MiMo2API

将小米 MiMo AI Studio 网页端对话转换为 OpenAI 兼容 API，支持多模态（文本 + 图片 + 文件）、工具调用（Function Calling）、Anthropic Messages API、多账号负载均衡。

本项目基于原mimo2api 修改。本项目所修改代码均为ai完成，不含任何一句人工代码，望周知！

📖 English Version

💡 TTS 语音合成和 ASR 语音识别已合并到主分支！ 使用 main 分支即可获得完整功能。

特性

OpenAI 完全兼容 — 标准 /v1/chat/completions（流式/非流式）、/v1/models、/v1/models/{id} 端点，可直接对接 ChatBox、NextChat、LobeChat 等任何 OpenAI 客户端
Anthropic Messages API 兼容 — 完整支持 /v1/messages（流式/非流式）+ count_tokens + batches CRUD + message_get，共 9 个 Anthropic 端点，可对接 RikkaHub 等 Anthropic 客户端
工具调用（Function Calling） — 7 种提取策略覆盖 MiMoML（<|MiMoML|tool_calls>）、MiMo 原生 XML (<tool_call>)、TOOL_CALL 标签、JSON、<function_call> XML、中文格式、自由文本匹配，自动清洗响应中的工具残留
流式筛分 — 有工具调用时实时分离正文与工具调用内容，客户端无需等待完整响应即可逐步接收，RikkaHub 等不再全文缓冲
多模态支持 — omni 模型支持图片输入（URL、base64），自动完成三步上传流程（genUploadInfo → PUT → resource/parse）；所有模型支持文本文件上传（.md / .txt 等），同样走 MiMo 原生上传流程
深度思考 — 支持 reasoning_effort 参数，自动分离 <think> 块输出
多账号池 — 管理面板配置多个 MiMo 账号，轮询负载均衡，自动故障转移
动态模型发现 — 启动时从 MiMo 官方 API 实时拉取可用模型列表，无需手动维护
凭证管理 — 支持 Cookie 导入、cURL 导入两种配置方式
CORS 全开 — 允许任意来源跨域访问
TTS 语音合成 — 兼容 OpenAI /v1/audio/speech 接口，支持冰糖/茉莉/白桦/苏打/Mia/Chloe 6 种音色，支持 voicedesign 自定义音色和 voiceclone 声音克隆
ASR 语音识别 — 兼容 OpenAI Whisper /v1/audio/transcriptions 接口，支持自动语言检测，上传音频即可转文字

架构

┌──────────────────────────────────────────────────────────┐
│                     OpenAI 兼容客户端                        │
│            (ChatBox / LobeChat / curl / SDK)              │
└───────────────┬──────────────────────────────────────────┘
                │  /v1/chat/completions
                ▼
┌──────────────────────────────────────────────────────────┐
│                     MiMo2API (FastAPI)                      │
│  ┌─────────┐  ┌──────────────┐  ┌──────────────────────┐ │
│  │ routes  │  │ tool_sieve │  │  tool_call   │  │     mimo_client      │ │
│  │ (API)   │──│ (流式筛分)  │──│ (5策略提取)   │──│ (HTTP/SSE 代理)       │ │
│  │anthropic │  │ anthropic  │  │    batch     │                      │ │
│  │ (路由)   │  │ (格式转换)  │  │ (存储/批处理) │                      │ │
│  └─────────┘  └──────────────┘  └──────────────────────┘ │
│  ┌─────────┐  ┌──────────────┐  ┌──────────────────────┐ │
│  │ config  │  │    utils     │  │      models           │ │
│  │ (多账号) │  │ (图片上传等)  │  │ (OpenAI 数据模型)     │ │
│  └─────────┘  └──────────────┘  └──────────────────────┘ │
└───────────────┬──────────────────────────────────────────┘
                │  HTTPS (SSE)
                ▼
┌──────────────────────────────────────────────────────────┐
│              MiMo API (aistudio.xiaomimimo.com)           │
│              /open-apis/bot/chat (SSE)                    │
└──────────────────────────────────────────────────────────┘

快速开始

一键部署

# 直接克隆（推荐）
git clone https://github.com/Fly143/MiMo2API.git
cd MiMo2API
chmod +x deploy.sh
./deploy.sh

部署完成后，服务已在前台启动。见下方管理命令了解后台运行等方式。

Docker 部署

docker run -d -p 8080:8080 -v $(pwd)/config.json:/app/config.json ghcr.io/fly143/mimo2api:latest

或使用 docker-compose：

services:
  mimo2api:
    image: ghcr.io/fly143/mimo2api:latest
    ports:
      - "8080:8080"
    volumes:
      - ./config.json:/app/config.json
    restart: unless-stopped

💡 TTS 语音合成和 ASR 语音识别已合并到主分支！ 使用 main 分支即可获得完整功能。

手动安装

# 1. 创建虚拟环境
python3 -m venv venv
source venv/bin/activate

# 2. 安装依赖
pip install -r requirements.txt

# 3. 创建配置文件
cp config.example.json config.json

# 4. 启动
python main.py

启动后访问：http://localhost:8080

配置凭证

打开管理面板 http://localhost:8080 进行配置。

方法1：Cookie 导入

访问 https://aistudio.xiaomimimo.com 并登录
打开 开发者工具 → Application → Storage → Cookies
找到以下三个关键 Cookie：
- serviceToken — 服务凭证（最重要）
- userId — 用户 ID（纯数字）
- xiaomichatbot_ph — 会话标识
填入管理面板 → 保存

提示： serviceToken 有效期很短（约 24 小时），过期后需要重新导入。

方法2：cURL 导入

登录 aistudio.xiaomimimo.com
打开开发者工具 → Network 面板
发送一条消息，找到 chat 请求（SSE 类型）
右键 → Copy as cURL
粘贴到管理面板 → 自动解析并保存

多账号管理

支持添加多个账号，代理会自动轮询使用：

每个请求从账号池取下一个 → 降低单账号限频风险
支持测试连接、删除、替换已有账号
同一个 userId 重复导入会自动更新（不重复添加）

API 使用

1. 列出模型

curl http://localhost:8080/v1/models \
  -H "Authorization: Bearer sk-mimo"

返回模型列表会显示所有 MiMo 官方当前可用的模型。

2. 文本对话

curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer sk-mimo" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5",
    "messages": [
      {"role": "user", "content": "你好，请用中文回复"}
    ]
  }'

3. 流式对话

curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer sk-mimo" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5",
    "messages": [
      {"role": "user", "content": "讲个故事"}
    ],
    "stream": true
  }'

返回标准 SSE 流（data: ...\n\n），以 data: [DONE]\n\n 结束。

4. 多模态（图片理解）

需要选择 omni/v2.5 模型。支持两种图片格式：

URL 方式：

curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer sk-mimo" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "这张图片里有什么？"},
        {"type": "image_url", "image_url": {"url": "https://example.com/photo.jpg"}}
      ]
    }]
  }'

Base64 方式：

curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer sk-mimo" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "描述这张图片"},
        {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ..."}}
      ]
    }]
  }'

原理： 代理会自动完成三步上传流程：genUploadInfo 获取签名 URL → PUT 上传原始数据 → resource/parse 注册解析，然后将 multiMedias 参数传入聊天 API。

5. 文件上传（文本文件）

支持上传文本文件（.md、.txt 等），MiMo 会读取文件内容并基于内容回答：

# 先读取文件并转为 base64
BASE64=$(base64 -w0 yourfile.md)

curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer sk-mimo" \
  -H "Content-Type: application/json" \
  -d "{
    \"model\": \"mimo-v2.5-pro\",
    \"messages\": [{
      \"role\": \"user\",
      \"content\": [
        {\"type\": \"text\", \"text\": \"总结这个文件\"},
        {\"type\": \"file\", \"file\": {\"filename\": \"yourfile.md\", \"file_data\": \"$BASE64\"}}
      ]
    }]
  }"

支持的格式： .txt、.md、.py、.json、.yaml 等纯文本文件。文件走 MiMo 原生上传流程（mediaType: "file"），MiMo 按 token 预算自动读取可用部分。

6. 工具调用（Function Calling）

curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer sk-mimo" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-pro",
    "messages": [
      {"role": "user", "content": "北京今天天气怎么样？"}
    ],
    "tools": [{
      "type": "function",
      "function": {
        "name": "get_weather",
        "description": "查询指定城市的天气",
        "parameters": {
          "type": "object",
          "properties": {
            "city": {"type": "string", "description": "城市名称"}
          },
          "required": ["city"]
        }
      }
    }],
    "tool_choice": "auto"
  }'

成功时返回 finish_reason: "tool_calls"，message.tool_calls 包含结构化的函数调用：

{
  "choices": [{
    "finish_reason": "tool_calls",
    "message": {
      "role": "assistant",
      "content": null,
      "tool_calls": [{
        "id": "call_abc123...",
        "type": "function",
        "function": {
          "name": "get_weather",
          "arguments": "{\"city\": \"北京\"}"
        }
      }]
    }
  }]
}

7. 深度思考模式

使用 reasoning_effort 参数启用深度思考：

curl http://localhost:8080/v1/chat/completions \
  -H "Authorization: Bearer sk-mimo" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-pro",
    "messages": [
      {"role": "user", "content": "证明根号2是无理数"}
    ],
    "reasoning_effort": "high",
    "stream": true
  }'

流式响应中会包含 reasoning 字段（对应 MiMo 的 <think> 块），内容与文本分开输出。

7. 模型发现与刷新

模型列表启动时自动探测，从 https://aistudio.xiaomimimo.com/open-apis/bot/config 实时拉取，无需手动配置。

# 强制刷新模型列表
curl -X POST http://localhost:8080/v1/models/refresh \
  -H "Authorization: Bearer sk-mimo"

8. Responses API

OpenAI 最新 Responses API 格式，/v1/responses 端点：

curl http://localhost:8080/v1/responses \
  -H "Authorization: Bearer sk-mimo" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-pro",
    "input": [
      {"role": "user", "content": "你好"}
    ]
  }'

支持流式（"stream": true）、工具调用、深度思考、系统指令等，详见下方 Responses API 详解。

9. Anthropic Messages API

MiMo2API v2.0.0 新增 Anthropic Messages API 完整兼容支持。只需将 API 地址和密钥换过来即可：

# 非流式对话
curl -X POST http://localhost:8080/v1/messages \
  -H "x-api-key: sk-mimo" \
  -H "Content-Type: application/json" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "mimo-v2.5",
    "max_tokens": 1024,
    "messages": [
      {"role": "user", "content": "你好"}
    ]
  }'

# 流式对话
curl -N -X POST http://localhost:8080/v1/messages \
  -H "x-api-key: sk-mimo" \
  -H "Content-Type: application/json" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "mimo-v2.5",
    "max_tokens": 1024,
    "stream": true,
    "messages": [
      {"role": "user", "content": "讲个故事"}
    ]
  }'

支持的端点（9 个）

端点	方法	说明
`/v1/messages`	POST	发消息（流式/非流式，含思考链）
`/v1/messages/count_tokens`	POST	计算 token 数（本地估算，需 tiktoken）
`/v1/messages/{message_id}`	GET	查询已存储的消息
`/v1/messages/batches`	POST	创建批量任务
`/v1/messages/batches`	GET	批量任务列表
`/v1/messages/batches/{batch_id}`	GET	批量任务详情
`/v1/messages/batches/{batch_id}/cancel`	POST	取消批量任务
`/v1/messages/batches/{batch_id}/results`	GET	下载结果 JSONL
`/v1/messages/batches/{batch_id}`	DELETE	删除批量任务

Anthropic 模型名映射

Claude Code CLI 等工具期望 Anthropic 风格的模型名，无法直接使用 mimo-* 原生名。本代理在 Anthropic 端点内部自动映射：

Claude 模型名	→ MiMo 内部模型
`claude-opus-4-6`	`mimo-v2.5-pro`
`claude-sonnet-4-6`	`mimo-v2.5`
`claude-haiku-4-5`	`mimo-v2.5`
`claude-sonnet-4-5`	`mimo-v2.5`
`claude-opus-4-1`	`mimo-v2.5-pro`
`claude-opus-4-0`	`mimo-v2.5-pro`
`claude-sonnet-4-0`	`mimo-v2.5`
`claude-3-7-sonnet`	`mimo-v2.5`
`claude-3-5-sonnet`	`mimo-v2.5`
`claude-3-opus`	`mimo-v2.5-pro`
`claude-3-sonnet`	`mimo-v2.5`
`claude-3-haiku`	`mimo-v2.5`

⚠️ 重要提醒： 建议选择 2.5 系列模型（mimo-v2.5-pro、mimo-v2.5、mimo-v2.5-tts、mimo-v2.5-asr 等）。MiMo 网页版已只提供 2.5 系列，使用其他旧版模型可能导致账号被封禁。

也支持 search/nothinking 变体。MiMo 原生名（mimo-*）继续直接使用，/v1/models 返回不变，不影响其他软件。

认证

Anthropic 客户端使用 x-api-key 头（RikkaHub 自动切换），也兼容 Authorization: Bearer：

# x-api-key（Anthropic 原生）
curl -H "x-api-key: sk-mimo" ...

# Authorization Bearer（向后兼容）
curl -H "Authorization: Bearer sk-mimo" ...

思考链

MiMo 的 <think> 标签内容自动转换为 Anthropic thinking block。流式响应按 thinking → text → tool_use 顺序输出 content blocks：

message_start
  content_block_start (thinking)
    content_block_delta (thinking_delta ×N)
  content_block_stop
  content_block_start (text)
    content_block_delta (text_delta ×N)
  content_block_stop
message_delta + message_stop

工具调用

支持 Anthropic 格式的工具定义（input_schema → OpenAI parameters 自动转换）：

curl -X POST http://localhost:8080/v1/messages \
  -H "x-api-key: sk-mimo" \
  -H "Content-Type: application/json" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "mimo-v2.5",
    "max_tokens": 1024,
    "messages": [
      {"role": "user", "content": "现在几点"}
    ],
    "tools": [{
      "name": "get_time",
      "description": "获取当前时间",
      "input_schema": {"type": "object", "properties": {}}
    }]
  }'

返回 Anthropic 格式的 tool_use blocks：

{
  "content": [
    {"type": "tool_use", "id": "tu_xxx", "name": "get_time", "input": {}}
  ],
  "stop_reason": "tool_use"
}

注意： MiMo 的工具调用基于文本 TOOL_CALL 格式模拟，非原生 function calling。

TTS 语音合成

端点：POST /v1/audio/speech（OpenAI 兼容）

语音合成（文本转语音）支持将输入的文本自动转换为自然流畅的语音输出。支持预置音色、音色设计、声音克隆等多种模式。

📖 官方文档

支持的模型

Model ID	功能	音色	注意事项
`mimo-v2.5-tts`	使用预置精品音色进行语音合成	预置音色列表	支持唱歌模式，不支持音色设计与音色复刻
`mimo-v2.5-tts-voicedesign`	通过文本描述定制音色	文本描述自动生成	不支持唱歌模式、预置音色与音色复刻
`mimo-v2.5-tts-voiceclone`	基于音频样本复刻任意音色	音频样本精准复刻	不支持唱歌模式、预置音色与音色设计

基本用法

curl -X POST http://localhost:8080/v1/audio/speech \
  -H "Authorization: Bearer ***" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-tts",
    "input": "你好，世界！",
    "voice": "alloy"
  }' \
  --output speech.wav

参数

参数	类型	默认值	说明
model	string	mimo-v2.5-tts	模型名
input	string	(必需)	要合成的文本
voice	string	alloy	音色名（预置音色或 base64 音频）
speed	float	1.0	语速 (0.5-2.0)
response_format	string	wav	返回格式
style	string	(空)	voicedesign 模型的音色描述

预置音色

仅 mimo-v2.5-tts 模型支持预置音色。

OpenAI 音色	MiMo Voice ID	语言	性别
alloy	冰糖	中文	女性
echo	茉莉	中文	女性
fable	白桦	中文	男性
onyx	苏打	中文	男性
nova	Mia	英文	女性
shimmer	Chloe	英文	女性
-	Milo	英文	男性
-	Dean	英文	男性

💡 也可直接使用 MiMo 原生音色 ID（如 mimo_default、冰糖）作为 voice 参数。

风格控制

支持通过自然语言或标签控制语音风格：

自然语言控制： 在 style 参数中描述想要的风格

curl -X POST http://localhost:8080/v1/audio/speech \
  -H "Authorization: Bearer ***" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-tts",
    "input": "今天天气真好啊！",
    "voice": "alloy",
    "style": "用轻快上扬的语调，语速稍快，带着开心的情绪"
  }' \
  --output speech.wav

标签控制： 在文本开头嵌入风格标签

curl -X POST http://localhost:8080/v1/audio/speech \
  -H "Authorization: Bearer ***" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-tts",
    "input": "(温柔)你好，欢迎来到小米之家。",
    "voice": "alloy"
  }' \
  --output speech.wav

支持的风格标签：

类型	示例
基础情绪	开心/悲伤/愤怒/恐惧/惊讶/兴奋/委屈/平静/冷漠
复合情绪	怅然/欣慰/无奈/愧疚/释然/嫉妒/厌倦/忐忑/动情
整体语调	温柔/高冷/活泼/严肃/慵懒/俏皮/深沉/干练/凌厉
音色定位	磁性/醇厚/清亮/空灵/稚嫩/苍老/甜美/沙哑/醇雅
人设腔调	夹子音/御姐音/正太音/大叔音/台湾腔
方言	东北话/四川话/河南话/粤语
角色扮演	孙悟空/林黛玉
唱歌	唱歌/sing/singing

唱歌模式： 在文本最开头添加 (唱歌) 标签，格式为：(唱歌)歌词

音频细粒度标签： 可在文本中任意位置插入 [音频标签] 进行精细控制：

语速与节奏：[吸气]/[深呼吸]/[叹气]/[长叹一口气]
情绪状态：[紧张]/[害怕]/[激动]/[疲惫]/[撒娇]
语音特征：[颤抖]/[变调]/[破音]/[气声]/[沙哑]
哭笑表达：[笑]/[轻笑]/[大笑]/[冷笑]/[抽泣]/[哽咽]

自定义音色 (voicedesign)

通过文本描述自动生成音色：

curl -X POST http://localhost:8080/v1/audio/speech \
  -H "Authorization: Bearer ***" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-tts-voicedesign",
    "input": "你好，世界！",
    "voice": "alloy",
    "style": "温柔甜美的女声，语速适中"
  }' \
  --output speech.wav

声音克隆 (voiceclone)

基于音频样本复刻任意音色，voice 参数传入参考音频的 base64 编码：

curl -X POST http://localhost:8080/v1/audio/speech \
  -H "Authorization: Bearer ***" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-tts-voiceclone",
    "input": "这是克隆声音后生成的语音。",
    "voice": "data:audio/wav;base64,UklGRi..."
  }' \
  --output speech.wav

ASR 语音识别

端点：POST /v1/audio/transcriptions（OpenAI Whisper 兼容）

语音识别支持将输入的音频自动转换为文本输出，适用于会议转写、歌词识别、方言转写、嘈杂环境录音等场景。

📖 官方文档

支持的模型

当前仅支持 mimo-v2.5-asr 模型。

核心能力

多语种识别 — 支持中英双语识别及自动语种检测，原生支持粤语、吴语、闽南语、四川话等中国方言
高鲁棒性 — 在噪声、远场拾音、多人重叠对话等复杂声学条件下保持稳定识别，支持带伴奏的歌词转写
精准识别 — 精准识别古诗词、专业术语、人名地名等知识密集型内容，自动生成标点无需后处理

基本用法

curl -X POST http://localhost:8080/v1/audio/transcriptions \
  -H "Authorization: Bearer ***" \
  -F "file=@audio.mp3" \
  -F "language=auto"

{"text": "识别出的文本内容"}

参数

参数	类型	默认值	说明
file	file	(必需)	音频文件 (wav/mp3)
model	string	mimo-v2.5-asr	模型名 (可忽略)
language	string	auto	语言代码 (auto/zh/en 等)
response_format	string	json	返回格式: json 或 text

支持的音频格式

目前支持 wav 和 mp3 格式的音频样本文件，传入前需将音频文件转换为 Base64 编码字符串，Base64 编码后的字符串大小上限为 10MB。

格式	MIME 类型
wav	audio/wav
mp3	audio/mpeg

使用示例

# 识别中文音频
curl -X POST http://localhost:8080/v1/audio/transcriptions \
  -H "Authorization: Bearer ***" \
  -F "file=@meeting.wav" \
  -F "language=zh"

# 识别英文音频
curl -X POST http://localhost:8080/v1/audio/transcriptions \
  -H "Authorization: Bearer ***" \
  -F "file=@speech.mp3" \
  -F "language=en"

# 自动检测语言
curl -X POST http://localhost:8080/v1/audio/transcriptions \
  -H "Authorization: Bearer ***" \
  -F "file=@audio.wav" \
  -F "language=auto"

工具调用详解

MiMo API 本身不支持 OpenAI function calling 格式。本代理通过MiMoML 提示词注入 + 5 策略提取实现：

提示词注入

将 OpenAI tools 定义转换为 MiMoML（MiMo Markup Language）格式，注入到 system 消息中：

<|MiMoML|tool_calls>
  <|MiMoML|invoke name="get_weather">
    <|MiMoML|parameter name="city"><![CDATA[北京]]></|MiMoML|parameter>
  </|MiMoML|invoke>
</|MiMoML|tool_calls>

5 种提取策略（按优先级）

策略	格式	说明
MiMoML	`<\|MiMoML\|tool_calls><\|MiMoML\|invoke name="X">...</\|MiMoML\|invoke></\|MiMoML\|tool_calls>`	主力格式，7 种噪声变体容错
TOOL_CALL	`TOOL_CALL: name(key=value)`	旧格式兜底
JSON	`{"name":"x","arguments":{...}}`	JSON 块解析
XML	`<tool_call><function=NAME><parameter=K>V</parameter></function></tool_call>`	MiMo 原生 XML
混合	`<function_call>{"name":"x","arguments":{...}}</function_call>`	XML 包裹 JSON

容错能力

噪声容错 — 支持缺管道、重复 <、全宽 ｜、连字符 mimoml- 等 7 种格式变体
围栏代码块 — 自动跳过 markdown 代码块内的 MiMoML 示例
JSON 修复 — 未加引号 key、缺失数组括号、非法反斜杠自动修复
Schema 归一化 — 根据 tool schema 将非字符串值自动转为字符串
CDATA 保护 — content/command/prompt 等文本参数保留原始字符串
缺失开标签 — 有关闭标签无开头时自动补回

响应清理

提取成功后，自动清理响应中的工具残留文本（MiMoML 标签、XML 标签、TOOL_CALL 行、JSON 块、CDATA）。

流式筛分

有工具调用且 stream: true 时，tool_sieve 引擎逐字扫描 MiMo 响应流，实时分离正文内容和工具调用文本：

正文 → 即时转为 delta.content 逐块输出，客户端无需等待即可显示
工具调用 → 缓冲至流结束后解析，然后作为 tool_calls 一次性输出

非筛分模式（无工具流、非流）不受影响，保持原有逻辑。筛选检测支持三种格式：TOOL_CALL:、<tool_call>、<function=，同时白名单排除 <think> 深度思考标签。

Responses API 详解

端点：POST /v1/responses

MiMo2API 完整实现了 OpenAI Responses API 格式，支持与 Chat Completions 相同的底层能力。

与 Chat Completions 的区别

	Chat Completions	Responses API
端点	`/v1/chat/completions`	`/v1/responses`
消息字段	`messages`	`input`
系统指令	`messages[role=system]`	`instructions`
工具格式	`tool.function.name`	`tool.name`
响应格式	`choices[0].message`	`output[]` 数组
思考内容	`reasoning_content`	`output[type=reasoning]`
工具调用	`message.tool_calls`	`output[type=function_call]`

基本用法

# 非流式
curl http://localhost:8080/v1/responses \
  -H "Authorization: Bearer sk-mimo" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-pro",
    "input": [{"role": "user", "content": "你好"}]
  }'

# 流式（SSE）
curl http://localhost:8080/v1/responses \
  -H "Authorization: Bearer sk-mimo" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-pro",
    "input": [{"role": "user", "content": "讲个故事"}],
    "stream": true
  }'

工具调用

curl http://localhost:8080/v1/responses \
  -H "Authorization: Bearer sk-mimo" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-pro",
    "input": [{"role": "user", "content": "现在几点"}],
    "tools": [{
      "type": "function",
      "name": "get_time",
      "description": "获取当前时间",
      "parameters": {
        "type": "object",
        "properties": {
          "timezone": {"type": "string"}
        }
      }
    }]
  }'

注意工具格式： Responses API 的 tools 没有 function 嵌套层，name 直接在顶层（不同于 Chat Completions 的 tool.function.name）。MiMo2API 兼容两种格式。

响应格式

{
  "output": [
    {
      "type": "reasoning",
      "summary": [{"type": "summary_text", "text": "模型思考内容..."}]
    },
    {
      "type": "function_call",
      "id": "fc_abc123...",
      "call_id": "call_xyz789...",
      "name": "get_time",
      "arguments": "{}"
    },
    {
      "type": "message",
      "role": "assistant",
      "status": "completed",
      "content": [{"type": "output_text", "text": "现在是..."}]
    }
  ]
}

output 按顺序包含：reasoning（如有）→ function_call（如有）→ message。

管理命令

# 前台运行（Ctrl+C 停止）
./venv/bin/python main.py

# 后台运行
nohup ./venv/bin/python main.py > mimo.log 2>&1 &
echo $! > mimo.pid

# 从 PID 文件停止
kill $(cat mimo.pid)

# 按进程名停止
pkill -f "python main.py"

# 查看实时日志
tail -f mimo.log

# 查看进程状态
ps aux | grep "python main.py"

# 查看端口占用
lsof -i :8080

启动后：

地址	说明
`http://localhost:8080`	Web 管理后台（配置账号）
`http://localhost:8080/v1`	OpenAI + Anthropic 兼容 API 根路径
`http://localhost:8080/docs`	Swagger API 文档
`http://localhost:8080/v1/messages`	Anthropic Messages API
`http://localhost:8080/v1/responses`	OpenAI Responses API

项目结构

MiMo2API/
├── main.py                  # 入口，FastAPI 应用创建 + uvicorn 启动
├── deploy.sh                # 一键部署脚本（安装依赖、初始化配置）
├── requirements.txt         # Python 依赖
├── config.example.json      # 配置文件模板
├── config.json              # 实际配置（.gitignore，含凭证）
├── app/
    ├── __init__.py
    ├── routes.py            # API 路由（chat/models/管理面板/账号CRUD）
    ├── anthropic_routes.py  # Anthropic Messages API 路由（9 个端点）
    ├── anthropic.py         # Anthropic ↔ OpenAI 格式转换核心
    ├── batch.py             # Anthropic 批量任务 + count_tokens
    ├── models.py            # OpenAI 兼容数据模型（Pydantic）
    ├── mimo_client.py       # MiMo API 客户端（HTTP SSE 流处理）
    ├── config.py            # 配置管理（多账号、线程安全、轮询）
    ├── utils.py             # 工具函数（cURL解析、图片上传、消息构建）
    ├── tool_sieve.py        # 流式筛分引擎（实时分离工具调用与正文）
    ├── tool_call.py         # 工具调用（提示词注入 + 5策略提取 + 清理）
    ├── usage_store.py       # 用量数据持久化
    ├── session_store.py     # 会话管理（指纹续接 conversationId）
    ├── response_store.py    # Responses API 记录持久化
    └── web/
        └── index.html       # Web 管理面板

配置参考

config.json 完整配置项：

{
  "api_keys": "sk-mimo,sk-another",
  "mimo_accounts": [
    {
      "service_token": "eyJ...",
      "user_id": "123456",
      "xiaomichatbot_ph": "abc123...",
      "is_valid": true,
      "login_time": "04-26 17:00",
      "last_test": "04-26 17:05"
    }
  ],
  "models": []
}

配置项	说明	默认值
`api_keys`	逗号分隔的 API Key 列表	`sk-mimo`
`mimo_accounts`	MiMo 账号列表（可多个）	`[]`
`models`	自定义模型列表（空数组=自动探测）	`[]`

环境变量： PORT — 监听端口（默认 8080）

依赖

Python 3.10+
FastAPI 0.115
uvicorn 0.32
httpx 0.27
Pydantic v1

pip install -r requirements.txt

限制与已知问题

限制	说明
Token 有效期 & 静默降级	serviceToken 约 24 小时过期。过期后基础聊天（2.5 系列）可能仍然正常，但 mimo-v2.5 / mimo-v2.5 多模态识图会静默失效。管理面板"测试连接"只检查普通 chat 端点，无法发现此问题。修复需网页端退出并重新登录，见下方 FAQ
多模态模型	`mimo-v2.5` / `mimo-v2.5` 支持识图；全系模型支持文件上传与图片 OCR 文字提取
并发限制	取决于 MiMo 服务端限制（通常 1-2 并发/账号），多账号可缓解
不支持 Embeddings	仅实现 Chat Completions 和 Responses 端点
非流式实际走 SSE	MiMo API 只提供 SSE 流，非流式请求会缓冲全部 SSE 后合并返回

常见问题

Q: 为什么返回 401 "invalid api key"？ A: 检查 Authorization header 是否携带了正确的 API Key。默认是 sk-mimo，可在 config.json 中修改。

Q: 为什么返回 503 "no mimo account"？ A: 管理面板中没有配置账号，或者所有账号都已失效。请登录 http://localhost:8080 添加有效账号。

Q: 图片上传失败怎么办？模型说"没有看到图片"？
A: 通常是因为服务端 session 状态异常，仅重新获取 Cookie 无效。正确步骤：

浏览器打开 https://aistudio.xiaomimimo.com
退出登录（必须退出，不能只刷新页面）
重新登录
在管理面板重新导入 Cookie
如果是账号被限制，换另一个账号。

Q: mimo-v2.5 / mimo-v2.5 多模态识图突然失效，但测试连接显示正常？
A: 这是 serviceToken 过期后的静默降级现象。MiMo API 对多模态识图的凭证校验比普通聊天严格。Token 过期后：

基础聊天（2.5 系列）可能仍能正常使用
管理面板"测试连接"也显示正常（它只检查普通 chat 端点）
但多模态识图会返回胡说八道的结果或报错

症状判断： 如果普通对话正常，但多模态识图突然失效，大概率是凭证过期。
修复： 同上——网页端退出重新登录，再导入新 Cookie。如果换了新 Cookie 仍无效，换另一个账号试试。

Q: tool_call 没有被提取？ A: 查看日志确认响应内容。如果 MiMo 没有按预期输出工具调用格式，可能是提示词不够清晰，或者该模型理解力有限。推荐使用 mimo-v2.5-pro 进行工具调用。

Q: 可以部署到公网吗？ A: 可以，但注意修改默认 API Key（sk-mimo 太简单），建议使用 Nginx 反向代理 + HTTPS。

许可

MIT License

致谢：

小米 MiMo AI Studio 提供的基础 API 服务。
GoblinHonest/mimo2api_mimoapi — 会话管理（消息指纹续接 MiMo conversationId）设计参考。
CJackHwang/ds2api — DSML 工具调用格式与流式筛分引擎设计参考。

FilesExpand file tree

README.md

Latest commit

History

README.md

File metadata and controls

MiMo2API

目录

特性

架构

快速开始

一键部署

Docker 部署

手动安装

配置凭证

方法1：Cookie 导入

方法2：cURL 导入

多账号管理

API 使用

1. 列出模型

2. 文本对话

3. 流式对话

4. 多模态（图片理解）

5. 文件上传（文本文件）

6. 工具调用（Function Calling）

7. 深度思考模式

7. 模型发现与刷新

8. Responses API

9. Anthropic Messages API

支持的端点（9 个）

Anthropic 模型名映射

认证

思考链

工具调用

TTS 语音合成

支持的模型

基本用法

参数

预置音色

风格控制

自定义音色 (voicedesign)

声音克隆 (voiceclone)

ASR 语音识别

支持的模型

核心能力

基本用法

参数

支持的音频格式

使用示例

工具调用详解

提示词注入

5 种提取策略（按优先级）

容错能力

响应清理

流式筛分

Responses API 详解

与 Chat Completions 的区别

基本用法

工具调用

响应格式

管理命令

项目结构

配置参考

依赖

限制与已知问题

常见问题

许可