Grok 4.3 ist das Allzweckmodell des Herstellers mit Schwerpunkt auf dem Befolgen von Anweisungen und der Werkzeugnutzung. Seine Modellkarte nennt Text und Bilder als Eingaben, Text als Ausgabe und ein Kontextfenster von 1.000.000 Token. Zu den aufgeführten Fähigkeiten gehören Funktionsaufrufe, strukturierte Ausgaben und konfigurierbares Reasoning; der Herstellerdienst unterstützt außerdem Batch-Verarbeitung.
Die aktuelle detaillierte Modellspezifikation nennt die Reasoning-Aufwandsstufen none, low, medium, high und xhigh, mit low als Standard. None überspringt die Reasoning-Phase; die anderen Optionen stellen vor der Antwort Denkaufwand bereit. Dies sind Einstellungen dieser konkreten Hersteller-Modellkarte, die sich von den Aufwandslisten und Standards späterer Grok-Versionen unterscheiden.
Stellen Sie für die Analyse langer Dokumente das relevante Material bereit und legen Sie fest, welche Abschnitte oder Erkenntnisse die Antwort liefern soll. Der Kontext kann eine große Arbeitsgrundlage aufnehmen; die Aufgabe profitiert dennoch von Prioritäten und einem ausdrücklich festgelegten Ergebnis. Fordern Sie die Schlussfolgerung, die belegende Textstelle und jede ungeklärte Bedingung an, statt einen langen Kontext als Ersatz für eine klare Frage zu behandeln.
Benennen Sie bei visuellem Material den zu prüfenden Gegenstand, das Diagrammmerkmal oder das Seitendetail und erläutern Sie den Bezug zur schriftlichen Aufgabe. Ein hilfreiches Ergebnis verknüpft die Beobachtung mit der Frage. Hängt eine Schlussfolgerung zusätzlich von externen Informationen ab, stellen Sie diese Belege gesondert bereit, damit das Modell unterscheiden kann, was das Bild zeigt und was eine andere Quelle belegt.
In einem funktionsbasierten Workflow erzeugt das Modell aus den Werkzeugdefinitionen einen Aufrufvorschlag. Die Anwendung führt die Funktion aus und gibt das Ergebnis zurück. Halten Sie die Funktionseingaben, die zurückgegebene Beobachtung und den nächsten Modellschritt zusammen. Fordern Sie für eine Code- oder Datenaufgabe ein Ergebnis an, 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 Schema-Unterstützung des Herstellers umfasst gängige Datentypen und begrenzte Einschränkungen, während einige fortgeschrittene Einschränkungen vom Modellverhalten abhängen. Geben Sie jedem Feld eine klare Bedeutung und validieren Sie das Ergebnis anhand der Anwendungsanforderungen. Auch ein schemakonformes Ergebnis benötigt Belege für seinen Inhalt; eine vorgeschlagene Aktion muss weiterhin vom umgebenden Workflow ausgeführt werden.
", "aboutText": "Grok 4.3 ist das Allzweckmodell des Herstellers mit Schwerpunkt auf dem Befolgen von Anweisungen und der Werkzeugnutzung. Seine Modellkarte nennt Text und Bilder als Eingaben, Text als Ausgabe und ein Kontextfenster von 1.000.000 Token. Zu den aufgeführten Fähigkeiten gehören Funktionsaufrufe, strukturierte Ausgaben und konfigurierbares Reasoning; der Herstellerdienst unterstützt außerdem Batch-Verarbeitung.\n\nDie aktuelle detaillierte Modellspezifikation nennt die Reasoning-Aufwandsstufen none, low, medium, high und xhigh, mit low als Standard. None überspringt die Reasoning-Phase; die anderen Optionen stellen vor der Antwort Denkaufwand bereit. Dies sind Einstellungen dieser konkreten Hersteller-Modellkarte, die sich von den Aufwandslisten und Standards späterer Grok-Versionen unterscheiden.\n\nStellen Sie für die Analyse langer Dokumente das relevante Material bereit und legen Sie fest, welche Abschnitte oder Erkenntnisse die Antwort liefern soll. Der Kontext kann eine große Arbeitsgrundlage aufnehmen; die Aufgabe profitiert dennoch von Prioritäten und einem ausdrücklich festgelegten Ergebnis. Fordern Sie die Schlussfolgerung, die belegende Textstelle und jede ungeklärte Bedingung an, statt einen langen Kontext als Ersatz für eine klare Frage zu behandeln.\n\nBenennen Sie bei visuellem Material den zu prüfenden Gegenstand, das Diagrammmerkmal oder das Seitendetail und erläutern Sie den Bezug zur schriftlichen Aufgabe. Ein hilfreiches Ergebnis verknüpft die Beobachtung mit der Frage. Hängt eine Schlussfolgerung zusätzlich von externen Informationen ab, stellen Sie diese Belege gesondert bereit, damit das Modell unterscheiden kann, was das Bild zeigt und was eine andere Quelle belegt.\n\nIn einem funktionsbasierten Workflow erzeugt das Modell aus den Werkzeugdefinitionen einen Aufrufvorschlag. Die Anwendung führt die Funktion aus und gibt das Ergebnis zurück. Halten Sie die Funktionseingaben, die zurückgegebene Beobachtung und den nächsten Modellschritt zusammen. Fordern Sie für eine Code- oder Datenaufgabe ein Ergebnis an, 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 Schema-Unterstützung des Herstellers umfasst gängige Datentypen und begrenzte Einschränkungen, während einige fortgeschrittene Einschränkungen vom Modellverhalten abhängen. Geben Sie jedem Feld eine klare Bedeutung und validieren Sie das Ergebnis anhand der Anwendungsanforderungen. Auch ein schemakonformes Ergebnis benötigt Belege für seinen Inhalt; eine vorgeschlagene Aktion muss weiterhin vom umgebenden Workflow 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 werkzeuggestützte Aufgaben mit einem Kontext von 1.000.000 Token. Die dokumentierte Herstellerkonfiguration bietet Funktionsaufrufe, 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 dem Befolgen von Anweisungen und der Werkzeugnutzung. Seine Modellkarte nennt Text und Bilder als Eingaben, Text als Ausgabe und ein Kontextfenster von 1.000.000 Token. Zu den aufgeführten Fähigkeiten gehören Funktionsaufrufe, strukturierte Ausgaben und konfigurierbares Reasoning; der Herstellerdienst unterstützt außerdem Batch-Verarbeitung.
Die aktuelle detaillierte Modellspezifikation nennt die Reasoning-Aufwandsstufen none, low, medium, high und xhigh, mit low als Standard. None überspringt die Reasoning-Phase; die anderen Optionen stellen vor der Antwort Denkaufwand bereit. Dies sind Einstellungen dieser konkreten Hersteller-Modellkarte, die sich von den Aufwandslisten und Standards späterer Grok-Versionen unterscheiden.
Stellen Sie für die Analyse langer Dokumente das relevante Material bereit und legen Sie fest, welche Abschnitte oder Erkenntnisse die Antwort liefern soll. Der Kontext kann eine große Arbeitsgrundlage aufnehmen; die Aufgabe profitiert dennoch von Prioritäten und einem ausdrücklich festgelegten Ergebnis. Fordern Sie die Schlussfolgerung, die belegende Textstelle und jede ungeklärte Bedingung an, statt einen langen Kontext als Ersatz für eine klare Frage zu behandeln.
Benennen Sie bei visuellem Material den zu prüfenden Gegenstand, das Diagrammmerkmal oder das Seitendetail und erläutern Sie den Bezug zur schriftlichen Aufgabe. Ein hilfreiches Ergebnis verknüpft die Beobachtung mit der Frage. Hängt eine Schlussfolgerung zusätzlich von externen Informationen ab, stellen Sie diese Belege gesondert bereit, damit das Modell unterscheiden kann, was das Bild zeigt und was eine andere Quelle belegt.
In einem funktionsbasierten Workflow erzeugt das Modell aus den Werkzeugdefinitionen einen Aufrufvorschlag. Die Anwendung führt die Funktion aus und gibt das Ergebnis zurück. Halten Sie die Funktionseingaben, die zurückgegebene Beobachtung und den nächsten Modellschritt zusammen. Fordern Sie für eine Code- oder Datenaufgabe ein Ergebnis an, 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 Schema-Unterstützung des Herstellers umfasst gängige Datentypen und begrenzte Einschränkungen, während einige fortgeschrittene Einschränkungen vom Modellverhalten abhängen. Geben Sie jedem Feld eine klare Bedeutung und validieren Sie das Ergebnis anhand der Anwendungsanforderungen. Auch ein schemakonformes Ergebnis benötigt Belege für seinen Inhalt; eine vorgeschlagene Aktion muss weiterhin vom umgebenden Workflow 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 Token Ausgabe · Ausgabetoken $0.005 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich200.000 | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Token Ausgabe · Ausgabetoken $0.005 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als200.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Token Ausgabe · Ausgabetoken $0.01 / 1K Token Eingabe · Cache-Lesen $0.0008 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 werkzeuggestützte Aufgaben mit einem Kontext von 1.000.000 Token. Die dokumentierte Herstellerkonfiguration bietet Funktionsaufrufe, 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 dem Befolgen von Anweisungen und der Werkzeugnutzung. Seine Modellkarte nennt Text und Bilder als Eingaben, Text als Ausgabe und ein Kontextfenster von 1.000.000 Token. Zu den aufgeführten Fähigkeiten gehören Funktionsaufrufe, strukturierte Ausgaben und konfigurierbares Reasoning; der Herstellerdienst unterstützt außerdem Batch-Verarbeitung.
Die aktuelle detaillierte Modellspezifikation nennt die Reasoning-Aufwandsstufen none, low, medium, high und xhigh, mit low als Standard. None überspringt die Reasoning-Phase; die anderen Optionen stellen vor der Antwort Denkaufwand bereit. Dies sind Einstellungen dieser konkreten Hersteller-Modellkarte, die sich von den Aufwandslisten und Standards späterer Grok-Versionen unterscheiden.
Stellen Sie für die Analyse langer Dokumente das relevante Material bereit und legen Sie fest, welche Abschnitte oder Erkenntnisse die Antwort liefern soll. Der Kontext kann eine große Arbeitsgrundlage aufnehmen; die Aufgabe profitiert dennoch von Prioritäten und einem ausdrücklich festgelegten Ergebnis. Fordern Sie die Schlussfolgerung, die belegende Textstelle und jede ungeklärte Bedingung an, statt einen langen Kontext als Ersatz für eine klare Frage zu behandeln.
Benennen Sie bei visuellem Material den zu prüfenden Gegenstand, das Diagrammmerkmal oder das Seitendetail und erläutern Sie den Bezug zur schriftlichen Aufgabe. Ein hilfreiches Ergebnis verknüpft die Beobachtung mit der Frage. Hängt eine Schlussfolgerung zusätzlich von externen Informationen ab, stellen Sie diese Belege gesondert bereit, damit das Modell unterscheiden kann, was das Bild zeigt und was eine andere Quelle belegt.
In einem funktionsbasierten Workflow erzeugt das Modell aus den Werkzeugdefinitionen einen Aufrufvorschlag. Die Anwendung führt die Funktion aus und gibt das Ergebnis zurück. Halten Sie die Funktionseingaben, die zurückgegebene Beobachtung und den nächsten Modellschritt zusammen. Fordern Sie für eine Code- oder Datenaufgabe ein Ergebnis an, 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 Schema-Unterstützung des Herstellers umfasst gängige Datentypen und begrenzte Einschränkungen, während einige fortgeschrittene Einschränkungen vom Modellverhalten abhängen. Geben Sie jedem Feld eine klare Bedeutung und validieren Sie das Ergebnis anhand der Anwendungsanforderungen. Auch ein schemakonformes Ergebnis benötigt Belege für seinen Inhalt; eine vorgeschlagene Aktion muss weiterhin vom umgebenden Workflow 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 Token Ausgabe · Ausgabetoken $0.005 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich200.000 | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Token Ausgabe · Ausgabetoken $0.005 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als200.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Token Ausgabe · Ausgabetoken $0.01 / 1K Token Eingabe · Cache-Lesen $0.0008 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "grok-4.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 werkzeuggestützte Aufgaben mit einem Kontext von 1.000.000 Token. Die dokumentierte Herstellerkonfiguration bietet Funktionsaufrufe, 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 dem Befolgen von Anweisungen und der Werkzeugnutzung. Seine Modellkarte nennt Text und Bilder als Eingaben, Text als Ausgabe und ein Kontextfenster von 1.000.000 Token. Zu den aufgeführten Fähigkeiten gehören Funktionsaufrufe, strukturierte Ausgaben und konfigurierbares Reasoning; der Herstellerdienst unterstützt außerdem Batch-Verarbeitung.
Die aktuelle detaillierte Modellspezifikation nennt die Reasoning-Aufwandsstufen none, low, medium, high und xhigh, mit low als Standard. None überspringt die Reasoning-Phase; die anderen Optionen stellen vor der Antwort Denkaufwand bereit. Dies sind Einstellungen dieser konkreten Hersteller-Modellkarte, die sich von den Aufwandslisten und Standards späterer Grok-Versionen unterscheiden.
Stellen Sie für die Analyse langer Dokumente das relevante Material bereit und legen Sie fest, welche Abschnitte oder Erkenntnisse die Antwort liefern soll. Der Kontext kann eine große Arbeitsgrundlage aufnehmen; die Aufgabe profitiert dennoch von Prioritäten und einem ausdrücklich festgelegten Ergebnis. Fordern Sie die Schlussfolgerung, die belegende Textstelle und jede ungeklärte Bedingung an, statt einen langen Kontext als Ersatz für eine klare Frage zu behandeln.
Benennen Sie bei visuellem Material den zu prüfenden Gegenstand, das Diagrammmerkmal oder das Seitendetail und erläutern Sie den Bezug zur schriftlichen Aufgabe. Ein hilfreiches Ergebnis verknüpft die Beobachtung mit der Frage. Hängt eine Schlussfolgerung zusätzlich von externen Informationen ab, stellen Sie diese Belege gesondert bereit, damit das Modell unterscheiden kann, was das Bild zeigt und was eine andere Quelle belegt.
In einem funktionsbasierten Workflow erzeugt das Modell aus den Werkzeugdefinitionen einen Aufrufvorschlag. Die Anwendung führt die Funktion aus und gibt das Ergebnis zurück. Halten Sie die Funktionseingaben, die zurückgegebene Beobachtung und den nächsten Modellschritt zusammen. Fordern Sie für eine Code- oder Datenaufgabe ein Ergebnis an, 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 Schema-Unterstützung des Herstellers umfasst gängige Datentypen und begrenzte Einschränkungen, während einige fortgeschrittene Einschränkungen vom Modellverhalten abhängen. Geben Sie jedem Feld eine klare Bedeutung und validieren Sie das Ergebnis anhand der Anwendungsanforderungen. Auch ein schemakonformes Ergebnis benötigt Belege für seinen Inhalt; eine vorgeschlagene Aktion muss weiterhin vom umgebenden Workflow 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 Token Ausgabe · Ausgabetoken $0.005 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich200.000 | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Token Ausgabe · Ausgabetoken $0.005 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als200.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Token Ausgabe · Ausgabetoken $0.01 / 1K Token Eingabe · Cache-Lesen $0.0008 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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 werkzeuggestützte Aufgaben mit einem Kontext von 1.000.000 Token. Die dokumentierte Herstellerkonfiguration bietet Funktionsaufrufe, 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 dem Befolgen von Anweisungen und der Werkzeugnutzung. Seine Modellkarte nennt Text und Bilder als Eingaben, Text als Ausgabe und ein Kontextfenster von 1.000.000 Token. Zu den aufgeführten Fähigkeiten gehören Funktionsaufrufe, strukturierte Ausgaben und konfigurierbares Reasoning; der Herstellerdienst unterstützt außerdem Batch-Verarbeitung.
Die aktuelle detaillierte Modellspezifikation nennt die Reasoning-Aufwandsstufen none, low, medium, high und xhigh, mit low als Standard. None überspringt die Reasoning-Phase; die anderen Optionen stellen vor der Antwort Denkaufwand bereit. Dies sind Einstellungen dieser konkreten Hersteller-Modellkarte, die sich von den Aufwandslisten und Standards späterer Grok-Versionen unterscheiden.
Stellen Sie für die Analyse langer Dokumente das relevante Material bereit und legen Sie fest, welche Abschnitte oder Erkenntnisse die Antwort liefern soll. Der Kontext kann eine große Arbeitsgrundlage aufnehmen; die Aufgabe profitiert dennoch von Prioritäten und einem ausdrücklich festgelegten Ergebnis. Fordern Sie die Schlussfolgerung, die belegende Textstelle und jede ungeklärte Bedingung an, statt einen langen Kontext als Ersatz für eine klare Frage zu behandeln.
Benennen Sie bei visuellem Material den zu prüfenden Gegenstand, das Diagrammmerkmal oder das Seitendetail und erläutern Sie den Bezug zur schriftlichen Aufgabe. Ein hilfreiches Ergebnis verknüpft die Beobachtung mit der Frage. Hängt eine Schlussfolgerung zusätzlich von externen Informationen ab, stellen Sie diese Belege gesondert bereit, damit das Modell unterscheiden kann, was das Bild zeigt und was eine andere Quelle belegt.
In einem funktionsbasierten Workflow erzeugt das Modell aus den Werkzeugdefinitionen einen Aufrufvorschlag. Die Anwendung führt die Funktion aus und gibt das Ergebnis zurück. Halten Sie die Funktionseingaben, die zurückgegebene Beobachtung und den nächsten Modellschritt zusammen. Fordern Sie für eine Code- oder Datenaufgabe ein Ergebnis an, 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 Schema-Unterstützung des Herstellers umfasst gängige Datentypen und begrenzte Einschränkungen, während einige fortgeschrittene Einschränkungen vom Modellverhalten abhängen. Geben Sie jedem Feld eine klare Bedeutung und validieren Sie das Ergebnis anhand der Anwendungsanforderungen. Auch ein schemakonformes Ergebnis benötigt Belege für seinen Inhalt; eine vorgeschlagene Aktion muss weiterhin vom umgebenden Workflow 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 Token Ausgabe · Ausgabetoken $0.005 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlich200.000 | Gebühr Eingabe · Eingabetoken $0.0025 / 1K Token Ausgabe · Ausgabetoken $0.005 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 2 | Tarifstaffel— | Kontexttoken, mehr als200.000 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.005 / 1K Token Ausgabe · Ausgabetoken $0.01 / 1K Token Eingabe · Cache-Lesen $0.0008 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "x-ai/grok-4.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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.