MiniMax M2-her est le modèle textuel de MiniMax centré sur le dialogue pour le jeu de rôle, les conversations de personnages et les interactions narratives. Son profil est distinct du modèle MiniMax M2 général destiné au code et aux agents. Le fabricant le développe autour de mondes fictifs cohérents, d'une progression active du récit et de l'alignement sur les préférences conversationnelles de l'utilisateur. Entrée et sortie sont textuelles ; le guide dédié ne prend pas en charge une entrée mixte texte-image.
Le format conversationnel du fabricant va au-delà des messages habituels system, user et assistant. Le rôle system définit l'identité, la personnalité et le comportement du modèle. user_system définit le personnage ou la persona de l'utilisateur, tandis que group identifie le scénario ou le groupe conversationnel. Gardez ces distinctions claires lorsque l'histoire implique plusieurs personnes, des connaissances différentes ou une relation particulière.
Donnez au modèle le cadre, les motivations du personnage et les faits devant rester vrais. Décrivez qui contrôle les actions de l'utilisateur et quels choix doivent rester ouverts à une réponse. Exemple de brief de scène : « Continuez dans le rôle de l'archiviste, préservez le mystère établi et proposez un nouvel indice sans décider de la réaction de mon personnage. » Cela prépare un échange réactif plutôt que de demander au modèle d'écrire les deux côtés de l'interaction.
M2-her prend en charge les messages sample_message_user et sample_message_ai pour illustrer le schéma de dialogue souhaité. Le fabricant recommande un à trois exemples concis. Utilisez-les pour établir la voix, le rythme et la relation entre narration et dialogue, en évitant un exemple long qui consomme du contexte sans clarifier le style. Les exemples comptent dans le budget d'entrée comme les autres messages.
L'orientation de développement de MiniMax insiste sur l'identité des personnages, les règles du monde, la variété des mouvements de l'intrigue et l'autonomie de l'utilisateur. Indiquez le rythme souhaité lorsqu'il importe : échange calme, révélation progressive ou nouvelle complication. Pour une révision, identifiez la ligne ou l'événement exact qui contredit la caractérisation ou la chronologie et demandez une correction préservant le reste de la scène.
Le processus documenté inclut l'historique complet de l'utilisateur et de l'assistant dans l'ordre chronologique pour le dialogue à plusieurs tours. Cet historique donne à la réponse suivante des preuves des événements antérieurs et relations établies. Explicitez les noms essentiels et les développements récents lors de la préparation d'un récit continu. L'historique de contexte est fourni au modèle ; il ne faut pas le confondre avec une mémoire illimitée hors de la conversation.
Les recherches du fabricant sur le jeu de rôle utilisent la synthèse de dialogues et l'apprentissage en ligne des préférences pour améliorer la diversité, la continuité et la réactivité. Ces méthodes décrivent le modèle du fabricant, sans garantir l'absence d'erreur dans chaque histoire. Vérifiez que la réponse attribue les dialogues au bon personnage et respecte les règles physiques ou fictives du cadre.
Le guide M2-her dédié indique un contexte de 64K et une complétion maximale de 2 048 tokens. Il documente aussi la sortie en streaming et les valeurs d'échantillonnage par défaut temperature 1.0 et top-p 0.95. Choisissez une longueur adaptée à un tour de conversation ; un passage trop long peut prendre la place de la prochaine décision de l'utilisateur ou être tronqué par le budget de complétion.
Le résultat utile est une réplique de personnage, un passage narratif ou une continuation de scène qui respecte le cadre fourni et invite à l'interaction suivante. Vérifiez le point de vue, l'autonomie des personnages, la cohérence des références et la fin demandée. Le format de jeu de rôle nommé et les limites de M2-her restent distincts des autres modèles linguistiques, visuels et multimédias MiniMax.
", "aboutText": "MiniMax M2-her est le modèle textuel de MiniMax centré sur le dialogue pour le jeu de rôle, les conversations de personnages et les interactions narratives. Son profil est distinct du modèle MiniMax M2 général destiné au code et aux agents. Le fabricant le développe autour de mondes fictifs cohérents, d'une progression active du récit et de l'alignement sur les préférences conversationnelles de l'utilisateur. Entrée et sortie sont textuelles ; le guide dédié ne prend pas en charge une entrée mixte texte-image.\n\n### Définir le monde et les deux rôles\n\nLe format conversationnel du fabricant va au-delà des messages habituels system, user et assistant. Le rôle system définit l'identité, la personnalité et le comportement du modèle. user_system définit le personnage ou la persona de l'utilisateur, tandis que group identifie le scénario ou le groupe conversationnel. Gardez ces distinctions claires lorsque l'histoire implique plusieurs personnes, des connaissances différentes ou une relation particulière.\n\nDonnez au modèle le cadre, les motivations du personnage et les faits devant rester vrais. Décrivez qui contrôle les actions de l'utilisateur et quels choix doivent rester ouverts à une réponse. Exemple de brief de scène : « Continuez dans le rôle de l'archiviste, préservez le mystère établi et proposez un nouvel indice sans décider de la réaction de mon personnage. » Cela prépare un échange réactif plutôt que de demander au modèle d'écrire les deux côtés de l'interaction.\n\n### Exemples et style\n\nM2-her prend en charge les messages sample_message_user et sample_message_ai pour illustrer le schéma de dialogue souhaité. Le fabricant recommande un à trois exemples concis. Utilisez-les pour établir la voix, le rythme et la relation entre narration et dialogue, en évitant un exemple long qui consomme du contexte sans clarifier le style. Les exemples comptent dans le budget d'entrée comme les autres messages.\n\nL'orientation de développement de MiniMax insiste sur l'identité des personnages, les règles du monde, la variété des mouvements de l'intrigue et l'autonomie de l'utilisateur. Indiquez le rythme souhaité lorsqu'il importe : échange calme, révélation progressive ou nouvelle complication. Pour une révision, identifiez la ligne ou l'événement exact qui contredit la caractérisation ou la chronologie et demandez une correction préservant le reste de la scène.\n\n### Maintenir le contexte conversationnel\n\nLe processus documenté inclut l'historique complet de l'utilisateur et de l'assistant dans l'ordre chronologique pour le dialogue à plusieurs tours. Cet historique donne à la réponse suivante des preuves des événements antérieurs et relations établies. Explicitez les noms essentiels et les développements récents lors de la préparation d'un récit continu. L'historique de contexte est fourni au modèle ; il ne faut pas le confondre avec une mémoire illimitée hors de la conversation.\n\nLes recherches du fabricant sur le jeu de rôle utilisent la synthèse de dialogues et l'apprentissage en ligne des préférences pour améliorer la diversité, la continuité et la réactivité. Ces méthodes décrivent le modèle du fabricant, sans garantir l'absence d'erreur dans chaque histoire. Vérifiez que la réponse attribue les dialogues au bon personnage et respecte les règles physiques ou fictives du cadre.\n\n### Limites et passage obtenu\n\nLe guide M2-her dédié indique un contexte de 64K et une complétion maximale de 2 048 tokens. Il documente aussi la sortie en streaming et les valeurs d'échantillonnage par défaut temperature 1.0 et top-p 0.95. Choisissez une longueur adaptée à un tour de conversation ; un passage trop long peut prendre la place de la prochaine décision de l'utilisateur ou être tronqué par le budget de complétion.\n\nLe résultat utile est une réplique de personnage, un passage narratif ou une continuation de scène qui respecte le cadre fourni et invite à l'interaction suivante. Vérifiez le point de vue, l'autonomie des personnages, la cohérence des références et la fin demandée. Le format de jeu de rôle nommé et les limites de M2-her restent distincts des autres modèles linguistiques, visuels et multimédias MiniMax.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4422d7b11414a8fb0922d43679d5ffd65beb37931587245ebccaef32ebedd571", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr", "methods": [ { "html": "M2-herMiniMax M2-her est un modèle exclusivement textuel pour le jeu de rôle, les dialogues narratifs et les conversations à plusieurs tours. Ses formats dédiés de rôles et de messages d'exemple façonnent les deux côtés de l'interaction, avec un contexte fabricant de 64K et une complétion maximale de 2 048 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
MiniMax M2-her est le modèle textuel de MiniMax centré sur le dialogue pour le jeu de rôle, les conversations de personnages et les interactions narratives. Son profil est distinct du modèle MiniMax M2 général destiné au code et aux agents. Le fabricant le développe autour de mondes fictifs cohérents, d'une progression active du récit et de l'alignement sur les préférences conversationnelles de l'utilisateur. Entrée et sortie sont textuelles ; le guide dédié ne prend pas en charge une entrée mixte texte-image.
Le format conversationnel du fabricant va au-delà des messages habituels system, user et assistant. Le rôle system définit l'identité, la personnalité et le comportement du modèle. user_system définit le personnage ou la persona de l'utilisateur, tandis que group identifie le scénario ou le groupe conversationnel. Gardez ces distinctions claires lorsque l'histoire implique plusieurs personnes, des connaissances différentes ou une relation particulière.
Donnez au modèle le cadre, les motivations du personnage et les faits devant rester vrais. Décrivez qui contrôle les actions de l'utilisateur et quels choix doivent rester ouverts à une réponse. Exemple de brief de scène : « Continuez dans le rôle de l'archiviste, préservez le mystère établi et proposez un nouvel indice sans décider de la réaction de mon personnage. » Cela prépare un échange réactif plutôt que de demander au modèle d'écrire les deux côtés de l'interaction.
M2-her prend en charge les messages sample_message_user et sample_message_ai pour illustrer le schéma de dialogue souhaité. Le fabricant recommande un à trois exemples concis. Utilisez-les pour établir la voix, le rythme et la relation entre narration et dialogue, en évitant un exemple long qui consomme du contexte sans clarifier le style. Les exemples comptent dans le budget d'entrée comme les autres messages.
L'orientation de développement de MiniMax insiste sur l'identité des personnages, les règles du monde, la variété des mouvements de l'intrigue et l'autonomie de l'utilisateur. Indiquez le rythme souhaité lorsqu'il importe : échange calme, révélation progressive ou nouvelle complication. Pour une révision, identifiez la ligne ou l'événement exact qui contredit la caractérisation ou la chronologie et demandez une correction préservant le reste de la scène.
Le processus documenté inclut l'historique complet de l'utilisateur et de l'assistant dans l'ordre chronologique pour le dialogue à plusieurs tours. Cet historique donne à la réponse suivante des preuves des événements antérieurs et relations établies. Explicitez les noms essentiels et les développements récents lors de la préparation d'un récit continu. L'historique de contexte est fourni au modèle ; il ne faut pas le confondre avec une mémoire illimitée hors de la conversation.
Les recherches du fabricant sur le jeu de rôle utilisent la synthèse de dialogues et l'apprentissage en ligne des préférences pour améliorer la diversité, la continuité et la réactivité. Ces méthodes décrivent le modèle du fabricant, sans garantir l'absence d'erreur dans chaque histoire. Vérifiez que la réponse attribue les dialogues au bon personnage et respecte les règles physiques ou fictives du cadre.
Le guide M2-her dédié indique un contexte de 64K et une complétion maximale de 2 048 tokens. Il documente aussi la sortie en streaming et les valeurs d'échantillonnage par défaut temperature 1.0 et top-p 0.95. Choisissez une longueur adaptée à un tour de conversation ; un passage trop long peut prendre la place de la prochaine décision de l'utilisateur ou être tronqué par le budget de complétion.
Le résultat utile est une réplique de personnage, un passage narratif ou une continuation de scène qui respecte le cadre fourni et invite à l'interaction suivante. Vérifiez le point de vue, l'autonomie des personnages, la cohérence des références et la fin demandée. Le format de jeu de rôle nommé et les limites de M2-her restent distincts des autres modèles linguistiques, visuels et multimédias MiniMax.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites M2-her | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.0024 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"M2-her","messages":[{"role":"user","content":"hello"}],"stream":false}')\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="M2-her", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra M2-her
/chat/completions
M2-herMiniMax M2-her est un modèle exclusivement textuel pour le jeu de rôle, les dialogues narratifs et les conversations à plusieurs tours. Ses formats dédiés de rôles et de messages d'exemple façonnent les deux côtés de l'interaction, avec un contexte fabricant de 64K et une complétion maximale de 2 048 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
MiniMax M2-her est le modèle textuel de MiniMax centré sur le dialogue pour le jeu de rôle, les conversations de personnages et les interactions narratives. Son profil est distinct du modèle MiniMax M2 général destiné au code et aux agents. Le fabricant le développe autour de mondes fictifs cohérents, d'une progression active du récit et de l'alignement sur les préférences conversationnelles de l'utilisateur. Entrée et sortie sont textuelles ; le guide dédié ne prend pas en charge une entrée mixte texte-image.
Le format conversationnel du fabricant va au-delà des messages habituels system, user et assistant. Le rôle system définit l'identité, la personnalité et le comportement du modèle. user_system définit le personnage ou la persona de l'utilisateur, tandis que group identifie le scénario ou le groupe conversationnel. Gardez ces distinctions claires lorsque l'histoire implique plusieurs personnes, des connaissances différentes ou une relation particulière.
Donnez au modèle le cadre, les motivations du personnage et les faits devant rester vrais. Décrivez qui contrôle les actions de l'utilisateur et quels choix doivent rester ouverts à une réponse. Exemple de brief de scène : « Continuez dans le rôle de l'archiviste, préservez le mystère établi et proposez un nouvel indice sans décider de la réaction de mon personnage. » Cela prépare un échange réactif plutôt que de demander au modèle d'écrire les deux côtés de l'interaction.
M2-her prend en charge les messages sample_message_user et sample_message_ai pour illustrer le schéma de dialogue souhaité. Le fabricant recommande un à trois exemples concis. Utilisez-les pour établir la voix, le rythme et la relation entre narration et dialogue, en évitant un exemple long qui consomme du contexte sans clarifier le style. Les exemples comptent dans le budget d'entrée comme les autres messages.
L'orientation de développement de MiniMax insiste sur l'identité des personnages, les règles du monde, la variété des mouvements de l'intrigue et l'autonomie de l'utilisateur. Indiquez le rythme souhaité lorsqu'il importe : échange calme, révélation progressive ou nouvelle complication. Pour une révision, identifiez la ligne ou l'événement exact qui contredit la caractérisation ou la chronologie et demandez une correction préservant le reste de la scène.
Le processus documenté inclut l'historique complet de l'utilisateur et de l'assistant dans l'ordre chronologique pour le dialogue à plusieurs tours. Cet historique donne à la réponse suivante des preuves des événements antérieurs et relations établies. Explicitez les noms essentiels et les développements récents lors de la préparation d'un récit continu. L'historique de contexte est fourni au modèle ; il ne faut pas le confondre avec une mémoire illimitée hors de la conversation.
Les recherches du fabricant sur le jeu de rôle utilisent la synthèse de dialogues et l'apprentissage en ligne des préférences pour améliorer la diversité, la continuité et la réactivité. Ces méthodes décrivent le modèle du fabricant, sans garantir l'absence d'erreur dans chaque histoire. Vérifiez que la réponse attribue les dialogues au bon personnage et respecte les règles physiques ou fictives du cadre.
Le guide M2-her dédié indique un contexte de 64K et une complétion maximale de 2 048 tokens. Il documente aussi la sortie en streaming et les valeurs d'échantillonnage par défaut temperature 1.0 et top-p 0.95. Choisissez une longueur adaptée à un tour de conversation ; un passage trop long peut prendre la place de la prochaine décision de l'utilisateur ou être tronqué par le budget de complétion.
Le résultat utile est une réplique de personnage, un passage narratif ou une continuation de scène qui respecte le cadre fourni et invite à l'interaction suivante. Vérifiez le point de vue, l'autonomie des personnages, la cohérence des références et la fin demandée. Le format de jeu de rôle nommé et les limites de M2-her restent distincts des autres modèles linguistiques, visuels et multimédias MiniMax.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites M2-her | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.0024 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "M2-her",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'M2-her', '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': 'M2-her', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra M2-her
/chat/completions