模型超參

推薦引數

下表列出了各 MiMo-V2 模型的推薦引數值：

引數詳解

temperature

控制模型輸出的隨機性。值為 0 時輸出接近確定性結果，值越高則輸出越具創意和多樣性。所有 MiMo-V2 模型的推薦預設值為 1.0。

• 取值範圍： 0.0 到 2.0
• 預設值： 1.0
• 建議： 對於事實性或確定性任務，使用較低的值（如 0.2）。對於創意寫作或頭腦風暴，使用較高的值（如 1.0-1.5）。

top_p

也稱為核取樣（nucleus sampling）。模型會從累積機率達到 top_p 的最小 Token 集合中進行取樣。0.95 表示模型從累積機率至少為 95% 的最小 Token 集合中取樣。

• 取值範圍： 0.0 到 1.0
• 預設值： 0.95
• 建議： 一般情況下，建議只調整 temperature 或 top_p 其中之一，不要同時調整。

max_completion_tokens

模型在單次響應中可以生成的最大 Token 數。當啟用思考模式時，此數值包含可見輸出和內部推理 Token。

• 取值範圍： 因模型而異（見上表）
• 預設值： 1024
• 建議： 請根據預期輸出長度設定足夠大的值。對於複雜推理任務，建議使用較高的值，為模型提供充足的思考空間。

frequency_penalty

根據 Token 在已生成文字中出現的頻率進行懲罰。正值可以減少重複。

• 取值範圍： -2.0 到 2.0
• 預設值： 0
• 建議： 對於較長的輸出，使用較小的正值（如 0.1-0.5）可以減少重複表述。

presence_penalty

根據 Token 是否已在生成的文字中出現過進行懲罰，不考慮出現頻率。正值鼓勵模型引入新話題。

• 取值範圍： -2.0 到 2.0
• 預設值： 0
• 建議： 使用較小的正值可以鼓勵更多樣化的輸出和話題探索。

stream

設定為 true 時，模型會在生成過程中以伺服器傳送事件（SSE）的形式逐步返回部分響應。這為互動式應用提供了更好的使用者體驗，可以增量顯示輸出內容。

• 可選值： true 或 false
• 預設值： false
• 建議： 對於聊天介面和實時應用，建議啟用流式輸出。對於批處理或需要完整響應的場景，可以關閉。

stop

指定一組停止序列，當模型生成到任意一個停止序列時，將停止繼續生成。

• 型別： null 或字串陣列（最多 4 個序列）
• 預設值： null
• 建議： 使用停止序列可以控制輸出格式，例如在特定分隔符或標記處停止生成。