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

TL;DR

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

Pendahuluan

Xiaomi merilis tiga model AI baru pada 18 Maret 2026 dan komunitas pengembang dengan cepat memperhatikannya. MiMo-V2-Pro dan MiMo-V2-Omni adalah dua rilis unggulan: yang satu dibangun untuk penalaran agenik mendalam, yang lain untuk pemahaman multimodal sejati. Jika Anda mencoba mencari tahu Harga MiMo-V2-Pro, Harga Omni, atau sekadar cara menggunakan API dalam tumpukan teknologi Anda, panduan ini akan membantu Anda. Kami akan menguraikan tingkat harga lengkap, menelusuri kemampuan API, dan menunjukkan dua jalur integrasi — alur kerja berbasis GUI dengan Apidog dan pendekatan Python dengan uji unit untuk memvalidasi pengaturan Anda.

💡

Sebelum menulis kode untuk MiMo-V2-Pro atau Omni API, unduh Apidog secara gratis. Anda dapat menguji permintaan secara visual, memvalidasi respons, menambahkan pernyataan uji unit, dan men-debug penggunaan token secara instan — semuanya tanpa menghabiskan token atau menulis satu baris kode Python pun.

button

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

Memahami Harga MiMo-V2-Pro dan Harga Omni adalah langkah pertama sebelum Anda mulai memanggil API. Kedua model menggunakan harga berbasis token berjenjang, dan struktur biayanya cukup kompetitif sehingga layak dipertimbangkan serius untuk beban kerja produksi.

Harga MiMo-V2-Pro: Berjenjang berdasarkan Panjang Konteks

Harga MiMo-V2-Pro dibagi menjadi dua tingkatan berdasarkan seberapa banyak konteks yang Anda gunakan per permintaan:

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

Struktur berjenjang ini mencerminkan jendela konteks 1 juta token model — salah satu yang terbesar yang tersedia. Untuk sebagian besar beban kerja yang berada di bawah 256K token, Harga MiMo-V2-Pro sangat kompetitif: output seharga $3/1 Juta hanya 1/8 dari harga Claude Opus. Untuk tugas jangka panjang seperti memproses basis kode lengkap atau urutan perencanaan yang diperluas, tingkatan 256K–1 Juta berlaku.

Harga MiMo-V2-Omni

Harga Omni mengikuti struktur yang mirip dengan MiMo-V2-Pro, dengan pertimbangan tambahan untuk input multimodal. MiMo-V2-Omni secara native memproses teks, gambar, audio, dan video dalam arsitektur terpadu — bukan sebagai modul terpisah yang ditambahkan. Token gambar dan audio dihitung bersamaan dengan token teks, sehingga Harga Omni menyesuaikan dengan kekayaan input Anda.

Untuk tugas teks murni, Harga Omni sebanding dengan MiMo-V2-Pro. Untuk beban kerja multimodal, harapkan jumlah token yang lebih tinggi per permintaan karena tokenisasi gambar dan audio.

Perbandingan Harga Keluarga MiMo-V2

Untuk menempatkan Harga MiMo-V2-Pro dan Harga Omni dalam konteks:

Model	Input (per 1 Juta token)	Output (per 1 Juta token)	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; verifikasi tarif saat ini di platform.xiaomimimo.com

MiMo-V2-Flash adalah opsi termurah untuk tugas teks murni. MiMo-V2-Pro adalah pilihan tepat saat Anda membutuhkan penalaran mendalam dan konteks panjang. MiMo-V2-Omni adalah pilihan untuk pipeline multimodal di mana Harga Omni mencakup semua jenis input dalam satu panggilan API.

Kemampuan API MiMo-V2-Pro & Omni

Sebelum Anda mempelajari cara menggunakan API, ada baiknya Anda mengetahui apa yang sebenarnya dilakukan oleh setiap model.

MiMo-V2-Pro adalah model penalaran unggulan Xiaomi yang dibangun untuk "era agen". Spesifikasi utama:

1 triliun parameter total, 42 miliar aktif (3x lebih besar dari MiMo-V2-Flash)
Jendela konteks 1 juta token menangani basis kode lengkap dan urutan perencanaan panjang
Prediksi Multi-Token (MTP) untuk inferensi yang lebih cepat
Dirancang untuk penalaran multi-langkah otonom, eksekusi alat, dan tugas rekayasa perangkat lunak
Peringkat #1 di antara 160 model dalam tingkat harganya pada Artificial Analysis Intelligence Index (skor: 49 vs. median 13)
Performa kuat pada SWE-Bench dan benchmark pengkodean

MiMo-V2-Omni adalah model fondasi multimodal Xiaomi:

Secara native memproses teks, gambar, audio, dan video dalam arsitektur terpadu
Encoder gambar dan audio khusus yang terintegrasi pada tingkat arsitektur
Cocok untuk pemahaman dokumen, transkripsi audio, analisis video, dan penalaran lintas-modal

Kedua model tersedia melalui platform API resmi di platform.xiaomimimo.com, dengan endpoint yang kompatibel dengan OpenAI yang berarti Anda dapat menukarkannya ke integrasi OpenAI SDK yang ada dengan perubahan minimal.

Cara Menggunakan API dengan Apidog

Apidog adalah cara tercepat untuk menjelajahi cara menggunakan API tanpa harus menulis kode terlebih dahulu. Ini memberi Anda GUI lengkap untuk mengirim permintaan, memeriksa respons, dan menjalankan pernyataan uji unit semuanya di satu tempat. Unduh Apidog secara gratis sebelum Anda memulai.

button

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

Cara menggunakan API di Apidog membutuhkan waktu kurang dari dua menit:

Buka Apidog dan buat proyek baru — beri nama seperti MiMo-V2 API Tests.
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`

4. Atur body permintaan (Body → JSON) untuk 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, ubah model dan tambahkan 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
}

5. Klik Kirim. Apidog menampilkan respons lengkap dengan penggunaan token, memungkinkan Anda melacak biaya Harga MiMo-V2-Pro dan Harga Omni per permintaan secara real time.

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

Apidog memiliki mesin scripting uji bawaan. Setelah mengirim permintaan, buka tab Tests dan tambahkan pernyataan uji unit ini:

// 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);
});

Keempat pemeriksaan uji unit ini mencakup hal-hal penting: status, identitas model, konten respons, dan penggunaan token. Apidog menjalankannya secara otomatis di setiap Kirim, sehingga Anda segera menangkap regresi saat Anda mengulang prompt. Anda juga dapat menyimpan koleksi dan menjalankannya di CI menggunakan Apidog's CLI runner.

Cara Menggunakan API dengan Python

Untuk penggunaan produksi, berikut cara menggunakan API di Python dengan suite uji unit lengkap menggunakan pytest.

Instalasi

pip install openai pytest

API MiMo kompatibel dengan OpenAI, jadi openai SDK berfungsi secara langsung.

Panggilan API Dasar (MiMo-V2-Pro)

# mimo_client.py
from openai import OpenAI

# Arahkan klien OpenAI ke MiMo API
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 yang diharapkan:

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 dalam suite uji unit Anda berarti nol pengeluaran token selama eksekusi CI, yang penting ketika Harga MiMo-V2-Pro meningkat dengan setiap permintaan dalam pipeline otomatis.

Praktik Terbaik API MiMo-V2-Pro & Omni

Mendapatkan hasil maksimal dari cara menggunakan API dalam produksi berarti harus berhati-hati. Berikut adalah praktik-praktik utama:

1. Lacak penggunaan token untuk mengontrol biaya Harga MiMo-V2-Pro dan Harga Omni Catat prompt_tokens dan completion_tokens per panggilan. Dengan $1/1 Juta input dan $3/1 Juta output, prompt sistem yang bertele-tele akan cepat menumpuk. Jaga agar tetap ringkas.

2. Gunakan Apidog sebelum menulis kode Sebelum membangun integrasi penuh, gunakan Apidog untuk membuat prototipe prompt dan memvalidasi bentuk respons. Ini adalah cara tercepat untuk mempelajari cara menggunakan API tanpa menghabiskan token untuk kode yang rusak. Apidog juga memungkinkan Anda berbagi koleksi permintaan dengan tim Anda.

3. Tulis uji unit sejak hari pertama Tambahkan uji unit untuk setiap fungsi yang memanggil API. Ejek respons dengan unittest.mock agar suite pengujian Anda berjalan secara instan dan gratis. Gunakan skrip pengujian Apidog untuk cakupan uji unit berbasis GUI, dan pytest untuk cakupan tingkat kode.

4. Pilih model yang tepat untuk tugas tersebut Gunakan MiMo-V2-Pro untuk tugas-tugas berbasis penalaran yang berat, hanya teks — terutama yang melibatkan kode, perencanaan, atau logika multi-langkah. Gunakan MiMo-V2-Omni ketika pipeline Anda melibatkan gambar, audio, atau video. Jangan membayar Harga Omni untuk tugas yang hanya membutuhkan teks.

5. Tetap di bawah konteks 256K jika memungkinkan Harga MiMo-V2-Pro berlipat ganda pada tingkat 256K–1 Juta. Untuk pipeline RAG, ambil hanya bagian yang paling relevan daripada meneruskan seluruh set dokumen.

6. Gunakan OpenAI SDK untuk integrasi yang mudah Karena kedua model mengekspos endpoint yang kompatibel dengan OpenAI, Anda dapat mengintegrasikannya ke dalam basis kode berbasis OpenAI yang ada dengan mengubah base_url dan model. Tidak diperlukan SDK baru yang membuat cara menggunakan API menjadi mudah bagi tim yang sudah menggunakan tumpukan teknologi OpenAI.

Kesimpulan

Harga MiMo-V2-Pro sebesar $1/1 Juta input dan $3/1 Juta output menjadikannya salah satu model penalaran unggulan yang paling hemat biaya yang tersedia saat ini. Harga Omni memperluas nilai tersebut ke beban kerja multimodal — teks, gambar, audio, dan video — dalam satu panggilan API terpadu.

Baik Anda menjelajahi cara menggunakan API untuk pertama kalinya dengan GUI Apidog, atau membangun integrasi Python produksi yang didukung oleh suite uji unit, MiMo-V2-Pro dan MiMo-V2-Omni keduanya cocok dengan alur kerja pengembang modern. Mulai dengan Apidog untuk memvalidasi permintaan Anda secara visual, lalu beralih ke kode dengan percaya diri.

Coba Apidog gratis — tidak perlu kartu kredit.

button

FAQ

Berapa Harga MiMo-V2-Pro? Harga MiMo-V2-Pro adalah $1/1 Juta token input dan $3/1 Juta token output untuk konteks hingga 256K. Untuk konteks antara 256K dan 1 Juta token, biayanya adalah $2/1 Juta input dan $6/1 Juta output.

Berapa Harga MiMo-V2-Omni? Harga Omni sebanding dengan MiMo-V2-Pro untuk input teks. Input multimodal (gambar, audio, video) di-tokenize dan ditagih bersama token teks. Periksa platform.xiaomimimo.com untuk tarif Harga Omni terbaru.

Bagaimana cara menggunakan MiMo-V2-Pro API? Gunakan OpenAI Python SDK dengan base_url="https://api.xiaomimimo.com/v1" dan model="mimo-v2-pro". API ini sepenuhnya kompatibel dengan OpenAI. Gunakan Apidog untuk mengujinya secara visual sebelum menulis kode.

Bagaimana cara menulis uji unit untuk MiMo API? Ejek klien API dengan unittest.mock di Python dan nyatakan pada struktur respons. Di Apidog, gunakan tab Tests untuk menambahkan pernyataan uji unit berbasis JavaScript setelah setiap permintaan.

Apa perbedaan antara MiMo-V2-Pro dan MiMo-V2-Omni? MiMo-V2-Pro adalah model penalaran khusus teks dengan 1T parameter dan jendela konteks 1 Juta token. MiMo-V2-Omni adalah model multimodal yang secara native menangani teks, gambar, audio, dan video dalam arsitektur terpadu.

Bagaimana perbandingan Harga MiMo-V2-Pro dengan MiMo-V2-Flash? MiMo-V2-Flash jauh lebih murah dengan $0.10/1 Juta input dan $0.30/1 Juta output, tetapi MiMo-V2-Pro menawarkan penalaran yang jauh lebih kuat dan jendela konteks 1 Juta token. Pilih berdasarkan kompleksitas tugas.

Di mana saya bisa mengakses MiMo API? MiMo API tersedia di platform.xiaomimimo.com. MiMo-V2-Pro dan MiMo-V2-Omni juga dapat diakses melalui penyedia pihak ketiga seperti OpenRouter dan Vercel AI Gateway.