Grok 4.3 er producentens generelle model med fokus på at følge instruktioner og bruge værktøjer. Ifølge modelkortet modtager den tekst og billeder, genererer tekst og har et kontekstvindue på 1.000.000 tokens. De angivne funktioner omfatter funktionskald, struktureret output og konfigurerbart ræsonnement, og producentens tjeneste understøtter batchbehandling.
Den aktuelle detaljerede modelspecifikation angiver ræsonnementsniveauerne none, low, medium, high og xhigh med low som standard. None springer ræsonnementsfasen over; de øvrige valg afsætter tankevirksomhed før svaret. Disse indstillinger tilhører netop producentens modelkort og adskiller sig fra niveauerne og standardværdierne i senere Grok-udgaver.
Ved analyse af lange dokumenter skal du vedlægge det relevante materiale og definere de afsnit eller fund, svaret skal returnere. Konteksten kan rumme et stort arbejdsgrundlag, men opgaven har stadig gavn af prioriteringer og et eksplicit slutprodukt. Bed om konklusionen, den understøttende passage og eventuelle uafklarede forhold frem for at bruge en lang kontekst som erstatning for et klart spørgsmål.
Ved visuelt materiale skal du identificere det objekt, diagramtræk eller den sidedetalje, der skal undersøges, og forklare forbindelsen til den skriftlige opgave. Et nyttigt resultat knytter observationen til spørgsmålet. Hvis en konklusion også afhænger af eksterne oplysninger, skal du vedlægge denne dokumentation særskilt, så modellen kan skelne mellem det, billedet viser, og det, en anden kilde fastslår.
I en funktionsbaseret arbejdsgang genererer modellen et foreslået kald ud fra værktøjsdefinitionerne. Applikationen udfører funktionen og returnerer resultatet. Hold funktionens input, den returnerede observation og modellens næste trin forbundet. Ved en kode- eller dataopgave skal du bede om et resultat, der angiver, hvad der blev foreslået, og hvad applikationen faktisk observerede.
Struktureret output kan omdanne dokumentudtrækning eller en analyserapport til definerede felter. Producentens skemaunderstøttelse omfatter almindelige datatyper og afgrænsede begrænsninger, mens visse avancerede begrænsninger afhænger af modellens adfærd. Giv hvert felt en klar betydning, og validér resultatet mod applikationens behov. Et resultat med skemastruktur kræver stadig dokumentation for indholdet; en foreslået handling kræver stadig udførelse i den omgivende arbejdsgang.
", "aboutText": "Grok 4.3 er producentens generelle model med fokus på at følge instruktioner og bruge værktøjer. Ifølge modelkortet modtager den tekst og billeder, genererer tekst og har et kontekstvindue på 1.000.000 tokens. De angivne funktioner omfatter funktionskald, struktureret output og konfigurerbart ræsonnement, og producentens tjeneste understøtter batchbehandling.\n\nDen aktuelle detaljerede modelspecifikation angiver ræsonnementsniveauerne none, low, medium, high og xhigh med low som standard. None springer ræsonnementsfasen over; de øvrige valg afsætter tankevirksomhed før svaret. Disse indstillinger tilhører netop producentens modelkort og adskiller sig fra niveauerne og standardværdierne i senere Grok-udgaver.\n\nVed analyse af lange dokumenter skal du vedlægge det relevante materiale og definere de afsnit eller fund, svaret skal returnere. Konteksten kan rumme et stort arbejdsgrundlag, men opgaven har stadig gavn af prioriteringer og et eksplicit slutprodukt. Bed om konklusionen, den understøttende passage og eventuelle uafklarede forhold frem for at bruge en lang kontekst som erstatning for et klart spørgsmål.\n\nVed visuelt materiale skal du identificere det objekt, diagramtræk eller den sidedetalje, der skal undersøges, og forklare forbindelsen til den skriftlige opgave. Et nyttigt resultat knytter observationen til spørgsmålet. Hvis en konklusion også afhænger af eksterne oplysninger, skal du vedlægge denne dokumentation særskilt, så modellen kan skelne mellem det, billedet viser, og det, en anden kilde fastslår.\n\nI en funktionsbaseret arbejdsgang genererer modellen et foreslået kald ud fra værktøjsdefinitionerne. Applikationen udfører funktionen og returnerer resultatet. Hold funktionens input, den returnerede observation og modellens næste trin forbundet. Ved en kode- eller dataopgave skal du bede om et resultat, der angiver, hvad der blev foreslået, og hvad applikationen faktisk observerede.\n\nStruktureret output kan omdanne dokumentudtrækning eller en analyserapport til definerede felter. Producentens skemaunderstøttelse omfatter almindelige datatyper og afgrænsede begrænsninger, mens visse avancerede begrænsninger afhænger af modellens adfærd. Giv hvert felt en klar betydning, og validér resultatet mod applikationens behov. Et resultat med skemastruktur kræver stadig dokumentation for indholdet; en foreslået handling kræver stadig udførelse i den omgivende arbejdsgang.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5114b7e57f4c5fc0208bef6b21e1751628c9a2b9b3fb223bf4cbbd77240a5e57", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "x-ai/grok-4.3:batchGrok 4.3 er en tekst- og billedmodel til instruktionsstyret arbejde, ræsonnement og opgaver med værktøjer med en kontekst på 1.000.000 tokens. Den tilbyder funktionskald, struktureret output og valgbart ræsonnementsniveau i producentens dokumenterede konfiguration.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Grok 4.3 er producentens generelle model med fokus på at følge instruktioner og bruge værktøjer. Ifølge modelkortet modtager den tekst og billeder, genererer tekst og har et kontekstvindue på 1.000.000 tokens. De angivne funktioner omfatter funktionskald, struktureret output og konfigurerbart ræsonnement, og producentens tjeneste understøtter batchbehandling.
Den aktuelle detaljerede modelspecifikation angiver ræsonnementsniveauerne none, low, medium, high og xhigh med low som standard. None springer ræsonnementsfasen over; de øvrige valg afsætter tankevirksomhed før svaret. Disse indstillinger tilhører netop producentens modelkort og adskiller sig fra niveauerne og standardværdierne i senere Grok-udgaver.
Ved analyse af lange dokumenter skal du vedlægge det relevante materiale og definere de afsnit eller fund, svaret skal returnere. Konteksten kan rumme et stort arbejdsgrundlag, men opgaven har stadig gavn af prioriteringer og et eksplicit slutprodukt. Bed om konklusionen, den understøttende passage og eventuelle uafklarede forhold frem for at bruge en lang kontekst som erstatning for et klart spørgsmål.
Ved visuelt materiale skal du identificere det objekt, diagramtræk eller den sidedetalje, der skal undersøges, og forklare forbindelsen til den skriftlige opgave. Et nyttigt resultat knytter observationen til spørgsmålet. Hvis en konklusion også afhænger af eksterne oplysninger, skal du vedlægge denne dokumentation særskilt, så modellen kan skelne mellem det, billedet viser, og det, en anden kilde fastslår.
I en funktionsbaseret arbejdsgang genererer modellen et foreslået kald ud fra værktøjsdefinitionerne. Applikationen udfører funktionen og returnerer resultatet. Hold funktionens input, den returnerede observation og modellens næste trin forbundet. Ved en kode- eller dataopgave skal du bede om et resultat, der angiver, hvad der blev foreslået, og hvad applikationen faktisk observerede.
Struktureret output kan omdanne dokumentudtrækning eller en analyserapport til definerede felter. Producentens skemaunderstøttelse omfatter almindelige datatyper og afgrænsede begrænsninger, mens visse avancerede begrænsninger afhænger af modellens adfærd. Giv hvert felt en klar betydning, og validér resultatet mod applikationens behov. Et resultat med skemastruktur kræver stadig dokumentation for indholdet; en foreslået handling kræver stadig udførelse i den omgivende arbejdsgang.
POST /v1/batchestexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrævet | Værdier og grænser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser x-ai/grok-4.3:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltcompletion_window | Typestring | KravValgfrit | Værdier og grænser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfrit | Værdier og grænser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfrit | Værdier og grænser x-ai/grok-4.3:batch, x-ai/grok-4.3 | Standard— |
Feltprovider.only | Typestring[] | KravValgfrit | Værdier og grænser xai | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfrit | Værdier og grænser false, null | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktendpoint, model, requests |
Parametermaterial_types | Kontrakttext |
Parameterrepresentation | Kontraktrequests[] direkte i anmodningen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parameterfile_material | KontraktDen kaldende part kan læse det faktiske JSONL-indhold i UTF-8 lokalt ind i requests[]. Der angives hverken purpose til upload, input_file_id eller en filreference. Hvis kundematerialet mangler eller er tomt, stoppes forberedelsen før POST. |
Parameterserialization_order | Kontraktendpoint, model, provider (hvis angivet), completion_window (hvis angivet), requests til sidst |
Parameteroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontraktAnmodningsindhold for Chat Completions med tekst i den dokumenterede inline Batch-struktur. |
Livscyklus: asynchronous
GET /v1/batches/{operation_id} · det faktiske response.id fra den oprindelige oprettelse; samme bruger/nøgle/gruppe
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.002 / 1K tokens Output · Outputtokens $0.004 / 1K tokens Input · Cachelæsning $0.00032 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og med200.000 | Beløb Input · Inputtokens $0.002 / 1K tokens Output · Outputtokens $0.004 / 1K tokens Input · Cachelæsning $0.00032 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 2 | Takstplan— | Konteksttokens, mere end200.000 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.008 / 1K tokens Input · Cachelæsning $0.00064 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"x-ai/grok-4.3:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['x-ai/grok-4.3:batch', 'x-ai/grok-4.3']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"x-ai/grok-4.3:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON direkte i results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Gem hele den oprindelige status i JSON, hvert resultat/custom_id og det fulde svar- eller fejlindhold. Gem færdige results[] som JSONL uden filtrering.
Gem det oprindelige operations-ID. 503 result_pending_check har X-Should-Retry:false; send aldrig en oprindelig batch igen, hvis dens udfald er ukendt.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldig dokumenteret inline-struktur, dublerede nøgler, ugyldig elementidentitet eller konflikt med modellens konfigurerede funktioner. | Næste trinRet de angivne felter, før du sender en ny anmodning. |
Svar401 · authentication_error | BetingelseUgyldig API-nøgle. | Næste trinBrug den godkendte Ailoot-nøgle. |
Svar403 · permission_error | BetingelseBatch-gruppen er ikke tilgængelig. | Næste trinKontrollér nøglens/gruppens adgangsrettigheder. |
Svar422 · invalid_request_error | BetingelseBatch afregnes via saldoen; oprettelse via et abonnement afvises. | Næste trinBrug den godkendte gruppe med saldoafregning. |
Svar422 · price_unavailable | BetingelseDer kan ikke beregnes en pris for Batch-inputtet. | Næste trinGem svaret; brug det dokumenterede input for API-familien. |
Svar402 · billing_error | BetingelseReservationen til Batch er ikke tilgængelig. | Næste trinAfklar adgangen, før du sender en ny anmodning. |
Svar503 · price_unavailable | BetingelsePrisen for Batch-metoden eller de native satser er ikke tilgængelige. | Næste trinGem svaret; erstat ikke priserne med andre priser. |
Svar503 · api_error | BetingelseDen præcise leverandørrute er ikke tilgængelig. | Næste trinGem svaret, så ruten kan repareres. |
Svar503 · result_pending_check | BetingelseDet oprindelige resultat skal kontrolleres; X-Should-Retry:false. | Næste trinGem det oprindelige operation_id/id, og læs dets status; gentag aldrig den oprindelige POST. |
Svar404 · not_found | BetingelseOperationen til Batch-status findes ikke eller tilhører en anden identitet. | Næste trinBrug det nøjagtige oprindelige id og samme bruger/nøgle/gruppe. |
Ailoot Ultra x-ai/grok-4.3:batch
Brug metodestierne vist ovenfor.