Grok 3 mini es el modelo compacto de razonamiento de xAI dentro de la familia Grok 3. El fabricante lo presenta junto con el modelo más grande Grok 3 Think y utiliza aprendizaje por refuerzo para desarrollar comportamientos de resolución de problemas. El énfasis particular es el trabajo técnico: matemáticas, programación y otras tareas STEM en las que un conjunto claro de condiciones importa más que una gran cantidad de conocimiento general del mundo. La entrada del modelo identificado por nombre recibe texto y devuelve texto.
El propósito de la etapa de razonamiento es analizar el problema antes de producir una respuesta. Esto hace que valga la pena considerar la edición para una pregunta con pasos dependientes: derivar un valor a partir de varias condiciones, examinar si un algoritmo cumple un requisito o verificar un argumento lógico propuesto. xAI presenta mini como una opción de modelo propia, en lugar de simplemente un ajuste que reduce la edición de texto grok-3 ordinaria. Conserva esa distinción al elegir una entrada y el resultado que necesitas.
Para matemáticas, proporciona la condición completa, las definiciones, las suposiciones permitidas y la cantidad o afirmación que debe establecerse. Un ejemplo de solicitud es: “Evalúa esta solución. Identifica el primer paso inválido, explica qué condición incumple y proporciona un resultado corregido con una verificación contra el problema original”. Para programación, incluye el código pertinente, los valores de entrada y el comportamiento esperado. Solicita una explicación de la diferencia y un cambio propuesto que pueda probarse con esas entradas. Para lógica, distingue las premisas de la conclusión y pregunta qué afirmaciones intermedias necesitan respaldo.
La respuesta puede organizarse en torno a un entregable final útil: la fórmula derivada, un fragmento de código, una lista de suposiciones descartadas o una explicación concisa del método seleccionado. Una solicitud que especifica el entregable ayuda a mantener el razonamiento vinculado con la tarea del usuario. Para un asistente de tutoría, indica si el estudiante necesita una pista, una explicación del método o una solución completa; para un revisor técnico, indica los criterios que debe satisfacer la respuesta propuesta. Estos son ejemplos de decisiones de preparación basadas en el enfoque de tareas del fabricante, no garantías de que un argumento devuelto sea correcto sin verificarlo.
El ejemplo de metadatos del modelo del productor registra razonamiento, salidas estructuradas y llamadas a funciones para grok-3-mini. Indica una longitud máxima de prompt de 131,072 tokens y enumera texto como entrada y salida. Las fuentes consultadas de esta edición exacta no establecen un máximo universal separado para la salida generada. Conserva en el prompt las condiciones requeridas y el material pertinente, establece la estructura del resultado deseado y determina los límites específicos de ejecución a partir de la configuración seleccionada, en lugar de tomarlos de un modelo Grok más grande.
La salida estructurada puede facilitar el uso de un resultado de razonamiento en una aplicación: por ejemplo, separa el resultado propuesto, las suposiciones, las verificaciones y las preguntas abiertas en campos definidos. Con llamadas a funciones, la aplicación describe las operaciones disponibles, recibe una llamada propuesta y proporciona el resultado de la operación para la siguiente respuesta del modelo. Un cálculo o una consulta externos los realiza esa herramienta de la aplicación; una declaración escrita de que se verificó un cálculo no es por sí misma un registro de que la herramienta se ejecutó.
El enfoque técnico de la edición mini también constituye un límite significativo. Proporciona los hechos especializados de los que depende la solución, especialmente cuando son recientes o están fuera de las condiciones declaradas de la pregunta. Separa los hechos de las fuentes de las instrucciones y pide al modelo que conserve la incertidumbre cuando falte una premisa requerida. El artículo de lanzamiento describe modelos de razonamiento y agentes equipados con herramientas por separado, por lo que sus funciones de navegador, búsqueda o ejecución deben permanecer vinculadas con sus integraciones reales. Elige Grok 3 mini para la tarea documentada de razonamiento de texto y verifica los cálculos, argumentos y códigos con consecuencias importantes contra el problema original o las verificaciones de la aplicación.
", "aboutText": "Grok 3 mini es el modelo compacto de razonamiento de xAI dentro de la familia Grok 3. El fabricante lo presenta junto con el modelo más grande Grok 3 Think y utiliza aprendizaje por refuerzo para desarrollar comportamientos de resolución de problemas. El énfasis particular es el trabajo técnico: matemáticas, programación y otras tareas STEM en las que un conjunto claro de condiciones importa más que una gran cantidad de conocimiento general del mundo. La entrada del modelo identificado por nombre recibe texto y devuelve texto.\n\nEl propósito de la etapa de razonamiento es analizar el problema antes de producir una respuesta. Esto hace que valga la pena considerar la edición para una pregunta con pasos dependientes: derivar un valor a partir de varias condiciones, examinar si un algoritmo cumple un requisito o verificar un argumento lógico propuesto. xAI presenta mini como una opción de modelo propia, en lugar de simplemente un ajuste que reduce la edición de texto grok-3 ordinaria. Conserva esa distinción al elegir una entrada y el resultado que necesitas.\n\nPara matemáticas, proporciona la condición completa, las definiciones, las suposiciones permitidas y la cantidad o afirmación que debe establecerse. Un ejemplo de solicitud es: “Evalúa esta solución. Identifica el primer paso inválido, explica qué condición incumple y proporciona un resultado corregido con una verificación contra el problema original”. Para programación, incluye el código pertinente, los valores de entrada y el comportamiento esperado. Solicita una explicación de la diferencia y un cambio propuesto que pueda probarse con esas entradas. Para lógica, distingue las premisas de la conclusión y pregunta qué afirmaciones intermedias necesitan respaldo.\n\nLa respuesta puede organizarse en torno a un entregable final útil: la fórmula derivada, un fragmento de código, una lista de suposiciones descartadas o una explicación concisa del método seleccionado. Una solicitud que especifica el entregable ayuda a mantener el razonamiento vinculado con la tarea del usuario. Para un asistente de tutoría, indica si el estudiante necesita una pista, una explicación del método o una solución completa; para un revisor técnico, indica los criterios que debe satisfacer la respuesta propuesta. Estos son ejemplos de decisiones de preparación basadas en el enfoque de tareas del fabricante, no garantías de que un argumento devuelto sea correcto sin verificarlo.\n\nEl ejemplo de metadatos del modelo del productor registra razonamiento, salidas estructuradas y llamadas a funciones para grok-3-mini. Indica una longitud máxima de prompt de 131,072 tokens y enumera texto como entrada y salida. Las fuentes consultadas de esta edición exacta no establecen un máximo universal separado para la salida generada. Conserva en el prompt las condiciones requeridas y el material pertinente, establece la estructura del resultado deseado y determina los límites específicos de ejecución a partir de la configuración seleccionada, en lugar de tomarlos de un modelo Grok más grande.\n\nLa salida estructurada puede facilitar el uso de un resultado de razonamiento en una aplicación: por ejemplo, separa el resultado propuesto, las suposiciones, las verificaciones y las preguntas abiertas en campos definidos. Con llamadas a funciones, la aplicación describe las operaciones disponibles, recibe una llamada propuesta y proporciona el resultado de la operación para la siguiente respuesta del modelo. Un cálculo o una consulta externos los realiza esa herramienta de la aplicación; una declaración escrita de que se verificó un cálculo no es por sí misma un registro de que la herramienta se ejecutó.\n\nEl enfoque técnico de la edición mini también constituye un límite significativo. Proporciona los hechos especializados de los que depende la solución, especialmente cuando son recientes o están fuera de las condiciones declaradas de la pregunta. Separa los hechos de las fuentes de las instrucciones y pide al modelo que conserve la incertidumbre cuando falte una premisa requerida. El artículo de lanzamiento describe modelos de razonamiento y agentes equipados con herramientas por separado, por lo que sus funciones de navegador, búsqueda o ejecución deben permanecer vinculadas con sus integraciones reales. Elige Grok 3 mini para la tarea documentada de razonamiento de texto y verifica los cálculos, argumentos y códigos con consecuencias importantes contra el problema original o las verificaciones de la aplicación.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Find the first invalid algebra step\n\nReview this proposed solution to x squared = 9: 'Take square roots, so x = 3. Therefore there is exactly one real solution.' Identify the earliest invalid inference, give the complete real solution set and verify it by substitution. Explain the issue to a learner without introducing unrelated algebra topics.A concise correction, the full real solution set and a substitution check for each value.Both 3 and -3 are checked, and the missing negative root is tied to the square-root inference.grok-3-miniGrok 3 mini es el modelo compacto de razonamiento de texto de xAI para matemáticas, programación y tareas enfocadas en lógica. Está diseñado para analizar un problema antes de responder, con funciones de salida estructurada y llamadas a funciones documentadas para esta edición identificada por nombre.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Grok 3 mini es el modelo compacto de razonamiento de xAI dentro de la familia Grok 3. El fabricante lo presenta junto con el modelo más grande Grok 3 Think y utiliza aprendizaje por refuerzo para desarrollar comportamientos de resolución de problemas. El énfasis particular es el trabajo técnico: matemáticas, programación y otras tareas STEM en las que un conjunto claro de condiciones importa más que una gran cantidad de conocimiento general del mundo. La entrada del modelo identificado por nombre recibe texto y devuelve texto.
El propósito de la etapa de razonamiento es analizar el problema antes de producir una respuesta. Esto hace que valga la pena considerar la edición para una pregunta con pasos dependientes: derivar un valor a partir de varias condiciones, examinar si un algoritmo cumple un requisito o verificar un argumento lógico propuesto. xAI presenta mini como una opción de modelo propia, en lugar de simplemente un ajuste que reduce la edición de texto grok-3 ordinaria. Conserva esa distinción al elegir una entrada y el resultado que necesitas.
Para matemáticas, proporciona la condición completa, las definiciones, las suposiciones permitidas y la cantidad o afirmación que debe establecerse. Un ejemplo de solicitud es: “Evalúa esta solución. Identifica el primer paso inválido, explica qué condición incumple y proporciona un resultado corregido con una verificación contra el problema original”. Para programación, incluye el código pertinente, los valores de entrada y el comportamiento esperado. Solicita una explicación de la diferencia y un cambio propuesto que pueda probarse con esas entradas. Para lógica, distingue las premisas de la conclusión y pregunta qué afirmaciones intermedias necesitan respaldo.
La respuesta puede organizarse en torno a un entregable final útil: la fórmula derivada, un fragmento de código, una lista de suposiciones descartadas o una explicación concisa del método seleccionado. Una solicitud que especifica el entregable ayuda a mantener el razonamiento vinculado con la tarea del usuario. Para un asistente de tutoría, indica si el estudiante necesita una pista, una explicación del método o una solución completa; para un revisor técnico, indica los criterios que debe satisfacer la respuesta propuesta. Estos son ejemplos de decisiones de preparación basadas en el enfoque de tareas del fabricante, no garantías de que un argumento devuelto sea correcto sin verificarlo.
El ejemplo de metadatos del modelo del productor registra razonamiento, salidas estructuradas y llamadas a funciones para grok-3-mini. Indica una longitud máxima de prompt de 131,072 tokens y enumera texto como entrada y salida. Las fuentes consultadas de esta edición exacta no establecen un máximo universal separado para la salida generada. Conserva en el prompt las condiciones requeridas y el material pertinente, establece la estructura del resultado deseado y determina los límites específicos de ejecución a partir de la configuración seleccionada, en lugar de tomarlos de un modelo Grok más grande.
La salida estructurada puede facilitar el uso de un resultado de razonamiento en una aplicación: por ejemplo, separa el resultado propuesto, las suposiciones, las verificaciones y las preguntas abiertas en campos definidos. Con llamadas a funciones, la aplicación describe las operaciones disponibles, recibe una llamada propuesta y proporciona el resultado de la operación para la siguiente respuesta del modelo. Un cálculo o una consulta externos los realiza esa herramienta de la aplicación; una declaración escrita de que se verificó un cálculo no es por sí misma un registro de que la herramienta se ejecutó.
El enfoque técnico de la edición mini también constituye un límite significativo. Proporciona los hechos especializados de los que depende la solución, especialmente cuando son recientes o están fuera de las condiciones declaradas de la pregunta. Separa los hechos de las fuentes de las instrucciones y pide al modelo que conserve la incertidumbre cuando falte una premisa requerida. El artículo de lanzamiento describe modelos de razonamiento y agentes equipados con herramientas por separado, por lo que sus funciones de navegador, búsqueda o ejecución deben permanecer vinculadas con sus integraciones reales. Elige Grok 3 mini para la tarea documentada de razonamiento de texto y verifica los cálculos, argumentos y códigos con consecuencias importantes contra el problema original o las verificaciones de la aplicación.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites grok-3-mini | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.0006 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-3-mini", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='grok-3-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='grok-3-mini',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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra grok-3-mini
Usa las rutas de método indicadas arriba.
grok-3-miniGrok 3 mini es el modelo compacto de razonamiento de texto de xAI para matemáticas, programación y tareas enfocadas en lógica. Está diseñado para analizar un problema antes de responder, con funciones de salida estructurada y llamadas a funciones documentadas para esta edición identificada por nombre.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Grok 3 mini es el modelo compacto de razonamiento de xAI dentro de la familia Grok 3. El fabricante lo presenta junto con el modelo más grande Grok 3 Think y utiliza aprendizaje por refuerzo para desarrollar comportamientos de resolución de problemas. El énfasis particular es el trabajo técnico: matemáticas, programación y otras tareas STEM en las que un conjunto claro de condiciones importa más que una gran cantidad de conocimiento general del mundo. La entrada del modelo identificado por nombre recibe texto y devuelve texto.
El propósito de la etapa de razonamiento es analizar el problema antes de producir una respuesta. Esto hace que valga la pena considerar la edición para una pregunta con pasos dependientes: derivar un valor a partir de varias condiciones, examinar si un algoritmo cumple un requisito o verificar un argumento lógico propuesto. xAI presenta mini como una opción de modelo propia, en lugar de simplemente un ajuste que reduce la edición de texto grok-3 ordinaria. Conserva esa distinción al elegir una entrada y el resultado que necesitas.
Para matemáticas, proporciona la condición completa, las definiciones, las suposiciones permitidas y la cantidad o afirmación que debe establecerse. Un ejemplo de solicitud es: “Evalúa esta solución. Identifica el primer paso inválido, explica qué condición incumple y proporciona un resultado corregido con una verificación contra el problema original”. Para programación, incluye el código pertinente, los valores de entrada y el comportamiento esperado. Solicita una explicación de la diferencia y un cambio propuesto que pueda probarse con esas entradas. Para lógica, distingue las premisas de la conclusión y pregunta qué afirmaciones intermedias necesitan respaldo.
La respuesta puede organizarse en torno a un entregable final útil: la fórmula derivada, un fragmento de código, una lista de suposiciones descartadas o una explicación concisa del método seleccionado. Una solicitud que especifica el entregable ayuda a mantener el razonamiento vinculado con la tarea del usuario. Para un asistente de tutoría, indica si el estudiante necesita una pista, una explicación del método o una solución completa; para un revisor técnico, indica los criterios que debe satisfacer la respuesta propuesta. Estos son ejemplos de decisiones de preparación basadas en el enfoque de tareas del fabricante, no garantías de que un argumento devuelto sea correcto sin verificarlo.
El ejemplo de metadatos del modelo del productor registra razonamiento, salidas estructuradas y llamadas a funciones para grok-3-mini. Indica una longitud máxima de prompt de 131,072 tokens y enumera texto como entrada y salida. Las fuentes consultadas de esta edición exacta no establecen un máximo universal separado para la salida generada. Conserva en el prompt las condiciones requeridas y el material pertinente, establece la estructura del resultado deseado y determina los límites específicos de ejecución a partir de la configuración seleccionada, en lugar de tomarlos de un modelo Grok más grande.
La salida estructurada puede facilitar el uso de un resultado de razonamiento en una aplicación: por ejemplo, separa el resultado propuesto, las suposiciones, las verificaciones y las preguntas abiertas en campos definidos. Con llamadas a funciones, la aplicación describe las operaciones disponibles, recibe una llamada propuesta y proporciona el resultado de la operación para la siguiente respuesta del modelo. Un cálculo o una consulta externos los realiza esa herramienta de la aplicación; una declaración escrita de que se verificó un cálculo no es por sí misma un registro de que la herramienta se ejecutó.
El enfoque técnico de la edición mini también constituye un límite significativo. Proporciona los hechos especializados de los que depende la solución, especialmente cuando son recientes o están fuera de las condiciones declaradas de la pregunta. Separa los hechos de las fuentes de las instrucciones y pide al modelo que conserve la incertidumbre cuando falte una premisa requerida. El artículo de lanzamiento describe modelos de razonamiento y agentes equipados con herramientas por separado, por lo que sus funciones de navegador, búsqueda o ejecución deben permanecer vinculadas con sus integraciones reales. Elige Grok 3 mini para la tarea documentada de razonamiento de texto y verifica los cálculos, argumentos y códigos con consecuencias importantes contra el problema original o las verificaciones de la aplicación.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites grok-3-mini | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.0006 / 1K tokens Salida · Tokens de salida $0.001 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "grok-3-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-mini', '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-3-mini', '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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra grok-3-mini
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Find the first invalid algebra step\n\nReview this proposed solution to x squared = 9: 'Take square roots, so x = 3. Therefore there is exactly one real solution.' Identify the earliest invalid inference, give the complete real solution set and verify it by substitution. Explain the issue to a learner without introducing unrelated algebra topics.A concise correction, the full real solution set and a substitution check for each value.Both 3 and -3 are checked, and the missing negative root is tied to the square-root inference.