokens: 145 total_tokens: 186 completion_tokens_details: reasoning_tokens: 0 prompt_tokens_details: null 深度思考: summary: 深度思考响应 value: id: 7f2cc80f34b541c49f5fcd40ad34bc73 choices: - finish_reason: stop index: 0 message: content: >- 机器学习是人工智能的一个领域，它使计算机能够从数据中学习并提高性能，而无需为每项任务进行显式编程。它使用算法识别模式，并基于输入信息做出决策或预测。这种方法驱动着从个性化推荐到高级医疗诊断等一切应用。 role: assistant tool_calls: null reasoning_content: >- Hmm, the user is asking for a concise introduction to machine learning in exactly three sentences. This seems straightforward but requires careful wording to cover the core concepts without oversimplifying or overcomplicating. \n\nI should start with the basic definition, then mention how it learns from data, and end with its purpose and real-world relevance. The response should flow naturally from \"what it is\" to \"how it works\" to \"why it matters.\" \n\nKeeping it neutral and factual works best here—no need for examples or jargon. Just three clear, standalone sentences that collectively give a solid overview. created: 1776850089 model: mimo-v2.5-pro object: chat.completion usage: completion_tokens: 179 prompt_tokens: 60 total_tokens: 239 completion_tokens_details: reasoning_tokens: 121 prompt_tokens_details: null text/event-stream: schema: $ref: '#/components/schemas/ChatCompletionChunk' examples: 流式响应: summary: 流式响应 SSE 事件 value: >- data: {"id":"7ccecae1cc6445f395e0d41c85115663","object":"chat.completion.chunk","created":1776849042,"model":"mimo-v2.5-pro","choices":[{"index":0,"delta":{"role":"assistant","content":"","reasoning_content":null,"tool_calls":null},"logprobs":null,"finish_reason":null,"matched_stop":null}],"usage":null} data: {"id":"7ccecae1cc6445f395e0d41c85115663","choices":[{"delta":{"content":null,"role":null,"tool_calls":null,"reasoning_content":"Okay, the user"},"finish_reason":null,"index":0}],"created":1776849042,"model":"mimo-v2.5-pro","object":"chat.completion.chunk","usage":null} data: {"id":"7ccecae1cc6445f395e0d41c85115663","choices":[{"delta":{"content":null,"role":null,"tool_calls":null,"reasoning_content":" is asking"},"finish_reason":null,"index":0}],"created":1776849042,"model":"mimo-v2.5-pro","object":"chat.completion.chunk","usage":null} data: {"id":"7ccecae1cc6445f395e0d41c85115663","choices":[{"delta":{"content":null,"role":null,"tool_calls":null,"reasoning_content":" me"},"finish_reason":null,"index":0}],"created":1776849042,"model":"mimo-v2.5-pro","object":"chat.completion.chunk","usage":null} ... data: {"id":"7ccecae1cc6445f395e0d41c85115663","choices":[{"delta":{"content":"'m ready","role":null,"tool_calls":null,"reasoning_content":null},"finish_reason":null,"index":0}],"created":1776849044,"model":"mimo-v2.5-pro","object":"chat.completion.chunk","usage":null} data: {"id":"7ccecae1cc6445f395e0d41c85115663","choices":[{"delta":{"content":" to help!","role":null,"tool_calls":null,"reasoning_content":null},"finish_reason":null,"index":0}],"created":1776849044,"model":"mimo-v2.5-pro","object":"chat.completion.chunk","usage":null} data: {"id":"7ccecae1cc6445f395e0d41c85115663","object":"chat.completion.chunk","created":1776849044,"model":"mimo-v2.5-pro","choices":[{"index":0,"delta":{"role":null,"content":null,"reasoning_content":null,"tool_calls":null},"logprobs":null,"finish_reason":"stop","matched_stop":151645}],"usage":null} data: {"id":"7ccecae1cc6445f395e0d41c85115663","choices":[],"created":1776849044,"model":"mimo-v2.5-pro","object":"chat.completion.chunk","usage":{"completion_tokens":123,"prompt_tokens":55,"total_tokens":178,"completion_tokens_details":{"reasoning_tokens":71},"prompt_tokens_details":null}} data: [DONE] '400': description: 请求参数无效。 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' examples: invalid_request: summary: 参数错误 value: error: message: messages 是必需的 type: invalid_request_error param: messages code: bad_request_body '401': description: 身份验证失败，例如缺少或无效的 token。 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' examples: unauthorized: summary: 未授权 value: error: message: 无效的 token type: api_error code: access_denied param: '' '429': description: 触发频率限制或账户额度不足。 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' examples: quota_exceeded: summary: 额度不足或频率受限 value: error: message: 账户额度不足，请稍后重试 type: api_error code: insufficient_user_quota param: '' '500': description: 处理请求时发生内部服务器错误。 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' examples: internal_error: summary: 内部处理失败 value: error: message: 内部处理失败，请稍后重试 type: api_error code: gen_relay_info_failed param: '' security: - BearerAuth: [] components: schemas: ChatCompletionRequest: type: object required: - model - messages description: MIMO 对话补全请求体。 properties: model: type: string description: 要使用的模型 ID enum: - mimo-v2.5 example: mimo-v2.5 messages: type: array description: 包含到目前为止对话的消息列表。 minItems: 1 items: $ref: '#/components/schemas/Message' frequency_penalty: type: number nullable: true default: 0 minimum: -2 maximum: 2 description: >- 取值范围在 -2.0 到 2.0 之间的数值。如果该值为正，那么新 token 会根据其在已有文本中的出现频率受到相应的惩罚，降低模型重复相同内容的可能性。 presence_penalty: type: number nullable: true default: 0 minimum: -2 maximum: 2 description: >- 取值范围在 -2.0 到 2.0 之间的数值。如果该值为正，那么新 token 会根据其是否已在已有文本中出现受到相应的惩罚，从而增加模型谈论新主题的可能性。 max_completion_tokens: type: integer nullable: true description: >- 对话补全中可以生成的 token 数的上限，包括可见的输出 token 数和推理 token 数。mimo-v2.5 的默认值为 32768。所需范围：[1, 131072] response_format: $ref: '#/components/schemas/ResponseFormat' stop: description: 最多 4 个序列，当 API 生成到这些序列时会停止继续生成 token。返回的文本中不会包含这些停止序列。 nullable: true default: null oneOf: - type: string - type: array items: type: string maxItems: 4 stream: type: boolean nullable: true default: false description: 如果设置为 true，模型的响应数据会在生成过程中通过 SSE（server-sent events）的形式流式传输到客户端。 thinking: $ref: '#/components/schemas/ThinkingConfig' temperature: type: number minimum: 0 maximum: 1.5 default: 1 description: >- 要使用的采样温度，介于 0 和 1.5 之间。较高的值（如 0.8）会使输出更加随机，而较低的值（如 0.2）会使其更加集中和确定性。我们通常建议更改此值或 top_p，但不要同时更改。在思考模式下，mimo-v2.5-pro、mimo-v2.5 模型不支持自定义 temperature 参数。即使传入该参数，实际生效值也会被模型强制采用其推荐默认值 1.0。 tool_choice: $ref: '#/components/schemas/ToolChoice' top_p: type: number default: 0.95 minimum: 0.01 maximum: 1 description: >- 核采样的概率阈值，用于控制模型生成文本的多样性。top_p 值越高，生成的文本多样性越强；top_p 值越低，生成的文本确定性越高。由于 temperature 和 top_p 均用于控制生成文本的多样性，建议仅设置其中一个参数。在思考模式下，mimo-v2.5-pro、mimo-v2.5 模型不支持自定义 top_p 参数。即使传入该参数，实际生效值也会被模型强制采用其推荐默认值 0.95。 tools: type: array description: >- 模型可能调用的工具列表。目前支持 function（函数）和 web_search（联网搜索）两种工具类型。注意：在思考模式下的多轮工具调用过程中，模型会在返回 tool_calls 字段的同时返回 reasoning_content 字段。若要继续对话，建议在后续每次请求的 messages 数组中保留所有历史 reasoning_content，以获得最佳表现。 items: $ref: '#/components/schemas/ToolDefinition' ChatCompletionResponse: type: object description: Chat 响应对象（非流式输出）。 properties: id: type: string description: 响应的唯一标识符。 object: type: string description: 对象类型，仅为 chat.completion。 created: type: integer description: 对话补全对象创建时的 Unix 时间戳（以秒为单位）。 model: type: string description: 用于生成结果的模型名称。 choices: type: array description: 包含生成的回复选项列表。 items: $ref: '#/components/schemas/ChatCompletionChoice' usage: $ref: '#/components/schemas/Usage' ChatCompletionChunk: type: object description: >- Chat 响应 chunk 对象（流式输出）。SSE 流中的每个 `data:` 事件对应一个 ChatCompletionChunk。流通常以 `data: [DONE]` 结束。 properties: id: type: string description: 对话补全对象的唯一标识符。每个数据块均使用相同的 ID。 object: type: string enum: - chat.completion.chunk description: 对象类型，仅为 chat.completion.chunk。 created: type: integer description: 对话补全对象创建时的 Unix 时间戳（以秒为单位）。每个数据块均使用相同的时间戳。 model: type: string description: 用于生成结果的模型。 choices: type: array description: 包含生成的回复选项列表。 items: $ref: '#/components/schemas/ChatCompletionChunkChoice' usage: description: 该对话补全请求的用量信息。 allOf: - $ref: '#/components/schemas/Usage' nullable: true ErrorResponse: type: object properties: error: $ref: '#/components/schemas/ErrorObject' Message: description: 对话中的一条消息。根据角色的不同，分为五种消息类型：developer、system、user、assistant 和 tool。 oneOf: - $ref: '#/components/schemas/DeveloperMessage' - $ref: '#/components/schemas/SystemMessage' - $ref: '#/components/schemas/UserMessage' - $ref: '#/components/schemas/AssistantRequestMessage' - $ref: '#/components/schemas/ToolMessage' ResponseFormat: type: object description: 一个指定模型必须输出的格式的对象。 oneOf: - type: object title: Text description: 默认响应格式。用于生成文本响应。 properties: type: type: string enum: - text description: 所定义的响应格式类型。仅为 text。 required: - type - type: object title: JSON object description: JSON 对象响应格式。请注意，若系统消息或用户消息中未指示模型生成 JSON，模型将不会输出 JSON 格式内容。 properties: type: type: string enum: - json_object description: 所定义的响应格式类型。仅为 json_object。 required: - type ThinkingConfig: type: object description: >- 这个参数用于控制模型是否启用思维链。注意：在思考模式下的多轮工具调用过程中，模型会在返回 tool_calls 字段的同时返回 reasoning_content 字段。若要继续对话，建议在后续每次请求的 messages 数组中保留所有历史 reasoning_content，以获得最佳表现。在思考模式下，mimo-v2.5-pro、mimo-v2.5 模型不支持自定义 temperature 和 top_p 参数。即使传入该参数，实际生效值也会被模型强制采用其推荐默认值 1.0 和 0.95。 properties: type: type: string enum: - enabled - disabled default: enabled description: 是否启用思维链。mimo-v2.5-pro，mimo-v2.5 默认值为 enabled。可选值：enabled，disabled required: - type ToolChoice: oneOf: - type: string enum: - auto description: >- 控制模型如何选择工具。注意：当 tool_choice 传入非 auto 值时，后端会默认移除该字段，模型响应行为仍等同于 auto 模式（该逻辑保留调整的可能性）。可选值：auto ToolDefinition: oneOf: - type: object title: 函数工具 required: - type - function description: 函数工具定义。 properties: type: type: string enum: - function description: 工具类型。目前支持 function。 function: type: object required: - name properties: name: type: string description: 工具函数的名称。必须由 a-z、A-Z、0-9 组成，或包含下划线（_）和连字符（-），最大长度为 64。 description: type: string description: 函数功能的描述，供模型判断何时以及如何调用该函数。 parameters: type: object description: 函数接受的参数，以 JSON 模式对象的形式描述。若省略 parameters，则表示该函数的参数列表为空。 additionalProperties: true strict: type: boolean default: false description: >- 生成函数调用时是否启用严格的模式遵循。若设为 true，模型将严格遵循 parameters 字段中定义的确切模式。当 strict 为 true 时，仅支持 JSON 模式的一个子集。 - $ref: '#/components/schemas/WebSearchTool' ChatCompletionChoice: type: object properties: index: type: integer description: 选项列表中对应选项的索引。 message: $ref: '#/components/schemas/AssistantResponseMessage' finish_reason: type: string description: >- 模型停止生成 token 的原因。如果模型到达自然停止点或提供的停止序列，则为 stop；如果达到请求中指定的最大 token 数，则为 length；如果模型调用了工具，则为 tool_calls。如果内容因触发过滤策略而被拦截，则为 content_filter；如果模型检测到了复读，则为 repetition_truncation。 Usage: type: object description: 该对话补全请求的用量信息。 properties: prompt_tokens: type: integer description: 提示词使用的 token 数量。 completion_tokens: type: integer description: 模型输出内容花费的 token。 total_tokens: type: integer description: 请求中使用的 token 总数（提示词 + 补全结果）。 completion_tokens_details: type: object description: 补全中使用的 token 数量明细。 properties: reasoning_tokens: type: integer description: 模型为推理生成的 token 数量。 prompt_tokens_details: type: object description: 提示中使用的 token 数量明细。 properties: cached_tokens: type: integer description: 命中缓存的 token 数量。 audio_tokens: type: integer description: 提示中存在的音频输入 token 数量。 image_tokens: type: integer description: 提示中存在的图像输入 token 数量。 video_tokens: type: integer description: 提示中存在的视频输入 token 数量。 web_search_usage: type: object description: 联网搜索 API 的调用量明细。 properties: tool_usage: type: integer description: 联网搜索 API 的调用次数。 page_usage: type: integer description: 联网搜索 API 返回的网页数。 ChatCompletionChunkChoice: type: object description: Chat 响应 chunk 对象（流式输出）。 properties: index: type: integer description: 选项列表中对应选项的索引。 delta: type: object description: 流式模型响应生成的对话补全增量。 properties: role: type: string description: 消息作者的角色。 content: type: string description: 数据块消息的内容。 reasoning_content: type: string description: 助手消息中最终答案之前的推理内容。 tool_calls: type: array description: 函数调用启动后，模型会返回待调用的工具以及该调用所需的参数。此参数可包含一个或多个工具响应对象。 items: type: object properties: index: type: integer description: 在 tool_calls 列表中被调用工具的索引，从 0 开始。 id: type: string description: 工具调用的 ID。 type: type: string enum: - function description: 工具的类型。目前仅支持 function。 function: type: object description: 调用的函数。 properties: name: type: string description: 要调用的函数的名称。 arguments: type: string description: >- 模型生成的用于调用函数的参数，格式为 JSON。请注意，模型生成的内容并非并非总能保证是有效的 JSON，且可能会虚构出函数模式中未定义的参数。在调用函数之前，请在代码中对这些参数进行验证。 annotations: type: array description: 联网搜索后，模型会返回全部引用网址的注释。 items: $ref: '#/components/schemas/Annotation' error_message: type: string description: 联网搜索链路的错误信息。 finish_reason: type: string nullable: true description: >- 模型停止生成 token 的原因。如果模型到达自然停止点或提供的停止序列，则为 stop；如果达到请求中指定的最大 token 数，则为 length；如果模型调用了工具，则为 tool_calls。如果内容因触发过滤策略而被拦截，则为 content_filter；如果模型检测到了复读，则为 repetition_truncation。 ErrorObject: type: object properties: message: type: string description: 错误描述。 type: type: string description: 错误类型。 param: type: string description: 关联字段名称。 code: type: string description: 错误代码。 DeveloperMessage: type: object title: Developer message · object required: - role - content description: 开发者消息。开发者提供的指令，无论用户发送什么消息，模型都应遵循这些指令。 properties: role: type: string enum: - developer description: 消息作者的角色，为 developer。 content: description: 开发者消息的内容。 oneOf: - type: string description: 纯文本内容。 - $ref: '#/components/schemas/TextContentPartArray' name: type: string description: 参与者的可选名称，提供给模型以区分同一角色的不同参与者。 SystemMessage: title: System message · object type: object required: - role - content description: 系统消息。此消息的角色为 system。 properties: content: description: 系统消息的内容。 oneOf: - type: string description: 纯文本内容。 - $ref: '#/components/schemas/TextContentPartArray' role: type: string enum: - system description: 消息作者的角色，为 system。 name: type: string description: 参与者的可选名称，提供给模型以区分同一角色的不同参与者。 UserMessage: title: User message · object type: object required: - role - content description: 用户消息。此消息的角色为 user。 properties: content: description: 用户消息的内容。 oneOf: - type: string description: 纯文本内容。 - $ref: '#/components/schemas/ContentPartArray' role: type: string enum: - user description: 消息作者的角色，为 user。 name: type: string description: 参与者的可选名称，提供给模型以区分同一角色的不同参与者。 AssistantRequestMessage: title: Assistant message · object type: object required: - role description: 助手消息。此消息的角色为 assistant。 properties: content: description: 助手消息的内容。除非指定了 tool_calls，否则为必需。 oneOf: - type: string nullable: true description: 纯文本内容。 - $ref: '#/components/schemas/TextContentPartArray' role: type: string enum: - assistant description: 消息作者的角色，为 assistant。 name: type: string description: 参与者的可选名称，提供给模型以区分同一角色的不同参与者。 tool_calls: type: array description: 模型生成的工具调用，如函数调用。 items: $ref: '#/components/schemas/ToolCallMessage' ToolMessage: title: Tool message · object type: object required: - role - content - tool_call_id description: 工具消息。此消息的角色为 tool。 properties: role: type: string enum: - tool description: 消息作者的角色，为 tool。 content: description: 工具消息的内容。 oneOf: - type: string description: 工具消息的文本内容。 - $ref: '#/components/schemas/TextContentPartArray' tool_call_id: type: string description: 此消息所响应的工具调用的 ID。 WebSearchTool: type: object required: - type description: 联网搜索工具对象。详情请参考联网搜索文档。注意：使用前需要开通联网服务插件。暂不支持联网搜索工具。 properties: user_location: $ref: '#/components/schemas/WebSearchUserLocation' type: type: string enum: - web_search description: 工具类型。必须为 web_search。 force_search: type: string default: 'false' description: 是否启用强制搜索。true 强制搜索，false 由模型判断是否需要搜索。 max_keyword: type: integer default: 5 minimum: 1 maximum: 50 description: 限制单轮搜索中可使用的最大关键词数量。 limit: type: integer default: 5 minimum: 1 maximum: 50 description: 限制单次搜索操作返回的最大结果条数。 title: 联网搜索工具 AssistantResponseMessage: type: object description: 模型生成的对话补全消息。 properties: role: type: string description: 消息作者的角色。 content: type: string description: 消息的内容。 reasoning_content: type: string description: 助手消息中最终答案之前的推理内容。 tool_calls: type: array description: 函数调用启动后，模型会返回待调用的工具以及该调用所需的参数。此参数可包含一个或多个工具响应对象。 items: oneOf: - $ref: '#/components/schemas/ToolCallMessage' annotations: type: array description: 联网搜索后，模型会返回全部引用网址的注释。 items: $ref: '#/components/schemas/Annotation' error_message: type: string description: 联网搜索的错误信息。 audio: $ref: '#/components/schemas/AudioResponse' final_text_preview: type: string description: 经过智能优化润色后的音频播报最终文本。仅当请求参数 optimize_text_preview 设为 true 时，该字段才会返回。 Annotation: type: object description: 联网搜索后，模型会返回全部引用网址的注释。 properties: logo_url: type: string description: logo 网址。 publish_time: type: string description: 发布时间。 site_name: type: string description: 网站名称。 summary: type: string description: 总结。 title: type: string description: 标题。 type: type: string description: 类型。 url: type: string description: 网址。 TextContentPartArray: type: array description: 消息中的纯文本内容部分数组。 items: $ref: '#/components/schemas/TextContentPart' title: Array of content parts · array ContentPartArray: type: array description: 用户消息中内容部分的数组。可包含文本、图像、音频或视频。 items: oneOf: - $ref: '#/components/schemas/ContentPartText' - $ref: '#/components/schemas/ContentPartImage' - $ref: '#/components/schemas/ContentPartAudio' - $ref: '#/components/schemas/ContentPartVideo' ToolCallMessage: type: object description: 消息中的工具调用对象。 properties: id: type: string description: 工具调用的 ID。 type: type: string enum: - function description: 工具的类型。目前仅支持 function。 function: type: object description: 模型所调用的函数。 properties: name: type: string description: 模型所调用的函数的名称。 arguments: type: string description: >- 模型生成的用于调用函数的参数，格式为 JSON 字符串。请注意，模型生成的内容并非总能保证是有效的 JSON，且可能会虚构出函数模式中未定义的参数。在调用函数之前，请在代码中对这些参数进行验证。 title: Function tool call · object WebSearchUserLocation: type: object required: - type - country description: 用户地理位置，用于优化模型输出结果。 properties: type: type: string enum: - approximate description: 位置类型，必须为 approximate。 country: type: string description: 国家 region: type: string description: 省份 city: type: string description: 城市 district: type: string description: 区县 longitude: type: number format: double description: 经度 latitude: type: number format: double description: 纬度 AudioResponse: type: object description: 如果请求输出音频，该对象将包含有关模型音频响应的数据。 properties: id: type: string description: 此音频响应的唯一标识符。 data: type: string description: 模型生成的 Base64 编码音频，格式为请求中指定的格式。 expires_at: type: number nullable: true description: 此音频响应过期的 Unix 时间戳（以秒为单位）。当前仅为 null。 transcript: type: string nullable: true description: 模型生成的音频的文字记录。当前仅为 null。 TextContentPart: type: object title: Text content part · object required: - type - text description: 消息中的纯文本内容部分。 properties: type: type: string enum: - text description: 内容部分的类型，为 text。 text: type: string description: 文本内容。 ContentPartText: type: object title: Text content part · object required: - type - text description: 用户消息中的纯文本内容部分。 properties: type: type: string enum: - text description: 内容部分的类型，为 text。 text: type: string description: 文本内容。 ContentPartImage: type: object title: Image content part · object required: - type - image_url description: 用户消息中的图片内容部分。 properties: type: type: string enum: - image_url description: 内容部分的类型，为 image_url。 image_url: type: object required: - url description: 图片 URL。可以是公共图片 URL 或 Base64 编码的数据 URL。 properties: url: type: string format: uri description: 公共图片 URL 或 Base64 编码的数据 URL。 ContentPartAudio: type: object title: Audio content part · object required: - type - input_audio description: 用户消息中的音频内容部分。 properties: type: type: string enum: - input_audio description: 内容部分的类型，类型值为 input_audio。 input_audio: type: object required: - data description: 音频的 URL 或 Base64 编码的音频数据。 properties: data: type: string description: 音频的 URL 或 Base64 编码的音频数据。 ContentPartVideo: type: object title: Video content part · object required: - type - video_url description: 用户消息中的视频内容部分。 properties: type: type: string enum: - video_url description: 内容部分的类型，值为 video_url。 video_url: type: object required: - url description: 视频 URL。可以是公共视频 URL 或 Base64 编码的数据 URL。 properties: url: type: string format: uri description: 视频的 URL 或 Base64 编码的视频数据。 fps: type: number default: 2 description: 每秒抽帧数。所需范围：[0.1, 10.0] media_resolution: type: string default: default enum: - default - max description: 分辨率档次。可选值：default，max securitySchemes: BearerAuth: type: http scheme: bearer bearerFormat: API Token description: '在请求头中传递 `Authorization: Bearer `。' ````