Grok Build 0.1 er producentens kodeorienterede Grok-model til agentbaserede software-, ingeniør- og workflowopgaver. Den modtager skriftligt materiale og billeder og genererer tekst, herunder kode og strukturerede resultater. Modelkortet angiver et kontekstvindue på 256.000 tokens og nævner ræsonnement, funktionskald og struktureret output som funktioner.
Ved en softwareopgave skal du angive den ønskede adfærd, den relevante implementering og den observerede fejl eller ønskede ændring. Identificér de grænseflader og afhængigheder, der fortsat skal være kompatible. Et nyttigt resultat kan være en foreslået rettelse, en forklaring af årsagen og de kontroller, der kræves for at vurdere ændringen. Hold kildematerialet og det ønskede output fokuseret på den definerede opgave.
Billedinput kan tilføje visuel dokumentation til en ingeniør- eller grænsefladeopgave. Vedlæg billedet med et spørgsmål, der knytter sig til et synligt træk, og medtag de skriftlige specifikationer, der er nødvendige for at fortolke det. Et skærmbillede kan eksempelvis understøtte en beskrivelse af et grænsefladeproblem, mens kildekode og observeret adfærd viser, hvordan applikationen implementerer det.
Funktionskald forbinder modellens foreslåede trin med et applikationsværktøj. Definér funktionen og dens argumenter, lad modellen anmode om kaldet, udfør det i applikationen, og returnér det faktiske resultat. Producenten skelner mellem denne klientudførte vej og sine værktøjer på serversiden. Bevar kaldet og resultatet samlet, så en opfølgning tager udgangspunkt i observationen frem for at antage, at den foreslåede kommando lykkedes.
Struktureret output kan organisere en udtrækning eller rapport omkring definerede felter. Angiv det ønskede skema og opgavens betydning, og undersøg derefter det returnerede artefakts indhold. Producenten understøtter en praktisk delmængde af JSON Schema; visse komplekse eller meget omfattende begrænsninger håndteres efter bedste evne. En formatkontrol er derfor noget andet end en kontrol af, om de udtrukne fakta eller den foreslåede kode er korrekte.
Ved en ræsonnementsopgave skal du angive den ønskede konklusion og de betingelser, den skal opfylde. Producentens modelkort angiver desuden, at batchbehandling ikke understøttes for denne model. Bed om et slutresultat, der identificerer den foreslåede ændring, den anvendte dokumentation og det udestående forhold, der skal kontrolleres. Det forbinder kodemodellens output med applikationens faktiske udviklingsopgave.
", "aboutText": "Grok Build 0.1 er producentens kodeorienterede Grok-model til agentbaserede software-, ingeniør- og workflowopgaver. Den modtager skriftligt materiale og billeder og genererer tekst, herunder kode og strukturerede resultater. Modelkortet angiver et kontekstvindue på 256.000 tokens og nævner ræsonnement, funktionskald og struktureret output som funktioner.\n\nVed en softwareopgave skal du angive den ønskede adfærd, den relevante implementering og den observerede fejl eller ønskede ændring. Identificér de grænseflader og afhængigheder, der fortsat skal være kompatible. Et nyttigt resultat kan være en foreslået rettelse, en forklaring af årsagen og de kontroller, der kræves for at vurdere ændringen. Hold kildematerialet og det ønskede output fokuseret på den definerede opgave.\n\nBilledinput kan tilføje visuel dokumentation til en ingeniør- eller grænsefladeopgave. Vedlæg billedet med et spørgsmål, der knytter sig til et synligt træk, og medtag de skriftlige specifikationer, der er nødvendige for at fortolke det. Et skærmbillede kan eksempelvis understøtte en beskrivelse af et grænsefladeproblem, mens kildekode og observeret adfærd viser, hvordan applikationen implementerer det.\n\nFunktionskald forbinder modellens foreslåede trin med et applikationsværktøj. Definér funktionen og dens argumenter, lad modellen anmode om kaldet, udfør det i applikationen, og returnér det faktiske resultat. Producenten skelner mellem denne klientudførte vej og sine værktøjer på serversiden. Bevar kaldet og resultatet samlet, så en opfølgning tager udgangspunkt i observationen frem for at antage, at den foreslåede kommando lykkedes.\n\nStruktureret output kan organisere en udtrækning eller rapport omkring definerede felter. Angiv det ønskede skema og opgavens betydning, og undersøg derefter det returnerede artefakts indhold. Producenten understøtter en praktisk delmængde af JSON Schema; visse komplekse eller meget omfattende begrænsninger håndteres efter bedste evne. En formatkontrol er derfor noget andet end en kontrol af, om de udtrukne fakta eller den foreslåede kode er korrekte.\n\nVed en ræsonnementsopgave skal du angive den ønskede konklusion og de betingelser, den skal opfylde. Producentens modelkort angiver desuden, at batchbehandling ikke understøttes for denne model. Bed om et slutresultat, der identificerer den foreslåede ændring, den anvendte dokumentation og det udestående forhold, der skal kontrolleres. Det forbinder kodemodellens output med applikationens faktiske udviklingsopgave.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Patch an unsafe retry counter\n\nFix this pseudocode: attempts=0; while attempts < 3: try send(); on success return; on failure continue; attempts += 1. It can retry forever. Provide a corrected bounded loop that attempts send at most three times, stops on success and reports failure after exhaustion. Include test scenarios for immediate success and three failures, without claiming actual sends.Corrected framework-neutral pseudocode plus two tests with expected attempt counts and terminal outcomes.The failure path increments the counter, total attempts never exceed three, and success terminates immediately.x-ai/grok-build-0.1Grok Build 0.1 er en kodemodel til agentbaserede software-, ingeniør- og workflowopgaver. Den modtager tekst og billeder, producerer tekst og kombinerer ræsonnement, funktionskald og strukturerede svar inden for en kontekst på 256.000 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Grok Build 0.1 er producentens kodeorienterede Grok-model til agentbaserede software-, ingeniør- og workflowopgaver. Den modtager skriftligt materiale og billeder og genererer tekst, herunder kode og strukturerede resultater. Modelkortet angiver et kontekstvindue på 256.000 tokens og nævner ræsonnement, funktionskald og struktureret output som funktioner.
Ved en softwareopgave skal du angive den ønskede adfærd, den relevante implementering og den observerede fejl eller ønskede ændring. Identificér de grænseflader og afhængigheder, der fortsat skal være kompatible. Et nyttigt resultat kan være en foreslået rettelse, en forklaring af årsagen og de kontroller, der kræves for at vurdere ændringen. Hold kildematerialet og det ønskede output fokuseret på den definerede opgave.
Billedinput kan tilføje visuel dokumentation til en ingeniør- eller grænsefladeopgave. Vedlæg billedet med et spørgsmål, der knytter sig til et synligt træk, og medtag de skriftlige specifikationer, der er nødvendige for at fortolke det. Et skærmbillede kan eksempelvis understøtte en beskrivelse af et grænsefladeproblem, mens kildekode og observeret adfærd viser, hvordan applikationen implementerer det.
Funktionskald forbinder modellens foreslåede trin med et applikationsværktøj. Definér funktionen og dens argumenter, lad modellen anmode om kaldet, udfør det i applikationen, og returnér det faktiske resultat. Producenten skelner mellem denne klientudførte vej og sine værktøjer på serversiden. Bevar kaldet og resultatet samlet, så en opfølgning tager udgangspunkt i observationen frem for at antage, at den foreslåede kommando lykkedes.
Struktureret output kan organisere en udtrækning eller rapport omkring definerede felter. Angiv det ønskede skema og opgavens betydning, og undersøg derefter det returnerede artefakts indhold. Producenten understøtter en praktisk delmængde af JSON Schema; visse komplekse eller meget omfattende begrænsninger håndteres efter bedste evne. En formatkontrol er derfor noget andet end en kontrol af, om de udtrukne fakta eller den foreslåede kode er korrekte.
Ved en ræsonnementsopgave skal du angive den ønskede konklusion og de betingelser, den skal opfylde. Producentens modelkort angiver desuden, at batchbehandling ikke understøttes for denne model. Bed om et slutresultat, der identificerer den foreslåede ændring, den anvendte dokumentation og det udestående forhold, der skal kontrolleres. Det forbinder kodemodellens output med applikationens faktiske udviklingsopgave.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser x-ai/grok-build-0.1 | 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.
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 $0.0004 / 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 $0.0004 / 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 $0.0008 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "x-ai/grok-build-0.1", "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='x-ai/grok-build-0.1',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='x-ai/grok-build-0.1',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 x-ai/grok-build-0.1
Brug metodestierne vist ovenfor.
x-ai/grok-build-0.1Grok Build 0.1 er en kodemodel til agentbaserede software-, ingeniør- og workflowopgaver. Den modtager tekst og billeder, producerer tekst og kombinerer ræsonnement, funktionskald og strukturerede svar inden for en kontekst på 256.000 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Grok Build 0.1 er producentens kodeorienterede Grok-model til agentbaserede software-, ingeniør- og workflowopgaver. Den modtager skriftligt materiale og billeder og genererer tekst, herunder kode og strukturerede resultater. Modelkortet angiver et kontekstvindue på 256.000 tokens og nævner ræsonnement, funktionskald og struktureret output som funktioner.
Ved en softwareopgave skal du angive den ønskede adfærd, den relevante implementering og den observerede fejl eller ønskede ændring. Identificér de grænseflader og afhængigheder, der fortsat skal være kompatible. Et nyttigt resultat kan være en foreslået rettelse, en forklaring af årsagen og de kontroller, der kræves for at vurdere ændringen. Hold kildematerialet og det ønskede output fokuseret på den definerede opgave.
Billedinput kan tilføje visuel dokumentation til en ingeniør- eller grænsefladeopgave. Vedlæg billedet med et spørgsmål, der knytter sig til et synligt træk, og medtag de skriftlige specifikationer, der er nødvendige for at fortolke det. Et skærmbillede kan eksempelvis understøtte en beskrivelse af et grænsefladeproblem, mens kildekode og observeret adfærd viser, hvordan applikationen implementerer det.
Funktionskald forbinder modellens foreslåede trin med et applikationsværktøj. Definér funktionen og dens argumenter, lad modellen anmode om kaldet, udfør det i applikationen, og returnér det faktiske resultat. Producenten skelner mellem denne klientudførte vej og sine værktøjer på serversiden. Bevar kaldet og resultatet samlet, så en opfølgning tager udgangspunkt i observationen frem for at antage, at den foreslåede kommando lykkedes.
Struktureret output kan organisere en udtrækning eller rapport omkring definerede felter. Angiv det ønskede skema og opgavens betydning, og undersøg derefter det returnerede artefakts indhold. Producenten understøtter en praktisk delmængde af JSON Schema; visse komplekse eller meget omfattende begrænsninger håndteres efter bedste evne. En formatkontrol er derfor noget andet end en kontrol af, om de udtrukne fakta eller den foreslåede kode er korrekte.
Ved en ræsonnementsopgave skal du angive den ønskede konklusion og de betingelser, den skal opfylde. Producentens modelkort angiver desuden, at batchbehandling ikke understøttes for denne model. Bed om et slutresultat, der identificerer den foreslåede ændring, den anvendte dokumentation og det udestående forhold, der skal kontrolleres. Det forbinder kodemodellens output med applikationens faktiske udviklingsopgave.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser x-ai/grok-build-0.1 | 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.
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 $0.0004 / 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 $0.0004 / 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 $0.0008 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "x-ai/grok-build-0.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'x-ai/grok-build-0.1', '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': 'x-ai/grok-build-0.1', '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 x-ai/grok-build-0.1
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Patch an unsafe retry counter\n\nFix this pseudocode: attempts=0; while attempts < 3: try send(); on success return; on failure continue; attempts += 1. It can retry forever. Provide a corrected bounded loop that attempts send at most three times, stops on success and reports failure after exhaustion. Include test scenarios for immediate success and three failures, without claiming actual sends.Corrected framework-neutral pseudocode plus two tests with expected attempt counts and terminal outcomes.The failure path increments the counter, total attempts never exceed three, and success terminates immediately.