MiniMax M2-her is het op dialoog gerichte tekstmodel van MiniMax voor rollenspel, personagegesprekken en verhaalgedreven interactie. Het is een afzonderlijk profiel naast het algemene, op programmeren en agents gerichte MiniMax M2-model. De fabrikant ontwikkelt het rond samenhangende fictieve werelden, actieve verhaalvoortgang en afstemming op de gespreksvoorkeuren van de gebruiker. Invoer en uitvoer zijn tekst; de specifieke handleiding ondersteunt geen gemengde tekst-beeldinvoer.
Het gespreksformaat van de producent bevat meer dan de gebruikelijke system-, user- en assistant-berichten. De rol system bepaalt de identiteit, persoonlijkheid en het gedrag van het model. De rol user_system bepaalt het personage of de persona van de gebruiker, terwijl group het scenario of de gespreksgroep identificeert. Houd die verschillen duidelijk als het verhaal meerdere mensen, verschillende kennis of een specifieke relatie omvat.
Geef het model de setting, de motieven van het personage en de feiten die waar moeten blijven. Beschrijf wie de handelingen van de gebruiker bepaalt en welke keuzes open moeten blijven voor een antwoord. Een voorbeeldbriefing voor een scène is: “Ga verder als de archivaris, behoud het bestaande mysterie en bied één nieuwe aanwijzing zonder te bepalen hoe mijn personage reageert.” Dit bereidt een responsieve uitwisseling voor, in plaats van het model beide kanten van de interactie te laten schrijven.
M2-her ondersteunt berichten met sample_message_user en sample_message_ai om het gewenste dialoogpatroon te demonstreren. De maker beveelt één tot drie beknopte voorbeelden aan. Gebruik ze om stem, tempo en de verhouding tussen vertelling en dialoog vast te leggen; vermijd een lang voorbeeld dat context verbruikt zonder de stijl te verduidelijken. De voorbeelden tellen net als andere berichten mee voor het invoerbudget.
De ontwikkelrichting van MiniMax benadrukt personage-identiteit, wereldregels, gevarieerde plotbeweging en keuzevrijheid van de gebruiker. Geef het beoogde tempo aan wanneer dat relevant is, zoals een rustige uitwisseling, een geleidelijke onthulling of een nieuwe complicatie. Benoem voor een herziening de exacte regel of gebeurtenis die met het personage of de chronologie breekt en vraag om een correctie die de rest van de scène behoudt.
De gedocumenteerde workflow bevat voor dialoog met meerdere beurten de volledige gebruikers- en assistentgeschiedenis in chronologische volgorde. Die geschiedenis geeft het volgende antwoord onderbouwing over eerdere gebeurtenissen en vastgelegde relaties. Houd essentiële namen en recente ontwikkelingen expliciet wanneer u een doorlopend verhaal voorbereidt. De contextgeschiedenis wordt aan het model meegegeven en moet niet worden verward met onbeperkt geheugen buiten het gesprek.
Het rollenspelonderzoek van de maker gebruikt dialoogsynthese en online leren van voorkeuren om diversiteit, continuïteit en responsiviteit te verbeteren. Die trainingsmethoden beschrijven het producentmodel en garanderen niet dat elk afzonderlijk verhaal foutloos blijft. Controleer of een antwoord dialoog aan het juiste personage toeschrijft en de fysieke of fictieve regels van de setting respecteert.
De specifieke M2-her-handleiding noemt 64K context en een maximale uitvoer van 2.048 tokens. Ze documenteert ook gestreamde uitvoer en standaardwaarden voor sampling van temperature 1.0 en top-p 0.95. Kies een antwoordlengte die bij een gespreksbeurt past; een te lange passage kan de volgende beslissing van de gebruiker verdringen of door het voltooiingsbudget worden afgebroken.
Het bruikbare resultaat is een personageantwoord, verhalende passage of voortgezette scène die bij de aangeleverde setting past en tot de volgende interactie uitnodigt. Controleer perspectief, keuzevrijheid van personages, consistente verwijzingen en het gevraagde einde. Het benoemde rollenspelformaat en de limieten van M2-her blijven gescheiden van andere taal-, visie- en mediamodellen van MiniMax.
", "aboutText": "MiniMax M2-her is het op dialoog gerichte tekstmodel van MiniMax voor rollenspel, personagegesprekken en verhaalgedreven interactie. Het is een afzonderlijk profiel naast het algemene, op programmeren en agents gerichte MiniMax M2-model. De fabrikant ontwikkelt het rond samenhangende fictieve werelden, actieve verhaalvoortgang en afstemming op de gespreksvoorkeuren van de gebruiker. Invoer en uitvoer zijn tekst; de specifieke handleiding ondersteunt geen gemengde tekst-beeldinvoer.\n\n### Definieer de wereld en beide rollen\n\nHet gespreksformaat van de producent bevat meer dan de gebruikelijke system-, user- en assistant-berichten. De rol system bepaalt de identiteit, persoonlijkheid en het gedrag van het model. De rol user_system bepaalt het personage of de persona van de gebruiker, terwijl group het scenario of de gespreksgroep identificeert. Houd die verschillen duidelijk als het verhaal meerdere mensen, verschillende kennis of een specifieke relatie omvat.\n\nGeef het model de setting, de motieven van het personage en de feiten die waar moeten blijven. Beschrijf wie de handelingen van de gebruiker bepaalt en welke keuzes open moeten blijven voor een antwoord. Een voorbeeldbriefing voor een scène is: “Ga verder als de archivaris, behoud het bestaande mysterie en bied één nieuwe aanwijzing zonder te bepalen hoe mijn personage reageert.” Dit bereidt een responsieve uitwisseling voor, in plaats van het model beide kanten van de interactie te laten schrijven.\n\n### Voorbeelden en stijl\n\nM2-her ondersteunt berichten met sample_message_user en sample_message_ai om het gewenste dialoogpatroon te demonstreren. De maker beveelt één tot drie beknopte voorbeelden aan. Gebruik ze om stem, tempo en de verhouding tussen vertelling en dialoog vast te leggen; vermijd een lang voorbeeld dat context verbruikt zonder de stijl te verduidelijken. De voorbeelden tellen net als andere berichten mee voor het invoerbudget.\n\nDe ontwikkelrichting van MiniMax benadrukt personage-identiteit, wereldregels, gevarieerde plotbeweging en keuzevrijheid van de gebruiker. Geef het beoogde tempo aan wanneer dat relevant is, zoals een rustige uitwisseling, een geleidelijke onthulling of een nieuwe complicatie. Benoem voor een herziening de exacte regel of gebeurtenis die met het personage of de chronologie breekt en vraag om een correctie die de rest van de scène behoudt.\n\n### Behoud de gesprekscontext\n\nDe gedocumenteerde workflow bevat voor dialoog met meerdere beurten de volledige gebruikers- en assistentgeschiedenis in chronologische volgorde. Die geschiedenis geeft het volgende antwoord onderbouwing over eerdere gebeurtenissen en vastgelegde relaties. Houd essentiële namen en recente ontwikkelingen expliciet wanneer u een doorlopend verhaal voorbereidt. De contextgeschiedenis wordt aan het model meegegeven en moet niet worden verward met onbeperkt geheugen buiten het gesprek.\n\nHet rollenspelonderzoek van de maker gebruikt dialoogsynthese en online leren van voorkeuren om diversiteit, continuïteit en responsiviteit te verbeteren. Die trainingsmethoden beschrijven het producentmodel en garanderen niet dat elk afzonderlijk verhaal foutloos blijft. Controleer of een antwoord dialoog aan het juiste personage toeschrijft en de fysieke of fictieve regels van de setting respecteert.\n\n### Limieten en de resulterende passage\n\nDe specifieke M2-her-handleiding noemt 64K context en een maximale uitvoer van 2.048 tokens. Ze documenteert ook gestreamde uitvoer en standaardwaarden voor sampling van temperature 1.0 en top-p 0.95. Kies een antwoordlengte die bij een gespreksbeurt past; een te lange passage kan de volgende beslissing van de gebruiker verdringen of door het voltooiingsbudget worden afgebroken.\n\nHet bruikbare resultaat is een personageantwoord, verhalende passage of voortgezette scène die bij de aangeleverde setting past en tot de volgende interactie uitnodigt. Controleer perspectief, keuzevrijheid van personages, consistente verwijzingen en het gevraagde einde. Het benoemde rollenspelformaat en de limieten van M2-her blijven gescheiden van andere taal-, visie- en mediamodellen van MiniMax.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "0799e41f1bcd737c142606b1da02822c42fd1e296c59202de8b315084adc6cb2", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl", "methods": [ { "html": "M2-herMiniMax M2-her is een model met uitsluitend tekst voor personagerollenspel, verhaalgedreven dialoog en gesprekken met meerdere beurten. De eigen rol- en voorbeeldberichtformaten vormen beide kanten van de interactie, met 64K producentcontext en een maximale uitvoer van 2.048 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
MiniMax M2-her is het op dialoog gerichte tekstmodel van MiniMax voor rollenspel, personagegesprekken en verhaalgedreven interactie. Het is een afzonderlijk profiel naast het algemene, op programmeren en agents gerichte MiniMax M2-model. De fabrikant ontwikkelt het rond samenhangende fictieve werelden, actieve verhaalvoortgang en afstemming op de gespreksvoorkeuren van de gebruiker. Invoer en uitvoer zijn tekst; de specifieke handleiding ondersteunt geen gemengde tekst-beeldinvoer.
Het gespreksformaat van de producent bevat meer dan de gebruikelijke system-, user- en assistant-berichten. De rol system bepaalt de identiteit, persoonlijkheid en het gedrag van het model. De rol user_system bepaalt het personage of de persona van de gebruiker, terwijl group het scenario of de gespreksgroep identificeert. Houd die verschillen duidelijk als het verhaal meerdere mensen, verschillende kennis of een specifieke relatie omvat.
Geef het model de setting, de motieven van het personage en de feiten die waar moeten blijven. Beschrijf wie de handelingen van de gebruiker bepaalt en welke keuzes open moeten blijven voor een antwoord. Een voorbeeldbriefing voor een scène is: “Ga verder als de archivaris, behoud het bestaande mysterie en bied één nieuwe aanwijzing zonder te bepalen hoe mijn personage reageert.” Dit bereidt een responsieve uitwisseling voor, in plaats van het model beide kanten van de interactie te laten schrijven.
M2-her ondersteunt berichten met sample_message_user en sample_message_ai om het gewenste dialoogpatroon te demonstreren. De maker beveelt één tot drie beknopte voorbeelden aan. Gebruik ze om stem, tempo en de verhouding tussen vertelling en dialoog vast te leggen; vermijd een lang voorbeeld dat context verbruikt zonder de stijl te verduidelijken. De voorbeelden tellen net als andere berichten mee voor het invoerbudget.
De ontwikkelrichting van MiniMax benadrukt personage-identiteit, wereldregels, gevarieerde plotbeweging en keuzevrijheid van de gebruiker. Geef het beoogde tempo aan wanneer dat relevant is, zoals een rustige uitwisseling, een geleidelijke onthulling of een nieuwe complicatie. Benoem voor een herziening de exacte regel of gebeurtenis die met het personage of de chronologie breekt en vraag om een correctie die de rest van de scène behoudt.
De gedocumenteerde workflow bevat voor dialoog met meerdere beurten de volledige gebruikers- en assistentgeschiedenis in chronologische volgorde. Die geschiedenis geeft het volgende antwoord onderbouwing over eerdere gebeurtenissen en vastgelegde relaties. Houd essentiële namen en recente ontwikkelingen expliciet wanneer u een doorlopend verhaal voorbereidt. De contextgeschiedenis wordt aan het model meegegeven en moet niet worden verward met onbeperkt geheugen buiten het gesprek.
Het rollenspelonderzoek van de maker gebruikt dialoogsynthese en online leren van voorkeuren om diversiteit, continuïteit en responsiviteit te verbeteren. Die trainingsmethoden beschrijven het producentmodel en garanderen niet dat elk afzonderlijk verhaal foutloos blijft. Controleer of een antwoord dialoog aan het juiste personage toeschrijft en de fysieke of fictieve regels van de setting respecteert.
De specifieke M2-her-handleiding noemt 64K context en een maximale uitvoer van 2.048 tokens. Ze documenteert ook gestreamde uitvoer en standaardwaarden voor sampling van temperature 1.0 en top-p 0.95. Kies een antwoordlengte die bij een gespreksbeurt past; een te lange passage kan de volgende beslissing van de gebruiker verdringen of door het voltooiingsbudget worden afgebroken.
Het bruikbare resultaat is een personageantwoord, verhalende passage of voortgezette scène die bij de aangeleverde setting past en tot de volgende interactie uitnodigt. Controleer perspectief, keuzevrijheid van personages, consistente verwijzingen en het gevraagde einde. Het benoemde rollenspelformaat en de limieten van M2-her blijven gescheiden van andere taal-, visie- en mediamodellen van MiniMax.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten M2-her | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.0024 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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\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="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"))\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra M2-her
/chat/completions
M2-herMiniMax M2-her is een model met uitsluitend tekst voor personagerollenspel, verhaalgedreven dialoog en gesprekken met meerdere beurten. De eigen rol- en voorbeeldberichtformaten vormen beide kanten van de interactie, met 64K producentcontext en een maximale uitvoer van 2.048 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
MiniMax M2-her is het op dialoog gerichte tekstmodel van MiniMax voor rollenspel, personagegesprekken en verhaalgedreven interactie. Het is een afzonderlijk profiel naast het algemene, op programmeren en agents gerichte MiniMax M2-model. De fabrikant ontwikkelt het rond samenhangende fictieve werelden, actieve verhaalvoortgang en afstemming op de gespreksvoorkeuren van de gebruiker. Invoer en uitvoer zijn tekst; de specifieke handleiding ondersteunt geen gemengde tekst-beeldinvoer.
Het gespreksformaat van de producent bevat meer dan de gebruikelijke system-, user- en assistant-berichten. De rol system bepaalt de identiteit, persoonlijkheid en het gedrag van het model. De rol user_system bepaalt het personage of de persona van de gebruiker, terwijl group het scenario of de gespreksgroep identificeert. Houd die verschillen duidelijk als het verhaal meerdere mensen, verschillende kennis of een specifieke relatie omvat.
Geef het model de setting, de motieven van het personage en de feiten die waar moeten blijven. Beschrijf wie de handelingen van de gebruiker bepaalt en welke keuzes open moeten blijven voor een antwoord. Een voorbeeldbriefing voor een scène is: “Ga verder als de archivaris, behoud het bestaande mysterie en bied één nieuwe aanwijzing zonder te bepalen hoe mijn personage reageert.” Dit bereidt een responsieve uitwisseling voor, in plaats van het model beide kanten van de interactie te laten schrijven.
M2-her ondersteunt berichten met sample_message_user en sample_message_ai om het gewenste dialoogpatroon te demonstreren. De maker beveelt één tot drie beknopte voorbeelden aan. Gebruik ze om stem, tempo en de verhouding tussen vertelling en dialoog vast te leggen; vermijd een lang voorbeeld dat context verbruikt zonder de stijl te verduidelijken. De voorbeelden tellen net als andere berichten mee voor het invoerbudget.
De ontwikkelrichting van MiniMax benadrukt personage-identiteit, wereldregels, gevarieerde plotbeweging en keuzevrijheid van de gebruiker. Geef het beoogde tempo aan wanneer dat relevant is, zoals een rustige uitwisseling, een geleidelijke onthulling of een nieuwe complicatie. Benoem voor een herziening de exacte regel of gebeurtenis die met het personage of de chronologie breekt en vraag om een correctie die de rest van de scène behoudt.
De gedocumenteerde workflow bevat voor dialoog met meerdere beurten de volledige gebruikers- en assistentgeschiedenis in chronologische volgorde. Die geschiedenis geeft het volgende antwoord onderbouwing over eerdere gebeurtenissen en vastgelegde relaties. Houd essentiële namen en recente ontwikkelingen expliciet wanneer u een doorlopend verhaal voorbereidt. De contextgeschiedenis wordt aan het model meegegeven en moet niet worden verward met onbeperkt geheugen buiten het gesprek.
Het rollenspelonderzoek van de maker gebruikt dialoogsynthese en online leren van voorkeuren om diversiteit, continuïteit en responsiviteit te verbeteren. Die trainingsmethoden beschrijven het producentmodel en garanderen niet dat elk afzonderlijk verhaal foutloos blijft. Controleer of een antwoord dialoog aan het juiste personage toeschrijft en de fysieke of fictieve regels van de setting respecteert.
De specifieke M2-her-handleiding noemt 64K context en een maximale uitvoer van 2.048 tokens. Ze documenteert ook gestreamde uitvoer en standaardwaarden voor sampling van temperature 1.0 en top-p 0.95. Kies een antwoordlengte die bij een gespreksbeurt past; een te lange passage kan de volgende beslissing van de gebruiker verdringen of door het voltooiingsbudget worden afgebroken.
Het bruikbare resultaat is een personageantwoord, verhalende passage of voortgezette scène die bij de aangeleverde setting past en tot de volgende interactie uitnodigt. Controleer perspectief, keuzevrijheid van personages, consistente verwijzingen en het gevraagde einde. Het benoemde rollenspelformaat en de limieten van M2-her blijven gescheiden van andere taal-, visie- en mediamodellen van MiniMax.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten M2-her | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.0024 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "M2-her",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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\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\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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra M2-her
/chat/completions