Harga MiMo-V2-Pro & Omni dan Cara Menggunakan API

TL;DR

Harga MiMo-V2-Pro mulai dari $1/1 Juta token input dan $3/1 Juta token output (konteks ≤256K). Harga MiMo-V2-Omni mencakup input multimodal (teks, gambar, audio, video) dalam satu model terpadu. Keduanya diakses melalui API yang kompatibel dengan OpenAI di platform.xiaomimimo.com. Gunakan Apidog untuk uji API secara visual, atau Python untuk integrasi produksi, dan sertakan uji unit untuk setiap integrasi.

Coba Apidog hari ini

💡 Tips: Sebelum menulis kode untuk MiMo-V2-Pro atau Omni API, unduh Apidog gratis. Uji permintaan secara visual, validasi respons, tambahkan uji unit, dan debug penggunaan token tanpa menulis satu baris kode Python atau menghabiskan token.

Rincian Harga MiMo-V2-Pro & Harga MiMo-V2-Omni

Sebelum mulai memanggil API, pahami Harga MiMo-V2-Pro dan Harga Omni. Keduanya memakai struktur harga berbasis token, sangat kompetitif untuk workload produksi.

Harga MiMo-V2-Pro: Berjenjang berdasarkan Panjang Konteks

Panjang Konteks	Input (per 1 Juta token)	Output (per 1 Juta token)
≤ 256K token	$1.00	$3.00
256K – 1 Juta token	$2.00	$6.00

Model ini punya jendela konteks 1 juta token, sangat cocok untuk workload besar (misal: proses basis kode penuh). Untuk penggunaan ≤256K token, Harga MiMo-V2-Pro sangat kompetitif.

Harga MiMo-V2-Omni

Harga Omni mirip MiMo-V2-Pro, dengan tambahan perhitungan token dari input multimodal (teks, gambar, audio, video). Semua token dihitung bersama, sehingga biaya menyesuaikan dengan kompleksitas input.

Untuk tugas berbasis teks, Harga Omni setara dengan Pro. Untuk multimodal, perhatikan jumlah token yang lebih tinggi.

Perbandingan Harga Keluarga MiMo-V2

Model	Input (per 1 Juta)	Output (per 1 Juta)	Jendela Konteks	Modalitas
MiMo-V2-Pro	$1.00 / $2.00*	$3.00 / $6.00*	1 Juta token	Teks
MiMo-V2-Omni	~$1.00*	~$3.00*	256K token	Teks, Gambar, Audio, Video
MiMo-V2-Flash	$0.10	$0.30	256K token	Teks

*Berjenjang atau perkiraan; cek tarif terbaru di platform.xiaomimimo.com

MiMo-V2-Flash paling murah untuk teks. MiMo-V2-Pro unggul untuk reasoning & konteks panjang. MiMo-V2-Omni cocok untuk pipeline multimodal.

Kemampuan API MiMo-V2-Pro & Omni

Sebelum mengimplementasikan, pahami kemampuan tiap model:

MiMo-V2-Pro (khusus teks, reasoning):

• 1 triliun parameter total, 42 miliar aktif.
• Jendela konteks 1 juta token.
• Multi-token prediction (MTP) untuk inferensi cepat.
• Cocok untuk kode, planning, penalaran multi-langkah.
• #1 di Artificial Analysis Intelligence Index (skor 49 vs median 13).
• Performa kuat pada SWE-Bench dan benchmark pengkodean.

MiMo-V2-Omni (multimodal):

• Native memproses teks, gambar, audio, video.
• Encoder gambar/audio terintegrasi.
• Cocok untuk OCR, transkripsi audio, analisis video, reasoning lintas modal.

Akses API di platform.xiaomimimo.com. Endpoint kompatibel dengan OpenAI, jadi bisa langsung ganti di SDK OpenAI.

Cara Menggunakan API dengan Apidog

Apidog cara tercepat eksplorasi cara menggunakan API tanpa kode. Anda dapat mengirim permintaan, periksa respons, dan tulis uji unit dari GUI. Unduh gratis Apidog sebelum mulai.

Menyiapkan Permintaan API MiMo-V2-Pro & Omni di Apidog

Langkah-langkah:

1. Buka Apidog dan buat proyek baru, misal: MiMo-V2 API Tests.
2. Buat permintaan HTTP baru:
   • Metode: POST
   • URL: https://api.xiaomimimo.com/v1/chat/completions
3. Tambahkan header di tab Headers:

Kunci	Nilai
Authorization	Bearer YOUR_MIMO_API_KEY
Content-Type	application/json

1. Atur body permintaan (Body → JSON) contoh MiMo-V2-Pro:

{
  "model": "mimo-v2-pro",
  "messages": [
    {
      "role": "user",
      "content": "Tulis fungsi Python yang memeriksa apakah suatu angka adalah bilangan prima, dan jelaskan cara Anda akan mengujinya dengan uji unit."
    }
  ],
  "temperature": 0.6,
  "max_tokens": 512
}

Untuk MiMo-V2-Omni (dengan input gambar):

{
  "model": "mimo-v2-omni",
  "messages": [
    {
      "role": "user",
      "content": [
        { "type": "text", "text": "Jelaskan apa yang Anda lihat di gambar ini." },
        { "type": "image_url", "image_url": { "url": "https://example.com/diagram.png" } }
      ]
    }
  ],
  "max_tokens": 300
}

1. Klik Kirim. Apidog menampilkan respons lengkap serta penggunaan token untuk pelacakan biaya secara real time.

Menulis Uji Unit untuk API MiMo-V2-Pro & Omni di Apidog

Apidog punya mesin scripting uji otomatis. Setelah permintaan dikirim, buka tab Tests dan tambahkan:

// Uji unit 1: Status HTTP adalah 200
pm.test("Status code is 200", function () {
  pm.response.to.have.status(200);
});

// Uji unit 2: Model yang benar dikembalikan (validasi Harga MiMo-V2-Pro)
pm.test("Model ID is correct", function () {
  const json = pm.response.json();
  pm.expect(json.model).to.include("mimo-v2");
});

// Uji unit 3: Respons berisi pesan asisten
pm.test("Assistant message is present", function () {
  const json = pm.response.json();
  pm.expect(json.choices[0].message.content).to.be.a("string").and.not.empty;
});

// Uji unit 4: Penggunaan token dilaporkan (untuk pelacakan Harga Omni dan Harga Pro)
pm.test("Token usage is present", function () {
  const json = pm.response.json();
  pm.expect(json.usage.total_tokens).to.be.above(0);
});

Dengan uji unit ini, semua aspek penting (status, model, konten, penggunaan token) tervalidasi otomatis setiap kali Kirim. Simpan koleksi dan jalankan di CI menggunakan CLI Apidog.

Cara Menggunakan API dengan Python

Untuk produksi, integrasikan API di Python dan lengkapi dengan uji unit (pytest).

Instalasi

pip install openai pytest

API MiMo kompatibel dengan OpenAI, cukup gunakan SDK openai.

Panggilan API Dasar (MiMo-V2-Pro)

# mimo_client.py
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_MIMO_API_KEY",
    base_url="https://api.xiaomimimo.com/v1"
)

def ask_mimo_pro(prompt: str) -> dict:
    """Panggil MiMo-V2-Pro API dan kembalikan respons terstruktur."""
    response = client.chat.completions.create(
        model="mimo-v2-pro",
        messages=[{"role": "user", "content": prompt}],
        temperature=0.6,
        max_tokens=512
    )
    return {
        "content": response.choices[0].message.content,
        "model": response.model,
        "prompt_tokens": response.usage.prompt_tokens,
        "completion_tokens": response.usage.completion_tokens,
        "total_tokens": response.usage.total_tokens,
    }


if __name__ == "__main__":
    result = ask_mimo_pro("Apa itu uji unit dan mengapa itu penting?")
    print(result["content"])

    # Perkirakan biaya menggunakan Harga MiMo-V2-Pro (tingkat ≤256K)
    input_cost = (result["prompt_tokens"] / 1_000_000) * 1.00
    output_cost = (result["completion_tokens"] / 1_000_000) * 3.00
    print(f"Perkiraan biaya: ${input_cost + output_cost:.6f}")

Uji Unit untuk API MiMo-V2-Pro

# test_mimo_client.py
import pytest
from unittest.mock import patch, MagicMock
from mimo_client import ask_mimo_pro

@pytest.fixture
def mock_mimo_response():
    """Mengejek respons API MiMo-V2-Pro untuk uji unit."""
    mock = MagicMock()
    mock.choices[0].message.content = (
        "Uji unit memverifikasi bahwa satu fungsi berperilaku benar secara terisolasi."
    )
    mock.model = "mimo-v2-pro"
    mock.usage.prompt_tokens = 20
    mock.usage.completion_tokens = 30
    mock.usage.total_tokens = 50
    return mock

@patch("mimo_client.client.chat.completions.create")
def test_returns_content(mock_create, mock_mimo_response):
    """Uji unit: API mengembalikan konten string non-kosong."""
    mock_create.return_value = mock_mimo_response
    result = ask_mimo_pro("Apa itu uji unit?")
    assert isinstance(result["content"], str)
    assert len(result["content"]) > 0

@patch("mimo_client.client.chat.completions.create")
def test_correct_model(mock_create, mock_mimo_response):
    """Uji unit: mengonfirmasi ID model mimo-v2-pro digunakan."""
    mock_create.return_value = mock_mimo_response
    result = ask_mimo_pro("Halo")
    assert result["model"] == "mimo-v2-pro"

@patch("mimo_client.client.chat.completions.create")
def test_token_usage_for_pricing(mock_create, mock_mimo_response):
    """Uji unit: penggunaan token ada untuk pelacakan Harga MiMo-V2-Pro."""
    mock_create.return_value = mock_mimo_response
    result = ask_mimo_pro("Halo")
    assert result["total_tokens"] > 0
    assert result["prompt_tokens"] + result["completion_tokens"] == result["total_tokens"]

Jalankan uji unit:

pytest test_mimo_client.py -v

Output:

test_mimo_client.py::test_returns_content        PASSED
test_mimo_client.py::test_correct_model          PASSED
test_mimo_client.py::test_token_usage_for_pricing PASSED

3 passed in 0.28s

Mengejek API = nol pengeluaran token di CI, sangat penting untuk efisiensi biaya di pipeline otomatis.

Praktik Terbaik API MiMo-V2-Pro & Omni

Agar integrasi API efisien & hemat biaya:

1. Pantau penggunaan token untuk kontrol biaya
   
   Catat prompt_tokens dan completion_tokens per panggilan. Prompt sistem yang panjang = biaya cepat naik. Jaga tetap ringkas.

2. Gunakan Apidog sebelum menulis kode
   
   Prototipe prompt & validasi respons di Apidog sebelum integrasi penuh. Bagikan koleksi permintaan ke tim.

3. Tulis uji unit dari awal
   
   Tambahkan uji unit untuk tiap fungsi yang memanggil API. Pakai unittest.mock atau skrip uji di Apidog untuk cakupan penuh.

4. Pilih model sesuai tugas
   
   Gunakan MiMo-V2-Pro untuk reasoning teks, logika multi-langkah, atau kode. Pilih MiMo-V2-Omni untuk pipeline multimodal (gambar, audio, video).

5. Jaga konteks di bawah 256K jika memungkinkan
   
   Tarif Harga MiMo-V2-Pro naik di atas 256K. Untuk RAG, ambil bagian dokumen yang relevan saja.

6. Manfaatkan OpenAI SDK
   
   Ganti base_url dan model di SDK OpenAI untuk langsung integrasi tanpa SDK baru.

Kesimpulan

Harga MiMo-V2-Pro $1/1 Juta input & $3/1 Juta output menjadikannya salah satu model reasoning paling hemat biaya. Harga Omni memperluas ke multimodal (teks/gambar/audio/video) dalam satu API terpadu.

Baik eksplorasi awal dengan GUI Apidog atau integrasi Python produksi dengan uji unit, MiMo-V2-Pro & MiMo-V2-Omni siap diadopsi developer modern. Mulai dengan Apidog untuk validasi visual sebelum masuk ke kode.

Coba Apidog gratis — tanpa kartu kredit.

FAQ

Berapa Harga MiMo-V2-Pro?

Harga MiMo-V2-Pro adalah $1/1 Juta token input & $3/1 Juta token output (≤256K). Kelebihan 256K–1 Juta: $2/1 Juta input & $6/1 Juta output.

Berapa Harga MiMo-V2-Omni?

Harga Omni setara Pro untuk teks; input gambar/audio/video di-tokenize & ditagih bersama token teks. Cek platform.xiaomimimo.com untuk tarif terbaru.

Bagaimana cara menggunakan MiMo-V2-Pro API?

Gunakan SDK Python OpenAI dengan base_url="https://api.xiaomimimo.com/v1" dan model="mimo-v2-pro". Gunakan Apidog untuk uji visual sebelum kode.

Bagaimana cara menulis uji unit untuk MiMo API?

Ejek klien API dengan unittest.mock di Python, validasi struktur respons. Di Apidog, gunakan tab Tests untuk skrip uji berbasis JavaScript.

Apa perbedaan MiMo-V2-Pro dan MiMo-V2-Omni?

MiMo-V2-Pro: reasoning teks, 1T parameter, konteks 1 Juta token. MiMo-V2-Omni: native multimodal (teks/gambar/audio/video) dalam satu arsitektur.

Bagaimana perbandingan Harga MiMo-V2-Pro & MiMo-V2-Flash?

MiMo-V2-Flash lebih murah ($0.10 input & $0.30 output/1 Juta token), tapi MiMo-V2-Pro jauh lebih kuat untuk reasoning & konteks panjang. Pilih sesuai kompleksitas tugas.

Di mana akses MiMo API?

API tersedia di platform.xiaomimimo.com. Juga bisa lewat OpenRouter & Vercel AI Gateway.