调用小米 MIMO 多模态模型理解图片。

何时使用：当需要分析、描述、OCR、识别图片内容时使用。 不要用于：读取代码文件、文本文件等非图片文件，这些应使用 Read 工具。

Args: prompt: 图片理解任务描述，如"描述这张图片"、"提取图中的文字"、"解释这个图表" image_url: 单张网络图片 URL 或 data:image base64 image_path: 单张本地图片路径 image_urls: 多张网络图片 URL image_paths: 多张本地图片路径 system_prompt: 可选系统提示词，用于自定义模型行为 max_tokens: 最大输出长度 (默认 8192，最大 32768)

Returns: MIMO 模型返回的图片理解结果。

支持格式：JPEG，PNG，GIF，WebP，BMP 大小限制：单张图片不超过 50MB

调用小米 MIMO 多模态模型理解音频。

何时使用：当需要转录、总结、分析音频内容时使用。 不要用于：读取音频源码或元数据，这些应使用其他工具。

Args: prompt: 音频理解任务描述，如"转录音频内容"、"总结音频要点"、"识别说话人" audio_url: 单个网络音频 URL audio_path: 单个本地音频文件路径 audio_urls: 多个网络音频 URL audio_paths: 多个本地音频文件路径 system_prompt: 可选系统提示词，用于自定义模型行为 max_tokens: 最大输出长度 (默认 8192，最大 32768)

Returns: MIMO 模型返回的音频理解结果。

支持格式：MP3，WAV，FLAC，M4A，OGG 大小限制：URL方式100MB，Base64方式50MB

调用小米 MIMO 多模态模型理解视频。

何时使用：当需要分析、描述、总结视频内容时使用。 不要用于：读取视频文件元数据或源码，这些应使用其他工具。

Args: prompt: 视频理解任务描述，如"描述视频内容"、"总结视频要点"、"识别视频中的动作" video_url: 单个网络视频 URL video_path: 单个本地视频文件路径 video_urls: 多个网络视频 URL video_paths: 多个本地视频文件路径 fps: 每秒抽帧数，范围 [0.1, 10]，默认 2。越高时序越精细 media_resolution: 视频帧分辨率档次，"default" 或 "max" system_prompt: 可选系统提示词，用于自定义模型行为 max_tokens: 最大输出长度 (默认 8192，最大 32768)

Returns: MIMO 模型返回的视频理解结果。

支持格式：MP4，MOV，AVI，WMV 大小限制：URL方式300MB，Base64方式50MB