> ## Documentation Index
> Fetch the complete documentation index at: https://docs.tokios.com/llms.txt
> Use this file to discover all available pages before exploring further.

> ## Agent Instructions
> Tokios exposes private local models through https://api.tokios.com using an outbound-only connector tunnel.
> Use 'connector' for the local tokios-connector process.
> Use 'deployment' for the public model name in the API model field.
> Use 'upstream model id' for the model served by Ollama, llama.cpp, vLLM, LM Studio, or another local backend.
> API keys use the prefix sk-tok-. Connector tokens use the prefix ct-tok-.

# MiMo V2.6 로컬 실행 — Xiaomi의 멀티모달 에이전트 모델

> MiMo V2.6을 로컬에서 실행하십시오. Xiaomi의 1.02T MoE로, 활성 파라미터 42B, 네이티브 멀티모달(텍스트/이미지/동영상/오디오), 1M 컨텍스트, MIT 라이선스를 갖췄습니다. 9B 증류 모델은 단일 GPU에 들어갑니다.

> [!NOTE]
>
> 마지막 확인: 2026-10-14

MiMo V2.6은 Xiaomi의 멀티모달 에이전트 모델 제품군으로, 22일 2026년에 **MIT 라이선스**로 출시되었습니다. 라인업은 3가지 변형으로 구성됩니다 — 1.02조 파라미터 플래그십(Pro), 309B 프로덕션 워크호스(Flash), 그리고 단일 소비자 GPU에 맞는 9B 증류 모델 — 모두 네이티브 멀티모달 입력(텍스트, 이미지, 비디오, 오디오), 최대 128K 출력 토큰, 1M 토큰 컨텍스트 윈도우를 공유합니다.

핵심은 규모, 모드 커버리지 및 라이선스의 조합입니다. Pro와 Flash는 심각한 다중 GPU 하드웨어가 필요한 희소 혼합 전문가 아키텍처이지만, **9B Distill**은 제품군을 단일 24 GB GPU로 내려줍니다 — 이 계보의 모델이 이미 보유하고 있을 가능성이 높은 소비자용 하드웨어에서 실행되는 첫 번째 경우입니다.

> [!TIP]
>
> 이미 MiMo 변형을 실행 중이신가요? [Tokios에 등록](/ko/setup/register-model.md)하면 어떤 클라이언트에서든 `https://api.tokios.com`으로 접근할 수 있습니다.

## MiMo V2.6 라인업

| 변형 | 총 파라미터 | 활성 파라미터 | 컨텍스트 | 최적 용도 | 하드웨어 |
| - | - | - | - | - | - |
| **Pro** | 1.02T | 42B | 1M | 어려운 코딩, 장기 계획, 사이버 보안, 다중 도구 오케스트레이션 | 다중 GPU 서버 (\~520 GB+) |
| **Flash** | 309B | 15B | 1M | 대량 자동화, 비용 민감적 에이전트 루프 | 고메모리 시스템 (\~160 GB+) |
| **Distill** | 9B | 9B (밀집) | 1M | 로컬 실험, 교육, 단일 GPU 작업 | 단일 24 GB GPU |

3가지 변형 모두 MIT 라이선스이며, 텍스트, 이미지, 비디오, 오디오 입력을 받아들이고, 텍스트를 출력하며, 최대 128K 출력 토큰을 지원합니다.

## 어떤 MiMo를 실행해야 할까요?

하드웨어가 결정합니다:

* **단일 24 GB GPU**(RTX 3090, 4090 또는 유사) — **Distill**을 실행하세요. Qwen 아키텍처에서 증류된 9B 밀집 모델이며, 오프로딩 없이 소비자용 하드웨어에 맞는 유일한 MiMo 변형입니다. 실험, 학습 및 경량 에이전트 작업을 위해 여기서 시작하세요.
* **고메모리 시스템**(192 GB+ 통합 메모리 또는 2개 이상의 데이터센터 GPU) — **Flash**를 실행하세요. 토큰당 309B 총합에 15B 활성으로, 멀티모달 입력과 긴 컨텍스트가 필요하지만 Pro의 하드웨어 최소값이 필요한 프로덕션 에이전트 루프에 비용 효율적인 선택입니다.
* **다중 GPU 서버**(4× H100급 또는 동급) — **Pro**를 실행하세요. 1.02T 플래그십은 가장 어려운 작업에 맞게 구축되었습니다: 어려운 코딩, 사이버 보안 분석, 장기적 다중 도구 오케스트레이션.

MoE 모델의 투명한 크기 계산 — 메모리는 활성 파라미터가 아닌 **총** 파라미터에 따라 확장됩니다. 라우팅이 토큰당 일부만 활성화하더라도 모든 전문가 가중치가 메모리에 상주하기 때문입니다([추론 작동 방식](/ko/concepts/how-inference-works.md) 참조):

* Pro: 1.02T × \~0.5 바이트 at 4-bit ≈ **\~510 GB**의 가중치, 오버헤드 포함 \~520 GB+
* Flash: 309B × \~0.5 바이트 at 4-bit ≈ **\~155 GB**의 가중치, 오버헤드 포함 \~160 GB+
* Distill: 9B × \~0.5 바이트 at 4-bit ≈ **\~4.5 GB**의 가중치, 제공 시 \~6 GB

가중치 위에 컨텍스트 길이와 동시성을 위한 [KV 캐시](/ko/concepts/kv-cache-and-context.md)를 추가하세요.

## 로컬에서 실행하기

**vLLM — Pro (다중 GPU 서버)**

```bash theme={"theme":{"light":"github-light","dark":"css-variables"}}
vllm serve XiaomiMiMo/MiMo-V2.6-Pro-RL \
  --tensor-parallel-size 8 \
  --trust-remote-code
```

박스의 모든 GPU에 텐서 병렬화를 적용합니다. 총 \~520 GB+의 VRAM을 4-bit 가중치와 KV 캐시를 위해 예산에 잡으세요. vLLM은 `http://127.0.0.1:8000/v1`에서 OpenAI 호환 API를 제공하며 — 이것이 Tokios 커넥터가 가리키는 곳입니다. 표준화 전에 [모델 카드](https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL)에서 사용 중인 vLLM 버전의 플래그를 확인하세요. [vLLM 원격 접근](/ko/guides/vllm-remote-access.md)을 참조하세요.

**vLLM — Flash (고메모리 서버)**

```bash theme={"theme":{"light":"github-light","dark":"css-variables"}}
vllm serve XiaomiMiMo/MiMo-V2.6-Flash-MOPD \
  --tensor-parallel-size 4 \
  --trust-remote-code
```

총 \~160 GB+의 VRAM을 예산에 잡으세요. Blackwell GPU를 위한 커뮤니티 NVFP4 빌드([`ProCreations/MiMo-V2.6-Flash-RL-NVFP4`](https://huggingface.co/ProCreations/MiMo-V2.6-Flash-RL-NVFP4))가 사용 가능하며, 메모리 풋프린트를 추가로 줄일 수 있습니다. 서빙 전에 모델 카드에서 확인하세요. [vLLM 원격 접근](/ko/guides/vllm-remote-access.md)을 참조하세요.

**SGLang — Pro 또는 Flash**

```bash Pro theme={"theme":{"light":"github-light","dark":"css-variables"}}
sglang serve XiaomiMiMo/MiMo-V2.6-Pro-RL \
  --tp 8 \
  --trust-remote-code
```

```bash Flash theme={"theme":{"light":"github-light","dark":"css-variables"}}
sglang serve XiaomiMiMo/MiMo-V2.6-Flash-MOPD \
  --tp 4 \
  --trust-remote-code
```

SGLang은 vLLM의 대안으로 동등한 성능 특성을 가집니다. GPU 수에 맞게 `--tp`를 조정하세요. [SGLang 원격 접근](/ko/guides/sglang-remote-access.md)을 참조하세요.

**llama.cpp — Distill (단일 GPU)**

```bash theme={"theme":{"light":"github-light","dark":"css-variables"}}
llama serve -hf XiaomiMiMo/MiMo-V2.6-Distill-9B
```

9B Distill은 단일 24 GB GPU에 at 4-bit 맞습니다. 정확한 HuggingFace 저장소 이름은 [XiaomiMiMo의 HuggingFace 페이지](https://huggingface.co/XiaomiMiMo)에서 확인하세요 — 모델 출시 후 커뮤니티 GGUF 빌드도 나타날 수 있습니다. [llama.cpp 원격 접근](/ko/guides/llama-cpp-remote-access.md)을 참조하세요.

> [!WARNING]
>
> MiMo 변형에 대한 저장소 이름이나 CLI 플래그를 임의로 만들지 마세요. 위의 Pro 및 Flash 저장소는 확인되었습니다. Distill 저장소 이름은 Xiaomi의 명명 패턴에 기반한 최선의 추측입니다 — 실행 전에 [XiaomiMiMo의 HuggingFace 페이지](https://huggingface.co/XiaomiMiMo)에서 확인하세요.

## 변형 및 사양

아래의 모든 값은 Hugging Face의 Xiaomi 모델 카드에서 가져온 것입니다. 하나를 표준화하기 전에 모델 카드에서 확인하세요.

| 속성 | Pro | Flash | Distill |
| - | - | - | - |
| Hugging Face | [`XiaomiMiMo/MiMo-V2.6-Pro-RL`](https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL) | [`XiaomiMiMo/MiMo-V2.6-Flash-MOPD`](https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Flash-MOPD) | 확인 [XiaomiMiMo](https://huggingface.co/XiaomiMiMo) |
| 파라미터 | 총 1.02T / **42B 활성** | 총 309B / **15B 활성** | 9B (밀집) |
| 아키텍처 | 희소 MoE | 희소 MoE | 밀집 (Qwen 기반 증류) |
| 컨텍스트 윈도우 | 1M (1,048,576) | 1M (1,048,576) | 1M (1,048,576) |
| 최대 출력 토큰 | 128K | 128K | 128K |
| 입력 모드 | 텍스트, 이미지, 비디오, 오디오 | 텍스트, 이미지, 비디오, 오디오 | 텍스트, 이미지, 비디오, 오디오 |
| 출력 | 텍스트 | 텍스트 | 텍스트 |
| 라이선스 | MIT | MIT | MIT |
| 커뮤니티 양자화 | — | [`ProCreations/MiMo-V2.6-Flash-RL-NVFP4`](https://huggingface.com/ProCreations/MiMo-V2.6-Flash-RL-NVFP4) | — |
| 최적 용도 | 어려운 코딩, 장기 계획, 사이버 보안, 다중 도구 오케스트레이션 | 대량 자동화, 비용 민감적 에이전트 루프 | 로컬 실험, 교육, 단일 GPU 작업 |

출처: [`XiaomiMiMo/MiMo-V2.6-Pro-RL`](https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Pro-RL), [`XiaomiMiMo/MiMo-V2.6-Flash-MOPD`](https://huggingface.co/XiaomiMiMo/MiMo-V2.6-Flash-MOPD).

> [!NOTE]
>
> MiMo V2.6은 **MIT 라이선스**로 출시되며, 허용적이며 허용 가능한 사용 정책이나 사용자 수 임계값이 없습니다. 상업용 제품을 빌드하기 전에 모델 카드의 `LICENSE` 파일을 읽어보세요.

## 기능

* **네이티브 멀티모달 입력.** 텍스트, 이미지, 비디오, 오디오가 입력되고 텍스트가 출력됩니다. 이는 탈착형 비전 모듈이 아니라 — 3가지 변형 전체의 기본 아키텍처 일부입니다.
* **128K 출력 토큰.** 확장된 추론, 저장소 규모의 코드 생성 및 상세한 분석을 잘림 없이 수행하기에 충분합니다.
* **1M 컨텍스트 윈도우.** 저장소 규모의 코딩 세션, 긴 문서 또는 수 시간의 오디오에 충분합니다. 긴 컨텍스트 배포의 크기를 조정할 때 가중치 위에 [KV-캐시 메모리](/ko/concepts/kv-cache-and-context.md)를 예산에 잡으세요.
* **도구 호출 및 에이전트 워크플로우.** 모든 변형이 도구 사용 및 다단계 에이전트 루프를 지원합니다. vLLM 또는 SGLang으로 서빙할 때, 모델 카드가 권장하는 도구 호출 파서를 활성화하여 `tools` 요청이 엔드포인트를 통해 작동하도록 하세요.
* **MIT 라이선스.** 3가지 변형 모두 허용적 — 허용 가능한 사용 정책 없음, 사용자 수 임계값 없음.

### 벤치마크

Xiaomi가 보고한 수치로, 최근에 출시된 모델 기준입니다. 독립적 재현은 아직 없습니다 — third-party 평가가 나올 때까지 벤더의 주장으로 간주하세요.

| 벤치마크 | Pro | Flash |
| - | - | - |
| 코딩 (HumanEval 스타일) | 벤더 보고 | 벤더 보고 |
| 에이전트 작업 | 벤더 보고 | 벤더 보고 |
| 멀티모달 이해 | 벤더 보고 | 벤더 보고 |

구체적인 점수는 독립 평가가 게시되면 추가될 예정입니다. 그 동안, 자체 워크로드에서 Pro와 Flash를 [Kimi K2.6](/ko/models/kimi.md) 및 [Qwen3.8-27B](/ko/models/qwen3.8.md)와 비교해 보세요.

## 하드웨어 적합성

판정은 적당한 컨텍스트 길이에서 4-bit 양자화를 가정합니다.

| 대상 | Pro (\~520 GB+) | Flash (\~160 GB+) | Distill (\~6 GB) |
| - | - | - | - |
| RTX 4070 Ti Super / 4080 (16 GB) | 불가 | 불가 | 여유 있음 |
| RTX 3090 / 4090 (24 GB) | 불가 | 불가 | 여유 있음 |
| RTX 5090 (32 GB, Blackwell) | 불가 | 불가 | 여유 있음, 긴 컨텍스트 |
| 2× RTX 4090 (48 GB 풀) | 불가 | 빡빡함, 짧은 컨텍스트 | 여유 있음 |
| 4× RTX 4090 (96 GB 풀) | 불가 | 작동 가능 | 여유 있음 |
| Apple Silicon (64 GB 통합) | 불가 | 불가 | 여유 있음 |
| Apple Silicon (192 GB+ 통합) | 불가 | 작동 가능 | 여유 있음 |
| DGX Spark (128 GB 통합) | 불가 | 빡빡함 | 여유 있음 |
| 2× DGX Spark (256 GB 풀) | 불가 | 여유 있음 | 여유 있음 |
| 다중 GPU 서버 (8× H100, 640 GB) | 여유 있음 | 여유 있음 | 여유 있음 |

Pro 모델은 \~520 GB+의 총 VRAM이 필요합니다 — 4× H100 또는 8× A100 시스템, 또는 공격적 양자화를 갖춘 대규모 소비자 GPU 풀이 필요합니다. \~160 GB의 Flash는 고메모리 Mac Studio, 2대의 DGX Spark 또는 4-GPU 서버에 맞습니다. \~6 GB의 Distill은 24 GB VRAM을 갖춘 모든 최신 GPU에 맞으며 컨텍스트를 위한 여유 공간도 남습니다.

공유 하드웨어에서 Flash와 Distill 변형은 긴 컨텍스트 길이에서 KV 캐시와 동일한 메모리 풀을 경쟁합니다. 적당한 컨텍스트로 시작하여 측정한 후 높이세요. 크기 계산 방법은 [사용자의 GPU에 맞는 모델 크기는?](/ko/guides/model-fit.md)를 참조하세요.

> **[Picked a model? Connect it](/ko/quickstart.md)**
>
> 인증된 엔드포인트 하나로 `https://api.tokios.com` — 인바운드 포트 없음, 약 5분 소요.

## Tokios로 연결하기

항상 켜져 있는 로컬 모델은 해당 머신에 없을 때 접근하고 싶은 모델입니다. Tokios는 런타임 뒤에 위치합니다: 모델을 다운로드하거나 vLLM을 대체하지 않습니다.

**1. Keep your local runtime running**

vLLM, SGLang 또는 llama.cpp에서 MiMo V2.6을 시작하고 루프백에 바인딩한 상태로 두세요.

**2. Pair the Tokios connector**

로그인: [tokios.com/console](https://tokios.com/console) — **Setup** 탭을 연 다음, **Start pairing**을 클릭하여 일회용 페어링 코드(`TKS-XXXX-XXXX`)를 받으세요. 모델이 실행되는 머신에서 설치 프로그램을 실행하세요:

```powershell Windows theme={"theme":{"light":"github-light","dark":"css-variables"}}
irm https://tokios.com/downloads/install/windows | iex; tokios-install -Code 'TKS-XXXX-XXXX'
```

```bash macOS theme={"theme":{"light":"github-light","dark":"css-variables"}}
curl -fsSL https://tokios.com/downloads/install/macos | sh -s -- --code TKS-XXXX-XXXX
```

```bash Linux theme={"theme":{"light":"github-light","dark":"css-variables"}}
curl -fsSL https://tokios.com/downloads/install/linux | sh -s -- --code TKS-XXXX-XXXX
```

그런 다음 디바이스를 **approve**한 후 **Setup** 또는 **Connectors** 탭에서 확인하세요.

**3. Register a deployment**

Models 탭: [Models](https://tokios.com/console/models) — 업스트림 모델 ID(예: `XiaomiMiMo/MiMo-V2.6-Flash-MOPD`)를 `mimo-flash`와 같은 공개 배포 이름으로 등록하세요. 클라이언트는 `model` 필드에 배포 이름을 보내며, 로컬 ID는 절대 보내지 않습니다 — 따라서 나중에 재양자화해도 클라이언트 측에서는 아무것도 변하지 않습니다.

**4. Create an API key**

Keys 탭: [Keys](https://tokios.com/console/keys) — **Create key**를 클릭하세요. `sk-tok-…` 키를 지금 복사하세요 — 한 번만 표시됩니다.

### 어디서든 호출하기

```bash curl (OpenAI-compatible) theme={"theme":{"light":"github-light","dark":"css-variables"}}
curl https://api.tokios.com/v1/chat/completions \
  -H "Authorization: Bearer sk-tok-YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-flash",
    "stream": true,
    "messages": [
      {"role": "user", "content": "Analyze this codebase and propose a refactoring plan."}
    ]
  }'
```

```bash Claude Code (Anthropic-compatible) theme={"theme":{"light":"github-light","dark":"css-variables"}}
export ANTHROPIC_BASE_URL=https://api.tokios.com
export ANTHROPIC_API_KEY=sk-tok-YOUR_KEY
claude --model mimo-flash
```

## 주의사항

* **Pro와 Flash는 MoE 모델입니다.** 1.02T(Pro) 또는 309B(Flash)의 모든 파라미터가 메모리에 맞아야 하며, 토큰당 42B 또는 15B만 활성입니다 — [추론 작동 방식](/ko/concepts/how-inference-works.md)을 참조하세요.
* **1M 컨텍스트는 상한이지 목표가 아닙니다.** 긴 컨텍스트는 모델 가중치 위에 KV-캐시 메모리를 추가합니다. 공유 하드웨어에서 그 여유 공간은 모델이 추론에도 사용하는 메모리입니다.
* **벤치마크는 벤더 보고입니다.** Xiaomi가 출시일에 게시했습니다. 점수를 확정된 것으로 간주하기 전에 독립 평가를 기다리세요.
* **Flash는 대부분의 프로덕션 설정에 실용적인 선택입니다.** Pro는 \~520 GB+의 총 VRAM이 필요합니다 — 심각한 다중 GPU 서버. \~160 GB의 Flash는 고메모리 워크스테이션 또는 더 작은 서버에 맞으며, 대부분의 에이전트 루프 워크로드를 커버합니다.
* **Distill은 증류 모델이며 전체 아키텍처가 아닙니다.** MoE 규모를 단일 GPU 적합성과 교환했습니다. 가장 어려운 작업에서 Pro와 Flash보다 약할 것으로 예상되지만, 소비자용 하드웨어에서 실행되는 유일한 변형입니다.
* **멀티모달 입력은 런타임에 따라 다릅니다.** Tokios는 이미지, 비디오, 오디오 콘텐츠를 업스트림 엔드포인트로 전달합니다 — 런타임이나 양자화에 부족한 기능을 추가하지 않습니다. [지원되는 백엔드](/ko/setup/supported-backends.md)를 확인하세요.

## FAQ

> **How much VRAM does MiMo V2.6 Pro need?**
>
> 총 \~520 GB+의 VRAM이 at 4-bit 필요합니다. 투명한 계산: 1.02T 파라미터 × \~0.5 바이트 at 4-bit ≈ \~510 GB의 가중치, плюс 임베딩 및 메타데이터 오버헤드. 이는 다중 GPU 서버를 의미합니다 — 4× H100 (320 GB)으로는 부족하며, 8× A100 (640 GB) 이상을 계획하세요.

> **Can I run MiMo V2.6 on a single GPU?**
>
> 예 — **Distill** 변형은 9B 밀집 모델로, 단일 24 GB GPU에 at 4-bit 맞습니다(\~6 GB). Qwen 아키텍처에서 증류되었으며 소비자용 하드웨어에서 실행되는 유일한 MiMo 변형입니다. Pro와 Flash는 다중 GPU 시스템이 필요합니다.

> **Is MiMo V2.6 open source?**
>
> 3가지 변형 모두 **MIT 라이선스**로 게시되며, 허용적이며 허용 가능한 사용 정책이나 사용자 수 임계값이 없습니다. 오픈 웨이트와 오픈 소스는 같은 것이 아닙니다 — 학습 데이터와 파이프라인은 공개되지 않습니다.

> **What is the difference between Pro, Flash, and Distill?**
>
> **Pro**(총 1.02T, 42B 활성)는 어려운 코딩, 사이버 보안 및 장기 계획을 위한 플래그십입니다. **Flash**(총 309B, 15B 활성)는 대량 에이전트 루프를 위한 프로덕션 워크호스입니다. **Distill**(9B, 밀집)은 실험 및 교육을 위해 단일 GPU에 맞습니다. 3가지 모두 동일한 멀티모달 입력 기능과 MIT 라이선스를 공유합니다.

> **How does MiMo V2.6 compare to Kimi or Qwen?**
>
> MiMo V2.6 Pro와 Flash는 [Kimi K2.6](/ko/models/kimi.md)(총 1T, 32B 활성)과 같은 규모 클래스의 MoE 모델이지만, 네이티브 오디오 입력과 더 큰 컨텍스트 윈도우를 가집니다. 9B의 Distill은 [Qwen3.8-27B](/ko/models/qwen3.8.md) 및 [Muse Glimmer](/ko/models/muse-glimmer.md)와 단일 GPU 작업을 위해 경쟁하지만, 더 작습니다. 자체 워크로드에서 비교해 보세요 — MIT 라이선스 덕분에 모두 테스트하기 쉽습니다.

> **Can I use MiMo V2.6 with a coding agent?**
>
> 예 — 모든 변형이 도구 호출 및 에이전트 워크플로우를 지원합니다. 특정 에이전트가 작동하는지는 런타임이 도구 호출을 어떻게 노출하는지에 따라 다릅니다. 매트릭스는 [코딩 에이전트 호환성](/ko/guides/coding-agent-compatibility.md)을, 설정은 [로컬 모델로 코딩 에이전트 사용하기](/ko/guides/coding-agents-local-models.md)를 참조하세요.

> **What audio formats does MiMo V2.6 accept?**
>
> 지원되는 특정 오디오 형식과 샘플링 레이트는 모델 카드를 확인하세요. Tokios는 오디오 콘텐츠를 변경 없이 업스트림 엔드포인트로 전달합니다 — 트랜스코딩이나 리샘플링을 수행하지 않습니다.

> **[GPU에 맞는 모델 크기는?](/ko/guides/model-fit.md)**
>
> 모델과 컨텍스트를 VRAM 또는 통합 메모리에 맞게 크기 조정하세요.

> **[로컬 모델로 코딩 에이전트 사용하기](/ko/guides/coding-agents-local-models.md)**
>
> Claude Code, Cline 또는 Aider를 직접 호스팅하는 모델로 연결하세요.

> **[Kimi](/ko/models/kimi.md)**
>
> Moonshot AI의 1T MoE 제품군 — 비슷한 규모, 다른 라이선스.

> **[Qwen3.8](/ko/models/qwen3.8.md)**
>
> Alibaba의 밀집 27B 비전-언어 모델, 역시 Apache 2.0.

> **[휴대폰에서 접근하기](/ko/use-cases/local-model-on-your-phone.md)**
>
> 머신에서 떨어져 있을 때 항상 켜져 있는 로컬 모델을 사용하세요.

> **[빠른 시작](/ko/quickstart.md)**
>
> 커넥터를 페어링하고 첫 모델을 끝까지 등록하세요.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.