Grok 2 Vision 1212 on xAI:n Grok 2 -perheen visuaalista syötettä käyttävä versio, jonka tunniste on grok-2-vision-1212. Valmistaja esittelee Grok 2:n tekstin ja visuaalisen aineiston ymmärtämiseen tarkoitettuna mallina, jonka tehtäviin kuuluvat asiakirjoja koskevat kysymykset ja matemaattinen päättely visuaalisesta aineistosta. Myöhemmän 1212-julkaisun tiedote kuvaa parannuksia ohjeiden noudattamiseen ja monikieliseen toimintaan. Tämä kortti koskee nimettyä vision-versiota ja sen tuottamaa tekstiä.
Valmistajan mallimetatiedot ilmoittavat syötteeksi tekstin ja kuvat ja tulosteeksi tekstin. Käytännön tehtävä alkaa siis sekä visuaalisesta näytöstä että täsmällisestä kysymyksestä. Määritä asiakirjasivusta kenttä, osio tai suhde, josta tarvitset selityksen; nimeä kaaviosta olennaiset selitteet ja suureet; kuvaa kuvakaappauksesta käyttäjän tavoite ja tarkasteltava elementti. Tarkoituksena on yhdistää näkyvä sisältö pyyntöön sen sijaan, että pyydettäisiin kohdentamatonta kuvausta kaikesta kuvassa olevasta.
Havainnollistava asiakirjapyyntö on: ”Lue tämän sivun otsikot ja nimetyt kentät. Palauta näkyvät arvot, merkitse kohdat, joita ei voi lukea varmasti, ja selitä, mikä katkelma tukee vastaustasi.” Kaaviopyyntö voi koskea kahden sarjan suhdetta sekä suoraan näkyvien arvojen ja tulkinnan erottamista toisistaan. Pyydä tuotevalokuvasta näkyvät ominaisuudet ja vertailu annettuun kirjalliseen määritykseen. Nämä ovat valmistajan visuaalisten tehtäväryhmien pohjalta laadittuja valmistelu- ja tulosesimerkkejä, eivät lupauksia siitä, että kaikki yksityiskohdat voidaan palauttaa jokaisesta kuvasta.
Nimettyä mallia koskeva esimerkki ilmoittaa myös tuen rakenteisille tuloksille ja funktiokutsuille. Määritä poimintaa varten haluttu tulos: esimerkiksi luettelo kentistä, niiden näkyvästä tekstistä ja epävarmuutta koskevasta huomautuksesta. Anna työkalun avustamaa tehtävää varten sallittujen työkalujen kuvaukset ja toiminnon tarvitsema tieto. Sovellus suorittaa toiminnon ja palauttaa sen tuloksen; malli voi sitten käyttää tietoa seuraavassa tekstivastauksessa. Vision-ominaisuus itsessään on kyky tulkita annettua kuvaa, kun taas ulkoinen toiminto kuuluu ympäröivälle sovellukselle.
Tämä versio on valmistajan kyseisessä esimerkissä lueteltu ilman erillistä päättelytilaa. Se voi silti vastata suhteita ja selityksiä edellyttäviin kysymyksiin, mutta muiden Grok-julkaisujen yhteydessä kuvatut erilliset laajennetun ajattelun tilat tulee pitää erillään. Sama esimerkki ilmoittaa kehotteen enimmäispituudeksi 32 768 tokenia. Se on nimetyn mallin julkaistu syötekenttä, ei erikseen dokumentoitu vastauksen enimmäispituus. Luetut ensisijaiset lähteet eivät määritä Vision 1212:lle täsmällistä yleistä kuvamäärän, kuvaresoluution tai tulostetokenien ylärajaa, joten näiden arvojen tulee perustua tietyn pyynnön määritykseen sen sijaan, että ne lainattaisiin uudemmasta vision-mallista.
Kiinteällä 1212-nimellä on myös merkitystä version valinnassa. Grok 2:n pelkkää tekstiä käyttävä julkaisu ja sen kuvantuotantotuotteet palvelevat eri syötteitä ja tuloksia. Tässä kuvattu tulos on kirjallinen vastaus visuaalisesta aineistosta. Grok-sovelluksessa esitellyt ominaisuudet, kuten lisähaku tai kuvantuotantotoiminnot, ovat erillisiä perheen ympärille rakennettuja integraatioita, jotka tulee erottaa tämän nimetyn malliversion kyvyistä.
Valmistele luettavat sivut ja nimeä jokainen kuva, kun vertailet aineistoja. Kerro, mikä kuvan osa on olennainen, sisällytä kysymykseen tarvittavat määritelmät tai yksiköt ja pyydä vastausta säilyttämään alkuperäiset nimet. Valitse hyödylliseksi lopputuotokseksi selitys, poimintataulukko tai näyttöön yhdistetty havaintoluettelo. Jos kuva on monitulkintainen, säilytä epävarmuus tuloksessa ja tarkista merkittävät tulkinnat alkuperäisestä aineistosta.
", "aboutText": "Grok 2 Vision 1212 on xAI:n Grok 2 -perheen visuaalista syötettä käyttävä versio, jonka tunniste on grok-2-vision-1212. Valmistaja esittelee Grok 2:n tekstin ja visuaalisen aineiston ymmärtämiseen tarkoitettuna mallina, jonka tehtäviin kuuluvat asiakirjoja koskevat kysymykset ja matemaattinen päättely visuaalisesta aineistosta. Myöhemmän 1212-julkaisun tiedote kuvaa parannuksia ohjeiden noudattamiseen ja monikieliseen toimintaan. Tämä kortti koskee nimettyä vision-versiota ja sen tuottamaa tekstiä.\n\nValmistajan mallimetatiedot ilmoittavat syötteeksi tekstin ja kuvat ja tulosteeksi tekstin. Käytännön tehtävä alkaa siis sekä visuaalisesta näytöstä että täsmällisestä kysymyksestä. Määritä asiakirjasivusta kenttä, osio tai suhde, josta tarvitset selityksen; nimeä kaaviosta olennaiset selitteet ja suureet; kuvaa kuvakaappauksesta käyttäjän tavoite ja tarkasteltava elementti. Tarkoituksena on yhdistää näkyvä sisältö pyyntöön sen sijaan, että pyydettäisiin kohdentamatonta kuvausta kaikesta kuvassa olevasta.\n\nHavainnollistava asiakirjapyyntö on: ”Lue tämän sivun otsikot ja nimetyt kentät. Palauta näkyvät arvot, merkitse kohdat, joita ei voi lukea varmasti, ja selitä, mikä katkelma tukee vastaustasi.” Kaaviopyyntö voi koskea kahden sarjan suhdetta sekä suoraan näkyvien arvojen ja tulkinnan erottamista toisistaan. Pyydä tuotevalokuvasta näkyvät ominaisuudet ja vertailu annettuun kirjalliseen määritykseen. Nämä ovat valmistajan visuaalisten tehtäväryhmien pohjalta laadittuja valmistelu- ja tulosesimerkkejä, eivät lupauksia siitä, että kaikki yksityiskohdat voidaan palauttaa jokaisesta kuvasta.\n\nNimettyä mallia koskeva esimerkki ilmoittaa myös tuen rakenteisille tuloksille ja funktiokutsuille. Määritä poimintaa varten haluttu tulos: esimerkiksi luettelo kentistä, niiden näkyvästä tekstistä ja epävarmuutta koskevasta huomautuksesta. Anna työkalun avustamaa tehtävää varten sallittujen työkalujen kuvaukset ja toiminnon tarvitsema tieto. Sovellus suorittaa toiminnon ja palauttaa sen tuloksen; malli voi sitten käyttää tietoa seuraavassa tekstivastauksessa. Vision-ominaisuus itsessään on kyky tulkita annettua kuvaa, kun taas ulkoinen toiminto kuuluu ympäröivälle sovellukselle.\n\nTämä versio on valmistajan kyseisessä esimerkissä lueteltu ilman erillistä päättelytilaa. Se voi silti vastata suhteita ja selityksiä edellyttäviin kysymyksiin, mutta muiden Grok-julkaisujen yhteydessä kuvatut erilliset laajennetun ajattelun tilat tulee pitää erillään. Sama esimerkki ilmoittaa kehotteen enimmäispituudeksi 32 768 tokenia. Se on nimetyn mallin julkaistu syötekenttä, ei erikseen dokumentoitu vastauksen enimmäispituus. Luetut ensisijaiset lähteet eivät määritä Vision 1212:lle täsmällistä yleistä kuvamäärän, kuvaresoluution tai tulostetokenien ylärajaa, joten näiden arvojen tulee perustua tietyn pyynnön määritykseen sen sijaan, että ne lainattaisiin uudemmasta vision-mallista.\n\nKiinteällä 1212-nimellä on myös merkitystä version valinnassa. Grok 2:n pelkkää tekstiä käyttävä julkaisu ja sen kuvantuotantotuotteet palvelevat eri syötteitä ja tuloksia. Tässä kuvattu tulos on kirjallinen vastaus visuaalisesta aineistosta. Grok-sovelluksessa esitellyt ominaisuudet, kuten lisähaku tai kuvantuotantotoiminnot, ovat erillisiä perheen ympärille rakennettuja integraatioita, jotka tulee erottaa tämän nimetyn malliversion kyvyistä.\n\nValmistele luettavat sivut ja nimeä jokainen kuva, kun vertailet aineistoja. Kerro, mikä kuvan osa on olennainen, sisällytä kysymykseen tarvittavat määritelmät tai yksiköt ja pyydä vastausta säilyttämään alkuperäiset nimet. Valitse hyödylliseksi lopputuotokseksi selitys, poimintataulukko tai näyttöön yhdistetty havaintoluettelo. Jos kuva on monitulkintainen, säilytä epävarmuus tuloksessa ja tarkista merkittävät tulkinnat alkuperäisestä aineistosta.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekninen esimerkki englanniksi
Interpret a transcribed sales chart\n\nUse this chart transcription: January sales 80 units, February 100, March 90. The vertical axis is units, not currency. Write a three-sentence chart caption covering the peak, the change from January to March and one conclusion about revenue that cannot be drawn from these values.A three-sentence caption separating stated sales values, a calculated change and the revenue-information limit.Check that the caption retains units and does not infer revenue or prices from unit counts.grok-2-vision-1212Grok 2 Vision 1212 on xAI:n kuvantulkintaversio asiakirjoja, kaavioita, valokuvia ja kuvakaappauksia koskeviin kysymyksiin. Se yhdistää kirjallisen kysymyksen visuaaliseen syötteeseen ja palauttaa tekstivastauksen. Nimetylle versiolle on dokumentoitu rakenteisten tulosten ja funktiokutsujen ominaisuudet.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Grok 2 Vision 1212 on xAI:n Grok 2 -perheen visuaalista syötettä käyttävä versio, jonka tunniste on grok-2-vision-1212. Valmistaja esittelee Grok 2:n tekstin ja visuaalisen aineiston ymmärtämiseen tarkoitettuna mallina, jonka tehtäviin kuuluvat asiakirjoja koskevat kysymykset ja matemaattinen päättely visuaalisesta aineistosta. Myöhemmän 1212-julkaisun tiedote kuvaa parannuksia ohjeiden noudattamiseen ja monikieliseen toimintaan. Tämä kortti koskee nimettyä vision-versiota ja sen tuottamaa tekstiä.
Valmistajan mallimetatiedot ilmoittavat syötteeksi tekstin ja kuvat ja tulosteeksi tekstin. Käytännön tehtävä alkaa siis sekä visuaalisesta näytöstä että täsmällisestä kysymyksestä. Määritä asiakirjasivusta kenttä, osio tai suhde, josta tarvitset selityksen; nimeä kaaviosta olennaiset selitteet ja suureet; kuvaa kuvakaappauksesta käyttäjän tavoite ja tarkasteltava elementti. Tarkoituksena on yhdistää näkyvä sisältö pyyntöön sen sijaan, että pyydettäisiin kohdentamatonta kuvausta kaikesta kuvassa olevasta.
Havainnollistava asiakirjapyyntö on: ”Lue tämän sivun otsikot ja nimetyt kentät. Palauta näkyvät arvot, merkitse kohdat, joita ei voi lukea varmasti, ja selitä, mikä katkelma tukee vastaustasi.” Kaaviopyyntö voi koskea kahden sarjan suhdetta sekä suoraan näkyvien arvojen ja tulkinnan erottamista toisistaan. Pyydä tuotevalokuvasta näkyvät ominaisuudet ja vertailu annettuun kirjalliseen määritykseen. Nämä ovat valmistajan visuaalisten tehtäväryhmien pohjalta laadittuja valmistelu- ja tulosesimerkkejä, eivät lupauksia siitä, että kaikki yksityiskohdat voidaan palauttaa jokaisesta kuvasta.
Nimettyä mallia koskeva esimerkki ilmoittaa myös tuen rakenteisille tuloksille ja funktiokutsuille. Määritä poimintaa varten haluttu tulos: esimerkiksi luettelo kentistä, niiden näkyvästä tekstistä ja epävarmuutta koskevasta huomautuksesta. Anna työkalun avustamaa tehtävää varten sallittujen työkalujen kuvaukset ja toiminnon tarvitsema tieto. Sovellus suorittaa toiminnon ja palauttaa sen tuloksen; malli voi sitten käyttää tietoa seuraavassa tekstivastauksessa. Vision-ominaisuus itsessään on kyky tulkita annettua kuvaa, kun taas ulkoinen toiminto kuuluu ympäröivälle sovellukselle.
Tämä versio on valmistajan kyseisessä esimerkissä lueteltu ilman erillistä päättelytilaa. Se voi silti vastata suhteita ja selityksiä edellyttäviin kysymyksiin, mutta muiden Grok-julkaisujen yhteydessä kuvatut erilliset laajennetun ajattelun tilat tulee pitää erillään. Sama esimerkki ilmoittaa kehotteen enimmäispituudeksi 32 768 tokenia. Se on nimetyn mallin julkaistu syötekenttä, ei erikseen dokumentoitu vastauksen enimmäispituus. Luetut ensisijaiset lähteet eivät määritä Vision 1212:lle täsmällistä yleistä kuvamäärän, kuvaresoluution tai tulostetokenien ylärajaa, joten näiden arvojen tulee perustua tietyn pyynnön määritykseen sen sijaan, että ne lainattaisiin uudemmasta vision-mallista.
Kiinteällä 1212-nimellä on myös merkitystä version valinnassa. Grok 2:n pelkkää tekstiä käyttävä julkaisu ja sen kuvantuotantotuotteet palvelevat eri syötteitä ja tuloksia. Tässä kuvattu tulos on kirjallinen vastaus visuaalisesta aineistosta. Grok-sovelluksessa esitellyt ominaisuudet, kuten lisähaku tai kuvantuotantotoiminnot, ovat erillisiä perheen ympärille rakennettuja integraatioita, jotka tulee erottaa tämän nimetyn malliversion kyvyistä.
Valmistele luettavat sivut ja nimeä jokainen kuva, kun vertailet aineistoja. Kerro, mikä kuvan osa on olennainen, sisällytä kysymykseen tarvittavat määritelmät tai yksiköt ja pyydä vastausta säilyttämään alkuperäiset nimet. Valitse hyödylliseksi lopputuotokseksi selitys, poimintataulukko tai näyttöön yhdistetty havaintoluettelo. Jos kuva on monitulkintainen, säilytä epävarmuus tuloksessa ja tarkista merkittävät tulkinnat alkuperäisestä aineistosta.
POST /v1/chat/completionstexttext| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat grok-2-vision-1212 | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat Kohteiden vähimmäismäärä: 1 | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat Esimerkit: system, user, assistant, tool, function Ehdot: Nämä roolit esitetään nimenomaisesti lähdekoodin yhteensopivuustyypeissä; mallin täsmällinen roolijoukko pysyy mallikohtaisena. Riippuu mallista | Oletus— |
Kenttämessages[].content | Tyyppistring|content_part[]|null | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_calls | Tyyppitool_call[] | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].tool_call_id | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: role=tool; käytä todella palautettua ID:tä | Oletus— |
Kenttämessages[].name | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttämessages[].reasoning_content | Tyyppistring | VaatimusValinnainen | Arvot & rajat Sovelletaan, kun: Palauta todella saatu päättely takaisin mallille, kun kyseinen malli käyttää sitä | Oletus— |
Kenttämessages[].reasoning_details | Tyyppiobject|array | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttämax_completion_tokens | Tyyppiinteger | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 1 Riippuu mallista | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Kenttästream_options.include_usage | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätemperature | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätop_p | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttästop | Tyyppistring|string[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools | Tyyppifunction_tool[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttätools[].type | Tyyppistring | VaatimusValinnainen | Arvot & rajat function Riippuu mallista | Oletus— |
Kenttätools[].function.name | Tyyppistring | VaatimusPakollinen | Arvot & rajat Sovelletaan, kun: funktiotyökalu annettu | Oletus— |
Kenttätools[].function.description | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätools[].function.parameters | TyyppiJSON_schema | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätool_choice | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäparallel_tool_calls | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäresponse_format | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning_effort | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäreasoning | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäservice_tier | Tyyppistring | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäinstructions | Tyyppistring | VaatimusValinnainen | Arvot & rajat Yhteensopivuuskenttä | Oletus— |
Kenttäfunctions | Tyyppifunction[] | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäfunction_call | Tyyppistring|object | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttäprompt_cache_options | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Riippuu mallista | Oletus— |
Kenttämodalities | Tyyppistring[] | VaatimusValinnainen | Arvot & rajat text | Oletus— |
Kenttäprovider | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Ehdot: provider.options hylätään tällä Ultran tekstireitillä | Oletus— |
Kenttäcache_control.ttl | Tyyppistring | VaatimusValinnainen | Arvot & rajat Ehdot: 1h hylätään varsinaisissa kehotevälimuistin kohdissa | Oletus— |
Teksti · UTF8-teksti
messages[].content
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages |
Parametrimaterial_types | Sopimustext |
Parametrimessages | Sopimusviestitaulukko role/content-rakenteella |
Parametrifile_material | Sopimusvarsinainen UTF-8-asiakirja lisätään sellaisenaan tekstinä; tiedoston ID:tä ei päätellä |
Parametrioptional_controls | Sopimusstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametricontrol_scope | Sopimusmallikohtainen; käyttäjän funktiotyökalut eroavat palvelun isännöimistä työkaluista |
Parametrioutput_modalities | Sopimustext |
Parametrihosted_operations | Sopimusfalse |
Parametrimultimodal_input_binding | Sopimusnull |
Elinkaari: synchronous_or_streamed
Lähetä mallin täsmällinen ID yhdessä messages-kentän kanssa.
Kontekstin pituus ei ole tuloksen yläraja.
Tekstitiedosto voi antaa tekstiä sellaisenaan; kuva-, ääni- ja tiedosto-objektisyötteet tarvitsevat täsmällisen sidonnan.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.004 / 1K tokenia Tuloste · Tulostokenit $0.02 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-2-vision-1212", "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-2-vision-1212',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-2-vision-1212',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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä jokainen vastausvaihtoehto sisältöineen, työkalukutsuineen ja päättelyineen. Kokoa SSE:ssä muutokset vastausvaihtoehdon ja työkalun indeksin mukaan ja säilytä lopullinen päättymissyy sekä käyttötiedot.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttächoices[].index | Tyyppiinteger |
Kenttächoices[].message.content | Tyyppistring|null |
Kenttächoices[].message.tool_calls | Tyyppitool_call[] |
Kenttächoices[].message.reasoning_content | Tyyppistring |
Kenttächoices[].message.reasoning_details | Tyyppiobject|array |
Kenttächoices[].finish_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra grok-2-vision-1212
Käytä yllä näytettyjä menetelmäpolkuja.
grok-2-vision-1212Grok 2 Vision 1212 on xAI:n kuvantulkintaversio asiakirjoja, kaavioita, valokuvia ja kuvakaappauksia koskeviin kysymyksiin. Se yhdistää kirjallisen kysymyksen visuaaliseen syötteeseen ja palauttaa tekstivastauksen. Nimetylle versiolle on dokumentoitu rakenteisten tulosten ja funktiokutsujen ominaisuudet.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Grok 2 Vision 1212 on xAI:n Grok 2 -perheen visuaalista syötettä käyttävä versio, jonka tunniste on grok-2-vision-1212. Valmistaja esittelee Grok 2:n tekstin ja visuaalisen aineiston ymmärtämiseen tarkoitettuna mallina, jonka tehtäviin kuuluvat asiakirjoja koskevat kysymykset ja matemaattinen päättely visuaalisesta aineistosta. Myöhemmän 1212-julkaisun tiedote kuvaa parannuksia ohjeiden noudattamiseen ja monikieliseen toimintaan. Tämä kortti koskee nimettyä vision-versiota ja sen tuottamaa tekstiä.
Valmistajan mallimetatiedot ilmoittavat syötteeksi tekstin ja kuvat ja tulosteeksi tekstin. Käytännön tehtävä alkaa siis sekä visuaalisesta näytöstä että täsmällisestä kysymyksestä. Määritä asiakirjasivusta kenttä, osio tai suhde, josta tarvitset selityksen; nimeä kaaviosta olennaiset selitteet ja suureet; kuvaa kuvakaappauksesta käyttäjän tavoite ja tarkasteltava elementti. Tarkoituksena on yhdistää näkyvä sisältö pyyntöön sen sijaan, että pyydettäisiin kohdentamatonta kuvausta kaikesta kuvassa olevasta.
Havainnollistava asiakirjapyyntö on: ”Lue tämän sivun otsikot ja nimetyt kentät. Palauta näkyvät arvot, merkitse kohdat, joita ei voi lukea varmasti, ja selitä, mikä katkelma tukee vastaustasi.” Kaaviopyyntö voi koskea kahden sarjan suhdetta sekä suoraan näkyvien arvojen ja tulkinnan erottamista toisistaan. Pyydä tuotevalokuvasta näkyvät ominaisuudet ja vertailu annettuun kirjalliseen määritykseen. Nämä ovat valmistajan visuaalisten tehtäväryhmien pohjalta laadittuja valmistelu- ja tulosesimerkkejä, eivät lupauksia siitä, että kaikki yksityiskohdat voidaan palauttaa jokaisesta kuvasta.
Nimettyä mallia koskeva esimerkki ilmoittaa myös tuen rakenteisille tuloksille ja funktiokutsuille. Määritä poimintaa varten haluttu tulos: esimerkiksi luettelo kentistä, niiden näkyvästä tekstistä ja epävarmuutta koskevasta huomautuksesta. Anna työkalun avustamaa tehtävää varten sallittujen työkalujen kuvaukset ja toiminnon tarvitsema tieto. Sovellus suorittaa toiminnon ja palauttaa sen tuloksen; malli voi sitten käyttää tietoa seuraavassa tekstivastauksessa. Vision-ominaisuus itsessään on kyky tulkita annettua kuvaa, kun taas ulkoinen toiminto kuuluu ympäröivälle sovellukselle.
Tämä versio on valmistajan kyseisessä esimerkissä lueteltu ilman erillistä päättelytilaa. Se voi silti vastata suhteita ja selityksiä edellyttäviin kysymyksiin, mutta muiden Grok-julkaisujen yhteydessä kuvatut erilliset laajennetun ajattelun tilat tulee pitää erillään. Sama esimerkki ilmoittaa kehotteen enimmäispituudeksi 32 768 tokenia. Se on nimetyn mallin julkaistu syötekenttä, ei erikseen dokumentoitu vastauksen enimmäispituus. Luetut ensisijaiset lähteet eivät määritä Vision 1212:lle täsmällistä yleistä kuvamäärän, kuvaresoluution tai tulostetokenien ylärajaa, joten näiden arvojen tulee perustua tietyn pyynnön määritykseen sen sijaan, että ne lainattaisiin uudemmasta vision-mallista.
Kiinteällä 1212-nimellä on myös merkitystä version valinnassa. Grok 2:n pelkkää tekstiä käyttävä julkaisu ja sen kuvantuotantotuotteet palvelevat eri syötteitä ja tuloksia. Tässä kuvattu tulos on kirjallinen vastaus visuaalisesta aineistosta. Grok-sovelluksessa esitellyt ominaisuudet, kuten lisähaku tai kuvantuotantotoiminnot, ovat erillisiä perheen ympärille rakennettuja integraatioita, jotka tulee erottaa tämän nimetyn malliversion kyvyistä.
Valmistele luettavat sivut ja nimeä jokainen kuva, kun vertailet aineistoja. Kerro, mikä kuvan osa on olennainen, sisällytä kysymykseen tarvittavat määritelmät tai yksiköt ja pyydä vastausta säilyttämään alkuperäiset nimet. Valitse hyödylliseksi lopputuotokseksi selitys, poimintataulukko tai näyttöön yhdistetty havaintoluettelo. Jos kuva on monitulkintainen, säilytä epävarmuus tuloksessa ja tarkista merkittävät tulkinnat alkuperäisestä aineistosta.
POST /v1/messagestextjson, sse| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat grok-2-vision-1212 | Oletus— |
Kenttämessages | Tyyppimessage[] | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämessages[].role | Tyyppistring | VaatimusPakollinen | Arvot & rajat user, assistant | Oletus— |
Kenttämessages[].content | Tyyppistring | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttämax_tokens | Tyyppiinteger | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttästream | Tyyppiboolean | VaatimusValinnainen | Arvot & rajat | Oletusfalse |
Teksti · UTF-8-teksti
messages[].content-merkkijono
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, messages, max_tokens |
Parametrioptional_controls | Sopimusstream |
Parametrimaterial_types | Sopimustext |
Parametritext_file_material | SopimusLue varsinainen UTF-8-asiakirja ja sijoita sen teksti ilmoitettuun syöte- tai viestisisällön merkkijonoon. |
Elinkaari: synchronous_or_streamed
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.004 / 1K tokenia Tuloste · Tulostokenit $0.02 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "grok-2-vision-1212",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2-vision-1212', '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-2-vision-1212', '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 tai SSE
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä kaikki sisältölohkot, päättelyallekirjoitukset ja todelliset työkalukäytön ID:t. Kokoa kaikki SSE-lohkomuutokset; ensimmäinen tekstilohko ei ole koko tulos.
Säilytä pyyntöjen/vastausten ID:t ja otsakkeet. Yleistä tekstityön haku-URL:ää ei anneta.
| Kenttä | Tyyppi |
|---|---|
Kenttäid | Tyyppistring |
Kenttämodel | Tyyppistring |
Kenttäcontent[] | Tyyppitext|thinking|tool_use|other content block |
Kenttästop_reason | Tyyppistring|null |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra grok-2-vision-1212
Käytä yllä näytettyjä menetelmäpolkuja.
Tekninen esimerkki englanniksi
Interpret a transcribed sales chart\n\nUse this chart transcription: January sales 80 units, February 100, March 90. The vertical axis is units, not currency. Write a three-sentence chart caption covering the peak, the change from January to March and one conclusion about revenue that cannot be drawn from these values.A three-sentence caption separating stated sales values, a calculated change and the revenue-information limit.Check that the caption retains units and does not infer revenue or prices from unit counts.