Dì al tuo agente una frase, ottieni 800+ modelli

Tl;dr 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, quindi restituire una sessione Playground preconfigurata a te. Iniziare è una frase per il tuo agente: Fetch https://aihubmix.com/agents.md and follow it. L'elenco completo dei punti di accesso si trova nella documentazione Agent Access.

Sempre più sviluppatori eseguono i loro flussi di lavoro agentici tramite agenti di codifica come Claude Code, Codex e Cursor: la scelta dei modelli, la scrittura delle chiamate e la regolazione dei parametri sono tutte delegate. La porta AIHubMix AI mette 800+ modelli dietro una chiave API attraverso quattro protocolli wire, inclusi gli endpoint compatibili con OpenAI, e questa versione consente al tuo agente di leggere tutto direttamente.

Cosa è stato rilasciato?

• agents.md: una guida all'onboarding scritta per gli agenti da eseguire, che copre controlli chiave, scoperta di modelli dal vivo, chiamate per protocollo, verifica end-to-end e risoluzione dei problemi.
• llms.txt per modello: 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 si collega direttamente ad esso.
• Skill Playground e collegamenti di passaggio: la Skill affida prova, regolazione, confronto e generazione di media al tuo agente; i collegamenti profondi consentono all'agente di restituire una sessione preconfigurata al tuo browser, e il parametro ?models= apre fino a 6 schede di modelli pronte per l'uso da un solo collegamento.

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 di ID obsolete, parametri non supportati, prezzi obsoleti. Le superfici leggibili dalla macchina forniscono all'agente queste informazioni in tempo reale e strutturate. 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: Pensare, Streaming, Chiamata di strumenti, Ricerca web, Contesto URL,
  Interprete di codice, Uso 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: scelta del modello, confronto A vs B e passaggio

Supponiamo che tu abbia bisogno di un modello di chat a basso costo per un bot di supporto clienti. Affida prima la Skill al tuo agente:

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

Passo 1: scoperta di modelli dal vivo. 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 Skill ha la divulgazione dei costi integrata: prima delle chiamate batch, l'agente cita il prezzo e chiede il tuo via libera.

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

Due collegamenti reali che puoi aprire subito:

• Apri due schede di modelli pronte per l'uso da un collegamento (il parametro ?models=, fino a 6; passa tra le schede)
• Hai bisogno di specifiche e prezzi affiancati? L'agente può anche fornire un collegamento 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 collegamento 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 collegamento 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 dal vivo per scegliere 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":"Reply with exactly: AIHubMix is connected"}],"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. Il 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 dal vivo e agli schemi dei parametri, senza affermazioni non verificate.
• I collegamenti profondi non contengono credenziali e funzionano esattamente una volta. I parametri del collegamento vengono cancellati 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 Skill richiede all'agente di citare i prezzi del catalogo e chiedere il consenso prima delle chiamate batch e della generazione di media.

Cosa c'è dopo?

L'endpoint 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 Skill, 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 di 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 Skill segue la specifica aperta delle Skill per agenti e può anche essere installato con npx skills add AIhubmix/skills.

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

Vedi Agent Access nella documentazione: agents.md, llms.txt del sito e per modello, entrambi gli indirizzi della Skill Playground, formati dei parametri dei collegamenti profondi e i pacchetti di generazione di codice, ciascuno con un comando di copia e incolla.

Invia questa frase al tuo agente e inizia ora:

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