Dialog und allgemeine Fähigkeiten
Grok 4.1 entwickelt die dialogorientierte Seite der Grok-Familie von xAI weiter: natürliche Gespräche, das Beachten differenzierter Absichten und eine stimmigere Gesprächspersönlichkeit. Die Entwicklung betont neben grundlegenden Reasoning-Fähigkeiten auch Hilfsbereitschaft, Stil und Zusammenarbeit. Die Familie hat zwei Konfigurationen. Thinking durchdenkt die Aufgabe vor der Antwort; Non-Thinking liefert eine direkte Antwort ohne Thinking-Token. Der allgemeine Name Grok 4.1 beschreibt diese Familie, ohne eine der beiden Konfigurationen auszuwählen.
Emotionales Verständnis und Zusammenarbeit
Der Schwerpunkt auf Gesprächen ist hilfreich, wenn eine Aufgabe sowohl davon abhängt, wie eine Antwort klingen soll, als auch davon, was sie sagen soll. Geben Sie Situation, vorgesehenen Leser und unverändert zu bewahrende Fakten vor. Verlangen Sie beispielsweise eine rücksichtsvolle Antwort an einen enttäuschten Kunden, die sein Anliegen anerkennt, den nächsten Schritt erklärt und die bereitgestellten Bedingungen beibehält. Benennen Sie anschließend eine konkrete Überarbeitung: einen Satz abmildern, die Erklärung verständlicher machen oder nur den Schlussabsatz ersetzen. Dies sind beispielhafte redaktionelle Aufgaben und keine Zusagen, dass das Modell die Richtlinien Ihres Unternehmens kennt.
Kreatives Schreiben
Zu den angekündigten Fähigkeiten von Grok 4.1 gehören kreatives Schreiben und das Bewahren einer wiedererkennbaren Stimme während der Interaktion. Bereiten Sie eine Beschreibung mit Erzähler oder Figuren, Schauplatz, gewünschter Wirkung und Form vor. Eine hilfreiche Aufgabe könnte einen kurzen Dialog verlangen, in dem zwei Figuren unterschiedlicher Meinung sind und jeweils einen eigenen Stil behalten, gefolgt von einer Überarbeitung, die das Tempo verändert. Geben Sie für geschäftliche Texte die tatsächlichen Produktdetails vor und verlangen Sie unterschiedliche Einstiegsabsätze für verschiedene Zielgruppen. Trennen Sie feste Details von solchen, die das Modell innerhalb der kreativen Aufgabe erfinden darf.
Faktentreue und informationssuchende Antworten
Das Post-Training des Modells behandelt gezielt sachliche Fehler bei informationssuchenden Prompts. Dieser Schwerpunkt macht eine flüssige Antwort nicht zu einer verifizierten Tatsache. Fügen Sie beim Schreiben auf Grundlage von Belegen das Quellmaterial bei und verlangen Sie die Unterscheidung zwischen ausdrücklich genannten Fakten, Interpretation und offenen Fragen. Eine praktische Ausgabe könnte eine knappe Antwort, die stützende Passage aus Ihrem Material und eine Frage zur Klärung einer Lücke enthalten. Suchgestützte Beispiele verwenden ein Modell mit Suchwerkzeugen; ein reines Textgespräch sollte nicht als Quelle neu abgerufener Informationen behandelt werden.
Training, Ausgabe und Umfang der Edition
Das Training verbindet Vortraining, gezieltes Zwischentraining, überwachte Feinabstimmung und Reinforcement Learning, einschließlich Rückmeldungen zu hilfreichen und angemessenen Antworten. Die hier beschriebene Arbeit ist ein Textdialog mit Textausgabe: Überarbeitungen, Erklärungen, Szenen und Antworten auf Grundlage bereitgestellten Materials. Bewahren Sie den nötigen Gesprächsverlauf auf und geben Sie genau an, welche Passage eine Anschlussfrage ändern soll. Die Bewertung von Ehrlichkeit, irreführenden Prämissen und Prompt-Injection unterstreicht, wie wichtig es ist, bereitgestellte Belege von Anweisungen zu trennen und sachliche Schlussfolgerungen zu prüfen. Grok 4.1 und Grok 4.1 Fast haben getrennte Identitäten; numerische Kontext- oder Ausgabegrenzen der Fast-Reihe sind keine Spezifikationen für diese Familienkarte.
", "aboutText": "Dialog und allgemeine Fähigkeiten\n\nGrok 4.1 entwickelt die dialogorientierte Seite der Grok-Familie von xAI weiter: natürliche Gespräche, das Beachten differenzierter Absichten und eine stimmigere Gesprächspersönlichkeit. Die Entwicklung betont neben grundlegenden Reasoning-Fähigkeiten auch Hilfsbereitschaft, Stil und Zusammenarbeit. Die Familie hat zwei Konfigurationen. Thinking durchdenkt die Aufgabe vor der Antwort; Non-Thinking liefert eine direkte Antwort ohne Thinking-Token. Der allgemeine Name Grok 4.1 beschreibt diese Familie, ohne eine der beiden Konfigurationen auszuwählen.\n\nEmotionales Verständnis und Zusammenarbeit\n\nDer Schwerpunkt auf Gesprächen ist hilfreich, wenn eine Aufgabe sowohl davon abhängt, wie eine Antwort klingen soll, als auch davon, was sie sagen soll. Geben Sie Situation, vorgesehenen Leser und unverändert zu bewahrende Fakten vor. Verlangen Sie beispielsweise eine rücksichtsvolle Antwort an einen enttäuschten Kunden, die sein Anliegen anerkennt, den nächsten Schritt erklärt und die bereitgestellten Bedingungen beibehält. Benennen Sie anschließend eine konkrete Überarbeitung: einen Satz abmildern, die Erklärung verständlicher machen oder nur den Schlussabsatz ersetzen. Dies sind beispielhafte redaktionelle Aufgaben und keine Zusagen, dass das Modell die Richtlinien Ihres Unternehmens kennt.\n\nKreatives Schreiben\n\nZu den angekündigten Fähigkeiten von Grok 4.1 gehören kreatives Schreiben und das Bewahren einer wiedererkennbaren Stimme während der Interaktion. Bereiten Sie eine Beschreibung mit Erzähler oder Figuren, Schauplatz, gewünschter Wirkung und Form vor. Eine hilfreiche Aufgabe könnte einen kurzen Dialog verlangen, in dem zwei Figuren unterschiedlicher Meinung sind und jeweils einen eigenen Stil behalten, gefolgt von einer Überarbeitung, die das Tempo verändert. Geben Sie für geschäftliche Texte die tatsächlichen Produktdetails vor und verlangen Sie unterschiedliche Einstiegsabsätze für verschiedene Zielgruppen. Trennen Sie feste Details von solchen, die das Modell innerhalb der kreativen Aufgabe erfinden darf.\n\nFaktentreue und informationssuchende Antworten\n\nDas Post-Training des Modells behandelt gezielt sachliche Fehler bei informationssuchenden Prompts. Dieser Schwerpunkt macht eine flüssige Antwort nicht zu einer verifizierten Tatsache. Fügen Sie beim Schreiben auf Grundlage von Belegen das Quellmaterial bei und verlangen Sie die Unterscheidung zwischen ausdrücklich genannten Fakten, Interpretation und offenen Fragen. Eine praktische Ausgabe könnte eine knappe Antwort, die stützende Passage aus Ihrem Material und eine Frage zur Klärung einer Lücke enthalten. Suchgestützte Beispiele verwenden ein Modell mit Suchwerkzeugen; ein reines Textgespräch sollte nicht als Quelle neu abgerufener Informationen behandelt werden.\n\nTraining, Ausgabe und Umfang der Edition\n\nDas Training verbindet Vortraining, gezieltes Zwischentraining, überwachte Feinabstimmung und Reinforcement Learning, einschließlich Rückmeldungen zu hilfreichen und angemessenen Antworten. Die hier beschriebene Arbeit ist ein Textdialog mit Textausgabe: Überarbeitungen, Erklärungen, Szenen und Antworten auf Grundlage bereitgestellten Materials. Bewahren Sie den nötigen Gesprächsverlauf auf und geben Sie genau an, welche Passage eine Anschlussfrage ändern soll. Die Bewertung von Ehrlichkeit, irreführenden Prämissen und Prompt-Injection unterstreicht, wie wichtig es ist, bereitgestellte Belege von Anweisungen zu trennen und sachliche Schlussfolgerungen zu prüfen. Grok 4.1 und Grok 4.1 Fast haben getrennte Identitäten; numerische Kontext- oder Ausgabegrenzen der Fast-Reihe sind keine Spezifikationen für diese Familienkarte.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Soften a disappointed-customer reply\n\nRevise this reply to a disappointed customer: 'You missed the deadline, so we cannot change it. Read the policy.' Facts to preserve: changes close 48 hours before dispatch; this order dispatches tomorrow; support can update the address for future orders. Acknowledge the inconvenience, explain the current limit and offer the available next step without sounding accusatory.A considerate customer-ready reply preserving all supplied policy and timing facts.Check the reply offers only the future-order address change and never promises an exception.grok-4.1Grok 4.1 ist xAIs dialogorientiertes Modell für nuancierte Gespräche, gemeinsames Redigieren und kreatives Schreiben. Seine Konfigurationen Thinking und Non-Thinking bieten unterschiedliche Antwortansätze, während Tonfall und Kontext im Mittelpunkt des Austauschs bleiben.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Dialog und allgemeine Fähigkeiten
Grok 4.1 entwickelt die dialogorientierte Seite der Grok-Familie von xAI weiter: natürliche Gespräche, das Beachten differenzierter Absichten und eine stimmigere Gesprächspersönlichkeit. Die Entwicklung betont neben grundlegenden Reasoning-Fähigkeiten auch Hilfsbereitschaft, Stil und Zusammenarbeit. Die Familie hat zwei Konfigurationen. Thinking durchdenkt die Aufgabe vor der Antwort; Non-Thinking liefert eine direkte Antwort ohne Thinking-Token. Der allgemeine Name Grok 4.1 beschreibt diese Familie, ohne eine der beiden Konfigurationen auszuwählen.
Emotionales Verständnis und Zusammenarbeit
Der Schwerpunkt auf Gesprächen ist hilfreich, wenn eine Aufgabe sowohl davon abhängt, wie eine Antwort klingen soll, als auch davon, was sie sagen soll. Geben Sie Situation, vorgesehenen Leser und unverändert zu bewahrende Fakten vor. Verlangen Sie beispielsweise eine rücksichtsvolle Antwort an einen enttäuschten Kunden, die sein Anliegen anerkennt, den nächsten Schritt erklärt und die bereitgestellten Bedingungen beibehält. Benennen Sie anschließend eine konkrete Überarbeitung: einen Satz abmildern, die Erklärung verständlicher machen oder nur den Schlussabsatz ersetzen. Dies sind beispielhafte redaktionelle Aufgaben und keine Zusagen, dass das Modell die Richtlinien Ihres Unternehmens kennt.
Kreatives Schreiben
Zu den angekündigten Fähigkeiten von Grok 4.1 gehören kreatives Schreiben und das Bewahren einer wiedererkennbaren Stimme während der Interaktion. Bereiten Sie eine Beschreibung mit Erzähler oder Figuren, Schauplatz, gewünschter Wirkung und Form vor. Eine hilfreiche Aufgabe könnte einen kurzen Dialog verlangen, in dem zwei Figuren unterschiedlicher Meinung sind und jeweils einen eigenen Stil behalten, gefolgt von einer Überarbeitung, die das Tempo verändert. Geben Sie für geschäftliche Texte die tatsächlichen Produktdetails vor und verlangen Sie unterschiedliche Einstiegsabsätze für verschiedene Zielgruppen. Trennen Sie feste Details von solchen, die das Modell innerhalb der kreativen Aufgabe erfinden darf.
Faktentreue und informationssuchende Antworten
Das Post-Training des Modells behandelt gezielt sachliche Fehler bei informationssuchenden Prompts. Dieser Schwerpunkt macht eine flüssige Antwort nicht zu einer verifizierten Tatsache. Fügen Sie beim Schreiben auf Grundlage von Belegen das Quellmaterial bei und verlangen Sie die Unterscheidung zwischen ausdrücklich genannten Fakten, Interpretation und offenen Fragen. Eine praktische Ausgabe könnte eine knappe Antwort, die stützende Passage aus Ihrem Material und eine Frage zur Klärung einer Lücke enthalten. Suchgestützte Beispiele verwenden ein Modell mit Suchwerkzeugen; ein reines Textgespräch sollte nicht als Quelle neu abgerufener Informationen behandelt werden.
Training, Ausgabe und Umfang der Edition
Das Training verbindet Vortraining, gezieltes Zwischentraining, überwachte Feinabstimmung und Reinforcement Learning, einschließlich Rückmeldungen zu hilfreichen und angemessenen Antworten. Die hier beschriebene Arbeit ist ein Textdialog mit Textausgabe: Überarbeitungen, Erklärungen, Szenen und Antworten auf Grundlage bereitgestellten Materials. Bewahren Sie den nötigen Gesprächsverlauf auf und geben Sie genau an, welche Passage eine Anschlussfrage ändern soll. Die Bewertung von Ehrlichkeit, irreführenden Prämissen und Prompt-Injection unterstreicht, wie wichtig es ist, bereitgestellte Belege von Anweisungen zu trennen und sachliche Schlussfolgerungen zu prüfen. Grok 4.1 und Grok 4.1 Fast haben getrennte Identitäten; numerische Kontext- oder Ausgabegrenzen der Fast-Reihe sind keine Spezifikationen für diese Familienkarte.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits grok-4.1 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-4.1", "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='grok-4.1',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='grok-4.1',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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra grok-4.1
Verwenden Sie die oben angezeigten Methodenpfade.
grok-4.1Grok 4.1 ist xAIs dialogorientiertes Modell für nuancierte Gespräche, gemeinsames Redigieren und kreatives Schreiben. Seine Konfigurationen Thinking und Non-Thinking bieten unterschiedliche Antwortansätze, während Tonfall und Kontext im Mittelpunkt des Austauschs bleiben.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Dialog und allgemeine Fähigkeiten
Grok 4.1 entwickelt die dialogorientierte Seite der Grok-Familie von xAI weiter: natürliche Gespräche, das Beachten differenzierter Absichten und eine stimmigere Gesprächspersönlichkeit. Die Entwicklung betont neben grundlegenden Reasoning-Fähigkeiten auch Hilfsbereitschaft, Stil und Zusammenarbeit. Die Familie hat zwei Konfigurationen. Thinking durchdenkt die Aufgabe vor der Antwort; Non-Thinking liefert eine direkte Antwort ohne Thinking-Token. Der allgemeine Name Grok 4.1 beschreibt diese Familie, ohne eine der beiden Konfigurationen auszuwählen.
Emotionales Verständnis und Zusammenarbeit
Der Schwerpunkt auf Gesprächen ist hilfreich, wenn eine Aufgabe sowohl davon abhängt, wie eine Antwort klingen soll, als auch davon, was sie sagen soll. Geben Sie Situation, vorgesehenen Leser und unverändert zu bewahrende Fakten vor. Verlangen Sie beispielsweise eine rücksichtsvolle Antwort an einen enttäuschten Kunden, die sein Anliegen anerkennt, den nächsten Schritt erklärt und die bereitgestellten Bedingungen beibehält. Benennen Sie anschließend eine konkrete Überarbeitung: einen Satz abmildern, die Erklärung verständlicher machen oder nur den Schlussabsatz ersetzen. Dies sind beispielhafte redaktionelle Aufgaben und keine Zusagen, dass das Modell die Richtlinien Ihres Unternehmens kennt.
Kreatives Schreiben
Zu den angekündigten Fähigkeiten von Grok 4.1 gehören kreatives Schreiben und das Bewahren einer wiedererkennbaren Stimme während der Interaktion. Bereiten Sie eine Beschreibung mit Erzähler oder Figuren, Schauplatz, gewünschter Wirkung und Form vor. Eine hilfreiche Aufgabe könnte einen kurzen Dialog verlangen, in dem zwei Figuren unterschiedlicher Meinung sind und jeweils einen eigenen Stil behalten, gefolgt von einer Überarbeitung, die das Tempo verändert. Geben Sie für geschäftliche Texte die tatsächlichen Produktdetails vor und verlangen Sie unterschiedliche Einstiegsabsätze für verschiedene Zielgruppen. Trennen Sie feste Details von solchen, die das Modell innerhalb der kreativen Aufgabe erfinden darf.
Faktentreue und informationssuchende Antworten
Das Post-Training des Modells behandelt gezielt sachliche Fehler bei informationssuchenden Prompts. Dieser Schwerpunkt macht eine flüssige Antwort nicht zu einer verifizierten Tatsache. Fügen Sie beim Schreiben auf Grundlage von Belegen das Quellmaterial bei und verlangen Sie die Unterscheidung zwischen ausdrücklich genannten Fakten, Interpretation und offenen Fragen. Eine praktische Ausgabe könnte eine knappe Antwort, die stützende Passage aus Ihrem Material und eine Frage zur Klärung einer Lücke enthalten. Suchgestützte Beispiele verwenden ein Modell mit Suchwerkzeugen; ein reines Textgespräch sollte nicht als Quelle neu abgerufener Informationen behandelt werden.
Training, Ausgabe und Umfang der Edition
Das Training verbindet Vortraining, gezieltes Zwischentraining, überwachte Feinabstimmung und Reinforcement Learning, einschließlich Rückmeldungen zu hilfreichen und angemessenen Antworten. Die hier beschriebene Arbeit ist ein Textdialog mit Textausgabe: Überarbeitungen, Erklärungen, Szenen und Antworten auf Grundlage bereitgestellten Materials. Bewahren Sie den nötigen Gesprächsverlauf auf und geben Sie genau an, welche Passage eine Anschlussfrage ändern soll. Die Bewertung von Ehrlichkeit, irreführenden Prämissen und Prompt-Injection unterstreicht, wie wichtig es ist, bereitgestellte Belege von Anweisungen zu trennen und sachliche Schlussfolgerungen zu prüfen. Grok 4.1 und Grok 4.1 Fast haben getrennte Identitäten; numerische Kontext- oder Ausgabegrenzen der Fast-Reihe sind keine Spezifikationen für diese Familienkarte.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits grok-4.1 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.02 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · In Cache schreiben $0 / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "grok-4.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'grok-4.1', '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': 'grok-4.1', '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 oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra grok-4.1
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Soften a disappointed-customer reply\n\nRevise this reply to a disappointed customer: 'You missed the deadline, so we cannot change it. Read the policy.' Facts to preserve: changes close 48 hours before dispatch; this order dispatches tomorrow; support can update the address for future orders. Acknowledge the inconvenience, explain the current limit and offer the available next step without sounding accusatory.A considerate customer-ready reply preserving all supplied policy and timing facts.Check the reply offers only the future-order address change and never promises an exception.