Nex-N2.5-mini er Nex AGI's lille multimodale udgave i agentfamilien Nex-N2.5. Sammen med Pro bygger den på Nex-N2's multimodale grundlag med forbedringer af computerbrug, webbrowsing og visuelt forankret opgaveudførelse. Producenten behandler visuel feedback som en del af, hvordan en agent kontrollerer sin fremdrift, og ikke kun som materiale til en enkeltstående billedbeskrivelse.
Forbered en agentopgave med brugerens mål, de relevante skærm- eller kildeoplysninger og et klart afslutningskriterium. Identificer, hvilke handlinger der er tilladt, og hvilken observation der ville fastslå succes. En illustrativ opgavebeskrivelse er: “Brug det givne skærmbillede til at identificere de kontrolelementer, denne ændring kræver, forklar næste operation, og kontroller den returnerede tilstand mod målet.”
Modellen kan fortolke den visuelle tilstand og foreslå en funktion eller operation. Den omgivende applikation udfører handlingen og returnerer næste skærmbillede eller et andet resultat. Et foreslået klik eller genereret kode forbliver et tekstresultat, indtil applikationen udfører det. Brug den faktiske observation til at beslutte, om du skal fortsætte eller korrigere planen.
Producentens skabelon bruger reasoning_effort til at vælge adfærd. None giver et direkte svar uden et ræsonnementsspor. Medium er den adaptive standard, som lader modellen vælge, om og hvor meget den skal tænke. High aktiverer altid tænkning før svaret. Producenten anbefaler temperature 0.7, top-p 0.95 og top-k 40 til referencemodelprofilen.
Angiv den krævede svarform adskilt fra tilstanden, såsom en kort forklaring, en kildeunderbygget liste eller næste foreslåede operation. Skabelonens indstilling for ræsonnementsindsats bør ikke stiltiende erstattes af en anden models thinking-flag. Bevar forskellen mellem mellemliggende analyse og det endelige indhold.
Modellerne i Nex-serien dokumenterer funktionskald med givne værktøjsdefinitioner og en parser, der udtrækker kald til struktureret indhold. Definer hver funktions formål og parametre, og bevar dens returnerede observation i opgavekonteksten. En fortsættende browser- eller programopgave bør bruge disse faktiske resultater til at bevare fremdrift og selvkorrigere.
Minis dokumenterede rolle forbliver multimodal, adskilt fra familiens Max-udgave kun til tekst. Til en vidensopgave skal du give de relevante passager; til en programopgave skal du give implementeringen og forventet adfærd. Bevar fil- og kildeetiketter, så den endelige artefakt kan henvise tilbage til sit bevismateriale.
Fordel den tilgængelige kilde, visuelle repræsentation, samtale, ræsonnement og værktøjsresultater samlet. Hold de seneste betydningsfulde observationer og det udfald, brugeren kræver, synlige gennem arbejdsgangen. Sidestil ikke en omfattende handlingsplan med et afsluttet resultat; den endelige overdragelse bør skelne mellem forslag og operationer, hvor et resultat blev returneret.
Det nyttige output er en tekstforklaring, et kodeforslag eller en sekvens af handlinger forankret i de observationer, applikationen leverer. Kontroller visuelle detaljer mod skærmbilledet og kildefølsomme påstande mod autoritativt materiale. Mini bevarer sin præcise navngivne udgave og ræsonnementstilstande uden at arve Max-modellens parameterantal eller et udokumenteret universelt outputloft.
", "aboutText": "Nex-N2.5-mini er Nex AGI's lille multimodale udgave i agentfamilien Nex-N2.5. Sammen med Pro bygger den på Nex-N2's multimodale grundlag med forbedringer af computerbrug, webbrowsing og visuelt forankret opgaveudførelse. Producenten behandler visuel feedback som en del af, hvordan en agent kontrollerer sin fremdrift, og ikke kun som materiale til en enkeltstående billedbeskrivelse.\n\n### Observer, handl og kontroller\n\nForbered en agentopgave med brugerens mål, de relevante skærm- eller kildeoplysninger og et klart afslutningskriterium. Identificer, hvilke handlinger der er tilladt, og hvilken observation der ville fastslå succes. En illustrativ opgavebeskrivelse er: “Brug det givne skærmbillede til at identificere de kontrolelementer, denne ændring kræver, forklar næste operation, og kontroller den returnerede tilstand mod målet.”\n\nModellen kan fortolke den visuelle tilstand og foreslå en funktion eller operation. Den omgivende applikation udfører handlingen og returnerer næste skærmbillede eller et andet resultat. Et foreslået klik eller genereret kode forbliver et tekstresultat, indtil applikationen udfører det. Brug den faktiske observation til at beslutte, om du skal fortsætte eller korrigere planen.\n\n### Tre tænkningstilstande\n\nProducentens skabelon bruger reasoning_effort til at vælge adfærd. None giver et direkte svar uden et ræsonnementsspor. Medium er den adaptive standard, som lader modellen vælge, om og hvor meget den skal tænke. High aktiverer altid tænkning før svaret. Producenten anbefaler temperature 0.7, top-p 0.95 og top-k 40 til referencemodelprofilen.\n\nAngiv den krævede svarform adskilt fra tilstanden, såsom en kort forklaring, en kildeunderbygget liste eller næste foreslåede operation. Skabelonens indstilling for ræsonnementsindsats bør ikke stiltiende erstattes af en anden models thinking-flag. Bevar forskellen mellem mellemliggende analyse og det endelige indhold.\n\n### Funktioner og nyttige resultater\n\nModellerne i Nex-serien dokumenterer funktionskald med givne værktøjsdefinitioner og en parser, der udtrækker kald til struktureret indhold. Definer hver funktions formål og parametre, og bevar dens returnerede observation i opgavekonteksten. En fortsættende browser- eller programopgave bør bruge disse faktiske resultater til at bevare fremdrift og selvkorrigere.\n\nMinis dokumenterede rolle forbliver multimodal, adskilt fra familiens Max-udgave kun til tekst. Til en vidensopgave skal du give de relevante passager; til en programopgave skal du give implementeringen og forventet adfærd. Bevar fil- og kildeetiketter, så den endelige artefakt kan henvise tilbage til sit bevismateriale.\n\n### Forberedelse af en lang opgave\n\nFordel den tilgængelige kilde, visuelle repræsentation, samtale, ræsonnement og værktøjsresultater samlet. Hold de seneste betydningsfulde observationer og det udfald, brugeren kræver, synlige gennem arbejdsgangen. Sidestil ikke en omfattende handlingsplan med et afsluttet resultat; den endelige overdragelse bør skelne mellem forslag og operationer, hvor et resultat blev returneret.\n\nDet nyttige output er en tekstforklaring, et kodeforslag eller en sekvens af handlinger forankret i de observationer, applikationen leverer. Kontroller visuelle detaljer mod skærmbilledet og kildefølsomme påstande mod autoritativt materiale. Mini bevarer sin præcise navngivne udgave og ræsonnementstilstande uden at arve Max-modellens parameterantal eller et udokumenteret universelt outputloft.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Choose the next interface step\n\nA user wants to enable weekly reports. Supplied interface state: the Reports page shows a Weekly reports checkbox unchecked, a disabled Save button and an unsaved-changes indicator absent. Describe the next proposed interaction, the expected state after it and what must be observed before claiming the setting is saved. Use only this textual state description.A short proposed-action sequence with an expected intermediate state and a separate saved-state verification criterion.Check that the answer does not claim the setting is saved merely because the checkbox was selected.nex-agi/nex-n2.5-miniNex-N2.5-mini er Nex AGI's lille multimodale agentudgave til computerbrug, browseropgaver og visuel feedback. Den kombinerer direkte, adaptive og tænkende tilstande med funktionskald og producerer tekst og foreslåede handlinger ud fra opgaven og de skærmobservationer, den får.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Nex-N2.5-mini er Nex AGI's lille multimodale udgave i agentfamilien Nex-N2.5. Sammen med Pro bygger den på Nex-N2's multimodale grundlag med forbedringer af computerbrug, webbrowsing og visuelt forankret opgaveudførelse. Producenten behandler visuel feedback som en del af, hvordan en agent kontrollerer sin fremdrift, og ikke kun som materiale til en enkeltstående billedbeskrivelse.
Forbered en agentopgave med brugerens mål, de relevante skærm- eller kildeoplysninger og et klart afslutningskriterium. Identificer, hvilke handlinger der er tilladt, og hvilken observation der ville fastslå succes. En illustrativ opgavebeskrivelse er: “Brug det givne skærmbillede til at identificere de kontrolelementer, denne ændring kræver, forklar næste operation, og kontroller den returnerede tilstand mod målet.”
Modellen kan fortolke den visuelle tilstand og foreslå en funktion eller operation. Den omgivende applikation udfører handlingen og returnerer næste skærmbillede eller et andet resultat. Et foreslået klik eller genereret kode forbliver et tekstresultat, indtil applikationen udfører det. Brug den faktiske observation til at beslutte, om du skal fortsætte eller korrigere planen.
Producentens skabelon bruger reasoning_effort til at vælge adfærd. None giver et direkte svar uden et ræsonnementsspor. Medium er den adaptive standard, som lader modellen vælge, om og hvor meget den skal tænke. High aktiverer altid tænkning før svaret. Producenten anbefaler temperature 0.7, top-p 0.95 og top-k 40 til referencemodelprofilen.
Angiv den krævede svarform adskilt fra tilstanden, såsom en kort forklaring, en kildeunderbygget liste eller næste foreslåede operation. Skabelonens indstilling for ræsonnementsindsats bør ikke stiltiende erstattes af en anden models thinking-flag. Bevar forskellen mellem mellemliggende analyse og det endelige indhold.
Modellerne i Nex-serien dokumenterer funktionskald med givne værktøjsdefinitioner og en parser, der udtrækker kald til struktureret indhold. Definer hver funktions formål og parametre, og bevar dens returnerede observation i opgavekonteksten. En fortsættende browser- eller programopgave bør bruge disse faktiske resultater til at bevare fremdrift og selvkorrigere.
Minis dokumenterede rolle forbliver multimodal, adskilt fra familiens Max-udgave kun til tekst. Til en vidensopgave skal du give de relevante passager; til en programopgave skal du give implementeringen og forventet adfærd. Bevar fil- og kildeetiketter, så den endelige artefakt kan henvise tilbage til sit bevismateriale.
Fordel den tilgængelige kilde, visuelle repræsentation, samtale, ræsonnement og værktøjsresultater samlet. Hold de seneste betydningsfulde observationer og det udfald, brugeren kræver, synlige gennem arbejdsgangen. Sidestil ikke en omfattende handlingsplan med et afsluttet resultat; den endelige overdragelse bør skelne mellem forslag og operationer, hvor et resultat blev returneret.
Det nyttige output er en tekstforklaring, et kodeforslag eller en sekvens af handlinger forankret i de observationer, applikationen leverer. Kontroller visuelle detaljer mod skærmbilledet og kildefølsomme påstande mod autoritativt materiale. Mini bevarer sin præcise navngivne udgave og ræsonnementstilstande uden at arve Max-modellens parameterantal eller et udokumenteret universelt outputloft.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser nex-agi/nex-n2.5-mini | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00005 / 1K tokens Output · Outputtokens $0.0002 / 1K tokens Input · Cachelæsning $0.000005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00005 / 1K tokens Output · Outputtokens $0.0002 / 1K tokens Input · Cachelæsning $0.000005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nex-agi/nex-n2.5-mini", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='nex-agi/nex-n2.5-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='nex-agi/nex-n2.5-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra nex-agi/nex-n2.5-mini
Brug metodestierne vist ovenfor.
nex-agi/nex-n2.5-miniNex-N2.5-mini er Nex AGI's lille multimodale agentudgave til computerbrug, browseropgaver og visuel feedback. Den kombinerer direkte, adaptive og tænkende tilstande med funktionskald og producerer tekst og foreslåede handlinger ud fra opgaven og de skærmobservationer, den får.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Nex-N2.5-mini er Nex AGI's lille multimodale udgave i agentfamilien Nex-N2.5. Sammen med Pro bygger den på Nex-N2's multimodale grundlag med forbedringer af computerbrug, webbrowsing og visuelt forankret opgaveudførelse. Producenten behandler visuel feedback som en del af, hvordan en agent kontrollerer sin fremdrift, og ikke kun som materiale til en enkeltstående billedbeskrivelse.
Forbered en agentopgave med brugerens mål, de relevante skærm- eller kildeoplysninger og et klart afslutningskriterium. Identificer, hvilke handlinger der er tilladt, og hvilken observation der ville fastslå succes. En illustrativ opgavebeskrivelse er: “Brug det givne skærmbillede til at identificere de kontrolelementer, denne ændring kræver, forklar næste operation, og kontroller den returnerede tilstand mod målet.”
Modellen kan fortolke den visuelle tilstand og foreslå en funktion eller operation. Den omgivende applikation udfører handlingen og returnerer næste skærmbillede eller et andet resultat. Et foreslået klik eller genereret kode forbliver et tekstresultat, indtil applikationen udfører det. Brug den faktiske observation til at beslutte, om du skal fortsætte eller korrigere planen.
Producentens skabelon bruger reasoning_effort til at vælge adfærd. None giver et direkte svar uden et ræsonnementsspor. Medium er den adaptive standard, som lader modellen vælge, om og hvor meget den skal tænke. High aktiverer altid tænkning før svaret. Producenten anbefaler temperature 0.7, top-p 0.95 og top-k 40 til referencemodelprofilen.
Angiv den krævede svarform adskilt fra tilstanden, såsom en kort forklaring, en kildeunderbygget liste eller næste foreslåede operation. Skabelonens indstilling for ræsonnementsindsats bør ikke stiltiende erstattes af en anden models thinking-flag. Bevar forskellen mellem mellemliggende analyse og det endelige indhold.
Modellerne i Nex-serien dokumenterer funktionskald med givne værktøjsdefinitioner og en parser, der udtrækker kald til struktureret indhold. Definer hver funktions formål og parametre, og bevar dens returnerede observation i opgavekonteksten. En fortsættende browser- eller programopgave bør bruge disse faktiske resultater til at bevare fremdrift og selvkorrigere.
Minis dokumenterede rolle forbliver multimodal, adskilt fra familiens Max-udgave kun til tekst. Til en vidensopgave skal du give de relevante passager; til en programopgave skal du give implementeringen og forventet adfærd. Bevar fil- og kildeetiketter, så den endelige artefakt kan henvise tilbage til sit bevismateriale.
Fordel den tilgængelige kilde, visuelle repræsentation, samtale, ræsonnement og værktøjsresultater samlet. Hold de seneste betydningsfulde observationer og det udfald, brugeren kræver, synlige gennem arbejdsgangen. Sidestil ikke en omfattende handlingsplan med et afsluttet resultat; den endelige overdragelse bør skelne mellem forslag og operationer, hvor et resultat blev returneret.
Det nyttige output er en tekstforklaring, et kodeforslag eller en sekvens af handlinger forankret i de observationer, applikationen leverer. Kontroller visuelle detaljer mod skærmbilledet og kildefølsomme påstande mod autoritativt materiale. Mini bevarer sin præcise navngivne udgave og ræsonnementstilstande uden at arve Max-modellens parameterantal eller et udokumenteret universelt outputloft.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser nex-agi/nex-n2.5-mini | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00005 / 1K tokens Output · Outputtokens $0.0002 / 1K tokens Input · Cachelæsning $0.000005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00005 / 1K tokens Output · Outputtokens $0.0002 / 1K tokens Input · Cachelæsning $0.000005 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "nex-agi/nex-n2.5-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'nex-agi/nex-n2.5-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'nex-agi/nex-n2.5-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra nex-agi/nex-n2.5-mini
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Choose the next interface step\n\nA user wants to enable weekly reports. Supplied interface state: the Reports page shows a Weekly reports checkbox unchecked, a disabled Save button and an unsaved-changes indicator absent. Describe the next proposed interaction, the expected state after it and what must be observed before claiming the setting is saved. Use only this textual state description.A short proposed-action sequence with an expected intermediate state and a separate saved-state verification criterion.Check that the answer does not claim the setting is saved merely because the checkbox was selected.