Sagen Sie Ihrem Agenten einen Satz, erhalten Sie 500+ Modelle

Zusammenfassung AIHubMix bietet jetzt eine Reihe von agentenlesbaren Zugriffsmöglichkeiten: Ihr Programmieragent kann Modelle entdecken, Aufrufe generieren und diese selbst überprüfen, um Ihnen dann eine vorkonfigurierte Playground-Sitzung zurückzugeben. Um zu beginnen, geben Sie Ihrem Agenten einen Satz: Fetch https://aihubmix.com/agents.md und folgen Sie ihm. Die vollständige Liste der Einstiegspunkte finden Sie in den Agent Access Dokumenten.

Immer mehr Entwickler führen ihre agentischen Workflows über Programmieragenten wie Claude Code, Codex und Cursor aus: Modelle auswählen, Aufrufe schreiben und Parameter anpassen werden alle delegiert. Das AIHubMix AI-Gateway stellt über einen API-Schlüssel mehr als 500 Modelle über vier Übertragungsprotokolle bereit, einschließlich OpenAI-kompatibler Endpunkte, und diese Veröffentlichung ermöglicht es Ihrem Agenten, alles direkt zu lesen.

Was wurde veröffentlicht?

• agents.md: ein Einarbeitungsleitfaden, der für Agenten geschrieben wurde, um ihn auszuführen, und der wichtige Überprüfungen, die Entdeckung von Live-Modellen, pro-Protokoll-Aufrufe, End-to-End-Überprüfung und Fehlersuche abdeckt.
• Pro-Modell llms.txt: 850+ Modelle, jedes mit einem maschinenlesbaren Integrationsleitfaden an einer festen Adresse (https://aihubmix.com/model/{model_id}/llms.txt); der llms.txt Chip auf jeder Modellseite verlinkt direkt dorthin.
• Playground-Fähigkeit und Übergabelinks: Die Fähigkeit übergibt Ihrem Agenten Test, Anpassung, Vergleich und Medienerzeugung; Deep Links ermöglichen es dem Agenten, eine vorkonfigurierte Sitzung zurück an Ihren Browser zu übergeben, und der ?models= Parameter öffnet bis zu 6 sofort einsatzbereite Modell-Tabs von einem Link aus.

Warum benötigen Agenten maschinenlesbaren Zugriff?

Wenn ein Agent Modell-IDs, Preise und Parameter aus seinem Trainingsgedächtnis errät, neigen die erzeugten Aufrufe dazu, zu scheitern: veraltete ID-Schreibweisen, nicht unterstützte Parameter, veraltete Preise. Maschinenlesbare Oberflächen geben dem Agenten diese Informationen live und strukturiert. Nehmen Sie die llms.txt für gemini-3.7-flash: Ein Abruf gibt einem Agenten jede Tatsache, die er benötigt, um einen korrekten Aufruf zu generieren:

- Entwickler: Google
- Kontextfenster: 1.048.576 Tokens
- Eingabemodalitäten: Text, Bild, Audio, Video
- Fähigkeiten: Denken, Streaming, Toolaufrufe, Websuche, URL-Kontext,
  Code-Interpreter, Computerbenutzung, Dateisuche, strukturierte Ausgaben, Prompt-Caching
- Preise: $0.75/M Eingabetokens, $3.75/M Ausgabetokens, $0.075/M zwischengespeicherte Eingabe

Diese Datei ist jetzt live: curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt überprüft dies. Die Überprüfungsregel in agents.md verlangt auch, dass Agenten den Antworttext und das wiedergegebene Modell überprüfen; ein HTTP 200 allein zählt nicht als Erfolg.

Eine vollständige Anleitung: Modellwahl, A vs B Vergleich und Übergabe

Angenommen, Sie benötigen ein kostengünstiges Chat-Modell für einen Kundenservice-Bot. Übergeben Sie zuerst die Fähigkeit an Ihren Agenten:

Run curl -fsSL https://aihubmix.com/skills/playground und folgen Sie ihm.

Schritt 1: Live-Modellentdeckung. Der Agent liest den Katalog der Modelle ohne Authentifizierung, filtert Kandidaten nach Preis und Fähigkeit und ruft dann die llms.txt jedes Kandidaten ab, um die Unterstützung für Toolaufrufe und strukturierte Ausgaben zu bestätigen.

Schritt 2: Vergleich mit demselben Prompt. Der Agent führt denselben Prompt gegen jeden Kandidaten aus und berichtet über tatsächliche Ausgaben, gemessene Latenz und Katalogpreise pro Modell. Die Fähigkeit hat eine Kostenoffenlegung eingebaut: Vor Batch-Aufrufen gibt der Agent den Preis an und fragt nach Ihrer Zustimmung.

Schritt 3: Geben Sie es zurück an Sie. Der Agent generiert einen Deep Link für den Playground. Öffnen Sie ihn in Ihrem Browser und die Sitzung ist bereits konfiguriert: Modell, Parameter und Systemprompt sind vorhanden, mit einem Entwurf, der im Composer vorausgefüllt, aber nicht gesendet ist. Ob es ausgeführt wird, liegt an Ihnen.

Zwei echte Links, die Sie jetzt öffnen können:

• Öffnen Sie zwei sofort einsatzbereite Modell-Tabs von einem Link (der ?models= Parameter, bis zu 6; zwischen den Tabs wechseln)
• Benötigen Sie Spezifikationen und Preise nebeneinander? Der Agent kann auch einen Hauptseitenvergleichslink übergeben, wie Gemini 3.7 Flash vs Claude Opus 4.1 (das compare/{a}/{b} Muster, ebenfalls in jeder llms.txt aufgeführt)
• Der durch Schritt 3 dieser Anleitung erzeugte Deep Link (das Kundenservice-Szenario: Systemprompt, Parameter und Composer-Entwurf sind alle vorhanden; der Screenshot oben ist dieser Link geöffnet)

Aus der Sicht des Agenten besteht der gesamte Ablauf aus vier Befehlen, die jeweils kopiert und eingefügt überprüft werden können:

# 1. Lesen Sie den Einarbeitungsleitfaden
curl -s https://aihubmix.com/agents.md
# 2. Lesen Sie den Live-Katalog, um Kandidaten auszuwählen
curl -s "https://aihubmix.com/api/v1/models?type=llm&sort_by=order"
# 3. Lesen Sie den maschinenlesbaren Leitfaden eines Kandidaten
curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt
# 4. Minimaler echter Aufruf zur Überprüfung der Konnektivität (der Body muss die genau angeforderte Antwort enthalten)
curl -s https://aihubmix.com/v1/chat/completions \
  -H "Authorization: Bearer $AIHUBMIX_API_KEY" -H "Content-Type: application/json" \
  -d '{"model":"gemini-3.7-flash","messages":[{"role":"user","content":"Antworten Sie genau mit: AIHubMix ist verbunden"}],"max_tokens":64}'

Sie tun in diesem Ablauf genau zwei Dinge: Senden Sie einen Satz an Ihren Agenten und übernehmen Sie das Ergebnis in Ihrem Browser. Probieren Sie es jetzt aus:

Fetch https://aihubmix.com/agents.md und folgen Sie ihm.

Welcher Einstiegspunkt für welchen Job?

Welche Designprinzipien folgen diese?

• Nur verifizierte Informationen werden veröffentlicht. Die llms.txt eines Modells enthält Fähigkeiten und Endpunktansprüche nur nach der Verifizierung; Modelle, die noch nicht verifiziert sind, zeigen eine kurze Mitteilung, die auf den Live-Katalog und die Parameterschemata verweist, ohne nicht verifizierte Ansprüche.
• Deep Links enthalten keine Anmeldeinformationen und funktionieren genau einmal. Die Linkparameter werden beim Laden aus der Adressleiste entfernt, und die Nutzlast enthält niemals einen Schlüssel.
• Kosten werden offengelegt, bevor Geld ausgegeben wird. Die Fähigkeit erfordert, dass der Agent die Katalogpreise angibt und um Zustimmung bittet, bevor Batch-Aufrufe und Medien generiert werden.

Was kommt als Nächstes?

Der MCP-Endpunkt bietet derzeit die Bildgenerierung an, mit einem breiteren Abdeckungsbereich der Fähigkeiten in Arbeit; die Modellverifizierung wird weiterhin erweitert, und die llms.txt eines neu verifizierten Modells wird automatisch auf einen vollständigen Leitfaden aktualisiert. Wenn Sie auf etwas Seltsames stoßen, teilen Sie uns dies über Feedback mit.

Häufig gestellte Fragen

Benötigen diese Einstiegspunkte Anmeldeinformationen?

Jede maschinenlesbare Oberfläche (agents.md, llms.txt, pro-Modell llms.txt, die Fähigkeitsdatei, der Modellkatalog) ist ohne Authentifizierung lesbar. Ein AIHubMix API-Schlüssel wird nur für echte Modellaufrufe benötigt: Übergeben Sie ihn über eine Umgebungsvariable, die im Konsolen erstellt wurde.

Welche Agenten werden unterstützt?

Jeder Programmierassistent, der Shell-Befehle ausführen oder URLs abrufen kann, einschließlich Claude Code, Codex, Cursor, Cline, Gemini CLI und OpenCode. Die Fähigkeitsdatei folgt der offenen Agent Skills-Spezifikation und kann auch mit npx skills add AIhubmix/skills installiert werden.

Wo ist die vollständige Liste der Einstiegspunkte?

Siehe Agent Access in den Dokumenten: agents.md, Seiten- und pro-Modell llms.txt, beide Adressen der Playground-Fähigkeit, Formate der Deep Link-Parameter und die Code-Generierungspakete, jeweils mit einem Kopier- und Einfügebefehl.

Send this sentence to your agent and start now:

Fetch https://aihubmix.com/agents.md und folgen Sie ihm.