Grok 3 mini er xAI’s kompakte ræsonneringsmodel i Grok 3-familien. Producenten introducerer den sammen med den større Grok 3 Think-model og bruger forstærkningslæring til at udvikle problemløsningsadfærd. Det særlige fokus er teknisk arbejde: matematik, programmering og andre STEM-opgaver, hvor et klart sæt betingelser betyder mere end omfattende almenviden. Den navngivne modelpost modtager tekst og returnerer tekst.
Formålet med ræsonneringsfasen er at gennemarbejde problemet, før der produceres et svar. Det gør udgaven relevant til spørgsmål med afhængige trin: at udlede en værdi fra flere betingelser, undersøge, om en algoritme opfylder et krav, eller kontrollere et foreslået logisk argument. xAI præsenterer mini som et selvstændigt modelvalg frem for blot en indstilling, der gør den almindelige grok-3-tekstudgave mindre. Bevar den skelnen, når du vælger input og det resultat, du har brug for.
Til matematik skal du angive hele opgavebetingelsen, definitioner, tilladte antagelser og den størrelse eller påstand, der skal fastslås. Et eksempel på en forespørgsel er: “Vurder denne løsning. Identificer det tidligste ugyldige trin, forklar, hvilken betingelse det bryder, og giv et korrigeret resultat med en kontrol mod den oprindelige opgave.” Til programmering skal du medtage den relevante kode, inputværdier og forventet adfærd. Bed om en forklaring af forskellen og en foreslået ændring, der kan testes med disse input. Til logik skal du skelne mellem præmisser og konklusion og spørge, hvilke mellemled der kræver underbygning.
Svaret kan organiseres omkring et nyttigt slutresultat: den udledte formel, et kodefragment, en liste over forkastede antagelser eller en kort forklaring af den valgte metode. En forespørgsel, der angiver resultatet, hjælper med at holde ræsonneringen knyttet til brugerens opgave. Til en undervisningsassistent skal du angive, om eleven har brug for et hint, en metodeforklaring eller en fuld løsning; til en teknisk reviewer skal du angive de kriterier, det foreslåede svar skal opfylde. Det er eksempler på forberedelse ud fra producentens opgavefokus, ikke garantier for, at et returneret argument er korrekt uden kontrol.
Producentens eksempel på modelmetadata angiver ræsonnering, struktureret output og funktionskald for grok-3-mini. Det angiver en maksimal promptlængde på 131.072 tokens og oplister tekst som både input og output. De læste kilder for den præcise udgave fastslår ikke en særskilt universel maksimumgrænse for genereret output. Hold de nødvendige betingelser og det relevante materiale i prompten, angiv den ønskede resultatstruktur, og fastlæg kørselsbestemte grænser ud fra den valgte konfiguration i stedet for at låne dem fra en større Grok-model.
Struktureret output kan gøre et ræsonneringsresultat lettere at anvende i en applikation: adskil eksempelvis det foreslåede resultat, antagelser, kontroller og åbne spørgsmål i definerede felter. Med funktionskald beskriver applikationen de tilgængelige operationer, modtager et foreslået kald og leverer operationens resultat til modellens næste svar. En ekstern beregning eller et opslag udføres af dette applikationsværktøj; en skriftlig erklæring om, at en beregning blev kontrolleret, er ikke i sig selv dokumentation for, at værktøjet kørte.
Mini-udgavens tekniske fokus udgør også en relevant afgrænsning. Tilføj specialistfakta, som løsningen afhænger af, især hvis de er nye eller ligger uden for spørgsmålets angivne betingelser. Adskil kildefakta fra instruktioner, og bed modellen bevare usikkerheden, når en nødvendig præmis mangler. Lanceringsartiklen beskriver ræsonneringsmodeller og særskilte agenter med værktøjer, så deres browser-, søge- og kørselsfunktioner skal forblive knyttet til de faktiske integrationer. Vælg Grok 3 mini til den dokumenterede tekstræsonneringsopgave, og kontroller væsentlige beregninger, argumenter og kode mod den oprindelige opgave eller applikationens kontroller.
", "aboutText": "Grok 3 mini er xAI’s kompakte ræsonneringsmodel i Grok 3-familien. Producenten introducerer den sammen med den større Grok 3 Think-model og bruger forstærkningslæring til at udvikle problemløsningsadfærd. Det særlige fokus er teknisk arbejde: matematik, programmering og andre STEM-opgaver, hvor et klart sæt betingelser betyder mere end omfattende almenviden. Den navngivne modelpost modtager tekst og returnerer tekst.\n\nFormålet med ræsonneringsfasen er at gennemarbejde problemet, før der produceres et svar. Det gør udgaven relevant til spørgsmål med afhængige trin: at udlede en værdi fra flere betingelser, undersøge, om en algoritme opfylder et krav, eller kontrollere et foreslået logisk argument. xAI præsenterer mini som et selvstændigt modelvalg frem for blot en indstilling, der gør den almindelige grok-3-tekstudgave mindre. Bevar den skelnen, når du vælger input og det resultat, du har brug for.\n\nTil matematik skal du angive hele opgavebetingelsen, definitioner, tilladte antagelser og den størrelse eller påstand, der skal fastslås. Et eksempel på en forespørgsel er: “Vurder denne løsning. Identificer det tidligste ugyldige trin, forklar, hvilken betingelse det bryder, og giv et korrigeret resultat med en kontrol mod den oprindelige opgave.” Til programmering skal du medtage den relevante kode, inputværdier og forventet adfærd. Bed om en forklaring af forskellen og en foreslået ændring, der kan testes med disse input. Til logik skal du skelne mellem præmisser og konklusion og spørge, hvilke mellemled der kræver underbygning.\n\nSvaret kan organiseres omkring et nyttigt slutresultat: den udledte formel, et kodefragment, en liste over forkastede antagelser eller en kort forklaring af den valgte metode. En forespørgsel, der angiver resultatet, hjælper med at holde ræsonneringen knyttet til brugerens opgave. Til en undervisningsassistent skal du angive, om eleven har brug for et hint, en metodeforklaring eller en fuld løsning; til en teknisk reviewer skal du angive de kriterier, det foreslåede svar skal opfylde. Det er eksempler på forberedelse ud fra producentens opgavefokus, ikke garantier for, at et returneret argument er korrekt uden kontrol.\n\nProducentens eksempel på modelmetadata angiver ræsonnering, struktureret output og funktionskald for grok-3-mini. Det angiver en maksimal promptlængde på 131.072 tokens og oplister tekst som både input og output. De læste kilder for den præcise udgave fastslår ikke en særskilt universel maksimumgrænse for genereret output. Hold de nødvendige betingelser og det relevante materiale i prompten, angiv den ønskede resultatstruktur, og fastlæg kørselsbestemte grænser ud fra den valgte konfiguration i stedet for at låne dem fra en større Grok-model.\n\nStruktureret output kan gøre et ræsonneringsresultat lettere at anvende i en applikation: adskil eksempelvis det foreslåede resultat, antagelser, kontroller og åbne spørgsmål i definerede felter. Med funktionskald beskriver applikationen de tilgængelige operationer, modtager et foreslået kald og leverer operationens resultat til modellens næste svar. En ekstern beregning eller et opslag udføres af dette applikationsværktøj; en skriftlig erklæring om, at en beregning blev kontrolleret, er ikke i sig selv dokumentation for, at værktøjet kørte.\n\nMini-udgavens tekniske fokus udgør også en relevant afgrænsning. Tilføj specialistfakta, som løsningen afhænger af, især hvis de er nye eller ligger uden for spørgsmålets angivne betingelser. Adskil kildefakta fra instruktioner, og bed modellen bevare usikkerheden, når en nødvendig præmis mangler. Lanceringsartiklen beskriver ræsonneringsmodeller og særskilte agenter med værktøjer, så deres browser-, søge- og kørselsfunktioner skal forblive knyttet til de faktiske integrationer. Vælg Grok 3 mini til den dokumenterede tekstræsonneringsopgave, og kontroller væsentlige beregninger, argumenter og kode mod den oprindelige opgave eller applikationens kontroller.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Find the first invalid algebra step\n\nReview this proposed solution to x squared = 9: 'Take square roots, so x = 3. Therefore there is exactly one real solution.' Identify the earliest invalid inference, give the complete real solution set and verify it by substitution. Explain the issue to a learner without introducing unrelated algebra topics.A concise correction, the full real solution set and a substitution check for each value.Both 3 and -3 are checked, and the missing negative root is tied to the square-root inference.grok-3-miniGrok 3 mini er xAI’s kompakte model til tekstræsonnering i matematik, kodning og logikprægede opgaver. Den er udviklet til at gennemarbejde et problem, før den svarer, og den navngivne udgave har dokumenterede funktioner til struktureret output og funktionskald.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Grok 3 mini er xAI’s kompakte ræsonneringsmodel i Grok 3-familien. Producenten introducerer den sammen med den større Grok 3 Think-model og bruger forstærkningslæring til at udvikle problemløsningsadfærd. Det særlige fokus er teknisk arbejde: matematik, programmering og andre STEM-opgaver, hvor et klart sæt betingelser betyder mere end omfattende almenviden. Den navngivne modelpost modtager tekst og returnerer tekst.
Formålet med ræsonneringsfasen er at gennemarbejde problemet, før der produceres et svar. Det gør udgaven relevant til spørgsmål med afhængige trin: at udlede en værdi fra flere betingelser, undersøge, om en algoritme opfylder et krav, eller kontrollere et foreslået logisk argument. xAI præsenterer mini som et selvstændigt modelvalg frem for blot en indstilling, der gør den almindelige grok-3-tekstudgave mindre. Bevar den skelnen, når du vælger input og det resultat, du har brug for.
Til matematik skal du angive hele opgavebetingelsen, definitioner, tilladte antagelser og den størrelse eller påstand, der skal fastslås. Et eksempel på en forespørgsel er: “Vurder denne løsning. Identificer det tidligste ugyldige trin, forklar, hvilken betingelse det bryder, og giv et korrigeret resultat med en kontrol mod den oprindelige opgave.” Til programmering skal du medtage den relevante kode, inputværdier og forventet adfærd. Bed om en forklaring af forskellen og en foreslået ændring, der kan testes med disse input. Til logik skal du skelne mellem præmisser og konklusion og spørge, hvilke mellemled der kræver underbygning.
Svaret kan organiseres omkring et nyttigt slutresultat: den udledte formel, et kodefragment, en liste over forkastede antagelser eller en kort forklaring af den valgte metode. En forespørgsel, der angiver resultatet, hjælper med at holde ræsonneringen knyttet til brugerens opgave. Til en undervisningsassistent skal du angive, om eleven har brug for et hint, en metodeforklaring eller en fuld løsning; til en teknisk reviewer skal du angive de kriterier, det foreslåede svar skal opfylde. Det er eksempler på forberedelse ud fra producentens opgavefokus, ikke garantier for, at et returneret argument er korrekt uden kontrol.
Producentens eksempel på modelmetadata angiver ræsonnering, struktureret output og funktionskald for grok-3-mini. Det angiver en maksimal promptlængde på 131.072 tokens og oplister tekst som både input og output. De læste kilder for den præcise udgave fastslår ikke en særskilt universel maksimumgrænse for genereret output. Hold de nødvendige betingelser og det relevante materiale i prompten, angiv den ønskede resultatstruktur, og fastlæg kørselsbestemte grænser ud fra den valgte konfiguration i stedet for at låne dem fra en større Grok-model.
Struktureret output kan gøre et ræsonneringsresultat lettere at anvende i en applikation: adskil eksempelvis det foreslåede resultat, antagelser, kontroller og åbne spørgsmål i definerede felter. Med funktionskald beskriver applikationen de tilgængelige operationer, modtager et foreslået kald og leverer operationens resultat til modellens næste svar. En ekstern beregning eller et opslag udføres af dette applikationsværktøj; en skriftlig erklæring om, at en beregning blev kontrolleret, er ikke i sig selv dokumentation for, at værktøjet kørte.
Mini-udgavens tekniske fokus udgør også en relevant afgrænsning. Tilføj specialistfakta, som løsningen afhænger af, især hvis de er nye eller ligger uden for spørgsmålets angivne betingelser. Adskil kildefakta fra instruktioner, og bed modellen bevare usikkerheden, når en nødvendig præmis mangler. Lanceringsartiklen beskriver ræsonneringsmodeller og særskilte agenter med værktøjer, så deres browser-, søge- og kørselsfunktioner skal forblive knyttet til de faktiske integrationer. Vælg Grok 3 mini til den dokumenterede tekstræsonneringsopgave, og kontroller væsentlige beregninger, argumenter og kode mod den oprindelige opgave eller applikationens kontroller.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser grok-3-mini | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0006 / 1K tokens Output · Outputtokens $0.001 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-3-mini", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='grok-3-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='grok-3-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra grok-3-mini
Brug metodestierne vist ovenfor.
grok-3-miniGrok 3 mini er xAI’s kompakte model til tekstræsonnering i matematik, kodning og logikprægede opgaver. Den er udviklet til at gennemarbejde et problem, før den svarer, og den navngivne udgave har dokumenterede funktioner til struktureret output og funktionskald.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Grok 3 mini er xAI’s kompakte ræsonneringsmodel i Grok 3-familien. Producenten introducerer den sammen med den større Grok 3 Think-model og bruger forstærkningslæring til at udvikle problemløsningsadfærd. Det særlige fokus er teknisk arbejde: matematik, programmering og andre STEM-opgaver, hvor et klart sæt betingelser betyder mere end omfattende almenviden. Den navngivne modelpost modtager tekst og returnerer tekst.
Formålet med ræsonneringsfasen er at gennemarbejde problemet, før der produceres et svar. Det gør udgaven relevant til spørgsmål med afhængige trin: at udlede en værdi fra flere betingelser, undersøge, om en algoritme opfylder et krav, eller kontrollere et foreslået logisk argument. xAI præsenterer mini som et selvstændigt modelvalg frem for blot en indstilling, der gør den almindelige grok-3-tekstudgave mindre. Bevar den skelnen, når du vælger input og det resultat, du har brug for.
Til matematik skal du angive hele opgavebetingelsen, definitioner, tilladte antagelser og den størrelse eller påstand, der skal fastslås. Et eksempel på en forespørgsel er: “Vurder denne løsning. Identificer det tidligste ugyldige trin, forklar, hvilken betingelse det bryder, og giv et korrigeret resultat med en kontrol mod den oprindelige opgave.” Til programmering skal du medtage den relevante kode, inputværdier og forventet adfærd. Bed om en forklaring af forskellen og en foreslået ændring, der kan testes med disse input. Til logik skal du skelne mellem præmisser og konklusion og spørge, hvilke mellemled der kræver underbygning.
Svaret kan organiseres omkring et nyttigt slutresultat: den udledte formel, et kodefragment, en liste over forkastede antagelser eller en kort forklaring af den valgte metode. En forespørgsel, der angiver resultatet, hjælper med at holde ræsonneringen knyttet til brugerens opgave. Til en undervisningsassistent skal du angive, om eleven har brug for et hint, en metodeforklaring eller en fuld løsning; til en teknisk reviewer skal du angive de kriterier, det foreslåede svar skal opfylde. Det er eksempler på forberedelse ud fra producentens opgavefokus, ikke garantier for, at et returneret argument er korrekt uden kontrol.
Producentens eksempel på modelmetadata angiver ræsonnering, struktureret output og funktionskald for grok-3-mini. Det angiver en maksimal promptlængde på 131.072 tokens og oplister tekst som både input og output. De læste kilder for den præcise udgave fastslår ikke en særskilt universel maksimumgrænse for genereret output. Hold de nødvendige betingelser og det relevante materiale i prompten, angiv den ønskede resultatstruktur, og fastlæg kørselsbestemte grænser ud fra den valgte konfiguration i stedet for at låne dem fra en større Grok-model.
Struktureret output kan gøre et ræsonneringsresultat lettere at anvende i en applikation: adskil eksempelvis det foreslåede resultat, antagelser, kontroller og åbne spørgsmål i definerede felter. Med funktionskald beskriver applikationen de tilgængelige operationer, modtager et foreslået kald og leverer operationens resultat til modellens næste svar. En ekstern beregning eller et opslag udføres af dette applikationsværktøj; en skriftlig erklæring om, at en beregning blev kontrolleret, er ikke i sig selv dokumentation for, at værktøjet kørte.
Mini-udgavens tekniske fokus udgør også en relevant afgrænsning. Tilføj specialistfakta, som løsningen afhænger af, især hvis de er nye eller ligger uden for spørgsmålets angivne betingelser. Adskil kildefakta fra instruktioner, og bed modellen bevare usikkerheden, når en nødvendig præmis mangler. Lanceringsartiklen beskriver ræsonneringsmodeller og særskilte agenter med værktøjer, så deres browser-, søge- og kørselsfunktioner skal forblive knyttet til de faktiske integrationer. Vælg Grok 3 mini til den dokumenterede tekstræsonneringsopgave, og kontroller væsentlige beregninger, argumenter og kode mod den oprindelige opgave eller applikationens kontroller.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser grok-3-mini | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.0006 / 1K tokens Output · Outputtokens $0.001 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "grok-3-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-3-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-3-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra grok-3-mini
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Find the first invalid algebra step\n\nReview this proposed solution to x squared = 9: 'Take square roots, so x = 3. Therefore there is exactly one real solution.' Identify the earliest invalid inference, give the complete real solution set and verify it by substitution. Explain the issue to a learner without introducing unrelated algebra topics.A concise correction, the full real solution set and a substitution check for each value.Both 3 and -3 are checked, and the missing negative root is tied to the square-root inference.