MiniMax M2-her är MiniMax dialogfokuserade textmodell för rollspel, karaktärssamtal och berättelsedriven interaktion. Den är en separat profil från den allmänna kodnings- och agentinriktade modellen MiniMax M2. Tillverkaren utvecklar den kring sammanhängande fiktiva världar, aktiv berättelseutveckling och anpassning till användarens samtalspreferenser. Indata och utdata är text; den särskilda guiden stöder inte blandad text- och bildindata.
Producentens samtalsformat omfattar mer än vanliga system-, user- och assistant-meddelanden. Rollen system definierar modellens identitet, personlighet och beteende. Rollen user_system definierar användarens karaktär eller persona, medan group identifierar scenariot eller samtalsgruppen. Håll skillnaderna tydliga när berättelsen omfattar flera personer, olika kunskap eller en särskild relation.
Ge modellen miljön, karaktärens motiv och fakta som måste förbli sanna. Beskriv vem som styr användarens handlingar och vilka val som ska lämnas öppna för ett svar. En illustrativ scenbrief är: ”Fortsätt som arkivarien, bevara det etablerade mysteriet och erbjud en ny ledtråd utan att bestämma hur min karaktär reagerar.” Det förbereder ett responsivt utbyte i stället för att be modellen skriva båda sidor av interaktionen.
M2-her stöder meddelandena sample_message_user och sample_message_ai för att demonstrera önskat dialogmönster. Tillverkaren rekommenderar ett till tre korta exempel. Använd dem för att fastställa röst, tempo och hur berättande förhåller sig till dialog och undvik ett långt exempel som förbrukar kontext utan att förtydliga stilen. Exemplen räknas mot indatabudgeten som andra meddelanden.
MiniMax utvecklingsinriktning betonar karaktärsidentitet, världsregler, varierad handlingsutveckling och användarens handlingsutrymme. Ange avsett tempo när det spelar roll, exempelvis ett lugnt utbyte, ett gradvis avslöjande eller en ny komplikation. För en revidering identifierar du den exakta repliken eller händelsen som bryter mot karaktär eller kronologi och begär en korrigering som bevarar resten av scenen.
Det dokumenterade arbetsflödet inkluderar fullständig användar- och assistenthistorik i kronologisk ordning för dialog över flera turer. Historiken ger nästa svar underlag om tidigare händelser och etablerade relationer. Håll viktiga namn och den senaste utvecklingen uttryckligt angivna när en fortsatt berättelse förbereds. Kontexthistorik tillhandahålls modellen; den ska inte förväxlas med obegränsat minne utanför samtalet.
Tillverkarens rollspelsforskning använder dialogsyntes och preferensinlärning online för att förbättra variation, kontinuitet och responsivitet. Dessa träningsmetoder beskriver producentmodellen, inte en garanti för att varje enskild berättelse förblir felfri. Granska om ett svar tillskriver dialog till rätt karaktär och respekterar miljöns fysiska eller fiktiva regler.
Den särskilda M2-her-guiden anger en kontext på 64K och högst 2 048 kompletteringstoken. Den dokumenterar också strömmande utdata och standardinställningarna temperature 1.0 och top-p 0.95 för sampling. Välj en svarslängd som passar en tur i samtalet; ett alltför långt avsnitt kan tränga undan användarens nästa beslut eller klippas av kompletteringsbudgeten.
Det användbara resultatet är ett karaktärssvar, ett berättande avsnitt eller en fortsättning av scenen som passar den tillhandahållna miljön och bjuder in till nästa interaktion. Kontrollera perspektiv, karaktärens handlingsutrymme, referenskonsekvens och begärd avslutning. M2-her:s namngivna rollspelsformat och gränser förblir åtskilda från andra MiniMax-modeller för språk, bild och medier.
", "aboutText": "MiniMax M2-her är MiniMax dialogfokuserade textmodell för rollspel, karaktärssamtal och berättelsedriven interaktion. Den är en separat profil från den allmänna kodnings- och agentinriktade modellen MiniMax M2. Tillverkaren utvecklar den kring sammanhängande fiktiva världar, aktiv berättelseutveckling och anpassning till användarens samtalspreferenser. Indata och utdata är text; den särskilda guiden stöder inte blandad text- och bildindata.\n\n### Definiera världen och båda rollerna\n\nProducentens samtalsformat omfattar mer än vanliga system-, user- och assistant-meddelanden. Rollen system definierar modellens identitet, personlighet och beteende. Rollen user_system definierar användarens karaktär eller persona, medan group identifierar scenariot eller samtalsgruppen. Håll skillnaderna tydliga när berättelsen omfattar flera personer, olika kunskap eller en särskild relation.\n\nGe modellen miljön, karaktärens motiv och fakta som måste förbli sanna. Beskriv vem som styr användarens handlingar och vilka val som ska lämnas öppna för ett svar. En illustrativ scenbrief är: ”Fortsätt som arkivarien, bevara det etablerade mysteriet och erbjud en ny ledtråd utan att bestämma hur min karaktär reagerar.” Det förbereder ett responsivt utbyte i stället för att be modellen skriva båda sidor av interaktionen.\n\n### Exempel och stil\n\nM2-her stöder meddelandena sample_message_user och sample_message_ai för att demonstrera önskat dialogmönster. Tillverkaren rekommenderar ett till tre korta exempel. Använd dem för att fastställa röst, tempo och hur berättande förhåller sig till dialog och undvik ett långt exempel som förbrukar kontext utan att förtydliga stilen. Exemplen räknas mot indatabudgeten som andra meddelanden.\n\nMiniMax utvecklingsinriktning betonar karaktärsidentitet, världsregler, varierad handlingsutveckling och användarens handlingsutrymme. Ange avsett tempo när det spelar roll, exempelvis ett lugnt utbyte, ett gradvis avslöjande eller en ny komplikation. För en revidering identifierar du den exakta repliken eller händelsen som bryter mot karaktär eller kronologi och begär en korrigering som bevarar resten av scenen.\n\n### Behåll samtalskontexten\n\nDet dokumenterade arbetsflödet inkluderar fullständig användar- och assistenthistorik i kronologisk ordning för dialog över flera turer. Historiken ger nästa svar underlag om tidigare händelser och etablerade relationer. Håll viktiga namn och den senaste utvecklingen uttryckligt angivna när en fortsatt berättelse förbereds. Kontexthistorik tillhandahålls modellen; den ska inte förväxlas med obegränsat minne utanför samtalet.\n\nTillverkarens rollspelsforskning använder dialogsyntes och preferensinlärning online för att förbättra variation, kontinuitet och responsivitet. Dessa träningsmetoder beskriver producentmodellen, inte en garanti för att varje enskild berättelse förblir felfri. Granska om ett svar tillskriver dialog till rätt karaktär och respekterar miljöns fysiska eller fiktiva regler.\n\n### Gränser och det resulterande avsnittet\n\nDen särskilda M2-her-guiden anger en kontext på 64K och högst 2 048 kompletteringstoken. Den dokumenterar också strömmande utdata och standardinställningarna temperature 1.0 och top-p 0.95 för sampling. Välj en svarslängd som passar en tur i samtalet; ett alltför långt avsnitt kan tränga undan användarens nästa beslut eller klippas av kompletteringsbudgeten.\n\nDet användbara resultatet är ett karaktärssvar, ett berättande avsnitt eller en fortsättning av scenen som passar den tillhandahållna miljön och bjuder in till nästa interaktion. Kontrollera perspektiv, karaktärens handlingsutrymme, referenskonsekvens och begärd avslutning. M2-her:s namngivna rollspelsformat och gränser förblir åtskilda från andra MiniMax-modeller för språk, bild och medier.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
A clue within a consistent fictional world\n\nContinue as caretaker Sol for two or three short replies. In this world, the lighthouse lamp can glow only when its bell is silent. I play a visitor who asks why the dark lamp still feels warm. Offer one clue while preserving the world rule, and end before deciding my character's response or movement.Two or three character replies with a clue, a consistent lamp/bell relationship and room for the player to act.The passage never has the lamp glowing while the bell rings and does not control the visitor.minimax/minimax-m2-herMiniMax M2-her är en ren textmodell för karaktärsrollspel, berättelsedriven dialog och samtal över flera turer. Dess särskilda roll- och exempelmeddelandeformat formar båda sidorna av interaktionen, med en producentkontext på 64K och högst 2 048 kompletteringstoken.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
MiniMax M2-her är MiniMax dialogfokuserade textmodell för rollspel, karaktärssamtal och berättelsedriven interaktion. Den är en separat profil från den allmänna kodnings- och agentinriktade modellen MiniMax M2. Tillverkaren utvecklar den kring sammanhängande fiktiva världar, aktiv berättelseutveckling och anpassning till användarens samtalspreferenser. Indata och utdata är text; den särskilda guiden stöder inte blandad text- och bildindata.
Producentens samtalsformat omfattar mer än vanliga system-, user- och assistant-meddelanden. Rollen system definierar modellens identitet, personlighet och beteende. Rollen user_system definierar användarens karaktär eller persona, medan group identifierar scenariot eller samtalsgruppen. Håll skillnaderna tydliga när berättelsen omfattar flera personer, olika kunskap eller en särskild relation.
Ge modellen miljön, karaktärens motiv och fakta som måste förbli sanna. Beskriv vem som styr användarens handlingar och vilka val som ska lämnas öppna för ett svar. En illustrativ scenbrief är: ”Fortsätt som arkivarien, bevara det etablerade mysteriet och erbjud en ny ledtråd utan att bestämma hur min karaktär reagerar.” Det förbereder ett responsivt utbyte i stället för att be modellen skriva båda sidor av interaktionen.
M2-her stöder meddelandena sample_message_user och sample_message_ai för att demonstrera önskat dialogmönster. Tillverkaren rekommenderar ett till tre korta exempel. Använd dem för att fastställa röst, tempo och hur berättande förhåller sig till dialog och undvik ett långt exempel som förbrukar kontext utan att förtydliga stilen. Exemplen räknas mot indatabudgeten som andra meddelanden.
MiniMax utvecklingsinriktning betonar karaktärsidentitet, världsregler, varierad handlingsutveckling och användarens handlingsutrymme. Ange avsett tempo när det spelar roll, exempelvis ett lugnt utbyte, ett gradvis avslöjande eller en ny komplikation. För en revidering identifierar du den exakta repliken eller händelsen som bryter mot karaktär eller kronologi och begär en korrigering som bevarar resten av scenen.
Det dokumenterade arbetsflödet inkluderar fullständig användar- och assistenthistorik i kronologisk ordning för dialog över flera turer. Historiken ger nästa svar underlag om tidigare händelser och etablerade relationer. Håll viktiga namn och den senaste utvecklingen uttryckligt angivna när en fortsatt berättelse förbereds. Kontexthistorik tillhandahålls modellen; den ska inte förväxlas med obegränsat minne utanför samtalet.
Tillverkarens rollspelsforskning använder dialogsyntes och preferensinlärning online för att förbättra variation, kontinuitet och responsivitet. Dessa träningsmetoder beskriver producentmodellen, inte en garanti för att varje enskild berättelse förblir felfri. Granska om ett svar tillskriver dialog till rätt karaktär och respekterar miljöns fysiska eller fiktiva regler.
Den särskilda M2-her-guiden anger en kontext på 64K och högst 2 048 kompletteringstoken. Den dokumenterar också strömmande utdata och standardinställningarna temperature 1.0 och top-p 0.95 för sampling. Välj en svarslängd som passar en tur i samtalet; ett alltför långt avsnitt kan tränga undan användarens nästa beslut eller klippas av kompletteringsbudgeten.
Det användbara resultatet är ett karaktärssvar, ett berättande avsnitt eller en fortsättning av scenen som passar den tillhandahållna miljön och bjuder in till nästa interaktion. Kontrollera perspektiv, karaktärens handlingsutrymme, referenskonsekvens och begärd avslutning. M2-her:s namngivna rollspelsformat och gränser förblir åtskilda från andra MiniMax-modeller för språk, bild och medier.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser minimax/minimax-m2-her | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "minimax/minimax-m2-her", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='minimax/minimax-m2-her',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='minimax/minimax-m2-her',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra minimax/minimax-m2-her
Använd metodsökvägarna som visas ovan.
minimax/minimax-m2-herMiniMax M2-her är en ren textmodell för karaktärsrollspel, berättelsedriven dialog och samtal över flera turer. Dess särskilda roll- och exempelmeddelandeformat formar båda sidorna av interaktionen, med en producentkontext på 64K och högst 2 048 kompletteringstoken.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
MiniMax M2-her är MiniMax dialogfokuserade textmodell för rollspel, karaktärssamtal och berättelsedriven interaktion. Den är en separat profil från den allmänna kodnings- och agentinriktade modellen MiniMax M2. Tillverkaren utvecklar den kring sammanhängande fiktiva världar, aktiv berättelseutveckling och anpassning till användarens samtalspreferenser. Indata och utdata är text; den särskilda guiden stöder inte blandad text- och bildindata.
Producentens samtalsformat omfattar mer än vanliga system-, user- och assistant-meddelanden. Rollen system definierar modellens identitet, personlighet och beteende. Rollen user_system definierar användarens karaktär eller persona, medan group identifierar scenariot eller samtalsgruppen. Håll skillnaderna tydliga när berättelsen omfattar flera personer, olika kunskap eller en särskild relation.
Ge modellen miljön, karaktärens motiv och fakta som måste förbli sanna. Beskriv vem som styr användarens handlingar och vilka val som ska lämnas öppna för ett svar. En illustrativ scenbrief är: ”Fortsätt som arkivarien, bevara det etablerade mysteriet och erbjud en ny ledtråd utan att bestämma hur min karaktär reagerar.” Det förbereder ett responsivt utbyte i stället för att be modellen skriva båda sidor av interaktionen.
M2-her stöder meddelandena sample_message_user och sample_message_ai för att demonstrera önskat dialogmönster. Tillverkaren rekommenderar ett till tre korta exempel. Använd dem för att fastställa röst, tempo och hur berättande förhåller sig till dialog och undvik ett långt exempel som förbrukar kontext utan att förtydliga stilen. Exemplen räknas mot indatabudgeten som andra meddelanden.
MiniMax utvecklingsinriktning betonar karaktärsidentitet, världsregler, varierad handlingsutveckling och användarens handlingsutrymme. Ange avsett tempo när det spelar roll, exempelvis ett lugnt utbyte, ett gradvis avslöjande eller en ny komplikation. För en revidering identifierar du den exakta repliken eller händelsen som bryter mot karaktär eller kronologi och begär en korrigering som bevarar resten av scenen.
Det dokumenterade arbetsflödet inkluderar fullständig användar- och assistenthistorik i kronologisk ordning för dialog över flera turer. Historiken ger nästa svar underlag om tidigare händelser och etablerade relationer. Håll viktiga namn och den senaste utvecklingen uttryckligt angivna när en fortsatt berättelse förbereds. Kontexthistorik tillhandahålls modellen; den ska inte förväxlas med obegränsat minne utanför samtalet.
Tillverkarens rollspelsforskning använder dialogsyntes och preferensinlärning online för att förbättra variation, kontinuitet och responsivitet. Dessa träningsmetoder beskriver producentmodellen, inte en garanti för att varje enskild berättelse förblir felfri. Granska om ett svar tillskriver dialog till rätt karaktär och respekterar miljöns fysiska eller fiktiva regler.
Den särskilda M2-her-guiden anger en kontext på 64K och högst 2 048 kompletteringstoken. Den dokumenterar också strömmande utdata och standardinställningarna temperature 1.0 och top-p 0.95 för sampling. Välj en svarslängd som passar en tur i samtalet; ett alltför långt avsnitt kan tränga undan användarens nästa beslut eller klippas av kompletteringsbudgeten.
Det användbara resultatet är ett karaktärssvar, ett berättande avsnitt eller en fortsättning av scenen som passar den tillhandahållna miljön och bjuder in till nästa interaktion. Kontrollera perspektiv, karaktärens handlingsutrymme, referenskonsekvens och begärd avslutning. M2-her:s namngivna rollspelsformat och gränser förblir åtskilda från andra MiniMax-modeller för språk, bild och medier.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser minimax/minimax-m2-her | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.0024 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "minimax/minimax-m2-her",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'minimax/minimax-m2-her', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'minimax/minimax-m2-her', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra minimax/minimax-m2-her
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
A clue within a consistent fictional world\n\nContinue as caretaker Sol for two or three short replies. In this world, the lighthouse lamp can glow only when its bell is silent. I play a visitor who asks why the dark lamp still feels warm. Offer one clue while preserving the world rule, and end before deciding my character's response or movement.Two or three character replies with a clue, a consistent lamp/bell relationship and room for the player to act.The passage never has the lamp glowing while the bell rings and does not control the visitor.