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": { "practical_html": "Technisches Beispiel auf Englisch
Apply a policy exception with evidence\n\nUse policy P1: standard access expires after 30 days. Exception E2: project Delta access remains valid until the project owner closes the project. Record R3: Delta is still open; access began 45 days ago. Prepare a decision record containing conclusion, governing passage, supporting record and the next condition that would change the conclusion.A four-field decision record linking the policy exception and current project state.Check that the explicit exception is applied and that the 45-day age alone is not treated as expiry for Delta.grok-4.3Grok 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/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits grok-4.3 | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
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 |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmässig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
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.
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 $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen $0.0004 / 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 $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen $0.0004 / 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 $0.005 / 1K Tokens Ausgabe · Ausgabetoken $0.01 / 1K Tokens Eingabe · Cache lesen $0.0008 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"grok-4.3","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-4.3", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-4.3, x-ai/grok-4.3
/chat/completions
grok-4.3Grok 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/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits grok-4.3 | 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.
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 $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen $0.0004 / 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 $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen $0.0004 / 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 $0.005 / 1K Tokens Ausgabe · Ausgabetoken $0.01 / 1K Tokens Eingabe · Cache lesen $0.0008 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "grok-4.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.3', '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-4.3', '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-4.3, x-ai/grok-4.3
/chat/completions
x-ai/grok-4.3Grok 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/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits x-ai/grok-4.3 | 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.
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 $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen $0.0004 / 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 $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen $0.0004 / 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 $0.005 / 1K Tokens Ausgabe · Ausgabetoken $0.01 / 1K Tokens Eingabe · Cache lesen $0.0008 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "x-ai/grok-4.3", "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-4.3',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-4.3',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-4.3, x-ai/grok-4.3
/chat/completions
x-ai/grok-4.3Grok 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/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits x-ai/grok-4.3 | 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.
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 $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen $0.0004 / 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 $0.0025 / 1K Tokens Ausgabe · Ausgabetoken $0.005 / 1K Tokens Eingabe · Cache lesen $0.0004 / 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 $0.005 / 1K Tokens Ausgabe · Ausgabetoken $0.01 / 1K Tokens Eingabe · Cache lesen $0.0008 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "x-ai/grok-4.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.3', '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-4.3', '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-4.3, x-ai/grok-4.3
/chat/completions
Technisches Beispiel auf Englisch
Apply a policy exception with evidence\n\nUse policy P1: standard access expires after 30 days. Exception E2: project Delta access remains valid until the project owner closes the project. Record R3: Delta is still open; access began 45 days ago. Prepare a decision record containing conclusion, governing passage, supporting record and the next condition that would change the conclusion.A four-field decision record linking the policy exception and current project state.Check that the explicit exception is applied and that the 45-day age alone is not treated as expiry for Delta.