Dì al tuo agente una frase, ottieni 500+ modelli

Riassunto AIHubMix ora fornisce un insieme di superfici di accesso leggibili dagli agenti: il tuo agente di codifica può scoprire modelli, generare chiamate e verificarle autonomamente, per poi restituirti una sessione Playground preconfigurata. Iniziare è semplice: basta una frase al tuo agente: Fetch https://aihubmix.com/agents.md and follow it. L'elenco completo dei punti di accesso si trova nella documentazione Accesso Agenti.

Sempre più sviluppatori gestiscono i loro flussi di lavoro agentici tramite agenti di codifica come Claude Code, Codex e Cursor: la selezione dei modelli, la scrittura delle chiamate e la regolazione dei parametri sono tutte delegate. La porta AIHubMix AI mette a disposizione oltre 500 modelli dietro una chiave API attraverso quattro protocolli di rete, inclusi gli endpoint compatibili con OpenAI, e questa versione consente al tuo agente di leggerli tutti direttamente.

Cosa è stato rilasciato?

• agents.md: una guida all'onboarding scritta per gli agenti da eseguire, che copre controlli chiave, scoperta di modelli in tempo reale, chiamate per protocollo, verifica end-to-end e risoluzione dei problemi.
• llms.txt per modello: oltre 850 modelli, ciascuno con una guida all'integrazione leggibile dalla macchina a un indirizzo fisso (https://aihubmix.com/model/{model_id}/llms.txt); il chip llms.txt su ogni pagina del modello è collegato direttamente ad esso.
• Competenze Playground e link di passaggio: la competenza gestisce prove, regolazioni, confronti e generazione di media per il tuo agente; i link profondi consentono all'agente di restituire una sessione preconfigurata al tuo browser, e il parametro ?models= apre fino a 6 schede di modelli pronte all'uso da un unico link.

Perché gli agenti hanno bisogno di accesso leggibile dalla macchina?

Quando un agente indovina gli ID dei modelli, i prezzi e i parametri dalla sua memoria di addestramento, le chiamate che produce tendono a fallire: ortografie obsolete degli ID, parametri non supportati, prezzi obsoleti. Le superfici leggibili dalla macchina forniscono all'agente queste informazioni in tempo reale e in modo strutturato. Prendi il llms.txt per gemini-3.7-flash: un recupero fornisce all'agente ogni fatto di cui ha bisogno per generare una chiamata corretta:

- Sviluppatore: Google
- Finestra di contesto: 1.048.576 token
- Modalità di input: testo, immagine, audio, video
- Capacità: Pensiero, Streaming, Chiamata di strumenti, Ricerca web, Contesto URL,
  Interprete di codice, Utilizzo del computer, Ricerca di file, Output strutturati, Cache di prompt
- Prezzi: $0.75/M token di input, $3.75/M token di output, $0.075/M input memorizzato

Questo file è attivo in questo momento: curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt lo verifica. La regola di verifica in agents.md richiede anche agli agenti di ispezionare il corpo della risposta e il modello ripetuto; un HTTP 200 da solo non conta come successo.

Una guida completa: selezione del modello, confronto A vs B e passaggio

Immagina di aver bisogno di un modello di chat a basso costo per un bot di supporto clienti. Prima di tutto, passa la competenza al tuo agente:

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

Passo 1: scoperta di modelli in tempo reale. L'agente legge il catalogo dei modelli senza autenticazione, filtra i candidati per prezzo e capacità, quindi recupera il llms.txt di ciascun candidato per confermare il supporto per la chiamata di strumenti e gli output strutturati.

Passo 2: confronto con lo stesso prompt. L'agente esegue lo stesso prompt contro ciascun candidato e riporta gli output effettivi, la latenza misurata e i prezzi del catalogo per modello. La competenza ha la divulgazione dei costi integrata: prima delle chiamate in batch, l'agente cita il prezzo e chiede il tuo via libera.

Passo 3: restituiscilo a te. L'agente genera un link profondo per il Playground. Aprilo nel tuo browser e la sessione è già configurata: modello, parametri e prompt di sistema sono in atto, con una bozza precompilata nel compositore ma non inviata. Se deve essere eseguita, è una tua decisione.

Due link reali che puoi aprire subito:

• Apri due schede di modelli pronte all'uso da un unico link (il parametro ?models=, fino a 6; passa tra le schede)
• Hai bisogno di specifiche e prezzi affiancati? L'agente può anche fornire un link di confronto del sito principale come Gemini 3.7 Flash vs Claude Opus 4.1 (il modello compare/{a}/{b}, elencato anche in ogni llms.txt)
• Il link profondo prodotto dal Passo 3 di questa guida (lo scenario di supporto clienti: prompt di sistema, parametri e bozza del compositore già in atto; lo screenshot sopra è questo link aperto)

Dal punto di vista dell'agente, l'intero flusso è composto da quattro comandi, ciascuno verificabile tramite copia e incolla:

# 1. Leggi la guida all'onboarding
curl -s https://aihubmix.com/agents.md
# 2. Leggi il catalogo live per selezionare i candidati
curl -s "https://aihubmix.com/api/v1/models?type=llm&sort_by=order"
# 3. Leggi la guida leggibile dalla macchina di un candidato
curl -s https://aihubmix.com/model/gemini-3.7-flash/llms.txt
# 4. Chiamata reale minima per verificare la connettività (il corpo deve contenere la risposta esatta richiesta)
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":"Rispondi esattamente: AIHubMix è connesso"}],"max_tokens":64}'

In questo flusso fai esattamente due cose: invii una frase al tuo agente e prendi il risultato nel tuo browser. Provalo ora:

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

Quale punto di accesso per quale lavoro?

Quali principi di design seguono?

• Solo informazioni verificate vengono pubblicate. Un llms.txt di un modello riporta affermazioni di capacità e endpoint solo dopo verifica; i modelli non ancora verificati servono un breve avviso che punta al catalogo live e agli schemi dei parametri, senza affermazioni non verificate.
• I link profondi non contengono credenziali e funzionano esattamente una volta. I parametri del link vengono rimossi dalla barra degli indirizzi al caricamento, e il payload non contiene mai una chiave.
• I costi sono divulgati prima che il denaro venga speso. La competenza richiede all'agente di citare i prezzi del catalogo e chiedere il consenso prima delle chiamate in batch e della generazione di media.

Cosa c'è dopo?

Il punto di accesso MCP attualmente serve la generazione di immagini, con una copertura di capacità più ampia in corso; la verifica dei modelli continua ad espandersi, e il llms.txt di un modello appena verificato si aggiorna automaticamente a una guida completa. Se riscontri qualcosa di strano, faccelo sapere tramite Feedback.

FAQ

Questi punti di accesso richiedono credenziali?

Ogni superficie leggibile dalla macchina (agents.md, llms.txt, llms.txt per modello, il file della competenza, il catalogo dei modelli) è leggibile senza alcuna autenticazione. Una chiave API di AIHubMix è necessaria solo per chiamate reali ai modelli: passala tramite una variabile d'ambiente, creata nella console.

Quali agenti sono supportati?

Qualsiasi assistente di codifica che può eseguire comandi shell o recuperare URL, inclusi Claude Code, Codex, Cursor, Cline, Gemini CLI e OpenCode. Il file della competenza segue la specifica aperta delle Competenze per agenti e può anche essere installato con npx skills add AIhubmix/skills.

Dove si trova l'elenco completo dei punti di accesso?

Vedi Accesso Agenti nella documentazione: agents.md, llms.txt per sito e per modello, entrambi gli indirizzi delle Competenze Playground, formati dei parametri dei link profondi e pacchetti di generazione di codice, ciascuno con un comando copia e incolla.

Invia questa frase al tuo agente e inizia ora:

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