跳转到主要内容

​
模型概览

M2-her 是 MiniMax 专为对话场景优化的文本模型，支持丰富的角色设定和对话历史管理能力。

​
支持模型

模型名称上下文窗口模型介绍
M2-her2,048专为对话场景设计，支持角色扮演和多轮对话

​
M2-her 核心特性

M2-her 支持多种角色类型配置，包括模型角色（system）、用户角色（user_system）、对话分组（group）等，让您可以灵活构建复杂的对话场景。
通过 sample_message_user 和 sample_message_ai，您可以为模型提供示例对话，帮助模型更好地理解期望的对话风格和回复模式。
模型支持完整的对话历史管理，能够基于前文内容进行连贯的多轮对话，提供更自然的交互体验。

​
调用示例

1

安装 SDK

pip install openai
2

设置环境变量

export OPENAI_BASE_URL=https://api.minimaxi.com/v1
export OPENAI_API_KEY=${YOUR_API_KEY}
3

调用 M2-her

from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="M2-her",
    messages=[
        {
            "role": "system",
            "name": "AI助手",
            "content": "你是一个友好、专业的AI助手"
        },
        {
            "role": "user",
            "name": "用户",
            "content": "你好，请介绍一下你自己"
        }
    ],
    temperature=1.0,
    top_p=0.95,
    max_completion_tokens=2048
)

print(response.choices[0].message.content)

​
角色类型说明

M2-her 支持以下几种消息角色类型：

​
基础角色

角色类型说明使用场景
system设定模型的角色和行为定义 AI 的身份、性格、知识范围等
user用户的输入用户发送的消息
assistant模型的历史回复AI 之前的回复，用于多轮对话

​
高级角色

角色类型说明使用场景
user_system设定用户的角色和人设角色扮演场景中定义用户身份
group对话的名称标识对话分组或场景名称
sample_message_user示例的用户输入提供用户消息的示例
sample_message_ai示例的模型输出提供期望的 AI 回复示例

​
使用场景示例

​
场景 1：基础对话

messages = [
    {
        "role": "system",
        "content": "你是一个专业的编程助手"
    },
    {
        "role": "user",
        "content": "如何学习 Python？"
    }
]

​
场景 2：角色扮演对话

messages = [
    {
        "role": "system",
        "content": "你是《三国演义》中的诸葛亮，智慧、沉稳、善于谋略"
    },
    {
        "role": "user_system",
        "content": "你是一位来自现代的穿越者"
    },
    {
        "role": "group",
        "content": "三国时期的隆中对话"
    },
    {
        "role": "user",
        "content": "军师，我有一些现代的想法想和您探讨"
    }
]

​
场景 3：示例学习对话

messages = [
    {
        "role": "system",
        "content": "你是一个幽默风趣的聊天伙伴"
    },
    {
        "role": "sample_message_user",
        "content": "今天天气真好"
    },
    {
        "role": "sample_message_ai",
        "content": "是啊！阳光明媚的日子总让人心情愉悦，就像你的笑容一样灿烂~"
    },
    {
        "role": "user",
        "content": "明天准备去爬山"
    }
]

​
参数说明

​
核心参数

参数类型默认值说明
modelstring-模型名称，固定为 M2-her
messagesarray-对话消息列表，详见 API 参考
temperaturenumber1.0温度系数，控制输出随机性
top_pnumber0.95采样策略参数
max_completion_tokensinteger-生成内容的最大长度，上限 2048
streambooleanfalse是否使用流式输出

​
最佳实践

使用 system 定义 AI 的基本行为，使用 user_system 定义用户身份，可以让对话更加自然和符合场景设定。
通过 sample_message_user 和 sample_message_ai 提供 1-3 个示例对话，可以有效引导模型的回复风格。
保留完整的对话历史（包括 user 和 assistant 消息），让模型能够基于上下文进行连贯回复。
根据场景需求设置合适的 max_completion_tokens，避免回复过长或被截断。

​
常见问题

在每次请求中包含完整的对话历史，按时间顺序排列 user 和 assistant 消息。
system 定义 AI 的角色，user_system 定义用户的角色。在角色扮演场景中，两者配合使用可以创建更丰富的对话体验。
是的，所有消息（包括示例消息）都会计入输入 token。建议提供 1-3 个精炼的示例即可。
M2-her 当前仅支持文本输入，不支持图文混合输入。

​
相关链接

API 参考

查看完整的 API 接口文档

定价说明

了解 M2-her 的定价详情

错误码

查看 API 错误码说明

快速开始

快速上手 MiniMax API