> ## Documentation Index
> Fetch the complete documentation index at: https://gomodel.enterpilot.io/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Xiaomi MiMo

> Skonfiguruj Xiaomi MiMo w GoModel: tryb thinking, sufiks kontekstu [1m] i mapowanie TTS/ASR na standardowe endpointy audio.

Xiaomi MiMo udostępnia API czatu kompatybilne z OpenAI z kilkoma odstępstwami
w dialekcie: tryb thinking jest domyślnie włączony, kontekst 1M wybiera się
sufiksem w ID modelu, a TTS/ASR działają przez chat completions zamiast przez
dedykowane endpointy audio. GoModel tłumaczy za Ciebie standardowe endpointy
`/v1/audio/speech` i `/v1/audio/transcriptions` na ten dialekt.

## Konfiguracja

```bash theme={null}
XIAOMI_API_KEY=...
```

Albo w `config.yaml`:

```yaml theme={null}
providers:
  xiaomi:
    type: xiaomi
    base_url: "https://api.xiaomimimo.com/v1"
    api_key: "${XIAOMI_API_KEY}"
```

## Tryb thinking

Modele MiMo domyślnie korzystają z thinking, co zwiększa zużycie tokenów.
Wyłącz go dla pojedynczego requestu parametrem `thinking` MiMo – GoModel
przekazuje go bez zmian:

```json theme={null}
{"model": "xiaomi/mimo-v2.5-pro", "thinking": {"type": "disabled"}, ...}
```

W wieloturowych rozmowach z tool calling odtwarzaj w historii wiadomości pole
`reasoning_content` asystenta dokładnie w takiej postaci, w jakiej je
otrzymałeś. GoModel zachowuje je w obu kierunkach.

## Kontekst 1M

Dopisz `[1m]` do ID modelu (na przykład `mimo-v2.5-pro[1m]`), aby włączyć
kontekst 1M tokenów. Te warianty zwykle nie są zwracane przez listę `/models`
MiMo, więc dodaj je do skonfigurowanej listy modeli, aby dało się do nich
routować requesty:

```bash theme={null}
XIAOMI_MODELS=mimo-v2.5-pro,mimo-v2.5-pro[1m]
```

## Zamiana tekstu na mowę i transkrypcja

MiMo nie ma natywnych endpointów `/audio/*` – TTS (`mimo-v2.5-tts`,
`mimo-v2.5-tts-voicedesign`, `mimo-v2.5-tts-voiceclone`) i ASR
(`mimo-v2.5-asr`) działają przez chat completions. GoModel udostępnia oba
sposoby:

* **Standardowe endpointy audio** – `/v1/audio/speech` i
  `/v1/audio/transcriptions` są tłumaczone automatycznie. Synteza mowy obsługuje
  `response_format` `wav` (domyślnie) i `pcm`; `mp3` – udokumentowana przez
  OpenAI wartość domyślna, którą niektóre SDK wysyłają jawnie – jest traktowane
  jako „nieokreślone” i obsługiwane jako WAV, więc `Content-Type` odpowiedzi to
  `audio/wav`. `instructions` stają się promptem stylu MiMo, a `voice` wybiera
  predefiniowany głos. Transkrypcja obsługuje
  formaty odpowiedzi `json` (domyślnie) i `text`, przy czym `language` jest
  przekazywane do `asr_options` MiMo, a `temperature` do requestu czatu.
* **Dialekt czatu MiMo** – wysyłaj chat completions bezpośrednio: tekst do
  syntezy w wiadomości `assistant` z parametrem najwyższego poziomu
  `audio: {format, voice}` albo, przy transkrypcji, część treści `input_audio`,
  której `data` to URI `data:` w base64. GoModel przekazuje te struktury bez
  zmian.

## Funkcje nieobsługiwane przez Xiaomi MiMo

Wszystkie poniższe zwracają `invalid_request_error`, zamiast po cichu pomijać
opcję:

* Embeddingi.
* Wartości `response_format` syntezy mowy inne niż `wav`/`pcm`/`mp3` (`opus`, `aac`,
  `flac`) oraz niedomyślne `speed` (do regulacji tempa użyj `instructions`).
* Formaty transkrypcji `verbose_json`/`srt`/`vtt`, `prompt` oraz
  `timestamp_granularities` (MiMo zwraca wyłącznie zwykły tekst transkrypcji).

> [!NOTE]
>
> Od 18 czerwca 2026 requesty do MiMo-V2-Flash i V2-TTS są automatycznie
> kierowane do modeli V2.5 (po cenach V2.5).


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.