模型超参

推荐参数

下表列出了各 MiMo-V2 模型的推荐参数值：

参数详解

temperature

控制模型输出的随机性。值为 0 时输出接近确定性结果，值越高则输出越具创意和多样性。所有 MiMo-V2 模型的推荐默认值为 1.0。

• 取值范围： 0.0 到 2.0
• 默认值： 1.0
• 建议： 对于事实性或确定性任务，使用较低的值（如 0.2）。对于创意写作或头脑风暴，使用较高的值（如 1.0-1.5）。

top_p

也称为核采样（nucleus sampling）。模型会从累积概率达到 top_p 的最小 Token 集合中进行采样。0.95 表示模型从累积概率至少为 95% 的最小 Token 集合中采样。

• 取值范围： 0.0 到 1.0
• 默认值： 0.95
• 建议： 一般情况下，建议只调整 temperature 或 top_p 其中之一，不要同时调整。

max_completion_tokens

模型在单次响应中可以生成的最大 Token 数。当启用思考模式时，此数值包含可见输出和内部推理 Token。

• 取值范围： 因模型而异（见上表）
• 默认值： 1024
• 建议： 请根据预期输出长度设置足够大的值。对于复杂推理任务，建议使用较高的值，为模型提供充足的思考空间。

frequency_penalty

根据 Token 在已生成文本中出现的频率进行惩罚。正值可以减少重复。

• 取值范围： -2.0 到 2.0
• 默认值： 0
• 建议： 对于较长的输出，使用较小的正值（如 0.1-0.5）可以减少重复表述。

presence_penalty

根据 Token 是否已在生成的文本中出现过进行惩罚，不考虑出现频率。正值鼓励模型引入新话题。

• 取值范围： -2.0 到 2.0
• 默认值： 0
• 建议： 使用较小的正值可以鼓励更多样化的输出和话题探索。

stream

设置为 true 时，模型会在生成过程中以服务器发送事件（SSE）的形式逐步返回部分响应。这为交互式应用提供了更好的用户体验，可以增量显示输出内容。

• 可选值： true 或 false
• 默认值： false
• 建议： 对于聊天界面和实时应用，建议启用流式输出。对于批处理或需要完整响应的场景，可以关闭。

stop

指定一组停止序列，当模型生成到任意一个停止序列时，将停止继续生成。

• 类型： null 或字符串数组（最多 4 个序列）
• 默认值： null
• 建议： 使用停止序列可以控制输出格式，例如在特定分隔符或标记处停止生成。