Dile a tu agente una frase, obtén más de 500 modelos

Resumen AIHubMix ahora ofrece un conjunto de superficies de acceso legibles por agentes: tu agente de codificación puede descubrir modelos, generar llamadas y verificarlas por sí mismo, y luego devolverte una sesión de Playground preconfigurada. Para comenzar, solo necesitas una frase para tu agente: Fetch https://aihubmix.com/agents.md and follow it. La lista completa de puntos de entrada se encuentra en la documentación de Acceso de Agente.

Cada vez más desarrolladores ejecutan sus flujos de trabajo a través de agentes de codificación como Claude Code, Codex y Cursor: seleccionar modelos, escribir llamadas y ajustar parámetros son tareas delegadas. La puerta de enlace AIHubMix AI pone más de 500 modelos detrás de una clave API a través de cuatro protocolos de comunicación, incluidos los puntos finales compatibles con OpenAI, y esta versión permite que tu agente lea todo directamente.

¿Qué se lanzó?

• agents.md: una guía de incorporación escrita para que los agentes la ejecuten, que cubre verificaciones clave, descubrimiento de modelos en vivo, llamadas por protocolo, verificación de extremo a extremo y solución de problemas.
• llms.txt por modelo: más de 850 modelos, cada uno con una guía de integración legible por máquina en una dirección fija (https://aihubmix.com/model/{model_id}/llms.txt); el chip llms.txt en cada página de modelo se vincula directamente a ella.
• Habilidad de Playground y enlaces de transferencia: la habilidad permite a tu agente realizar pruebas, ajustes, comparaciones y generación de medios; los enlaces profundos permiten que el agente devuelva una sesión preconfigurada a tu navegador, y el parámetro ?models= abre hasta 6 pestañas de modelos listas para usar desde un solo enlace.

¿Por qué necesitan los agentes acceso legible por máquina?

Cuando un agente adivina IDs de modelos, precios y parámetros de su memoria de entrenamiento, las llamadas que produce tienden a fallar: errores de escritura de ID, parámetros no soportados, precios desactualizados. Las superficies legibles por máquina le proporcionan al agente esta información en vivo y estructurada. Toma el llms.txt para gemini-3.7-flash: una sola búsqueda le da al agente todos los datos que necesita para generar una llamada correcta:

- Desarrollador: Google
- Ventana de contexto: 1,048,576 tokens
- Modalidades de entrada: texto, imagen, audio, video
- Capacidades: Pensamiento, Streaming, Llamada a herramientas, Búsqueda web, Contexto de URL,
  Intérprete de código, Uso de computadora, Búsqueda de archivos, Salidas estructuradas, Caché de prompts
- Precios: $0.75/M tokens de entrada, $3.75/M tokens de salida, $0.075/M entrada en caché

Este archivo está disponible en este momento: curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt lo verifica. La regla de verificación en agents.md también requiere que los agentes inspeccionen el cuerpo de la respuesta y el modelo reflejado; un HTTP 200 por sí solo no cuenta como éxito.

Un recorrido completo: selección de modelos, comparación A vs B y transferencia

Supongamos que necesitas un modelo de chat de bajo costo para un bot de atención al cliente. Primero, entrega la habilidad a tu agente:

Run curl -fsSL https://aihubmix.com/skills/playground and follow it.

Paso 1: descubrimiento de modelos en vivo. El agente lee el catálogo de modelos sin autenticación, filtra candidatos por precio y capacidad, y luego obtiene el llms.txt de cada candidato para confirmar el soporte para llamadas a herramientas y salidas estructuradas.

Paso 2: comparación con el mismo prompt. El agente ejecuta el mismo prompt contra cada candidato y reporta salidas reales, latencia medida y precios del catálogo por modelo. La habilidad tiene divulgación de costos incorporada: antes de las llamadas por lotes, el agente cita el precio y pide tu aprobación.

Paso 3: devuélvelo a ti. El agente genera un enlace profundo de Playground. Ábrelo en tu navegador y la sesión ya está configurada: modelo, parámetros y prompt del sistema en su lugar, con un borrador prellenado en el compositor pero no enviado. Si se ejecuta, es tu decisión.

Dos enlaces reales que puedes abrir ahora mismo:

• Abre dos pestañas de modelos listas para usar desde un enlace (el parámetro ?models=, hasta 6; cambia entre pestañas)
• ¿Necesitas especificaciones y precios uno al lado del otro? El agente también puede entregar un enlace de comparación del sitio principal como Gemini 3.7 Flash vs Claude Opus 4.1 (el patrón compare/{a}/{b}, también listado en cada llms.txt)
• El enlace profundo producido por el Paso 3 de este recorrido (el escenario de atención al cliente: prompt del sistema, parámetros y borrador del compositor todos en su lugar; la captura de pantalla anterior es este enlace abierto)

Desde el punto de vista del agente, todo el flujo son cuatro comandos, cada uno verificable mediante copia y pega:

# 1. Leer la guía de incorporación
curl -s https://aihubmix.com/agents.md
# 2. Leer el catálogo en vivo para seleccionar candidatos
curl -s "https://aihubmix.com/api/v1/models?type=llm&sort_by=order"
# 3. Leer la guía legible por máquina de un candidato
curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt
# 4. Llamada mínima real para verificar conectividad (el cuerpo debe contener la respuesta exacta solicitada)
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":"Reply with exactly: AIHubMix is connected"}],"max_tokens":64}'

Solo haces exactamente dos cosas en este flujo: envías una frase a tu agente y tomas el resultado en tu navegador. Pruébalo ahora:

Fetch https://aihubmix.com/agents.md and follow it.

¿Qué punto de entrada para qué trabajo?

¿Qué principios de diseño siguen estos?

• Solo se publica información verificada. El llms.txt de un modelo contiene afirmaciones de capacidad y puntos finales solo después de la verificación; los modelos que aún no están verificados sirven un breve aviso que apunta al catálogo en vivo y los esquemas de parámetros, sin afirmaciones no verificadas.
• Los enlaces profundos no llevan credenciales y funcionan exactamente una vez. Los parámetros del enlace se eliminan de la barra de direcciones al cargar, y la carga útil nunca contiene una clave.
• Los costos se divulgan antes de gastar dinero. La habilidad requiere que el agente cite los precios del catálogo y pida consentimiento antes de las llamadas por lotes y la generación de medios.

¿Qué sigue?

El punto final MCP actualmente sirve para la generación de imágenes, con una cobertura de capacidades más amplia en progreso; la verificación de modelos sigue expandiéndose, y el llms.txt de un modelo recién verificado se actualiza automáticamente a una guía completa. Si encuentras algo extraño, háznoslo saber a través de Comentarios.

Preguntas Frecuentes

¿Estos puntos de entrada requieren credenciales?

Cada superficie legible por máquina (agents.md, llms.txt, llms.txt por modelo, el archivo de habilidad, el catálogo de modelos) es legible sin autenticación. Se necesita una clave API de AIHubMix solo para llamadas reales a modelos: pásala a través de una variable de entorno, creada en la consola.

¿Qué agentes son compatibles?

Cualquier asistente de codificación que pueda ejecutar comandos de shell o recuperar URLs, incluidos Claude Code, Codex, Cursor, Cline, Gemini CLI y OpenCode. El archivo de habilidad sigue la especificación abierta de Habilidades de Agente y también se puede instalar con npx skills add AIhubmix/skills.

¿Dónde está la lista completa de puntos de entrada?

Consulta Acceso de Agente en la documentación: agents.md, llms.txt del sitio y por modelo, ambas direcciones de Habilidad de Playground, formatos de parámetros de enlaces profundos y los paquetes de generación de código, cada uno con un comando de copia y pega.

Envía esta frase a tu agente y comienza ahora:

Fetch https://aihubmix.com/agents.md and follow it.