{ "aboutHtml": "

MiniMax M2-her – į dialogą orientuotas MiniMax tekstinis modelis vaidmenų žaidimui, veikėjų pokalbiams ir siužetinei sąveikai. Tai atskiras profilis nuo bendrojo programavimui ir agentams skirto MiniMax M2 modelio. Gamintojas jį plėtoja nuosekliems išgalvotiems pasauliams, aktyviai istorijos raidai ir naudotojo pageidavimų dėl pokalbio atitikimui. Įvestis ir išvestis yra tekstas; specialus vadovas nepalaiko mišrios teksto ir vaizdo įvesties.

Apibrėžkite pasaulį ir abu vaidmenis

Gamintojo pokalbio formatas apima daugiau nei įprastus system, user ir assistant pranešimus. Vaidmuo system apibrėžia modelio tapatybę, asmenybę ir elgesį. Vaidmuo user_system apibrėžia naudotojo veikėją ar personą, o group identifikuoja scenarijų ar pokalbio grupę. Šiuos skirtumus išlaikykite aiškius, kai istorijoje yra keli žmonės, skirtingos žinios ar konkretus ryšys.

Pateikite modeliui aplinką, veikėjo motyvus ir faktus, kurie turi likti teisingi. Aprašykite, kas valdo naudotojo veiksmus ir kurie pasirinkimai turi likti atviri atsakymui. Pavyzdinė scenos užduotis: „Tęsk kaip archyvaras, išsaugok nustatytą paslaptį ir pateik vieną naują užuominą nenuspręsdamas, kaip reaguoja mano veikėjas.“ Tai parengia atliepiančius mainus, o ne prašo modelio parašyti abi sąveikos puses.

Pavyzdžiai ir stilius

M2-her palaiko sample_message_user ir sample_message_ai pranešimus norimam dialogo modeliui parodyti. Gamintojas rekomenduoja nuo vieno iki trijų glaustų pavyzdžių. Jais nustatykite balsą, tempą ir pasakojimo ryšį su dialogu, vengdami ilgo pavyzdžio, kuris užima kontekstą nepatikslindamas stiliaus. Pavyzdžiai, kaip ir kiti pranešimai, įskaičiuojami į įvesties biudžetą.

MiniMax kūrimo kryptis akcentuoja veikėjo tapatybę, pasaulio taisykles, įvairią siužeto eigą ir naudotojo veiksmų laisvę. Kai svarbu, nurodykite numatytą tempą, pavyzdžiui, ramų pokalbį, laipsnišką atskleidimą ar naują komplikaciją. Redakcijai įvardykite tikslią eilutę ar įvykį, pažeidžiantį veikėjo nuoseklumą ar chronologiją, ir paprašykite pataisymo, išsaugančio likusią sceną.

Išlaikykite pokalbio kontekstą

Dokumentuota eiga kelių ėjimų dialogui pateikia visą naudotojo ir asistento istoriją chronologine tvarka. Ji suteikia kitam atsakymui įrodymų apie ankstesnius įvykius ir nusistovėjusius ryšius. Rengdami tęsiamą istoriją aiškiai išlaikykite esminius vardus ir naujausius įvykius. Konteksto istorija pateikiama modeliui; jos nereikėtų painioti su neribota atmintimi už pokalbio ribų.

Gamintojo vaidmenų tyrimai naudoja dialogų sintezę ir mokymąsi pagal pageidavimus darbo metu įvairovei, tęstinumui bei reagavimui gerinti. Šie mokymo metodai aprašo gamintojo modelį, o ne garantuoja, kad kiekviena istorija bus be klaidų. Patikrinkite, ar atsakymas dialogą priskiria tinkamam veikėjui ir laikosi fizinių ar išgalvotų aplinkos taisyklių.

Ribos ir gauta ištrauka

Specialiame M2-her vadove nurodytas 64K kontekstas ir didžiausia 2 048 žetonų užbaigimo apimtis. Taip pat dokumentuota srautinė išvestis ir numatytosios atrankos reikšmės temperature 1.0 bei top-p 0.95. Pasirinkite vienam pokalbio žingsniui tinkamą atsakymo ilgį; pernelyg ilga ištrauka gali išstumti kitą naudotojo sprendimą ar būti nutraukta užbaigimo biudžeto.

Naudingas rezultatas – veikėjo atsakymas, pasakojimo ištrauka ar pratęsta scena, atitinkantys pateiktą aplinką ir kviečiantys kitai sąveikai. Patikrinkite požiūrio tašką, veikėjo veiksmų laisvę, nuorodų nuoseklumą ir prašomą pabaigą. Įvardytas M2-her vaidmenų formatas ir ribos lieka atskiri nuo kitų MiniMax kalbos, vaizdo ir medijos modelių.

", "aboutText": "MiniMax M2-her – į dialogą orientuotas MiniMax tekstinis modelis vaidmenų žaidimui, veikėjų pokalbiams ir siužetinei sąveikai. Tai atskiras profilis nuo bendrojo programavimui ir agentams skirto MiniMax M2 modelio. Gamintojas jį plėtoja nuosekliems išgalvotiems pasauliams, aktyviai istorijos raidai ir naudotojo pageidavimų dėl pokalbio atitikimui. Įvestis ir išvestis yra tekstas; specialus vadovas nepalaiko mišrios teksto ir vaizdo įvesties.\n\n### Apibrėžkite pasaulį ir abu vaidmenis\n\nGamintojo pokalbio formatas apima daugiau nei įprastus system, user ir assistant pranešimus. Vaidmuo system apibrėžia modelio tapatybę, asmenybę ir elgesį. Vaidmuo user_system apibrėžia naudotojo veikėją ar personą, o group identifikuoja scenarijų ar pokalbio grupę. Šiuos skirtumus išlaikykite aiškius, kai istorijoje yra keli žmonės, skirtingos žinios ar konkretus ryšys.\n\nPateikite modeliui aplinką, veikėjo motyvus ir faktus, kurie turi likti teisingi. Aprašykite, kas valdo naudotojo veiksmus ir kurie pasirinkimai turi likti atviri atsakymui. Pavyzdinė scenos užduotis: „Tęsk kaip archyvaras, išsaugok nustatytą paslaptį ir pateik vieną naują užuominą nenuspręsdamas, kaip reaguoja mano veikėjas.“ Tai parengia atliepiančius mainus, o ne prašo modelio parašyti abi sąveikos puses.\n\n### Pavyzdžiai ir stilius\n\nM2-her palaiko sample_message_user ir sample_message_ai pranešimus norimam dialogo modeliui parodyti. Gamintojas rekomenduoja nuo vieno iki trijų glaustų pavyzdžių. Jais nustatykite balsą, tempą ir pasakojimo ryšį su dialogu, vengdami ilgo pavyzdžio, kuris užima kontekstą nepatikslindamas stiliaus. Pavyzdžiai, kaip ir kiti pranešimai, įskaičiuojami į įvesties biudžetą.\n\nMiniMax kūrimo kryptis akcentuoja veikėjo tapatybę, pasaulio taisykles, įvairią siužeto eigą ir naudotojo veiksmų laisvę. Kai svarbu, nurodykite numatytą tempą, pavyzdžiui, ramų pokalbį, laipsnišką atskleidimą ar naują komplikaciją. Redakcijai įvardykite tikslią eilutę ar įvykį, pažeidžiantį veikėjo nuoseklumą ar chronologiją, ir paprašykite pataisymo, išsaugančio likusią sceną.\n\n### Išlaikykite pokalbio kontekstą\n\nDokumentuota eiga kelių ėjimų dialogui pateikia visą naudotojo ir asistento istoriją chronologine tvarka. Ji suteikia kitam atsakymui įrodymų apie ankstesnius įvykius ir nusistovėjusius ryšius. Rengdami tęsiamą istoriją aiškiai išlaikykite esminius vardus ir naujausius įvykius. Konteksto istorija pateikiama modeliui; jos nereikėtų painioti su neribota atmintimi už pokalbio ribų.\n\nGamintojo vaidmenų tyrimai naudoja dialogų sintezę ir mokymąsi pagal pageidavimus darbo metu įvairovei, tęstinumui bei reagavimui gerinti. Šie mokymo metodai aprašo gamintojo modelį, o ne garantuoja, kad kiekviena istorija bus be klaidų. Patikrinkite, ar atsakymas dialogą priskiria tinkamam veikėjui ir laikosi fizinių ar išgalvotų aplinkos taisyklių.\n\n### Ribos ir gauta ištrauka\n\nSpecialiame M2-her vadove nurodytas 64K kontekstas ir didžiausia 2 048 žetonų užbaigimo apimtis. Taip pat dokumentuota srautinė išvestis ir numatytosios atrankos reikšmės temperature 1.0 bei top-p 0.95. Pasirinkite vienam pokalbio žingsniui tinkamą atsakymo ilgį; pernelyg ilga ištrauka gali išstumti kitą naudotojo sprendimą ar būti nutraukta užbaigimo biudžeto.\n\nNaudingas rezultatas – veikėjo atsakymas, pasakojimo ištrauka ar pratęsta scena, atitinkantys pateiktą aplinką ir kviečiantys kitai sąveikai. Patikrinkite požiūrio tašką, veikėjo veiksmų laisvę, nuorodų nuoseklumą ir prašomą pabaigą. Įvardytas M2-her vaidmenų formatas ir ribos lieka atskiri nuo kitų MiniMax kalbos, vaizdo ir medijos modelių.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "53017bcae67d13f268cc697637284589a50a873750dbf47d2017ea0a39fb7a3d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "lt", "methods": [ { "html": "
MM

MiniMax: MiniMax M2-her

MiniMax /M2-her

Pradžia

MiniMax M2-her – tik tekstinis modelis veikėjų vaidmenims, siužetiniam dialogui ir kelių ėjimų pokalbiams. Specialūs vaidmenų ir pavyzdinių pranešimų formatai formuoja abi sąveikos puses; gamintojo kontekstas – 64K, didžiausia užbaigimo apimtis – 2 048 žetonai.

Leidžiamos įvestys
Tekstas
Rezultatai
Tekstas
Apie modelį

Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.

MiniMax M2-her – į dialogą orientuotas MiniMax tekstinis modelis vaidmenų žaidimui, veikėjų pokalbiams ir siužetinei sąveikai. Tai atskiras profilis nuo bendrojo programavimui ir agentams skirto MiniMax M2 modelio. Gamintojas jį plėtoja nuosekliems išgalvotiems pasauliams, aktyviai istorijos raidai ir naudotojo pageidavimų dėl pokalbio atitikimui. Įvestis ir išvestis yra tekstas; specialus vadovas nepalaiko mišrios teksto ir vaizdo įvesties.

Apibrėžkite pasaulį ir abu vaidmenis

Gamintojo pokalbio formatas apima daugiau nei įprastus system, user ir assistant pranešimus. Vaidmuo system apibrėžia modelio tapatybę, asmenybę ir elgesį. Vaidmuo user_system apibrėžia naudotojo veikėją ar personą, o group identifikuoja scenarijų ar pokalbio grupę. Šiuos skirtumus išlaikykite aiškius, kai istorijoje yra keli žmonės, skirtingos žinios ar konkretus ryšys.

Pateikite modeliui aplinką, veikėjo motyvus ir faktus, kurie turi likti teisingi. Aprašykite, kas valdo naudotojo veiksmus ir kurie pasirinkimai turi likti atviri atsakymui. Pavyzdinė scenos užduotis: „Tęsk kaip archyvaras, išsaugok nustatytą paslaptį ir pateik vieną naują užuominą nenuspręsdamas, kaip reaguoja mano veikėjas.“ Tai parengia atliepiančius mainus, o ne prašo modelio parašyti abi sąveikos puses.

Pavyzdžiai ir stilius

M2-her palaiko sample_message_user ir sample_message_ai pranešimus norimam dialogo modeliui parodyti. Gamintojas rekomenduoja nuo vieno iki trijų glaustų pavyzdžių. Jais nustatykite balsą, tempą ir pasakojimo ryšį su dialogu, vengdami ilgo pavyzdžio, kuris užima kontekstą nepatikslindamas stiliaus. Pavyzdžiai, kaip ir kiti pranešimai, įskaičiuojami į įvesties biudžetą.

MiniMax kūrimo kryptis akcentuoja veikėjo tapatybę, pasaulio taisykles, įvairią siužeto eigą ir naudotojo veiksmų laisvę. Kai svarbu, nurodykite numatytą tempą, pavyzdžiui, ramų pokalbį, laipsnišką atskleidimą ar naują komplikaciją. Redakcijai įvardykite tikslią eilutę ar įvykį, pažeidžiantį veikėjo nuoseklumą ar chronologiją, ir paprašykite pataisymo, išsaugančio likusią sceną.

Išlaikykite pokalbio kontekstą

Dokumentuota eiga kelių ėjimų dialogui pateikia visą naudotojo ir asistento istoriją chronologine tvarka. Ji suteikia kitam atsakymui įrodymų apie ankstesnius įvykius ir nusistovėjusius ryšius. Rengdami tęsiamą istoriją aiškiai išlaikykite esminius vardus ir naujausius įvykius. Konteksto istorija pateikiama modeliui; jos nereikėtų painioti su neribota atmintimi už pokalbio ribų.

Gamintojo vaidmenų tyrimai naudoja dialogų sintezę ir mokymąsi pagal pageidavimus darbo metu įvairovei, tęstinumui bei reagavimui gerinti. Šie mokymo metodai aprašo gamintojo modelį, o ne garantuoja, kad kiekviena istorija bus be klaidų. Patikrinkite, ar atsakymas dialogą priskiria tinkamam veikėjui ir laikosi fizinių ar išgalvotų aplinkos taisyklių.

Ribos ir gauta ištrauka

Specialiame M2-her vadove nurodytas 64K kontekstas ir didžiausia 2 048 žetonų užbaigimo apimtis. Taip pat dokumentuota srautinė išvestis ir numatytosios atrankos reikšmės temperature 1.0 bei top-p 0.95. Pasirinkite vienam pokalbio žingsniui tinkamą atsakymo ilgį; pernelyg ilga ištrauka gali išstumti kitą naudotojo sprendimą ar būti nutraukta užbaigimo biudžeto.

Naudingas rezultatas – veikėjo atsakymas, pasakojimo ištrauka ar pratęsta scena, atitinkantys pateiktą aplinką ir kviečiantys kitai sąveikai. Patikrinkite požiūrio tašką, veikėjo veiksmų laisvę, nuorodų nuoseklumą ir prašomą pabaigą. Įvardytas M2-her vaidmenų formatas ir ribos lieka atskiri nuo kitų MiniMax kalbos, vaizdo ir medijos modelių.

Prieinama Ailoot · įvestys ir metodai

Ailoot Ultra · OpenAI pokalbis POST /v1/chat/completions
Įvestis
text
Išvestis
text
Išvesties formatas
json arba SSE
LaukasTipasReikalavimasReikšmės ir ribosNumatyta
LaukasmodelTipasstringReikalavimasPrivalomaReikšmės ir ribos
M2-her
Numatyta—
LaukasmessagesTipasmessage[]ReikalavimasPrivalomaReikšmės ir ribos
Mažiausias elementų skaičius: 1
Numatyta—
Laukasmessages[].roleTipasstringReikalavimasPrivalomaReikšmės ir ribos
Priklauso nuo modelio
Numatyta—
Laukasmessages[].contentTipasstringReikalavimasNeprivalomaReikšmės ir ribos
Taikoma, kai: Tekstinis pokalbis
Numatyta—
LaukasstreamTipasbooleanReikalavimasNeprivalomaReikšmės ir ribosNumatytafalse
Įvesties medžiagos deriniai

Tekstas · UTF8 tekstas

messages[].content

Metodo parametrai ir gyvavimo ciklas
ParametrasSpecifikacija
Parametrascontent_typeSpecifikacijaapplication/json
ParametrasrequiredSpecifikacijamodel, messages
Parametrasmaterial_typesSpecifikacijatext
ParametrasmessagesSpecifikacijapranešimų masyvas su role/content struktūra
Parametrasfile_materialSpecifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas
Parametrasoptional_controlsSpecifikacijastream
Parametrascontrol_scopeSpecifikacijaTekstinis pokalbis; stream yra loginė reikšmė, kurios numatytoji reikšmė yra false.
Parametrasoutput_modalitiesSpecifikacijatext
Parametrashosted_operationsSpecifikacijafalse
Parametrasmultimodal_input_bindingSpecifikacijanull

Metodo pseudonimai: /chat/completions

Gyvavimo ciklas: synchronous_or_streamed

Siųskite tikslų modelio ID kartu su messages.

Konteksto ilgis nėra išvesties limitas.

Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.

Planai

Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.

Spartusis režimas
Nenurodyta Pasirinkus spartųjį režimą
Flex režimas
Nenurodyta Pasirinkus flex režimą
Didžiausios samprotavimo pastangos
Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)

Ailoot įkainiai

Kainos pagal konfigūraciją

KonfigūracijaĮkainių lentelėMokestis
KonfigūracijaBaziniai žetonų įkainiaiĮkainių lentelėBazinis įkainisMokestis
Įvestis · Įvesties tokenai $0.0006 / 1K tokenų
Išvestis · Išvesties tokenai $0.0024 / 1K tokenų
Įvestis · Talpyklos skaitymas $0 / 1K tokenų
Įvestis · Rašymas į talpyklą $0 / 1K tokenų
Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų

Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →

Užklausų pavyzdžiai

Ailoot Ultra · OpenAI pokalbis

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\n

Gauti ir išsaugoti rezultatus

Ailoot Ultra · OpenAI pokalbis

json arba SSE

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.

Jei reikia patikrinti pradinį atsakymą

Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.

Atsakymo laukai
LaukasTipas
Laukaschoices[].indexTipasinteger
Laukaschoices[].message.contentTipasstring|null
Laukaschoices[].message.tool_callsTipastool_call[]
Laukaschoices[].message.reasoning_contentTipasstring
Laukaschoices[].message.reasoning_detailsTipasobject|array
Laukaschoices[].finish_reasonTipasstring|null
LaukasusageTipasobject
Klaidos ir tolesni veiksmai
AtsakymasSąlygaKitas žingsnis
Atsakymas400 · invalid_request_errorSąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmėKitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus.

Pseudonimai

Modelių pseudonimai

Ailoot Ultra M2-her

Metodų kelių pseudonimai

/chat/completions

Susiję ID iškvietimui

M2-her

", "method_identity": { "effective_request_model_id": "M2-her", "fmt": "chat", "http": "POST", "path": "/v1/chat/completions", "request_model_id": "M2-her", "route_label": "Ultra" }, "method_key": "Ultra|chat|/v1/chat/completions|M2-her", "ordinal": 0, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Netinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė", "http_status": 400, "recovery": "Prieš naują kūrimo užklausą pataisykite nurodytus laukus.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "UTF8 tekstas" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json arba SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "M2-her" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Tekstinis pokalbis" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "Siųskite tikslų modelio ID kartu su messages.", "Konteksto ilgis nėra išvesties limitas.", "Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo." ], "input": { "content_type": "application/json", "control_scope": "Tekstinis pokalbis; stream yra loginė reikšmė, kurios numatytoji reikšmė yra false.", "file_material": "tikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas", "hosted_operations": false, "material_types": [ "text" ], "messages": "pranešimų masyvas su role/content struktūra", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Baziniai žetonų įkainiai", "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.6, "input": [ "text" ], "label": "OpenAI pokalbis", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 2.4, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "M2-her", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } }, { "html": "
MM

MiniMax: MiniMax M2-her

MiniMax /M2-her

Pradžia

MiniMax M2-her – tik tekstinis modelis veikėjų vaidmenims, siužetiniam dialogui ir kelių ėjimų pokalbiams. Specialūs vaidmenų ir pavyzdinių pranešimų formatai formuoja abi sąveikos puses; gamintojo kontekstas – 64K, didžiausia užbaigimo apimtis – 2 048 žetonai.

Leidžiamos įvestys
Tekstas
Rezultatai
json · sse
Apie modelį

Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.

MiniMax M2-her – į dialogą orientuotas MiniMax tekstinis modelis vaidmenų žaidimui, veikėjų pokalbiams ir siužetinei sąveikai. Tai atskiras profilis nuo bendrojo programavimui ir agentams skirto MiniMax M2 modelio. Gamintojas jį plėtoja nuosekliems išgalvotiems pasauliams, aktyviai istorijos raidai ir naudotojo pageidavimų dėl pokalbio atitikimui. Įvestis ir išvestis yra tekstas; specialus vadovas nepalaiko mišrios teksto ir vaizdo įvesties.

Apibrėžkite pasaulį ir abu vaidmenis

Gamintojo pokalbio formatas apima daugiau nei įprastus system, user ir assistant pranešimus. Vaidmuo system apibrėžia modelio tapatybę, asmenybę ir elgesį. Vaidmuo user_system apibrėžia naudotojo veikėją ar personą, o group identifikuoja scenarijų ar pokalbio grupę. Šiuos skirtumus išlaikykite aiškius, kai istorijoje yra keli žmonės, skirtingos žinios ar konkretus ryšys.

Pateikite modeliui aplinką, veikėjo motyvus ir faktus, kurie turi likti teisingi. Aprašykite, kas valdo naudotojo veiksmus ir kurie pasirinkimai turi likti atviri atsakymui. Pavyzdinė scenos užduotis: „Tęsk kaip archyvaras, išsaugok nustatytą paslaptį ir pateik vieną naują užuominą nenuspręsdamas, kaip reaguoja mano veikėjas.“ Tai parengia atliepiančius mainus, o ne prašo modelio parašyti abi sąveikos puses.

Pavyzdžiai ir stilius

M2-her palaiko sample_message_user ir sample_message_ai pranešimus norimam dialogo modeliui parodyti. Gamintojas rekomenduoja nuo vieno iki trijų glaustų pavyzdžių. Jais nustatykite balsą, tempą ir pasakojimo ryšį su dialogu, vengdami ilgo pavyzdžio, kuris užima kontekstą nepatikslindamas stiliaus. Pavyzdžiai, kaip ir kiti pranešimai, įskaičiuojami į įvesties biudžetą.

MiniMax kūrimo kryptis akcentuoja veikėjo tapatybę, pasaulio taisykles, įvairią siužeto eigą ir naudotojo veiksmų laisvę. Kai svarbu, nurodykite numatytą tempą, pavyzdžiui, ramų pokalbį, laipsnišką atskleidimą ar naują komplikaciją. Redakcijai įvardykite tikslią eilutę ar įvykį, pažeidžiantį veikėjo nuoseklumą ar chronologiją, ir paprašykite pataisymo, išsaugančio likusią sceną.

Išlaikykite pokalbio kontekstą

Dokumentuota eiga kelių ėjimų dialogui pateikia visą naudotojo ir asistento istoriją chronologine tvarka. Ji suteikia kitam atsakymui įrodymų apie ankstesnius įvykius ir nusistovėjusius ryšius. Rengdami tęsiamą istoriją aiškiai išlaikykite esminius vardus ir naujausius įvykius. Konteksto istorija pateikiama modeliui; jos nereikėtų painioti su neribota atmintimi už pokalbio ribų.

Gamintojo vaidmenų tyrimai naudoja dialogų sintezę ir mokymąsi pagal pageidavimus darbo metu įvairovei, tęstinumui bei reagavimui gerinti. Šie mokymo metodai aprašo gamintojo modelį, o ne garantuoja, kad kiekviena istorija bus be klaidų. Patikrinkite, ar atsakymas dialogą priskiria tinkamam veikėjui ir laikosi fizinių ar išgalvotų aplinkos taisyklių.

Ribos ir gauta ištrauka

Specialiame M2-her vadove nurodytas 64K kontekstas ir didžiausia 2 048 žetonų užbaigimo apimtis. Taip pat dokumentuota srautinė išvestis ir numatytosios atrankos reikšmės temperature 1.0 bei top-p 0.95. Pasirinkite vienam pokalbio žingsniui tinkamą atsakymo ilgį; pernelyg ilga ištrauka gali išstumti kitą naudotojo sprendimą ar būti nutraukta užbaigimo biudžeto.

Naudingas rezultatas – veikėjo atsakymas, pasakojimo ištrauka ar pratęsta scena, atitinkantys pateiktą aplinką ir kviečiantys kitai sąveikai. Patikrinkite požiūrio tašką, veikėjo veiksmų laisvę, nuorodų nuoseklumą ir prašomą pabaigą. Įvardytas M2-her vaidmenų formatas ir ribos lieka atskiri nuo kitų MiniMax kalbos, vaizdo ir medijos modelių.

Prieinama Ailoot · įvestys ir metodai

Ailoot Ultra · Anthropic pranešimai POST /v1/messages
Įvestis
text
Išvestis
json, sse
Išvesties formatas
JSON arba SSE
LaukasTipasReikalavimasReikšmės ir ribosNumatyta
LaukasmodelTipasstringReikalavimasPrivalomaReikšmės ir ribos
M2-her
Numatyta—
LaukasmessagesTipasmessage[]ReikalavimasPrivalomaReikšmės ir ribosNumatyta—
Laukasmessages[].roleTipasstringReikalavimasPrivalomaReikšmės ir ribos
user, assistant
Numatyta—
Laukasmessages[].contentTipasstringReikalavimasPrivalomaReikšmės ir ribosNumatyta—
Laukasmax_tokensTipasintegerReikalavimasPrivalomaReikšmės ir ribosNumatyta—
LaukasstreamTipasbooleanReikalavimasNeprivalomaReikšmės ir ribosNumatytafalse
Įvesties medžiagos deriniai

Tekstas · UTF-8 tekstas

messages[].content eilutė

Metodo parametrai ir gyvavimo ciklas
ParametrasSpecifikacija
Parametrascontent_typeSpecifikacijaapplication/json
ParametrasrequiredSpecifikacijamodel, messages, max_tokens
Parametrasoptional_controlsSpecifikacijastream
Parametrasmaterial_typesSpecifikacijatext
Parametrastext_file_materialSpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę.

Gyvavimo ciklas: synchronous_or_streamed

Planai

Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.

Spartusis režimas
Nenurodyta Pasirinkus spartųjį režimą
Flex režimas
Nenurodyta Pasirinkus flex režimą
Didžiausios samprotavimo pastangos
Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)

Ailoot įkainiai

Kainos pagal konfigūraciją

KonfigūracijaĮkainių lentelėMokestis
KonfigūracijaBaziniai žetonų įkainiaiĮkainių lentelėBazinis įkainisMokestis
Įvestis · Įvesties tokenai $0.0006 / 1K tokenų
Išvestis · Išvesties tokenai $0.0024 / 1K tokenų
Įvestis · Talpyklos skaitymas $0 / 1K tokenų
Įvestis · Rašymas į talpyklą $0 / 1K tokenų
Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų

Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →

Užklausų pavyzdžiai

Ailoot Ultra · Anthropic pranešimai

{\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}

Gauti ir išsaugoti rezultatus

Ailoot Ultra · Anthropic pranešimai

JSON arba SSE

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.

Jei reikia patikrinti pradinį atsakymą

Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.

Atsakymo laukai
LaukasTipas
LaukasidTipasstring
LaukasmodelTipasstring
Laukascontent[]Tipastext|thinking|tool_use|other content block
Laukasstop_reasonTipasstring|null
LaukasusageTipasobject
Klaidos ir tolesni veiksmai
AtsakymasSąlygaKitas žingsnis
Atsakymas400 · invalid_request_errorSąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmėKitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus.

Pseudonimai

Modelių pseudonimai

Ailoot Ultra M2-her

Metodų kelių pseudonimai

/chat/completions

Susiję ID iškvietimui

M2-her

", "method_identity": { "effective_request_model_id": "M2-her", "fmt": "messages", "http": "POST", "path": "/v1/messages", "request_model_id": "M2-her", "route_label": "Ultra" }, "method_key": "Ultra|messages|/v1/messages|M2-her", "ordinal": 1, "rawMethod": { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "Netinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė", "http_status": 400, "recovery": "Prieš naują kūrimo užklausą pataisykite nurodytus laukus.", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "M2-her", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content eilutė", "required_material": "UTF-8 tekstas" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON arba SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "M2-her" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "M2-her" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "M2-her", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "Perskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę." }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Baziniai žetonų įkainiai", "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\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}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import 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))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": null, "flex_multiplier": null, "fmt": "messages", "http": "POST", "in": 0.6, "input": [ "text" ], "label": "Anthropic pranešimai", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 2.4, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "M2-her", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "M2-her", "nativeProvenance": { "input_facts_canonical_sha256": "f3a5c9c45e5ff37641cf4fd4b0fa23fd1712f5c4dfcb3c4d0d9ebfd9b4966111", "input_html_sha256": "9b18b77e2f908038e5f5d2092928ded964ba9998510d1acadb3ae84bebc64de0", "private_audit_sha256": "154562edcb132c8aa6d38e0c0aa82b2a5fcb321a6ff8b5026363fd4f11b081bc", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/lt/m2-her/", "description": "MiniMax M2-her – tik tekstinis modelis veikėjų vaidmenims, siužetiniam dialogui ir kelių ėjimų pokalbiams. Specialūs vaidmenų ir pavyzdinių pranešimų formatai formuoja abi sąveikos puses; gamintojo kontekstas – 64K, didžiausia užbaigimo apimtis – 2 048 žetonai.", "locale": "lt", "md_url": "https://ailoot.ai/models/lt/m2-her/index.md", "title": "MiniMax: MiniMax M2-her — Ailoot", "url": "https://ailoot.ai/models/lt/m2-her/" }, "rawModel": { "about": "MiniMax M2-her – į dialogą orientuotas MiniMax tekstinis modelis vaidmenų žaidimui, veikėjų pokalbiams ir siužetinei sąveikai. Tai atskiras profilis nuo bendrojo programavimui ir agentams skirto MiniMax M2 modelio. Gamintojas jį plėtoja nuosekliems išgalvotiems pasauliams, aktyviai istorijos raidai ir naudotojo pageidavimų dėl pokalbio atitikimui. Įvestis ir išvestis yra tekstas; specialus vadovas nepalaiko mišrios teksto ir vaizdo įvesties.\n\n### Apibrėžkite pasaulį ir abu vaidmenis\n\nGamintojo pokalbio formatas apima daugiau nei įprastus system, user ir assistant pranešimus. Vaidmuo system apibrėžia modelio tapatybę, asmenybę ir elgesį. Vaidmuo user_system apibrėžia naudotojo veikėją ar personą, o group identifikuoja scenarijų ar pokalbio grupę. Šiuos skirtumus išlaikykite aiškius, kai istorijoje yra keli žmonės, skirtingos žinios ar konkretus ryšys.\n\nPateikite modeliui aplinką, veikėjo motyvus ir faktus, kurie turi likti teisingi. Aprašykite, kas valdo naudotojo veiksmus ir kurie pasirinkimai turi likti atviri atsakymui. Pavyzdinė scenos užduotis: „Tęsk kaip archyvaras, išsaugok nustatytą paslaptį ir pateik vieną naują užuominą nenuspręsdamas, kaip reaguoja mano veikėjas.“ Tai parengia atliepiančius mainus, o ne prašo modelio parašyti abi sąveikos puses.\n\n### Pavyzdžiai ir stilius\n\nM2-her palaiko sample_message_user ir sample_message_ai pranešimus norimam dialogo modeliui parodyti. Gamintojas rekomenduoja nuo vieno iki trijų glaustų pavyzdžių. Jais nustatykite balsą, tempą ir pasakojimo ryšį su dialogu, vengdami ilgo pavyzdžio, kuris užima kontekstą nepatikslindamas stiliaus. Pavyzdžiai, kaip ir kiti pranešimai, įskaičiuojami į įvesties biudžetą.\n\nMiniMax kūrimo kryptis akcentuoja veikėjo tapatybę, pasaulio taisykles, įvairią siužeto eigą ir naudotojo veiksmų laisvę. Kai svarbu, nurodykite numatytą tempą, pavyzdžiui, ramų pokalbį, laipsnišką atskleidimą ar naują komplikaciją. Redakcijai įvardykite tikslią eilutę ar įvykį, pažeidžiantį veikėjo nuoseklumą ar chronologiją, ir paprašykite pataisymo, išsaugančio likusią sceną.\n\n### Išlaikykite pokalbio kontekstą\n\nDokumentuota eiga kelių ėjimų dialogui pateikia visą naudotojo ir asistento istoriją chronologine tvarka. Ji suteikia kitam atsakymui įrodymų apie ankstesnius įvykius ir nusistovėjusius ryšius. Rengdami tęsiamą istoriją aiškiai išlaikykite esminius vardus ir naujausius įvykius. Konteksto istorija pateikiama modeliui; jos nereikėtų painioti su neribota atmintimi už pokalbio ribų.\n\nGamintojo vaidmenų tyrimai naudoja dialogų sintezę ir mokymąsi pagal pageidavimus darbo metu įvairovei, tęstinumui bei reagavimui gerinti. Šie mokymo metodai aprašo gamintojo modelį, o ne garantuoja, kad kiekviena istorija bus be klaidų. Patikrinkite, ar atsakymas dialogą priskiria tinkamam veikėjui ir laikosi fizinių ar išgalvotų aplinkos taisyklių.\n\n### Ribos ir gauta ištrauka\n\nSpecialiame M2-her vadove nurodytas 64K kontekstas ir didžiausia 2 048 žetonų užbaigimo apimtis. Taip pat dokumentuota srautinė išvestis ir numatytosios atrankos reikšmės temperature 1.0 bei top-p 0.95. Pasirinkite vienam pokalbio žingsniui tinkamą atsakymo ilgį; pernelyg ilga ištrauka gali išstumti kitą naudotojo sprendimą ar būti nutraukta užbaigimo biudžeto.\n\nNaudingas rezultatas – veikėjo atsakymas, pasakojimo ištrauka ar pratęsta scena, atitinkantys pateiktą aplinką ir kviečiantys kitai sąveikai. Patikrinkite požiūrio tašką, veikėjo veiksmų laisvę, nuorodų nuoseklumą ir prašomą pabaigą. Įvardytas M2-her vaidmenų formatas ir ribos lieka atskiri nuo kitų MiniMax kalbos, vaizdo ir medijos modelių.", "alias_of": null, "aliases": [], "author": "MiniMax", "capabilities": { "context_length": 65536, "manufacturer_input": [ "text" ], "manufacturer_output": [ "text" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Visa konfigūracijos kainodara pateikta išsamioje informacijoje." } ], "ctx": null, "formats": [ "chat", "messages" ], "id": "M2-her", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.", "authentication": { "api_key_source": "AILOOT_API_KEY", "header": "Authorization: Bearer" }, "errors": [ { "code": null, "condition": "Netinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė", "http_status": 400, "recovery": "Prieš naują kūrimo užklausą pataisykite nurodytus laukus.", "type": "invalid_request_error" } ], "hints": [ "Model context is not an output cap.", "Send the conversation as text messages. Stream must be a boolean; omitted stream defaults to false." ], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/chat/completions" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content", "required_material": "UTF8 tekstas" } ], "operation_modes": [ "conversation" ], "outputs": { "all_results": "Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.", "family": "text", "fields": [ { "description": null, "name": "choices[].index", "type": "integer" }, { "description": null, "name": "choices[].message.content", "type": "string|null" }, { "description": null, "name": "choices[].message.tool_calls", "type": "tool_call[]" }, { "description": null, "name": "choices[].message.reasoning_content", "type": "string" }, { "description": null, "name": "choices[].message.reasoning_details", "type": "object|array" }, { "description": null, "name": "choices[].finish_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json arba SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "M2-her" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "messages", "required": true, "type": "message[]" }, { "availability": "model_dependent", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": false, "type": "string", "when": "Tekstinis pokalbis" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Text conversation at the exact model ID and method path.", "unsupported": [ "additional models/models list", "plugins", "route", "hosted tools; ordinary client function tools remain separate", "non-text output modalities", "provider.options overrides", "one-hour prompt-cache TTL" ] }, "hints": [ "Siųskite tikslų modelio ID kartu su messages.", "Konteksto ilgis nėra išvesties limitas.", "Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo." ], "input": { "content_type": "application/json", "control_scope": "Tekstinis pokalbis; stream yra loginė reikšmė, kurios numatytoji reikšmė yra false.", "file_material": "tikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas", "hosted_operations": false, "material_types": [ "text" ], "messages": "pranešimų masyvas su role/content struktūra", "multimodal_input_binding": null, "optional_controls": [ "stream" ], "output_modalities": [ "text" ], "required": [ "model", "messages" ] }, "lifecycle": { "mode": "synchronous_or_streamed", "unknown": "preserve original request id; no generic chat job retrieval path" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/chat/completions" }, "method_aliases": [ "/chat/completions" ], "operation_modes": [ "text_chat" ], "output": { "content": "choices[].message.content or stream delta", "family": "text", "format": "json or supported SSE", "tool_calls": "retain actual returned function calls" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Baziniai žetonų įkainiai", "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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\"))\n", "label": "Python SDK · all choices", "language": "python" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "chat", "hints": [ "Send exact model ID with messages.", "Context length is not an output cap.", "A text file may supply literal text; image/audio/file-object inputs need exact binding." ], "http": "POST", "in": 0.6, "input": [ "text" ], "label": "OpenAI pokalbis", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [ "/chat/completions" ], "out": 2.4, "output": [ "text" ], "path": "/v1/chat/completions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "M2-her", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "available": null, "cache_read": 0, "cache_write": 0, "cache_write_1h": null, "contract": { "data": { "authentication": { "api_key_source": "AILOOT_API_KEY", "headers": [ "Authorization: Bearer", "x-api-key", "anthropic-version" ], "version_example": "2023-06-01" }, "errors": [ { "code": null, "condition": "Netinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė", "http_status": 400, "recovery": "Prieš naują kūrimo užklausą pataisykite nurodytus laukus.", "type": "invalid_request_error" } ], "example_body": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "M2-her", "stream": false }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas." }, "material_combinations": [ { "mode": "text", "representation": "messages[].content eilutė", "required_material": "UTF-8 tekstas" } ], "operation_modes": [ "synchronous_json", "streamed_SSE" ], "outputs": { "all_results": "Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.", "family": "protocol", "fields": [ { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "content[]", "type": "text|thinking|tool_use|other content block" }, { "description": null, "name": "stop_reason", "type": "string|null" }, { "description": null, "name": "usage", "type": "object" } ], "format": "JSON arba SSE" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "M2-her" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages", "required": true, "type": "message[]" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "user", "assistant" ], "enum_known": true, "name": "messages[].role", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "messages[].content", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "max_tokens", "required": true, "type": "integer" }, { "availability": "source_interface", "default": false, "default_known": true, "enum": null, "enum_known": false, "name": "stream", "required": false, "type": "boolean" } ], "profile_binding": "Documented current stock Messages bridge; optional model capabilities are separate from this minimal text request.", "request_schema": { "additionalProperties": false, "properties": { "max_tokens": { "minimum": 1, "type": "integer" }, "messages": { "items": { "additionalProperties": false, "properties": { "content": { "oneOf": [ { "type": "string" }, { "items": { "oneOf": [ { "properties": { "text": { "type": "string" }, "type": { "const": "text" } }, "required": [ "type", "text" ], "type": "object" }, { "properties": { "source": { "oneOf": [ { "properties": { "type": { "const": "url" }, "url": { "type": "string" } }, "required": [ "type", "url" ], "type": "object" }, { "properties": { "data": { "type": "string" }, "media_type": { "type": "string" }, "type": { "const": "base64" } }, "required": [ "type", "media_type", "data" ], "type": "object" } ] }, "type": { "const": "image" } }, "required": [ "type", "source" ], "type": "object" } ] }, "type": "array" } ] }, "role": { "enum": [ "user", "assistant" ], "type": "string" } }, "required": [ "role", "content" ], "type": "object" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "M2-her" ], "type": "string" }, "stream": { "default": false, "type": "boolean" } }, "required": [ "model", "messages", "max_tokens" ], "type": "object" }, "schema_template": { "max_tokens": 128, "messages": [ { "content": "Summarize the incident report.", "role": "user" } ], "model": "M2-her", "stream": false }, "unsupported": [ "No query API key.", "Hosted/server-side tools and model-specific optional controls are not part of this minimal family example." ] }, "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": [ "stream" ], "required": [ "model", "messages", "max_tokens" ], "text_file_material": "Perskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę." }, "lifecycle": { "create": { "http": "POST", "path": "/v1/messages" }, "job_read": null, "mode": "synchronous_or_streamed", "unknown": "Keep request/response IDs and headers. No generic text job retrieval URL is supplied." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/messages" }, "output": { "all_results": "Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.", "family": "protocol", "format": "JSON or SSE" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Baziniai žetonų įkainiai", "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\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}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import 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))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "anthropic", "fast_multiplier": null, "flex_multiplier": null, "fmt": "messages", "http": "POST", "in": 0.6, "input": [ "text" ], "label": "Anthropic pranešimai", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": 2.4, "output": [ "json", "sse" ], "path": "/v1/messages", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "M2-her", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.0006000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.0000006", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.0024000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0.0000024", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "M2-her", "request_model_id": "M2-her", "route_label": "Ultra" } ], "name": "MiniMax: MiniMax M2-her", "price": { "in": 0.6, "in_label": null, "out": 2.4, "out_label": null, "scope_label": "Token rates", "sort_in": 0.6, "sort_out": 2.4, "varies": false }, "short": "MiniMax M2-her – tik tekstinis modelis veikėjų vaidmenims, siužetiniam dialogui ir kelių ėjimų pokalbiams. Specialūs vaidmenų ir pavyzdinių pranešimų formatai formuoja abi sąveikos puses; gamintojo kontekstas – 64K, didžiausia užbaigimo apimtis – 2 048 žetonai." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 }, { "contract_json_pointer": "/methods/1/rawMethod/contract", "html_json_pointer": "/methods/1/html", "method_ordinal": 1 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod", "/methods/1/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "MiniMax M2-her – tik tekstinis modelis veikėjų vaidmenims, siužetiniam dialogui ir kelių ėjimų pokalbiams. Specialūs vaidmenų ir pavyzdinių pranešimų formatai formuoja abi sąveikos puses; gamintojo kontekstas – 64K, didžiausia užbaigimo apimtis – 2 048 žetonai.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "1361e6c6944da8b66854223481545cd5eb6f62ad6f829c7b0a14d041bfa2bbfe", "renderer_sha256": "57bd2f8a61f57d341aae369006eca818e3eea645ec43af488ec7b2289eeca772" }, "sourceRevision": "2d1277c7e4e4819e70742a2d98fd3b816dd2bd3949e2f5fc549df545c7d8bda4" }