MiniMax M2-her è il modello testuale di MiniMax focalizzato sul dialogo per giochi di ruolo, conversazioni fra personaggi e interazioni narrative. È un profilo distinto dal modello MiniMax M2 generale per codice e agenti. Il produttore lo sviluppa intorno a mondi immaginari coerenti, progressione attiva della storia e allineamento alle preferenze conversazionali dell'utente. Input e output sono testo; la guida dedicata non supporta input misti testo-immagine.
Il formato conversazionale del produttore include più dei consueti messaggi system, user e assistant. Il ruolo system definisce identità, personalità e comportamento del modello. user_system definisce personaggio o persona dell'utente, mentre group identifica scenario o gruppo conversazionale. Mantenere chiare le distinzioni quando la storia coinvolge più persone, conoscenze diverse o una relazione particolare.
Fornire ambientazione, motivazioni del personaggio e fatti che devono restare veri. Descrivere chi controlla le azioni dell'utente e quali scelte devono rimanere aperte a una risposta. Un brief esemplificativo è: “Continua come archivista, conserva il mistero stabilito e offri un nuovo indizio senza decidere come reagisce il mio personaggio.” Prepara uno scambio reattivo anziché chiedere al modello di scrivere entrambi i lati dell'interazione.
M2-her supporta messaggi sample_message_user e sample_message_ai per dimostrare il modello di dialogo desiderato. Il produttore consiglia da uno a tre esempi concisi. Usarli per stabilire voce, ritmo e rapporto fra narrazione e dialogo, evitando un esempio lungo che consumi contesto senza chiarire lo stile. Gli esempi contano nel budget di input come gli altri messaggi.
Lo sviluppo di MiniMax enfatizza identità dei personaggi, regole del mondo, varietà dei movimenti narrativi e autonomia dell'utente. Indicare il ritmo desiderato quando conta, come scambio tranquillo, rivelazione graduale o nuova complicazione. Per una revisione identificare la riga o l'evento esatto che viola la caratterizzazione o la cronologia e chiedere una correzione che conservi il resto della scena.
Il flusso documentato include l'intera cronologia utente e assistente in ordine cronologico per dialoghi su più turni. Fornisce alla risposta successiva prove di eventi precedenti e relazioni stabilite. Esplicitare nomi essenziali e sviluppi recenti quando si prepara una storia continuativa. La cronologia è fornita al modello; non va confusa con memoria illimitata fuori dalla conversazione.
La ricerca sul gioco di ruolo del produttore usa sintesi dialogica e apprendimento online delle preferenze per migliorare diversità, continuità e reattività. Questi metodi descrivono il modello del produttore, non garantiscono che ogni storia sia priva di errori. Verificare che la risposta attribuisca i dialoghi al personaggio giusto e rispetti le regole fisiche o immaginarie dell'ambientazione.
La guida M2-her dedicata indica contesto di 64K e completamento massimo di 2.048 token. Documenta anche output in streaming e valori predefiniti di campionamento temperature 1.0 e top-p 0.95. Scegliere una lunghezza adatta a un turno; un brano troppo lungo può sottrarre la decisione successiva all'utente o essere troncato dal budget di completamento.
Il risultato utile è una replica del personaggio, un brano narrativo o una scena continuata che rispetta l'ambientazione e invita alla prossima interazione. Verificare punto di vista, autonomia dei personaggi, coerenza dei riferimenti e finale richiesto. Formato di gioco di ruolo e limiti di M2-her restano distinti dagli altri modelli linguistici, visivi e multimediali MiniMax.
", "aboutText": "MiniMax M2-her è il modello testuale di MiniMax focalizzato sul dialogo per giochi di ruolo, conversazioni fra personaggi e interazioni narrative. È un profilo distinto dal modello MiniMax M2 generale per codice e agenti. Il produttore lo sviluppa intorno a mondi immaginari coerenti, progressione attiva della storia e allineamento alle preferenze conversazionali dell'utente. Input e output sono testo; la guida dedicata non supporta input misti testo-immagine.\n\n### Definire il mondo e i due ruoli\n\nIl formato conversazionale del produttore include più dei consueti messaggi system, user e assistant. Il ruolo system definisce identità, personalità e comportamento del modello. user_system definisce personaggio o persona dell'utente, mentre group identifica scenario o gruppo conversazionale. Mantenere chiare le distinzioni quando la storia coinvolge più persone, conoscenze diverse o una relazione particolare.\n\nFornire ambientazione, motivazioni del personaggio e fatti che devono restare veri. Descrivere chi controlla le azioni dell'utente e quali scelte devono rimanere aperte a una risposta. Un brief esemplificativo è: “Continua come archivista, conserva il mistero stabilito e offri un nuovo indizio senza decidere come reagisce il mio personaggio.” Prepara uno scambio reattivo anziché chiedere al modello di scrivere entrambi i lati dell'interazione.\n\n### Esempi e stile\n\nM2-her supporta messaggi sample_message_user e sample_message_ai per dimostrare il modello di dialogo desiderato. Il produttore consiglia da uno a tre esempi concisi. Usarli per stabilire voce, ritmo e rapporto fra narrazione e dialogo, evitando un esempio lungo che consumi contesto senza chiarire lo stile. Gli esempi contano nel budget di input come gli altri messaggi.\n\nLo sviluppo di MiniMax enfatizza identità dei personaggi, regole del mondo, varietà dei movimenti narrativi e autonomia dell'utente. Indicare il ritmo desiderato quando conta, come scambio tranquillo, rivelazione graduale o nuova complicazione. Per una revisione identificare la riga o l'evento esatto che viola la caratterizzazione o la cronologia e chiedere una correzione che conservi il resto della scena.\n\n### Mantenere il contesto conversazionale\n\nIl flusso documentato include l'intera cronologia utente e assistente in ordine cronologico per dialoghi su più turni. Fornisce alla risposta successiva prove di eventi precedenti e relazioni stabilite. Esplicitare nomi essenziali e sviluppi recenti quando si prepara una storia continuativa. La cronologia è fornita al modello; non va confusa con memoria illimitata fuori dalla conversazione.\n\nLa ricerca sul gioco di ruolo del produttore usa sintesi dialogica e apprendimento online delle preferenze per migliorare diversità, continuità e reattività. Questi metodi descrivono il modello del produttore, non garantiscono che ogni storia sia priva di errori. Verificare che la risposta attribuisca i dialoghi al personaggio giusto e rispetti le regole fisiche o immaginarie dell'ambientazione.\n\n### Limiti e brano risultante\n\nLa guida M2-her dedicata indica contesto di 64K e completamento massimo di 2.048 token. Documenta anche output in streaming e valori predefiniti di campionamento temperature 1.0 e top-p 0.95. Scegliere una lunghezza adatta a un turno; un brano troppo lungo può sottrarre la decisione successiva all'utente o essere troncato dal budget di completamento.\n\nIl risultato utile è una replica del personaggio, un brano narrativo o una scena continuata che rispetta l'ambientazione e invita alla prossima interazione. Verificare punto di vista, autonomia dei personaggi, coerenza dei riferimenti e finale richiesto. Formato di gioco di ruolo e limiti di M2-her restano distinti dagli altri modelli linguistici, visivi e multimediali MiniMax.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
A clue within a consistent fictional world\n\nContinue as caretaker Sol for two or three short replies. In this world, the lighthouse lamp can glow only when its bell is silent. I play a visitor who asks why the dark lamp still feels warm. Offer one clue while preserving the world rule, and end before deciding my character's response or movement.Two or three character replies with a clue, a consistent lamp/bell relationship and room for the player to act.The passage never has the lamp glowing while the bell rings and does not control the visitor.minimax/minimax-m2-herMiniMax M2-her è un modello solo testuale per giochi di ruolo, dialoghi narrativi e conversazioni su più turni. Formati dedicati di ruoli e messaggi di esempio plasmano entrambi i lati dell'interazione, con contesto del produttore di 64K e completamento massimo di 2.048 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
MiniMax M2-her è il modello testuale di MiniMax focalizzato sul dialogo per giochi di ruolo, conversazioni fra personaggi e interazioni narrative. È un profilo distinto dal modello MiniMax M2 generale per codice e agenti. Il produttore lo sviluppa intorno a mondi immaginari coerenti, progressione attiva della storia e allineamento alle preferenze conversazionali dell'utente. Input e output sono testo; la guida dedicata non supporta input misti testo-immagine.
Il formato conversazionale del produttore include più dei consueti messaggi system, user e assistant. Il ruolo system definisce identità, personalità e comportamento del modello. user_system definisce personaggio o persona dell'utente, mentre group identifica scenario o gruppo conversazionale. Mantenere chiare le distinzioni quando la storia coinvolge più persone, conoscenze diverse o una relazione particolare.
Fornire ambientazione, motivazioni del personaggio e fatti che devono restare veri. Descrivere chi controlla le azioni dell'utente e quali scelte devono rimanere aperte a una risposta. Un brief esemplificativo è: “Continua come archivista, conserva il mistero stabilito e offri un nuovo indizio senza decidere come reagisce il mio personaggio.” Prepara uno scambio reattivo anziché chiedere al modello di scrivere entrambi i lati dell'interazione.
M2-her supporta messaggi sample_message_user e sample_message_ai per dimostrare il modello di dialogo desiderato. Il produttore consiglia da uno a tre esempi concisi. Usarli per stabilire voce, ritmo e rapporto fra narrazione e dialogo, evitando un esempio lungo che consumi contesto senza chiarire lo stile. Gli esempi contano nel budget di input come gli altri messaggi.
Lo sviluppo di MiniMax enfatizza identità dei personaggi, regole del mondo, varietà dei movimenti narrativi e autonomia dell'utente. Indicare il ritmo desiderato quando conta, come scambio tranquillo, rivelazione graduale o nuova complicazione. Per una revisione identificare la riga o l'evento esatto che viola la caratterizzazione o la cronologia e chiedere una correzione che conservi il resto della scena.
Il flusso documentato include l'intera cronologia utente e assistente in ordine cronologico per dialoghi su più turni. Fornisce alla risposta successiva prove di eventi precedenti e relazioni stabilite. Esplicitare nomi essenziali e sviluppi recenti quando si prepara una storia continuativa. La cronologia è fornita al modello; non va confusa con memoria illimitata fuori dalla conversazione.
La ricerca sul gioco di ruolo del produttore usa sintesi dialogica e apprendimento online delle preferenze per migliorare diversità, continuità e reattività. Questi metodi descrivono il modello del produttore, non garantiscono che ogni storia sia priva di errori. Verificare che la risposta attribuisca i dialoghi al personaggio giusto e rispetti le regole fisiche o immaginarie dell'ambientazione.
La guida M2-her dedicata indica contesto di 64K e completamento massimo di 2.048 token. Documenta anche output in streaming e valori predefiniti di campionamento temperature 1.0 e top-p 0.95. Scegliere una lunghezza adatta a un turno; un brano troppo lungo può sottrarre la decisione successiva all'utente o essere troncato dal budget di completamento.
Il risultato utile è una replica del personaggio, un brano narrativo o una scena continuata che rispetta l'ambientazione e invita alla prossima interazione. Verificare punto di vista, autonomia dei personaggi, coerenza dei riferimenti e finale richiesto. Formato di gioco di ruolo e limiti di M2-her restano distinti dagli altri modelli linguistici, visivi e multimediali MiniMax.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti minimax/minimax-m2-her | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax/minimax-m2-her", "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='minimax/minimax-m2-her',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='minimax/minimax-m2-her',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra minimax/minimax-m2-her
Usa i percorsi dei metodi indicati sopra.
minimax/minimax-m2-herMiniMax M2-her è un modello solo testuale per giochi di ruolo, dialoghi narrativi e conversazioni su più turni. Formati dedicati di ruoli e messaggi di esempio plasmano entrambi i lati dell'interazione, con contesto del produttore di 64K e completamento massimo di 2.048 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
MiniMax M2-her è il modello testuale di MiniMax focalizzato sul dialogo per giochi di ruolo, conversazioni fra personaggi e interazioni narrative. È un profilo distinto dal modello MiniMax M2 generale per codice e agenti. Il produttore lo sviluppa intorno a mondi immaginari coerenti, progressione attiva della storia e allineamento alle preferenze conversazionali dell'utente. Input e output sono testo; la guida dedicata non supporta input misti testo-immagine.
Il formato conversazionale del produttore include più dei consueti messaggi system, user e assistant. Il ruolo system definisce identità, personalità e comportamento del modello. user_system definisce personaggio o persona dell'utente, mentre group identifica scenario o gruppo conversazionale. Mantenere chiare le distinzioni quando la storia coinvolge più persone, conoscenze diverse o una relazione particolare.
Fornire ambientazione, motivazioni del personaggio e fatti che devono restare veri. Descrivere chi controlla le azioni dell'utente e quali scelte devono rimanere aperte a una risposta. Un brief esemplificativo è: “Continua come archivista, conserva il mistero stabilito e offri un nuovo indizio senza decidere come reagisce il mio personaggio.” Prepara uno scambio reattivo anziché chiedere al modello di scrivere entrambi i lati dell'interazione.
M2-her supporta messaggi sample_message_user e sample_message_ai per dimostrare il modello di dialogo desiderato. Il produttore consiglia da uno a tre esempi concisi. Usarli per stabilire voce, ritmo e rapporto fra narrazione e dialogo, evitando un esempio lungo che consumi contesto senza chiarire lo stile. Gli esempi contano nel budget di input come gli altri messaggi.
Lo sviluppo di MiniMax enfatizza identità dei personaggi, regole del mondo, varietà dei movimenti narrativi e autonomia dell'utente. Indicare il ritmo desiderato quando conta, come scambio tranquillo, rivelazione graduale o nuova complicazione. Per una revisione identificare la riga o l'evento esatto che viola la caratterizzazione o la cronologia e chiedere una correzione che conservi il resto della scena.
Il flusso documentato include l'intera cronologia utente e assistente in ordine cronologico per dialoghi su più turni. Fornisce alla risposta successiva prove di eventi precedenti e relazioni stabilite. Esplicitare nomi essenziali e sviluppi recenti quando si prepara una storia continuativa. La cronologia è fornita al modello; non va confusa con memoria illimitata fuori dalla conversazione.
La ricerca sul gioco di ruolo del produttore usa sintesi dialogica e apprendimento online delle preferenze per migliorare diversità, continuità e reattività. Questi metodi descrivono il modello del produttore, non garantiscono che ogni storia sia priva di errori. Verificare che la risposta attribuisca i dialoghi al personaggio giusto e rispetti le regole fisiche o immaginarie dell'ambientazione.
La guida M2-her dedicata indica contesto di 64K e completamento massimo di 2.048 token. Documenta anche output in streaming e valori predefiniti di campionamento temperature 1.0 e top-p 0.95. Scegliere una lunghezza adatta a un turno; un brano troppo lungo può sottrarre la decisione successiva all'utente o essere troncato dal budget di completamento.
Il risultato utile è una replica del personaggio, un brano narrativo o una scena continuata che rispetta l'ambientazione e invita alla prossima interazione. Verificare punto di vista, autonomia dei personaggi, coerenza dei riferimenti e finale richiesto. Formato di gioco di ruolo e limiti di M2-her restano distinti dagli altri modelli linguistici, visivi e multimediali MiniMax.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti minimax/minimax-m2-her | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.0024 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "minimax/minimax-m2-her",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'minimax/minimax-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': 'minimax/minimax-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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra minimax/minimax-m2-her
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
A clue within a consistent fictional world\n\nContinue as caretaker Sol for two or three short replies. In this world, the lighthouse lamp can glow only when its bell is silent. I play a visitor who asks why the dark lamp still feels warm. Offer one clue while preserving the world rule, and end before deciding my character's response or movement.Two or three character replies with a clue, a consistent lamp/bell relationship and room for the player to act.The passage never has the lamp glowing while the bell rings and does not control the visitor.