Grok 4.3 ist das Allzweckmodell des Herstellers mit Schwerpunkt auf Anweisungsbefolgung und Werkzeugnutzung. Laut Modellkarte akzeptiert es Text und Bilder, erzeugt Text und hat ein Kontextfenster von 1,000,000 Tokens. Die aufgeführten Fähigkeiten umfassen Function Calling, strukturierte Ausgaben und konfigurierbares Reasoning; der Herstellerdienst unterstützt auch Batch-Verarbeitung.
Die aktuelle detaillierte Modellspezifikation führt für den Reasoning-Aufwand none, low, medium, high und xhigh auf, mit low als Standard. None überspringt die Reasoning-Phase; die anderen Optionen sehen vor der Antwort Zeit zum Nachdenken vor. Diese Einstellungen gehören zur konkreten Modellkarte des Herstellers und unterscheiden sich von den Aufwandsstufen und Standardwerten späterer Grok-Versionen.
Gib für die Analyse langer Dokumente das relevante Material vor und definiere die Abschnitte oder Erkenntnisse, die die Antwort liefern soll. Der Kontext kann eine grosse Materialmenge aufnehmen, doch die Aufgabe profitiert weiterhin von Prioritäten und einem ausdrücklich definierten Ergebnis. Verlange die Schlussfolgerung, die stützende Textstelle und jede ungeklärte Bedingung, statt einen langen Kontext als Ersatz für eine klare Frage zu behandeln.
Benenne bei visuellem Material den Gegenstand, das Diagrammmerkmal oder das Seitendetail, das untersucht werden soll, und erläutere den Bezug zur schriftlichen Aufgabe. Ein nützliches Ergebnis verknüpft die Beobachtung mit der Frage. Wenn eine Schlussfolgerung zusätzlich von externen Informationen abhängt, liefere diese Belege separat, damit das Modell unterscheiden kann, was das Bild zeigt und was eine andere Quelle belegt.
In einem funktionsbasierten Ablauf erzeugt das Modell aus den Werkzeugdefinitionen einen vorgeschlagenen Aufruf. Die Anwendung führt die Funktion aus und gibt das Ergebnis zurück. Halte die Funktionseingaben, die zurückgegebene Beobachtung und den nächsten Modellschritt miteinander verknüpft. Verlange bei einer Code- oder Datenaufgabe ein Ergebnis, das festhält, was vorgeschlagen wurde und was die Anwendung tatsächlich beobachtet hat.
Strukturierte Ausgaben können eine Dokumentextraktion oder einen Analysebericht in definierte Felder überführen. Die Schemaunterstützung des Herstellers deckt gängige Datentypen und begrenzte Einschränkungen ab, während einige fortgeschrittene Einschränkungen vom Modellverhalten abhängen. Gib jedem Feld eine klare Bedeutung und validiere das Ergebnis anhand der Anwendungsanforderungen. Ein schemagerechtes Ergebnis braucht weiterhin Belege für seinen Inhalt; eine vorgeschlagene Aktion muss weiterhin vom umgebenden Ablauf ausgeführt werden.
", "aboutText": "Grok 4.3 ist das Allzweckmodell des Herstellers mit Schwerpunkt auf Anweisungsbefolgung und Werkzeugnutzung. Laut Modellkarte akzeptiert es Text und Bilder, erzeugt Text und hat ein Kontextfenster von 1,000,000 Tokens. Die aufgeführten Fähigkeiten umfassen Function Calling, strukturierte Ausgaben und konfigurierbares Reasoning; der Herstellerdienst unterstützt auch Batch-Verarbeitung.\n\nDie aktuelle detaillierte Modellspezifikation führt für den Reasoning-Aufwand none, low, medium, high und xhigh auf, mit low als Standard. None überspringt die Reasoning-Phase; die anderen Optionen sehen vor der Antwort Zeit zum Nachdenken vor. Diese Einstellungen gehören zur konkreten Modellkarte des Herstellers und unterscheiden sich von den Aufwandsstufen und Standardwerten späterer Grok-Versionen.\n\nGib für die Analyse langer Dokumente das relevante Material vor und definiere die Abschnitte oder Erkenntnisse, die die Antwort liefern soll. Der Kontext kann eine grosse Materialmenge aufnehmen, doch die Aufgabe profitiert weiterhin von Prioritäten und einem ausdrücklich definierten Ergebnis. Verlange die Schlussfolgerung, die stützende Textstelle und jede ungeklärte Bedingung, statt einen langen Kontext als Ersatz für eine klare Frage zu behandeln.\n\nBenenne bei visuellem Material den Gegenstand, das Diagrammmerkmal oder das Seitendetail, das untersucht werden soll, und erläutere den Bezug zur schriftlichen Aufgabe. Ein nützliches Ergebnis verknüpft die Beobachtung mit der Frage. Wenn eine Schlussfolgerung zusätzlich von externen Informationen abhängt, liefere diese Belege separat, damit das Modell unterscheiden kann, was das Bild zeigt und was eine andere Quelle belegt.\n\nIn einem funktionsbasierten Ablauf erzeugt das Modell aus den Werkzeugdefinitionen einen vorgeschlagenen Aufruf. Die Anwendung führt die Funktion aus und gibt das Ergebnis zurück. Halte die Funktionseingaben, die zurückgegebene Beobachtung und den nächsten Modellschritt miteinander verknüpft. Verlange bei einer Code- oder Datenaufgabe ein Ergebnis, das festhält, was vorgeschlagen wurde und was die Anwendung tatsächlich beobachtet hat.\n\nStrukturierte Ausgaben können eine Dokumentextraktion oder einen Analysebericht in definierte Felder überführen. Die Schemaunterstützung des Herstellers deckt gängige Datentypen und begrenzte Einschränkungen ab, während einige fortgeschrittene Einschränkungen vom Modellverhalten abhängen. Gib jedem Feld eine klare Bedeutung und validiere das Ergebnis anhand der Anwendungsanforderungen. Ein schemagerechtes Ergebnis braucht weiterhin Belege für seinen Inhalt; eine vorgeschlagene Aktion muss weiterhin vom umgebenden Ablauf ausgeführt werden.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a77b65bb8642947f22d99306e38cbd79e3740fbff7bd1c23d30f05d5ca50ac33", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "x-ai/grok-4.3:batchGrok 4.3 ist ein Text- und Bildmodell für anweisungsgeleitete Arbeit, Reasoning und Aufgaben mit Werkzeuganbindung, mit einem Kontext von 1,000,000 Tokens. Die dokumentierte Herstellerkonfiguration bietet Function Calling, strukturierte Ausgaben und einen wählbaren Reasoning-Aufwand.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Grok 4.3 ist das Allzweckmodell des Herstellers mit Schwerpunkt auf Anweisungsbefolgung und Werkzeugnutzung. Laut Modellkarte akzeptiert es Text und Bilder, erzeugt Text und hat ein Kontextfenster von 1,000,000 Tokens. Die aufgeführten Fähigkeiten umfassen Function Calling, strukturierte Ausgaben und konfigurierbares Reasoning; der Herstellerdienst unterstützt auch Batch-Verarbeitung.
Die aktuelle detaillierte Modellspezifikation führt für den Reasoning-Aufwand none, low, medium, high und xhigh auf, mit low als Standard. None überspringt die Reasoning-Phase; die anderen Optionen sehen vor der Antwort Zeit zum Nachdenken vor. Diese Einstellungen gehören zur konkreten Modellkarte des Herstellers und unterscheiden sich von den Aufwandsstufen und Standardwerten späterer Grok-Versionen.
Gib für die Analyse langer Dokumente das relevante Material vor und definiere die Abschnitte oder Erkenntnisse, die die Antwort liefern soll. Der Kontext kann eine grosse Materialmenge aufnehmen, doch die Aufgabe profitiert weiterhin von Prioritäten und einem ausdrücklich definierten Ergebnis. Verlange die Schlussfolgerung, die stützende Textstelle und jede ungeklärte Bedingung, statt einen langen Kontext als Ersatz für eine klare Frage zu behandeln.
Benenne bei visuellem Material den Gegenstand, das Diagrammmerkmal oder das Seitendetail, das untersucht werden soll, und erläutere den Bezug zur schriftlichen Aufgabe. Ein nützliches Ergebnis verknüpft die Beobachtung mit der Frage. Wenn eine Schlussfolgerung zusätzlich von externen Informationen abhängt, liefere diese Belege separat, damit das Modell unterscheiden kann, was das Bild zeigt und was eine andere Quelle belegt.
In einem funktionsbasierten Ablauf erzeugt das Modell aus den Werkzeugdefinitionen einen vorgeschlagenen Aufruf. Die Anwendung führt die Funktion aus und gibt das Ergebnis zurück. Halte die Funktionseingaben, die zurückgegebene Beobachtung und den nächsten Modellschritt miteinander verknüpft. Verlange bei einer Code- oder Datenaufgabe ein Ergebnis, das festhält, was vorgeschlagen wurde und was die Anwendung tatsächlich beobachtet hat.
Strukturierte Ausgaben können eine Dokumentextraktion oder einen Analysebericht in definierte Felder überführen. Die Schemaunterstützung des Herstellers deckt gängige Datentypen und begrenzte Einschränkungen ab, während einige fortgeschrittene Einschränkungen vom Modellverhalten abhängen. Gib jedem Feld eine klare Bedeutung und validiere das Ergebnis anhand der Anwendungsanforderungen. Ein schemagerechtes Ergebnis braucht weiterhin Belege für seinen Inhalt; eine vorgeschlagene Aktion muss weiterhin vom umgebenden Ablauf ausgeführt werden.
POST /v1/batchestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldendpoint | Typstring | AnforderungErforderlich | Werte und Limits /v1/chat/completions | Standard— |
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits x-ai/grok-4.3:batch | Standard— |
Feldrequests | Typbatch_item[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldrequests[].custom_id | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldrequests[].body.messages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldcompletion_window | Typstring | AnforderungOptional | Werte und Limits 24h | Standard— |
Feldprovider | Typobject|null | AnforderungOptional | Werte und Limits | Standard— |
Feldrequests[].body.model | Typstring | AnforderungOptional | Werte und Limits x-ai/grok-4.3:batch, x-ai/grok-4.3 | Standard— |
Feldprovider.only | Typstring[] | AnforderungOptional | Werte und Limits xai | Standard— |
Feldprovider.allow_fallbacks | Typboolean|null | AnforderungOptional | Werte und Limits false, null | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragendpoint, model, requests |
Parametermaterial_types | Vertragtext |
Parameterrepresentation | Vertrageingebettete requests[]; jedes Element enthält custom_id und body |
Parameterrequest_endpoint_profile | Vertrag/v1/chat/completions |
Parameterfile_material | VertragDer Aufrufer kann tatsächliches UTF-8-JSONL lokal in requests[] einlesen. Es werden weder ein Upload-Zweck noch input_file_id oder eine Dateireferenz verwendet. Fehlendes oder leeres Kundenmaterial stoppt die Vorbereitung vor POST. |
Parameterserialization_order | Vertragendpoint, model, provider (falls angegeben), completion_window (falls angegeben), requests als letztes Feld |
Parameteroptional_controls | Vertragprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | VertragAnfragekörper für Text Chat Completions in der dokumentierten Inline-Batch-Struktur. |
Lebenszyklus: asynchronous
GET /v1/batches/{operation_id} · die tatsächliche response.id der ursprünglichen Erstellungsantwort; derselbe Nutzer/Schlüssel/dieselbe Gruppe
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.002 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen $0.00032 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslich200'000 | Gebühr Eingabe · Eingabetoken $0.002 / 1K Tokens Ausgabe · Ausgabetoken $0.004 / 1K Tokens Eingabe · Cache lesen $0.00032 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als200'000 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.004 / 1K Tokens Ausgabe · Ausgabetoken $0.008 / 1K Tokens Eingabe · Cache lesen $0.00064 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\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.\neingebettetes JSON unter 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\nBewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Das vollständige ursprüngliche Status-JSON, jedes Ergebnis/jede custom_id und den vollständigen Antwort- oder Fehlerkörper aufbewahren. Abgeschlossene results[] ohne Filterung als JSONL speichern.
Die ursprüngliche Vorgangs-ID beibehalten. Bei 503 result_pending_check gilt X-Should-Retry:false; einen ursprünglichen Batch mit unbekanntem Ausgang niemals erneut einreichen.
| Feld | Typ |
|---|---|
Feldresults[].custom_id | Typstring |
Feldresults[].response.body.choices[].message.content | Typstring|null |
Feldresults[].error | Typobject|null |
Feldusage | Typobject|null |
Feldid | Typstring |
Feldmodel | Typstring |
Feldendpoint | Typstring |
Feldstatus | Typstring |
Feldrequest_counts | Typobject |
Feldresults[].id | Typstring |
Feldresults[].response.status_code | Typinteger |
Feldresults[].response.request_id | Typstring |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungUngültige Struktur der dokumentierten Inline-Einbettung, doppelte Schlüssel, ungültige Identitätsangaben zu einem Element oder ein Konflikt mit den konfigurierten Modellfähigkeiten. | Nächster SchrittDie angegebenen Felder vor jeder neuen Einreichung korrigieren. |
Antwort401 · authentication_error | BedingungUngültiger API-Schlüssel. | Nächster SchrittDen autorisierten Ailoot-Schlüssel verwenden. |
Antwort403 · permission_error | BedingungGruppe für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Berechtigung des Schlüssels bzw. der Gruppe prüfen. |
Antwort422 · invalid_request_error | BedingungStapelverarbeitung wird über das Guthaben abgerechnet; die Erstellung über ein Abonnement wird abgelehnt. | Nächster SchrittDie autorisierte Gruppe mit Guthabenabrechnung verwenden. |
Antwort422 · price_unavailable | BedingungFür die Batch-Eingabe kann kein Preisangebot erstellt werden. | Nächster SchrittAntwort aufbewahren; die dokumentierte Eingabe der API-Familie verwenden. |
Antwort402 · billing_error | BedingungReservierung für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Zulassung klären, bevor eine neue Anfrage gestellt wird. |
Antwort503 · price_unavailable | BedingungMethodenpreis bzw. native Tarife für Stapelverarbeitung nicht verfügbar. | Nächster SchrittAntwort aufbewahren; keine anderen Preise einsetzen. |
Antwort503 · api_error | BedingungDie genaue Anbieterroute ist nicht verfügbar. | Nächster SchrittAntwort zur Reparatur der Route aufbewahren. |
Antwort503 · result_pending_check | BedingungDas ursprüngliche Ergebnis muss geprüft werden; X-Should-Retry:false. | Nächster SchrittDie ursprüngliche operation_id/id beibehalten und ihren Status lesen; den ursprünglichen POST niemals wiederholen. |
Antwort404 · not_found | BedingungDer Batch-Vorgang, dessen Status abgefragt wird, ist nicht vorhanden oder gehört einer anderen Identität. | Nächster SchrittDie genaue ursprüngliche id und denselben Nutzer/Schlüssel/dieselbe Gruppe verwenden. |
Ailoot Ultra x-ai/grok-4.3:batch
Verwenden Sie die oben angezeigten Methodenpfade.