Nex-N2.5-Pro adalah edisi Pro multimodal bernama dari Nex AGI untuk tugas jangka panjang dalam lingkungan dunia nyata. Bersama mini, model ini meneruskan fondasi visual Nex-N2, dengan peningkatan terarah pada penggunaan komputer, penjelajahan web, dan pekerjaan agen berlandaskan visual. Model ini tetap terpisah dari model Max keluarga tersebut yang hanya berbasis teks; tugas Pro dapat menggunakan pengamatan visual untuk memeriksa apa yang telah berubah dan memutuskan cara melanjutkan.
Siapkan penugasan produktivitas dengan sumber aktual dan hasil yang jelas: perbandingan yang selesai, perubahan kode, atau keadaan tertentu yang dicapai dalam aplikasi. Berikan konteks tangkapan layar atau dokumen yang relevan kepada model dan nyatakan tindakan yang diperbolehkan. Arahan praktis adalah: “Gunakan sumber dan pengamatan layar ini untuk menyelesaikan perbandingan, verifikasi setiap bidang yang diwajibkan, dan kembalikan rekaman akhir beserta bukti yang mendukungnya.”
Untuk tugas antarmuka, pertahankan label yang terlihat dan identifikasi keadaan yang akan membuktikan penyelesaian. Untuk pekerjaan program, berikan implementasi, kegagalan yang diamati, dan perilaku yang harus dipertahankan. Masukan ini menghubungkan keputusan agen dengan tujuan pengguna alih-alih membiarkan rencana dianggap sebagai hasil yang telah selesai.
Pembuatnya melatih keluarga ini untuk bertindak terus-menerus dan mengoreksi diri berdasarkan umpan balik lingkungan. Model dapat menafsirkan layar dan mengusulkan fungsi atau operasi, sementara aplikasi menjalankannya dan mengembalikan pengamatan visual atau tekstual yang dihasilkan. Bandingkan pengamatan tersebut dengan tujuan yang dinyatakan sebelum memutuskan apakah tindakan berikutnya diperlukan.
Simpan pengenal sumber dan operasi bersama hasilnya. Jika tugas menghasilkan kode, aplikasi memperoleh umpan balik eksekusi atau validasi aktual. Jika tugas peramban mengubah suatu keadaan, layar baru menjadi bukti tentang apa yang terjadi. Instruksi yang dihasilkan, koordinat yang diusulkan, atau perintah validasi tertulis tetap berbeda dari eksekusinya.
Nex-N2.5 menggunakan reasoning_effort untuk tiga mode. None mengembalikan jawaban langsung. Medium adalah bawaan adaptif, yang memungkinkan model memilih apakah dan seberapa banyak harus menalar. High selalu mengaktifkan thinking sebelum respons akhir. Pembuatnya merekomendasikan temperature 0.7, top-p 0.95, dan top-k 40 untuk pengaturan referensinya.
Tetapkan artefak akhir secara terpisah dari mode penalaran, termasuk bahasa, detail wajib, dan penanganan informasi yang tidak tersedia. Templat bawaan menggunakan reasoning_effort; flag thinking model lain bukan kontrol yang dapat dipertukarkan tanpa penerjemahan eksplisit oleh alur di sekelilingnya.
Pembuatnya mendokumentasikan pemanggilan fungsi terstruktur dan penguraian penalaran secara terpisah dari respons akhir. Sediakan fungsi dengan tujuan dan definisi parameter yang presisi. Gunakan pengamatan yang dikembalikan untuk mendukung tugas yang berlanjut, dan tentukan hasil mana yang memungkinkan tugas selesai. Untuk riset atau pekerjaan pengetahuan, berikan bagian teks otoritatif atau fungsi pencarian yang sesuai agar kesimpulan dapat ditelusuri ke bukti aktual.
Pekerjaan jangka panjang mengumpulkan konteks dari sumber, layar, percakapan, penalaran, dan hasil alat. Jaga pengamatan yang relevan tetap tertata dan pertahankan kriteria penyelesaian selama tindak lanjut. Identitas Pro dari pembuatnya tidak dengan sendirinya menetapkan jumlah parameter yang tidak terdokumentasi atau batas masukan/keluaran universal.
Hasil kerja yang berguna adalah penjelasan teks, artefak kode, atau rekaman analitis selesai yang dapat ditinjau terhadap sumber dan pengamatan lingkungan. Pro mempertahankan edisi multimodal dan kontrol modenya sendiri, tanpa mewarisi arsitektur Max yang hanya berbasis teks atau menganggap setiap operasi lintas aplikasi yang diusulkan telah dijalankan.
", "aboutText": "Nex-N2.5-Pro adalah edisi Pro multimodal bernama dari Nex AGI untuk tugas jangka panjang dalam lingkungan dunia nyata. Bersama mini, model ini meneruskan fondasi visual Nex-N2, dengan peningkatan terarah pada penggunaan komputer, penjelajahan web, dan pekerjaan agen berlandaskan visual. Model ini tetap terpisah dari model Max keluarga tersebut yang hanya berbasis teks; tugas Pro dapat menggunakan pengamatan visual untuk memeriksa apa yang telah berubah dan memutuskan cara melanjutkan.\n\n### Tujuan, sumber, dan lingkungan\n\nSiapkan penugasan produktivitas dengan sumber aktual dan hasil yang jelas: perbandingan yang selesai, perubahan kode, atau keadaan tertentu yang dicapai dalam aplikasi. Berikan konteks tangkapan layar atau dokumen yang relevan kepada model dan nyatakan tindakan yang diperbolehkan. Arahan praktis adalah: “Gunakan sumber dan pengamatan layar ini untuk menyelesaikan perbandingan, verifikasi setiap bidang yang diwajibkan, dan kembalikan rekaman akhir beserta bukti yang mendukungnya.”\n\nUntuk tugas antarmuka, pertahankan label yang terlihat dan identifikasi keadaan yang akan membuktikan penyelesaian. Untuk pekerjaan program, berikan implementasi, kegagalan yang diamati, dan perilaku yang harus dipertahankan. Masukan ini menghubungkan keputusan agen dengan tujuan pengguna alih-alih membiarkan rencana dianggap sebagai hasil yang telah selesai.\n\n### Umpan balik visual dan koreksi diri\n\nPembuatnya melatih keluarga ini untuk bertindak terus-menerus dan mengoreksi diri berdasarkan umpan balik lingkungan. Model dapat menafsirkan layar dan mengusulkan fungsi atau operasi, sementara aplikasi menjalankannya dan mengembalikan pengamatan visual atau tekstual yang dihasilkan. Bandingkan pengamatan tersebut dengan tujuan yang dinyatakan sebelum memutuskan apakah tindakan berikutnya diperlukan.\n\nSimpan pengenal sumber dan operasi bersama hasilnya. Jika tugas menghasilkan kode, aplikasi memperoleh umpan balik eksekusi atau validasi aktual. Jika tugas peramban mengubah suatu keadaan, layar baru menjadi bukti tentang apa yang terjadi. Instruksi yang dihasilkan, koordinat yang diusulkan, atau perintah validasi tertulis tetap berbeda dari eksekusinya.\n\n### Mode thinking dan panduan pembuatnya\n\nNex-N2.5 menggunakan reasoning_effort untuk tiga mode. None mengembalikan jawaban langsung. Medium adalah bawaan adaptif, yang memungkinkan model memilih apakah dan seberapa banyak harus menalar. High selalu mengaktifkan thinking sebelum respons akhir. Pembuatnya merekomendasikan temperature 0.7, top-p 0.95, dan top-k 40 untuk pengaturan referensinya.\n\nTetapkan artefak akhir secara terpisah dari mode penalaran, termasuk bahasa, detail wajib, dan penanganan informasi yang tidak tersedia. Templat bawaan menggunakan reasoning_effort; flag thinking model lain bukan kontrol yang dapat dipertukarkan tanpa penerjemahan eksplisit oleh alur di sekelilingnya.\n\n### Pemanggilan fungsi dan artefak yang berguna\n\nPembuatnya mendokumentasikan pemanggilan fungsi terstruktur dan penguraian penalaran secara terpisah dari respons akhir. Sediakan fungsi dengan tujuan dan definisi parameter yang presisi. Gunakan pengamatan yang dikembalikan untuk mendukung tugas yang berlanjut, dan tentukan hasil mana yang memungkinkan tugas selesai. Untuk riset atau pekerjaan pengetahuan, berikan bagian teks otoritatif atau fungsi pencarian yang sesuai agar kesimpulan dapat ditelusuri ke bukti aktual.\n\nPekerjaan jangka panjang mengumpulkan konteks dari sumber, layar, percakapan, penalaran, dan hasil alat. Jaga pengamatan yang relevan tetap tertata dan pertahankan kriteria penyelesaian selama tindak lanjut. Identitas Pro dari pembuatnya tidak dengan sendirinya menetapkan jumlah parameter yang tidak terdokumentasi atau batas masukan/keluaran universal.\n\nHasil kerja yang berguna adalah penjelasan teks, artefak kode, atau rekaman analitis selesai yang dapat ditinjau terhadap sumber dan pengamatan lingkungan. Pro mempertahankan edisi multimodal dan kontrol modenya sendiri, tanpa mewarisi arsitektur Max yang hanya berbasis teks atau menganggap setiap operasi lintas aplikasi yang diusulkan telah dijalankan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Verify a textual screen-state change\n\nCompare these recorded interface observations. [Before] Invoice I-72: draft; approve button visible. [Action] User clicked approve. [After] Invoice I-72: pending review; approval ID blank. Required completion: approved status with a populated approval ID. State whether completion is established and identify the next evidence to obtain. Use only the recorded text.A before/action/after comparison, an explicit completion finding and one next evidence request.Ensure a clicked button is not treated as proof of approved status or an approval ID.nex-agi/nex-n2.5-proNex-N2.5-Pro adalah edisi agen multimodal dari Nex AGI untuk penggunaan komputer, penjelajahan web, dan tugas produktivitas jangka panjang. Model ini menggunakan umpan balik visual, pemanggilan fungsi, serta mode langsung, adaptif, atau thinking untuk menghubungkan tujuan yang terdefinisi dengan teks, kode, dan usulan tindakan aplikasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Nex-N2.5-Pro adalah edisi Pro multimodal bernama dari Nex AGI untuk tugas jangka panjang dalam lingkungan dunia nyata. Bersama mini, model ini meneruskan fondasi visual Nex-N2, dengan peningkatan terarah pada penggunaan komputer, penjelajahan web, dan pekerjaan agen berlandaskan visual. Model ini tetap terpisah dari model Max keluarga tersebut yang hanya berbasis teks; tugas Pro dapat menggunakan pengamatan visual untuk memeriksa apa yang telah berubah dan memutuskan cara melanjutkan.
Siapkan penugasan produktivitas dengan sumber aktual dan hasil yang jelas: perbandingan yang selesai, perubahan kode, atau keadaan tertentu yang dicapai dalam aplikasi. Berikan konteks tangkapan layar atau dokumen yang relevan kepada model dan nyatakan tindakan yang diperbolehkan. Arahan praktis adalah: “Gunakan sumber dan pengamatan layar ini untuk menyelesaikan perbandingan, verifikasi setiap bidang yang diwajibkan, dan kembalikan rekaman akhir beserta bukti yang mendukungnya.”
Untuk tugas antarmuka, pertahankan label yang terlihat dan identifikasi keadaan yang akan membuktikan penyelesaian. Untuk pekerjaan program, berikan implementasi, kegagalan yang diamati, dan perilaku yang harus dipertahankan. Masukan ini menghubungkan keputusan agen dengan tujuan pengguna alih-alih membiarkan rencana dianggap sebagai hasil yang telah selesai.
Pembuatnya melatih keluarga ini untuk bertindak terus-menerus dan mengoreksi diri berdasarkan umpan balik lingkungan. Model dapat menafsirkan layar dan mengusulkan fungsi atau operasi, sementara aplikasi menjalankannya dan mengembalikan pengamatan visual atau tekstual yang dihasilkan. Bandingkan pengamatan tersebut dengan tujuan yang dinyatakan sebelum memutuskan apakah tindakan berikutnya diperlukan.
Simpan pengenal sumber dan operasi bersama hasilnya. Jika tugas menghasilkan kode, aplikasi memperoleh umpan balik eksekusi atau validasi aktual. Jika tugas peramban mengubah suatu keadaan, layar baru menjadi bukti tentang apa yang terjadi. Instruksi yang dihasilkan, koordinat yang diusulkan, atau perintah validasi tertulis tetap berbeda dari eksekusinya.
Nex-N2.5 menggunakan reasoning_effort untuk tiga mode. None mengembalikan jawaban langsung. Medium adalah bawaan adaptif, yang memungkinkan model memilih apakah dan seberapa banyak harus menalar. High selalu mengaktifkan thinking sebelum respons akhir. Pembuatnya merekomendasikan temperature 0.7, top-p 0.95, dan top-k 40 untuk pengaturan referensinya.
Tetapkan artefak akhir secara terpisah dari mode penalaran, termasuk bahasa, detail wajib, dan penanganan informasi yang tidak tersedia. Templat bawaan menggunakan reasoning_effort; flag thinking model lain bukan kontrol yang dapat dipertukarkan tanpa penerjemahan eksplisit oleh alur di sekelilingnya.
Pembuatnya mendokumentasikan pemanggilan fungsi terstruktur dan penguraian penalaran secara terpisah dari respons akhir. Sediakan fungsi dengan tujuan dan definisi parameter yang presisi. Gunakan pengamatan yang dikembalikan untuk mendukung tugas yang berlanjut, dan tentukan hasil mana yang memungkinkan tugas selesai. Untuk riset atau pekerjaan pengetahuan, berikan bagian teks otoritatif atau fungsi pencarian yang sesuai agar kesimpulan dapat ditelusuri ke bukti aktual.
Pekerjaan jangka panjang mengumpulkan konteks dari sumber, layar, percakapan, penalaran, dan hasil alat. Jaga pengamatan yang relevan tetap tertata dan pertahankan kriteria penyelesaian selama tindak lanjut. Identitas Pro dari pembuatnya tidak dengan sendirinya menetapkan jumlah parameter yang tidak terdokumentasi atau batas masukan/keluaran universal.
Hasil kerja yang berguna adalah penjelasan teks, artefak kode, atau rekaman analitis selesai yang dapat ditinjau terhadap sumber dan pengamatan lingkungan. Pro mempertahankan edisi multimodal dan kontrol modenya sendiri, tanpa mewarisi arsitektur Max yang hanya berbasis teks atau menganggap setiap operasi lintas aplikasi yang diusulkan telah dijalankan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan nex-agi/nex-n2.5-pro | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00015 / 1K token Keluaran · Token keluaran $0.0005 / 1K token Masukan · Pembacaan cache $0.00003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00015 / 1K token Keluaran · Token keluaran $0.0005 / 1K token Masukan · Pembacaan cache $0.00003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-pro", "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-pro',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-pro',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra nex-agi/nex-n2.5-pro
Gunakan jalur metode yang ditampilkan di atas.
nex-agi/nex-n2.5-proNex-N2.5-Pro adalah edisi agen multimodal dari Nex AGI untuk penggunaan komputer, penjelajahan web, dan tugas produktivitas jangka panjang. Model ini menggunakan umpan balik visual, pemanggilan fungsi, serta mode langsung, adaptif, atau thinking untuk menghubungkan tujuan yang terdefinisi dengan teks, kode, dan usulan tindakan aplikasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Nex-N2.5-Pro adalah edisi Pro multimodal bernama dari Nex AGI untuk tugas jangka panjang dalam lingkungan dunia nyata. Bersama mini, model ini meneruskan fondasi visual Nex-N2, dengan peningkatan terarah pada penggunaan komputer, penjelajahan web, dan pekerjaan agen berlandaskan visual. Model ini tetap terpisah dari model Max keluarga tersebut yang hanya berbasis teks; tugas Pro dapat menggunakan pengamatan visual untuk memeriksa apa yang telah berubah dan memutuskan cara melanjutkan.
Siapkan penugasan produktivitas dengan sumber aktual dan hasil yang jelas: perbandingan yang selesai, perubahan kode, atau keadaan tertentu yang dicapai dalam aplikasi. Berikan konteks tangkapan layar atau dokumen yang relevan kepada model dan nyatakan tindakan yang diperbolehkan. Arahan praktis adalah: “Gunakan sumber dan pengamatan layar ini untuk menyelesaikan perbandingan, verifikasi setiap bidang yang diwajibkan, dan kembalikan rekaman akhir beserta bukti yang mendukungnya.”
Untuk tugas antarmuka, pertahankan label yang terlihat dan identifikasi keadaan yang akan membuktikan penyelesaian. Untuk pekerjaan program, berikan implementasi, kegagalan yang diamati, dan perilaku yang harus dipertahankan. Masukan ini menghubungkan keputusan agen dengan tujuan pengguna alih-alih membiarkan rencana dianggap sebagai hasil yang telah selesai.
Pembuatnya melatih keluarga ini untuk bertindak terus-menerus dan mengoreksi diri berdasarkan umpan balik lingkungan. Model dapat menafsirkan layar dan mengusulkan fungsi atau operasi, sementara aplikasi menjalankannya dan mengembalikan pengamatan visual atau tekstual yang dihasilkan. Bandingkan pengamatan tersebut dengan tujuan yang dinyatakan sebelum memutuskan apakah tindakan berikutnya diperlukan.
Simpan pengenal sumber dan operasi bersama hasilnya. Jika tugas menghasilkan kode, aplikasi memperoleh umpan balik eksekusi atau validasi aktual. Jika tugas peramban mengubah suatu keadaan, layar baru menjadi bukti tentang apa yang terjadi. Instruksi yang dihasilkan, koordinat yang diusulkan, atau perintah validasi tertulis tetap berbeda dari eksekusinya.
Nex-N2.5 menggunakan reasoning_effort untuk tiga mode. None mengembalikan jawaban langsung. Medium adalah bawaan adaptif, yang memungkinkan model memilih apakah dan seberapa banyak harus menalar. High selalu mengaktifkan thinking sebelum respons akhir. Pembuatnya merekomendasikan temperature 0.7, top-p 0.95, dan top-k 40 untuk pengaturan referensinya.
Tetapkan artefak akhir secara terpisah dari mode penalaran, termasuk bahasa, detail wajib, dan penanganan informasi yang tidak tersedia. Templat bawaan menggunakan reasoning_effort; flag thinking model lain bukan kontrol yang dapat dipertukarkan tanpa penerjemahan eksplisit oleh alur di sekelilingnya.
Pembuatnya mendokumentasikan pemanggilan fungsi terstruktur dan penguraian penalaran secara terpisah dari respons akhir. Sediakan fungsi dengan tujuan dan definisi parameter yang presisi. Gunakan pengamatan yang dikembalikan untuk mendukung tugas yang berlanjut, dan tentukan hasil mana yang memungkinkan tugas selesai. Untuk riset atau pekerjaan pengetahuan, berikan bagian teks otoritatif atau fungsi pencarian yang sesuai agar kesimpulan dapat ditelusuri ke bukti aktual.
Pekerjaan jangka panjang mengumpulkan konteks dari sumber, layar, percakapan, penalaran, dan hasil alat. Jaga pengamatan yang relevan tetap tertata dan pertahankan kriteria penyelesaian selama tindak lanjut. Identitas Pro dari pembuatnya tidak dengan sendirinya menetapkan jumlah parameter yang tidak terdokumentasi atau batas masukan/keluaran universal.
Hasil kerja yang berguna adalah penjelasan teks, artefak kode, atau rekaman analitis selesai yang dapat ditinjau terhadap sumber dan pengamatan lingkungan. Pro mempertahankan edisi multimodal dan kontrol modenya sendiri, tanpa mewarisi arsitektur Max yang hanya berbasis teks atau menganggap setiap operasi lintas aplikasi yang diusulkan telah dijalankan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan nex-agi/nex-n2.5-pro | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00015 / 1K token Keluaran · Token keluaran $0.0005 / 1K token Masukan · Pembacaan cache $0.00003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.00015 / 1K token Keluaran · Token keluaran $0.0005 / 1K token Masukan · Pembacaan cache $0.00003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "nex-agi/nex-n2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro', '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-pro', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra nex-agi/nex-n2.5-pro
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Verify a textual screen-state change\n\nCompare these recorded interface observations. [Before] Invoice I-72: draft; approve button visible. [Action] User clicked approve. [After] Invoice I-72: pending review; approval ID blank. Required completion: approved status with a populated approval ID. State whether completion is established and identify the next evidence to obtain. Use only the recorded text.A before/action/after comparison, an explicit completion finding and one next evidence request.Ensure a clicked button is not treated as proof of approved status or an approval ID.