Nex-N2.5-mini ialah edisi multimodal kecil Nex AGI dalam keluarga ejen Nex-N2.5. Bersama Pro, ia dibina berasaskan asas multimodal Nex-N2 dengan penambahbaikan dalam penggunaan komputer, pelayaran web dan pelaksanaan tugas berdasarkan visual. Pengeluar menganggap maklum balas visual sebagai sebahagian daripada cara ejen memeriksa kemajuannya, bukan sekadar bahan untuk perihalan imej sekali sahaja.
Sediakan tugas ejen dengan matlamat pengguna, maklumat skrin atau sumber yang relevan dan kriteria penyiapan yang jelas. Kenal pasti tindakan yang dibenarkan dan pemerhatian yang akan memastikan kejayaan. Contoh taklimat ialah: “Gunakan tangkapan skrin yang diberikan untuk mengenal pasti kawalan yang diperlukan bagi perubahan ini, terangkan operasi seterusnya dan periksa keadaan yang dikembalikan terhadap matlamat.”
Model boleh mentafsirkan keadaan visual dan mencadangkan fungsi atau operasi. Aplikasi sekeliling melakukan tindakan itu dan mengembalikan tangkapan skrin seterusnya atau hasil lain. Klik yang dicadangkan atau kod yang dijana kekal sebagai hasil teks sehingga aplikasi melaksanakannya. Gunakan pemerhatian sebenar untuk memutuskan sama ada meneruskan atau membetulkan rancangan.
Templat pengeluar menggunakan reasoning_effort untuk memilih tingkah lakunya. None memberikan jawapan langsung tanpa jejak penaakulan. Medium ialah lalai adaptif, yang membolehkan model memilih sama ada dan sejauh mana untuk berfikir. High sentiasa mengaktifkan pemikiran sebelum menjawab. Pembuat mengesyorkan suhu 0.7, top-p 0.95 dan top-k 40 untuk varian rujukan.
Nyatakan bentuk jawapan yang diperlukan secara berasingan daripada mod, seperti penjelasan pendek, senarai bersokong sumber atau operasi seterusnya yang dicadangkan. Kawalan usaha penaakulan templat tidak patut digantikan secara senyap dengan bendera thinking model lain. Kekalkan perbezaan antara analisis pertengahan dengan kandungan akhir.
Model siri Nex mendokumentasikan panggilan fungsi dengan takrif alat yang diberikan dan penghurai yang mengekstrak panggilan menjadi kandungan berstruktur. Takrifkan tujuan dan parameter setiap fungsi, dan kekalkan pemerhatian yang dikembalikannya dalam konteks tugas. Tugas pelayar atau program yang berterusan perlu menggunakan hasil sebenar itu untuk mengekalkan kemajuan dan membetulkan diri.
Peranan Mini yang didokumentasikan kekal multimodal, berasingan daripada edisi Max teks sahaja dalam keluarga ini. Untuk tugas pengetahuan, berikan petikan berkaitan; untuk tugas program, berikan pelaksanaan dan tingkah laku yang dijangka. Kekalkan label fail dan sumber supaya artifak akhir boleh merujuk kembali kepada buktinya.
Peruntukkan sumber yang tersedia, perwakilan visual, perbualan, penaakulan dan pulangan alat bersama. Pastikan pemerhatian bermakna terkini dan hasil yang diperlukan oleh pengguna jelas sepanjang aliran kerja. Jangan samakan rancangan tindakan yang luas dengan hasil yang telah selesai; serahan akhir perlu membezakan cadangan daripada operasi yang hasilnya telah dikembalikan.
Output yang berguna ialah penjelasan teks, cadangan kod atau jujukan tindakan berdasarkan pemerhatian yang dibekalkan oleh aplikasi. Semak butiran visual terhadap tangkapan skrin dan dakwaan yang sensitif kepada sumber terhadap bahan berautoriti. Mini mengekalkan edisi bernama dan mod penaakulannya yang tepat tanpa mewarisi bilangan parameter model Max atau had output sejagat yang tidak didokumentasikan.
", "aboutText": "Nex-N2.5-mini ialah edisi multimodal kecil Nex AGI dalam keluarga ejen Nex-N2.5. Bersama Pro, ia dibina berasaskan asas multimodal Nex-N2 dengan penambahbaikan dalam penggunaan komputer, pelayaran web dan pelaksanaan tugas berdasarkan visual. Pengeluar menganggap maklum balas visual sebagai sebahagian daripada cara ejen memeriksa kemajuannya, bukan sekadar bahan untuk perihalan imej sekali sahaja.\n\n### Perhati, bertindak dan periksa\n\nSediakan tugas ejen dengan matlamat pengguna, maklumat skrin atau sumber yang relevan dan kriteria penyiapan yang jelas. Kenal pasti tindakan yang dibenarkan dan pemerhatian yang akan memastikan kejayaan. Contoh taklimat ialah: “Gunakan tangkapan skrin yang diberikan untuk mengenal pasti kawalan yang diperlukan bagi perubahan ini, terangkan operasi seterusnya dan periksa keadaan yang dikembalikan terhadap matlamat.”\n\nModel boleh mentafsirkan keadaan visual dan mencadangkan fungsi atau operasi. Aplikasi sekeliling melakukan tindakan itu dan mengembalikan tangkapan skrin seterusnya atau hasil lain. Klik yang dicadangkan atau kod yang dijana kekal sebagai hasil teks sehingga aplikasi melaksanakannya. Gunakan pemerhatian sebenar untuk memutuskan sama ada meneruskan atau membetulkan rancangan.\n\n### Tiga mod pemikiran\n\nTemplat pengeluar menggunakan reasoning_effort untuk memilih tingkah lakunya. None memberikan jawapan langsung tanpa jejak penaakulan. Medium ialah lalai adaptif, yang membolehkan model memilih sama ada dan sejauh mana untuk berfikir. High sentiasa mengaktifkan pemikiran sebelum menjawab. Pembuat mengesyorkan suhu 0.7, top-p 0.95 dan top-k 40 untuk varian rujukan.\n\nNyatakan bentuk jawapan yang diperlukan secara berasingan daripada mod, seperti penjelasan pendek, senarai bersokong sumber atau operasi seterusnya yang dicadangkan. Kawalan usaha penaakulan templat tidak patut digantikan secara senyap dengan bendera thinking model lain. Kekalkan perbezaan antara analisis pertengahan dengan kandungan akhir.\n\n### Fungsi dan hasil yang berguna\n\nModel siri Nex mendokumentasikan panggilan fungsi dengan takrif alat yang diberikan dan penghurai yang mengekstrak panggilan menjadi kandungan berstruktur. Takrifkan tujuan dan parameter setiap fungsi, dan kekalkan pemerhatian yang dikembalikannya dalam konteks tugas. Tugas pelayar atau program yang berterusan perlu menggunakan hasil sebenar itu untuk mengekalkan kemajuan dan membetulkan diri.\n\nPeranan Mini yang didokumentasikan kekal multimodal, berasingan daripada edisi Max teks sahaja dalam keluarga ini. Untuk tugas pengetahuan, berikan petikan berkaitan; untuk tugas program, berikan pelaksanaan dan tingkah laku yang dijangka. Kekalkan label fail dan sumber supaya artifak akhir boleh merujuk kembali kepada buktinya.\n\n### Penyediaan tugas panjang\n\nPeruntukkan sumber yang tersedia, perwakilan visual, perbualan, penaakulan dan pulangan alat bersama. Pastikan pemerhatian bermakna terkini dan hasil yang diperlukan oleh pengguna jelas sepanjang aliran kerja. Jangan samakan rancangan tindakan yang luas dengan hasil yang telah selesai; serahan akhir perlu membezakan cadangan daripada operasi yang hasilnya telah dikembalikan.\n\nOutput yang berguna ialah penjelasan teks, cadangan kod atau jujukan tindakan berdasarkan pemerhatian yang dibekalkan oleh aplikasi. Semak butiran visual terhadap tangkapan skrin dan dakwaan yang sensitif kepada sumber terhadap bahan berautoriti. Mini mengekalkan edisi bernama dan mod penaakulannya yang tepat tanpa mewarisi bilangan parameter model Max atau had output sejagat yang tidak didokumentasikan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Choose the next interface step\n\nA user wants to enable weekly reports. Supplied interface state: the Reports page shows a Weekly reports checkbox unchecked, a disabled Save button and an unsaved-changes indicator absent. Describe the next proposed interaction, the expected state after it and what must be observed before claiming the setting is saved. Use only this textual state description.A short proposed-action sequence with an expected intermediate state and a separate saved-state verification criterion.Check that the answer does not claim the setting is saved merely because the checkbox was selected.nex-agi/nex-n2.5-miniNex-N2.5-mini ialah edisi ejen multimodal kecil Nex AGI untuk penggunaan komputer, tugas pelayar dan maklum balas visual. Ia menggabungkan mod langsung, adaptif dan pemikiran dengan panggilan fungsi, menghasilkan teks dan tindakan yang dicadangkan daripada tugas serta pemerhatian skrin yang dibekalkan kepadanya.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Nex-N2.5-mini ialah edisi multimodal kecil Nex AGI dalam keluarga ejen Nex-N2.5. Bersama Pro, ia dibina berasaskan asas multimodal Nex-N2 dengan penambahbaikan dalam penggunaan komputer, pelayaran web dan pelaksanaan tugas berdasarkan visual. Pengeluar menganggap maklum balas visual sebagai sebahagian daripada cara ejen memeriksa kemajuannya, bukan sekadar bahan untuk perihalan imej sekali sahaja.
Sediakan tugas ejen dengan matlamat pengguna, maklumat skrin atau sumber yang relevan dan kriteria penyiapan yang jelas. Kenal pasti tindakan yang dibenarkan dan pemerhatian yang akan memastikan kejayaan. Contoh taklimat ialah: “Gunakan tangkapan skrin yang diberikan untuk mengenal pasti kawalan yang diperlukan bagi perubahan ini, terangkan operasi seterusnya dan periksa keadaan yang dikembalikan terhadap matlamat.”
Model boleh mentafsirkan keadaan visual dan mencadangkan fungsi atau operasi. Aplikasi sekeliling melakukan tindakan itu dan mengembalikan tangkapan skrin seterusnya atau hasil lain. Klik yang dicadangkan atau kod yang dijana kekal sebagai hasil teks sehingga aplikasi melaksanakannya. Gunakan pemerhatian sebenar untuk memutuskan sama ada meneruskan atau membetulkan rancangan.
Templat pengeluar menggunakan reasoning_effort untuk memilih tingkah lakunya. None memberikan jawapan langsung tanpa jejak penaakulan. Medium ialah lalai adaptif, yang membolehkan model memilih sama ada dan sejauh mana untuk berfikir. High sentiasa mengaktifkan pemikiran sebelum menjawab. Pembuat mengesyorkan suhu 0.7, top-p 0.95 dan top-k 40 untuk varian rujukan.
Nyatakan bentuk jawapan yang diperlukan secara berasingan daripada mod, seperti penjelasan pendek, senarai bersokong sumber atau operasi seterusnya yang dicadangkan. Kawalan usaha penaakulan templat tidak patut digantikan secara senyap dengan bendera thinking model lain. Kekalkan perbezaan antara analisis pertengahan dengan kandungan akhir.
Model siri Nex mendokumentasikan panggilan fungsi dengan takrif alat yang diberikan dan penghurai yang mengekstrak panggilan menjadi kandungan berstruktur. Takrifkan tujuan dan parameter setiap fungsi, dan kekalkan pemerhatian yang dikembalikannya dalam konteks tugas. Tugas pelayar atau program yang berterusan perlu menggunakan hasil sebenar itu untuk mengekalkan kemajuan dan membetulkan diri.
Peranan Mini yang didokumentasikan kekal multimodal, berasingan daripada edisi Max teks sahaja dalam keluarga ini. Untuk tugas pengetahuan, berikan petikan berkaitan; untuk tugas program, berikan pelaksanaan dan tingkah laku yang dijangka. Kekalkan label fail dan sumber supaya artifak akhir boleh merujuk kembali kepada buktinya.
Peruntukkan sumber yang tersedia, perwakilan visual, perbualan, penaakulan dan pulangan alat bersama. Pastikan pemerhatian bermakna terkini dan hasil yang diperlukan oleh pengguna jelas sepanjang aliran kerja. Jangan samakan rancangan tindakan yang luas dengan hasil yang telah selesai; serahan akhir perlu membezakan cadangan daripada operasi yang hasilnya telah dikembalikan.
Output yang berguna ialah penjelasan teks, cadangan kod atau jujukan tindakan berdasarkan pemerhatian yang dibekalkan oleh aplikasi. Semak butiran visual terhadap tangkapan skrin dan dakwaan yang sensitif kepada sumber terhadap bahan berautoriti. Mini mengekalkan edisi bernama dan mod penaakulannya yang tepat tanpa mewarisi bilangan parameter model Max atau had output sejagat yang tidak didokumentasikan.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had nex-agi/nex-n2.5-mini | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00005 / 1K token Output · Token output $0.0002 / 1K token Input · Bacaan cache $0.000005 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00005 / 1K token Output · Token output $0.0002 / 1K token Input · Bacaan cache $0.000005 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nex-agi/nex-n2.5-mini", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='nex-agi/nex-n2.5-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='nex-agi/nex-n2.5-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra nex-agi/nex-n2.5-mini
Gunakan laluan kaedah yang dipaparkan di atas.
nex-agi/nex-n2.5-miniNex-N2.5-mini ialah edisi ejen multimodal kecil Nex AGI untuk penggunaan komputer, tugas pelayar dan maklum balas visual. Ia menggabungkan mod langsung, adaptif dan pemikiran dengan panggilan fungsi, menghasilkan teks dan tindakan yang dicadangkan daripada tugas serta pemerhatian skrin yang dibekalkan kepadanya.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Nex-N2.5-mini ialah edisi multimodal kecil Nex AGI dalam keluarga ejen Nex-N2.5. Bersama Pro, ia dibina berasaskan asas multimodal Nex-N2 dengan penambahbaikan dalam penggunaan komputer, pelayaran web dan pelaksanaan tugas berdasarkan visual. Pengeluar menganggap maklum balas visual sebagai sebahagian daripada cara ejen memeriksa kemajuannya, bukan sekadar bahan untuk perihalan imej sekali sahaja.
Sediakan tugas ejen dengan matlamat pengguna, maklumat skrin atau sumber yang relevan dan kriteria penyiapan yang jelas. Kenal pasti tindakan yang dibenarkan dan pemerhatian yang akan memastikan kejayaan. Contoh taklimat ialah: “Gunakan tangkapan skrin yang diberikan untuk mengenal pasti kawalan yang diperlukan bagi perubahan ini, terangkan operasi seterusnya dan periksa keadaan yang dikembalikan terhadap matlamat.”
Model boleh mentafsirkan keadaan visual dan mencadangkan fungsi atau operasi. Aplikasi sekeliling melakukan tindakan itu dan mengembalikan tangkapan skrin seterusnya atau hasil lain. Klik yang dicadangkan atau kod yang dijana kekal sebagai hasil teks sehingga aplikasi melaksanakannya. Gunakan pemerhatian sebenar untuk memutuskan sama ada meneruskan atau membetulkan rancangan.
Templat pengeluar menggunakan reasoning_effort untuk memilih tingkah lakunya. None memberikan jawapan langsung tanpa jejak penaakulan. Medium ialah lalai adaptif, yang membolehkan model memilih sama ada dan sejauh mana untuk berfikir. High sentiasa mengaktifkan pemikiran sebelum menjawab. Pembuat mengesyorkan suhu 0.7, top-p 0.95 dan top-k 40 untuk varian rujukan.
Nyatakan bentuk jawapan yang diperlukan secara berasingan daripada mod, seperti penjelasan pendek, senarai bersokong sumber atau operasi seterusnya yang dicadangkan. Kawalan usaha penaakulan templat tidak patut digantikan secara senyap dengan bendera thinking model lain. Kekalkan perbezaan antara analisis pertengahan dengan kandungan akhir.
Model siri Nex mendokumentasikan panggilan fungsi dengan takrif alat yang diberikan dan penghurai yang mengekstrak panggilan menjadi kandungan berstruktur. Takrifkan tujuan dan parameter setiap fungsi, dan kekalkan pemerhatian yang dikembalikannya dalam konteks tugas. Tugas pelayar atau program yang berterusan perlu menggunakan hasil sebenar itu untuk mengekalkan kemajuan dan membetulkan diri.
Peranan Mini yang didokumentasikan kekal multimodal, berasingan daripada edisi Max teks sahaja dalam keluarga ini. Untuk tugas pengetahuan, berikan petikan berkaitan; untuk tugas program, berikan pelaksanaan dan tingkah laku yang dijangka. Kekalkan label fail dan sumber supaya artifak akhir boleh merujuk kembali kepada buktinya.
Peruntukkan sumber yang tersedia, perwakilan visual, perbualan, penaakulan dan pulangan alat bersama. Pastikan pemerhatian bermakna terkini dan hasil yang diperlukan oleh pengguna jelas sepanjang aliran kerja. Jangan samakan rancangan tindakan yang luas dengan hasil yang telah selesai; serahan akhir perlu membezakan cadangan daripada operasi yang hasilnya telah dikembalikan.
Output yang berguna ialah penjelasan teks, cadangan kod atau jujukan tindakan berdasarkan pemerhatian yang dibekalkan oleh aplikasi. Semak butiran visual terhadap tangkapan skrin dan dakwaan yang sensitif kepada sumber terhadap bahan berautoriti. Mini mengekalkan edisi bernama dan mod penaakulannya yang tepat tanpa mewarisi bilangan parameter model Max atau had output sejagat yang tidak didokumentasikan.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had nex-agi/nex-n2.5-mini | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00005 / 1K token Output · Token output $0.0002 / 1K token Input · Bacaan cache $0.000005 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.00005 / 1K token Output · Token output $0.0002 / 1K token Input · Bacaan cache $0.000005 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "nex-agi/nex-n2.5-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'nex-agi/nex-n2.5-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'nex-agi/nex-n2.5-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra nex-agi/nex-n2.5-mini
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Choose the next interface step\n\nA user wants to enable weekly reports. Supplied interface state: the Reports page shows a Weekly reports checkbox unchecked, a disabled Save button and an unsaved-changes indicator absent. Describe the next proposed interaction, the expected state after it and what must be observed before claiming the setting is saved. Use only this textual state description.A short proposed-action sequence with an expected intermediate state and a separate saved-state verification criterion.Check that the answer does not claim the setting is saved merely because the checkbox was selected.