Nex-N2.5-mini er Nex AGIs lille multimodale utgave i agentfamilien Nex-N2.5. Sammen med Pro bygger den på det multimodale grunnlaget fra Nex-N2 med forbedringer i datamaskinbruk, nettlesing og visuelt forankret oppgaveutførelse. Produsenten behandler visuell tilbakemelding som en del av hvordan en agent kontrollerer fremdriften, ikke bare som materiale til en enkeltstående bildebeskrivelse.
Forbered en agentoppgave med brukerens mål, den relevante skjerm- eller kildeinformasjonen og et tydelig fullføringskriterium. Identifiser hvilke handlinger som er tillatt, og hvilken observasjon som vil fastslå suksess. En illustrerende oppgavebeskrivelse er: «Bruk det oppgitte skjermbildet til å identifisere kontrollene som trengs for denne endringen, forklar neste operasjon og kontroller den returnerte tilstanden mot målet.»
Modellen kan tolke den visuelle tilstanden og foreslå en funksjon eller operasjon. Den omkringliggende applikasjonen utfører handlingen og returnerer neste skjermbilde eller annet resultat. Et foreslått klikk eller generert kode forblir et tekstresultat inntil applikasjonen utfører det. Bruk den faktiske observasjonen til å avgjøre om du skal fortsette eller korrigere planen.
Produsentens mal bruker reasoning_effort til å velge atferd. None gir et direkte svar uten et resonneringsspor. Medium er den adaptive standarden som lar modellen velge om og hvor mye den skal tenke. High aktiverer alltid tenkning før svaret. Produsenten anbefaler temperatur 0.7, top-p 0.95 og top-k 40 for referansevarianten.
Angi den påkrevde svarformen separat fra modusen, som en kort forklaring, en kildeunderbygget liste eller neste foreslåtte operasjon. Malens kontroll av resonneringsinnsats skal ikke stilltiende erstattes med thinking-flagget til en annen modell. Bevar skillet mellom mellomliggende analyse og det endelige innholdet.
Modeller i Nex-serien dokumenterer funksjonskall med oppgitte verktøydefinisjoner og en parser som trekker ut kall til strukturert innhold. Definer formålet med og parameterne til hver funksjon, og bevar den returnerte observasjonen i oppgavekonteksten. En pågående nettleser- eller programoppgave bør bruke disse faktiske resultatene til å opprettholde fremdriften og korrigere seg selv.
Minis dokumenterte rolle forblir multimodal, separat fra familiens tekstbaserte Max-utgave. For en kunnskapsoppgave gir du de relevante passasjene; for en programoppgave gir du implementasjonen og forventet atferd. Behold fil- og kildeetiketter slik at det endelige artefaktet kan vise tilbake til bevisgrunnlaget.
Fordel den tilgjengelige kilden, den visuelle representasjonen, samtalen, resonneringen og verktøyresultatene samlet. Hold de siste meningsfulle observasjonene og utfallet brukeren krever, synlige gjennom arbeidsflyten. Ikke likestill en omfattende handlingsplan med et fullført resultat; den endelige overleveringen bør skille forslag fra operasjoner der et resultat ble returnert.
Nyttige utdata er en tekstforklaring, et kodeforslag eller en sekvens av handlinger forankret i observasjonene applikasjonen oppgir. Gjennomgå visuelle detaljer mot skjermbildet og kildeavhengige påstander mot autoritativt materiale. Mini beholder sin konkrete navngitte utgave og resonneringsmoduser uten å arve parameterantallet til Max-modellen eller et udokumentert universelt utdatatak.
", "aboutText": "Nex-N2.5-mini er Nex AGIs lille multimodale utgave i agentfamilien Nex-N2.5. Sammen med Pro bygger den på det multimodale grunnlaget fra Nex-N2 med forbedringer i datamaskinbruk, nettlesing og visuelt forankret oppgaveutførelse. Produsenten behandler visuell tilbakemelding som en del av hvordan en agent kontrollerer fremdriften, ikke bare som materiale til en enkeltstående bildebeskrivelse.\n\n### Observer, handle og kontroller\n\nForbered en agentoppgave med brukerens mål, den relevante skjerm- eller kildeinformasjonen og et tydelig fullføringskriterium. Identifiser hvilke handlinger som er tillatt, og hvilken observasjon som vil fastslå suksess. En illustrerende oppgavebeskrivelse er: «Bruk det oppgitte skjermbildet til å identifisere kontrollene som trengs for denne endringen, forklar neste operasjon og kontroller den returnerte tilstanden mot målet.»\n\nModellen kan tolke den visuelle tilstanden og foreslå en funksjon eller operasjon. Den omkringliggende applikasjonen utfører handlingen og returnerer neste skjermbilde eller annet resultat. Et foreslått klikk eller generert kode forblir et tekstresultat inntil applikasjonen utfører det. Bruk den faktiske observasjonen til å avgjøre om du skal fortsette eller korrigere planen.\n\n### Tre tenkningsmoduser\n\nProdusentens mal bruker reasoning_effort til å velge atferd. None gir et direkte svar uten et resonneringsspor. Medium er den adaptive standarden som lar modellen velge om og hvor mye den skal tenke. High aktiverer alltid tenkning før svaret. Produsenten anbefaler temperatur 0.7, top-p 0.95 og top-k 40 for referansevarianten.\n\nAngi den påkrevde svarformen separat fra modusen, som en kort forklaring, en kildeunderbygget liste eller neste foreslåtte operasjon. Malens kontroll av resonneringsinnsats skal ikke stilltiende erstattes med thinking-flagget til en annen modell. Bevar skillet mellom mellomliggende analyse og det endelige innholdet.\n\n### Funksjoner og nyttige resultater\n\nModeller i Nex-serien dokumenterer funksjonskall med oppgitte verktøydefinisjoner og en parser som trekker ut kall til strukturert innhold. Definer formålet med og parameterne til hver funksjon, og bevar den returnerte observasjonen i oppgavekonteksten. En pågående nettleser- eller programoppgave bør bruke disse faktiske resultatene til å opprettholde fremdriften og korrigere seg selv.\n\nMinis dokumenterte rolle forblir multimodal, separat fra familiens tekstbaserte Max-utgave. For en kunnskapsoppgave gir du de relevante passasjene; for en programoppgave gir du implementasjonen og forventet atferd. Behold fil- og kildeetiketter slik at det endelige artefaktet kan vise tilbake til bevisgrunnlaget.\n\n### Forberedelse av en lang oppgave\n\nFordel den tilgjengelige kilden, den visuelle representasjonen, samtalen, resonneringen og verktøyresultatene samlet. Hold de siste meningsfulle observasjonene og utfallet brukeren krever, synlige gjennom arbeidsflyten. Ikke likestill en omfattende handlingsplan med et fullført resultat; den endelige overleveringen bør skille forslag fra operasjoner der et resultat ble returnert.\n\nNyttige utdata er en tekstforklaring, et kodeforslag eller en sekvens av handlinger forankret i observasjonene applikasjonen oppgir. Gjennomgå visuelle detaljer mot skjermbildet og kildeavhengige påstander mot autoritativt materiale. Mini beholder sin konkrete navngitte utgave og resonneringsmoduser uten å arve parameterantallet til Max-modellen eller et udokumentert universelt utdatatak.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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 er Nex AGIs lille multimodale agentutgave for datamaskinbruk, nettleseroppgaver og visuell tilbakemelding. Den kombinerer direkte, adaptive og tenkende moduser med funksjonskall og produserer tekst og foreslåtte handlinger fra oppgaven og skjermobservasjonene den får.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Nex-N2.5-mini er Nex AGIs lille multimodale utgave i agentfamilien Nex-N2.5. Sammen med Pro bygger den på det multimodale grunnlaget fra Nex-N2 med forbedringer i datamaskinbruk, nettlesing og visuelt forankret oppgaveutførelse. Produsenten behandler visuell tilbakemelding som en del av hvordan en agent kontrollerer fremdriften, ikke bare som materiale til en enkeltstående bildebeskrivelse.
Forbered en agentoppgave med brukerens mål, den relevante skjerm- eller kildeinformasjonen og et tydelig fullføringskriterium. Identifiser hvilke handlinger som er tillatt, og hvilken observasjon som vil fastslå suksess. En illustrerende oppgavebeskrivelse er: «Bruk det oppgitte skjermbildet til å identifisere kontrollene som trengs for denne endringen, forklar neste operasjon og kontroller den returnerte tilstanden mot målet.»
Modellen kan tolke den visuelle tilstanden og foreslå en funksjon eller operasjon. Den omkringliggende applikasjonen utfører handlingen og returnerer neste skjermbilde eller annet resultat. Et foreslått klikk eller generert kode forblir et tekstresultat inntil applikasjonen utfører det. Bruk den faktiske observasjonen til å avgjøre om du skal fortsette eller korrigere planen.
Produsentens mal bruker reasoning_effort til å velge atferd. None gir et direkte svar uten et resonneringsspor. Medium er den adaptive standarden som lar modellen velge om og hvor mye den skal tenke. High aktiverer alltid tenkning før svaret. Produsenten anbefaler temperatur 0.7, top-p 0.95 og top-k 40 for referansevarianten.
Angi den påkrevde svarformen separat fra modusen, som en kort forklaring, en kildeunderbygget liste eller neste foreslåtte operasjon. Malens kontroll av resonneringsinnsats skal ikke stilltiende erstattes med thinking-flagget til en annen modell. Bevar skillet mellom mellomliggende analyse og det endelige innholdet.
Modeller i Nex-serien dokumenterer funksjonskall med oppgitte verktøydefinisjoner og en parser som trekker ut kall til strukturert innhold. Definer formålet med og parameterne til hver funksjon, og bevar den returnerte observasjonen i oppgavekonteksten. En pågående nettleser- eller programoppgave bør bruke disse faktiske resultatene til å opprettholde fremdriften og korrigere seg selv.
Minis dokumenterte rolle forblir multimodal, separat fra familiens tekstbaserte Max-utgave. For en kunnskapsoppgave gir du de relevante passasjene; for en programoppgave gir du implementasjonen og forventet atferd. Behold fil- og kildeetiketter slik at det endelige artefaktet kan vise tilbake til bevisgrunnlaget.
Fordel den tilgjengelige kilden, den visuelle representasjonen, samtalen, resonneringen og verktøyresultatene samlet. Hold de siste meningsfulle observasjonene og utfallet brukeren krever, synlige gjennom arbeidsflyten. Ikke likestill en omfattende handlingsplan med et fullført resultat; den endelige overleveringen bør skille forslag fra operasjoner der et resultat ble returnert.
Nyttige utdata er en tekstforklaring, et kodeforslag eller en sekvens av handlinger forankret i observasjonene applikasjonen oppgir. Gjennomgå visuelle detaljer mot skjermbildet og kildeavhengige påstander mot autoritativt materiale. Mini beholder sin konkrete navngitte utgave og resonneringsmoduser uten å arve parameterantallet til Max-modellen eller et udokumentert universelt utdatatak.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser nex-agi/nex-n2.5-mini | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00005 / 1K tokener Utdata · Utgående tokener $0.0002 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000005 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00005 / 1K tokener Utdata · Utgående tokener $0.0002 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000005 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra nex-agi/nex-n2.5-mini
Bruk metodestiene som vises ovenfor.
nex-agi/nex-n2.5-miniNex-N2.5-mini er Nex AGIs lille multimodale agentutgave for datamaskinbruk, nettleseroppgaver og visuell tilbakemelding. Den kombinerer direkte, adaptive og tenkende moduser med funksjonskall og produserer tekst og foreslåtte handlinger fra oppgaven og skjermobservasjonene den får.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Nex-N2.5-mini er Nex AGIs lille multimodale utgave i agentfamilien Nex-N2.5. Sammen med Pro bygger den på det multimodale grunnlaget fra Nex-N2 med forbedringer i datamaskinbruk, nettlesing og visuelt forankret oppgaveutførelse. Produsenten behandler visuell tilbakemelding som en del av hvordan en agent kontrollerer fremdriften, ikke bare som materiale til en enkeltstående bildebeskrivelse.
Forbered en agentoppgave med brukerens mål, den relevante skjerm- eller kildeinformasjonen og et tydelig fullføringskriterium. Identifiser hvilke handlinger som er tillatt, og hvilken observasjon som vil fastslå suksess. En illustrerende oppgavebeskrivelse er: «Bruk det oppgitte skjermbildet til å identifisere kontrollene som trengs for denne endringen, forklar neste operasjon og kontroller den returnerte tilstanden mot målet.»
Modellen kan tolke den visuelle tilstanden og foreslå en funksjon eller operasjon. Den omkringliggende applikasjonen utfører handlingen og returnerer neste skjermbilde eller annet resultat. Et foreslått klikk eller generert kode forblir et tekstresultat inntil applikasjonen utfører det. Bruk den faktiske observasjonen til å avgjøre om du skal fortsette eller korrigere planen.
Produsentens mal bruker reasoning_effort til å velge atferd. None gir et direkte svar uten et resonneringsspor. Medium er den adaptive standarden som lar modellen velge om og hvor mye den skal tenke. High aktiverer alltid tenkning før svaret. Produsenten anbefaler temperatur 0.7, top-p 0.95 og top-k 40 for referansevarianten.
Angi den påkrevde svarformen separat fra modusen, som en kort forklaring, en kildeunderbygget liste eller neste foreslåtte operasjon. Malens kontroll av resonneringsinnsats skal ikke stilltiende erstattes med thinking-flagget til en annen modell. Bevar skillet mellom mellomliggende analyse og det endelige innholdet.
Modeller i Nex-serien dokumenterer funksjonskall med oppgitte verktøydefinisjoner og en parser som trekker ut kall til strukturert innhold. Definer formålet med og parameterne til hver funksjon, og bevar den returnerte observasjonen i oppgavekonteksten. En pågående nettleser- eller programoppgave bør bruke disse faktiske resultatene til å opprettholde fremdriften og korrigere seg selv.
Minis dokumenterte rolle forblir multimodal, separat fra familiens tekstbaserte Max-utgave. For en kunnskapsoppgave gir du de relevante passasjene; for en programoppgave gir du implementasjonen og forventet atferd. Behold fil- og kildeetiketter slik at det endelige artefaktet kan vise tilbake til bevisgrunnlaget.
Fordel den tilgjengelige kilden, den visuelle representasjonen, samtalen, resonneringen og verktøyresultatene samlet. Hold de siste meningsfulle observasjonene og utfallet brukeren krever, synlige gjennom arbeidsflyten. Ikke likestill en omfattende handlingsplan med et fullført resultat; den endelige overleveringen bør skille forslag fra operasjoner der et resultat ble returnert.
Nyttige utdata er en tekstforklaring, et kodeforslag eller en sekvens av handlinger forankret i observasjonene applikasjonen oppgir. Gjennomgå visuelle detaljer mot skjermbildet og kildeavhengige påstander mot autoritativt materiale. Mini beholder sin konkrete navngitte utgave og resonneringsmoduser uten å arve parameterantallet til Max-modellen eller et udokumentert universelt utdatatak.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser nex-agi/nex-n2.5-mini | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00005 / 1K tokener Utdata · Utgående tokener $0.0002 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000005 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.00005 / 1K tokener Utdata · Utgående tokener $0.0002 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.000005 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "nex-agi/nex-n2.5-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra nex-agi/nex-n2.5-mini
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.