Xiaomi MiMo - GoModel

Xiaomi MiMo spricht eine OpenAI-kompatible Chat-API mit einigen Dialekt-Eigenheiten: Der Thinking-Modus ist standardmäßig aktiv, 1M-Kontext wird über ein Suffix an der Modell-ID ausgewählt, und TTS/ASR laufen über Chat Completions statt über eigene Audio-Endpunkte. GoModel übersetzt die Standard-Endpunkte /v1/audio/speech und /v1/audio/transcriptions für Sie in diesen Dialekt.

Konfiguration

XIAOMI_API_KEY=...

Oder in config.yaml:

providers:
  xiaomi:
    type: xiaomi
    base_url: "https://api.xiaomimimo.com/v1"
    api_key: "${XIAOMI_API_KEY}"

Thinking-Modus

MiMo-Modelle denken standardmäßig, was den Token-Verbrauch erhöht. Deaktivieren Sie dies pro Request mit dem MiMo-Parameter thinking – GoModel leitet ihn unverändert weiter:

{"model": "xiaomi/mimo-v2.5-pro", "thinking": {"type": "disabled"}, ...}

Geben Sie in mehrstufigen Unterhaltungen mit Tool Calling das Feld reasoning_content des Assistenten im Nachrichtenverlauf exakt so zurück, wie Sie es erhalten haben. GoModel erhält es in beide Richtungen.

1M-Kontext

Hängen Sie [1m] an eine Modell-ID an (zum Beispiel mimo-v2.5-pro[1m]), um einen Kontext von 1M Tokens zu aktivieren. Diese Varianten werden von der /models-Liste von MiMo meist nicht zurückgegeben. Fügen Sie sie daher der konfigurierten Modellliste hinzu, damit sie geroutet werden können:

XIAOMI_MODELS=mimo-v2.5-pro,mimo-v2.5-pro[1m]

Text-to-Speech und Transkription

MiMo hat keine nativen /audio/*-Endpunkte – TTS (mimo-v2.5-tts, mimo-v2.5-tts-voicedesign, mimo-v2.5-tts-voiceclone) und ASR (mimo-v2.5-asr) laufen über Chat Completions. GoModel stellt beide Wege bereit:

Standard-Audio-Endpunkte – /v1/audio/speech und /v1/audio/transcriptions werden automatisch übersetzt. Speech unterstützt als response_format wav (Standard) und pcm; mp3 – der von OpenAI dokumentierte Standardwert, den manche SDKs explizit senden – wird als „nicht angegeben“ behandelt und mit WAV beantwortet, sodass der Content-Type der Response audio/wav ist. instructions werden zum MiMo-Stil-Prompt, und voice wählt eine voreingestellte Stimme aus. Transkription unterstützt die Response-Formate json (Standard) und text, wobei language an die asr_options von MiMo durchgereicht und temperature an den Chat-Request weitergeleitet wird.
MiMo-Chat-Dialekt – senden Sie Chat Completions direkt: den zu synthetisierenden Text in einer assistant-Nachricht mit einem Top-Level-Parameter audio: {format, voice} oder, für die Transkription, einen input_audio-Content-Part, dessen data eine base64-kodierte data:-URI ist. GoModel leitet diese Formate unverändert weiter.

Von Xiaomi MiMo nicht unterstützt

Alle folgenden Optionen liefern invalid_request_error, statt die Option stillschweigend zu verwerfen:

Embeddings.
Speech-Werte für response_format außer wav/pcm/mp3 (opus, aac, flac) sowie ein nicht standardmäßiger speed-Wert (verwenden Sie instructions, um das Tempo anzupassen).
Die Transkriptionsformate verbose_json/srt/vtt, prompt und timestamp_granularities (MiMo liefert nur reinen Transkripttext).

Requests an MiMo-V2-Flash und V2-TTS werden ab dem 18. Juni 2026 automatisch an die V2.5-Modelle geroutet (zu V2.5-Preisen).

​Konfiguration

​Thinking-Modus

​1M-Kontext

​Text-to-Speech und Transkription

​Von Xiaomi MiMo nicht unterstützt

Konfiguration

Thinking-Modus

1M-Kontext

Text-to-Speech und Transkription

Von Xiaomi MiMo nicht unterstützt