Suunniteltu agenttien työnkulkuihin
Grok 4.1 Fast (Reasoning) on xAI:n Grok 4.1 Fast -perheen päättelyä käyttävä kokoonpano. Sen painopiste on tehtävän suorittamisessa päätösten ja työkalujen käytön muodostaman ketjun avulla, erityisesti asiakastuessa ja tutkimuksessa. Perheen ilmoitettu konteksti-ikkuna on 2 miljoonaa tokenia, joten se soveltuu tilanteisiin, joissa ohjeiden, viiteaineiston ja aiempien toimien tulosten on pysyttävä yhdessä. Reasoning ja Non-Reasoning ovat erikseen nimettyjä kokoonpanoja, joiden vastaamistavat eroavat toisistaan.
Koulutus todellisia tehtäviä varten
Mallin kehityksessä käytetään vahvistusoppimista simuloiduissa ympäristöissä, jotka sisältävät erilaisia työkaluja ja tehtäväalueita. Käytännön tarkoituksena on valita kuvauksen perusteella sopiva toiminto, antaa sille tarvittavat argumentit ja jatkaa palautuneen tiedon pohjalta. Asiakastukisovellus voi pyytää mallia tunnistamaan asiakkaan pyynnön, hakemaan olennaisen palvelutietueen, vertaamaan pyyntöä annettuihin sääntöihin ja valmistelemaan seuraavan vaiheen. Anna mallille todelliset käytännöt ja tietueet sen sijaan, että pyytäisit sitä keksimään puuttuvat toimintasäännöt.
Työkalukutsut ja pitkät keskustelut
Pitkälle ulottuva, monivuoroinen koulutus kohdistuu tiettyyn agenttien ongelmaan: tehtävän säilyttämiseen keskustelun ja työkaluhistorian kasvaessa. Laadi tiiviit työkalukuvaukset, selkeät argumenttikentät ja määritelmä sille, milloin tehtävä on valmis. Säilytä palautuneet havainnot niiden tuottaneiden toimintojen yhteydessä. Esimerkiksi palveluongelmaa selvittävä agentti voi verrata lokikatkelmaa tunnettuun vianmääritysmenettelyyn ja valita seuraavan diagnostiikkafunktion. Sovellus suorittaa valitun funktion; malli tulkitsee sen tuloksen ja päivittää vastauksen.
Tiedonhaku, laskenta ja liitetyt työkalut
Valmistajan työkaluja käyttävät työnkulut yhdistävät verkkotiedonhaun, ladattujen asiakirjojen haun, koodin suorituksen ja yhteydet ulkoisiin työkaluihin MCP:n kautta. Kukin työkalu tuo tietoa tai suorittaa toiminnon, joka ylittää tekstin tuottamisen. Asiakirjoihin perustuvassa tutkimustehtävässä voidaan verrata tuotevaatimuksia haettujen katkelmien avulla; laskentatehtävässä koodin tuottamaa tulosta voidaan käyttää numeerisen kehityksen selittämiseen. Nämä kyvyt riippuvat prosessiin tosiasiallisesti liitetyistä työkaluista. Kuvaa haun tietolähde, sallittu toiminto ja odotettu tulos, jotta malli voi yhdistää päättelynsä käytettävissä olevaan näyttöön.
Tutkimustulokset ja paikkansapitävyys
Ilmoitettu tutkimuskäyttö keskittyy tiedon löytämiseen, eri vaiheissa kertyneen näytön yhdistämiseen ja vastauksen tuottamiseen määriteltyyn kysymykseen. Hyödyllinen esimerkkitehtävä on vertailla useita annettuja teknisiä ehdotuksia, tunnistaa ristiriitaiset vaatimukset ja palauttaa suositus sitä tukevine katkelmineen ja avoimine kysymyksineen. Määritä vertailukriteerit sekä olennaisten tietojen ajankohta tai rajaus. Valmistajan paikkansapitävyyteen liittyvä työ kohdistuu perusteettomiin väitteisiin, mutta tuloksesta kannattaa silti tarkistaa, mitä päätelmiä haettu aineisto tukee.
Tilan valinta ja tuloksen valmistelu
Valitse tämä nimetty Reasoning-kokoonpano, kun tehtävä edellyttää analyysia ennen lopullista vastausta, ja määritä lopputuotos: asiakastukivastaus, näyttötaulukko, diagnostiikkasuunnitelma tai tutkimukseen perustuva selitys. Malli tuottaa tekstiä; ulkoiset toiminnot kuuluvat liitetyn sovelluksen työkaluille. Ilmoitettu kontekstikapasiteetti kuvaa alkuperäisen nimetyn mallin syötteen ja historian laajuutta, ei yksittäisen vastauksen kokoa eikä lupausta siitä, että jokainen integraatio hyväksyy saman määrän. Säilytä täsmällinen mallin tunniste ja työkaluhistoria sen sijaan, että korvaisit mallin toisella Grok-perheellä samankaltaisen nimen perusteella.
", "aboutText": "Suunniteltu agenttien työnkulkuihin\n\nGrok 4.1 Fast (Reasoning) on xAI:n Grok 4.1 Fast -perheen päättelyä käyttävä kokoonpano. Sen painopiste on tehtävän suorittamisessa päätösten ja työkalujen käytön muodostaman ketjun avulla, erityisesti asiakastuessa ja tutkimuksessa. Perheen ilmoitettu konteksti-ikkuna on 2 miljoonaa tokenia, joten se soveltuu tilanteisiin, joissa ohjeiden, viiteaineiston ja aiempien toimien tulosten on pysyttävä yhdessä. Reasoning ja Non-Reasoning ovat erikseen nimettyjä kokoonpanoja, joiden vastaamistavat eroavat toisistaan.\n\nKoulutus todellisia tehtäviä varten\n\nMallin kehityksessä käytetään vahvistusoppimista simuloiduissa ympäristöissä, jotka sisältävät erilaisia työkaluja ja tehtäväalueita. Käytännön tarkoituksena on valita kuvauksen perusteella sopiva toiminto, antaa sille tarvittavat argumentit ja jatkaa palautuneen tiedon pohjalta. Asiakastukisovellus voi pyytää mallia tunnistamaan asiakkaan pyynnön, hakemaan olennaisen palvelutietueen, vertaamaan pyyntöä annettuihin sääntöihin ja valmistelemaan seuraavan vaiheen. Anna mallille todelliset käytännöt ja tietueet sen sijaan, että pyytäisit sitä keksimään puuttuvat toimintasäännöt.\n\nTyökalukutsut ja pitkät keskustelut\n\nPitkälle ulottuva, monivuoroinen koulutus kohdistuu tiettyyn agenttien ongelmaan: tehtävän säilyttämiseen keskustelun ja työkaluhistorian kasvaessa. Laadi tiiviit työkalukuvaukset, selkeät argumenttikentät ja määritelmä sille, milloin tehtävä on valmis. Säilytä palautuneet havainnot niiden tuottaneiden toimintojen yhteydessä. Esimerkiksi palveluongelmaa selvittävä agentti voi verrata lokikatkelmaa tunnettuun vianmääritysmenettelyyn ja valita seuraavan diagnostiikkafunktion. Sovellus suorittaa valitun funktion; malli tulkitsee sen tuloksen ja päivittää vastauksen.\n\nTiedonhaku, laskenta ja liitetyt työkalut\n\nValmistajan työkaluja käyttävät työnkulut yhdistävät verkkotiedonhaun, ladattujen asiakirjojen haun, koodin suorituksen ja yhteydet ulkoisiin työkaluihin MCP:n kautta. Kukin työkalu tuo tietoa tai suorittaa toiminnon, joka ylittää tekstin tuottamisen. Asiakirjoihin perustuvassa tutkimustehtävässä voidaan verrata tuotevaatimuksia haettujen katkelmien avulla; laskentatehtävässä koodin tuottamaa tulosta voidaan käyttää numeerisen kehityksen selittämiseen. Nämä kyvyt riippuvat prosessiin tosiasiallisesti liitetyistä työkaluista. Kuvaa haun tietolähde, sallittu toiminto ja odotettu tulos, jotta malli voi yhdistää päättelynsä käytettävissä olevaan näyttöön.\n\nTutkimustulokset ja paikkansapitävyys\n\nIlmoitettu tutkimuskäyttö keskittyy tiedon löytämiseen, eri vaiheissa kertyneen näytön yhdistämiseen ja vastauksen tuottamiseen määriteltyyn kysymykseen. Hyödyllinen esimerkkitehtävä on vertailla useita annettuja teknisiä ehdotuksia, tunnistaa ristiriitaiset vaatimukset ja palauttaa suositus sitä tukevine katkelmineen ja avoimine kysymyksineen. Määritä vertailukriteerit sekä olennaisten tietojen ajankohta tai rajaus. Valmistajan paikkansapitävyyteen liittyvä työ kohdistuu perusteettomiin väitteisiin, mutta tuloksesta kannattaa silti tarkistaa, mitä päätelmiä haettu aineisto tukee.\n\nTilan valinta ja tuloksen valmistelu\n\nValitse tämä nimetty Reasoning-kokoonpano, kun tehtävä edellyttää analyysia ennen lopullista vastausta, ja määritä lopputuotos: asiakastukivastaus, näyttötaulukko, diagnostiikkasuunnitelma tai tutkimukseen perustuva selitys. Malli tuottaa tekstiä; ulkoiset toiminnot kuuluvat liitetyn sovelluksen työkaluille. Ilmoitettu kontekstikapasiteetti kuvaa alkuperäisen nimetyn mallin syötteen ja historian laajuutta, ei yksittäisen vastauksen kokoa eikä lupausta siitä, että jokainen integraatio hyväksyy saman määrän. Säilytä täsmällinen mallin tunniste ja työkaluhistoria sen sijaan, että korvaisit mallin toisella Grok-perheellä samankaltaisen nimen perusteella.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekninen esimerkki englanniksi
Choose the next support diagnostic\n\nUse this troubleshooting procedure: if the service process is stopped, restart is the next diagnostic; if running, inspect its last error. Returned observation: "process running; port unreachable; error log not yet read." Identify the next evidence to request and draft a support update. Do not claim that any diagnostic command has run.A proposed next diagnostic with its reason and a brief support update separating known facts from pending evidence.Verify the running-process branch is used and an unread error log does not become a known cause.grok-4-1-fast-reasoningGrok 4.1 Fast (Reasoning) on xAI:n työkalujen käyttöön painottuva malli monivaiheisiin asiakastuki-, tiedonhaku- ja tutkimustyönkulkuihin. Sen ilmoitettu 2 miljoonan tokenin konteksti auttaa yhdistämään ohjeet, pitkän keskustelun ja peräkkäiset työkalutulokset tehtävän ratkaisemisen aikana.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Suunniteltu agenttien työnkulkuihin
Grok 4.1 Fast (Reasoning) on xAI:n Grok 4.1 Fast -perheen päättelyä käyttävä kokoonpano. Sen painopiste on tehtävän suorittamisessa päätösten ja työkalujen käytön muodostaman ketjun avulla, erityisesti asiakastuessa ja tutkimuksessa. Perheen ilmoitettu konteksti-ikkuna on 2 miljoonaa tokenia, joten se soveltuu tilanteisiin, joissa ohjeiden, viiteaineiston ja aiempien toimien tulosten on pysyttävä yhdessä. Reasoning ja Non-Reasoning ovat erikseen nimettyjä kokoonpanoja, joiden vastaamistavat eroavat toisistaan.
Koulutus todellisia tehtäviä varten
Mallin kehityksessä käytetään vahvistusoppimista simuloiduissa ympäristöissä, jotka sisältävät erilaisia työkaluja ja tehtäväalueita. Käytännön tarkoituksena on valita kuvauksen perusteella sopiva toiminto, antaa sille tarvittavat argumentit ja jatkaa palautuneen tiedon pohjalta. Asiakastukisovellus voi pyytää mallia tunnistamaan asiakkaan pyynnön, hakemaan olennaisen palvelutietueen, vertaamaan pyyntöä annettuihin sääntöihin ja valmistelemaan seuraavan vaiheen. Anna mallille todelliset käytännöt ja tietueet sen sijaan, että pyytäisit sitä keksimään puuttuvat toimintasäännöt.
Työkalukutsut ja pitkät keskustelut
Pitkälle ulottuva, monivuoroinen koulutus kohdistuu tiettyyn agenttien ongelmaan: tehtävän säilyttämiseen keskustelun ja työkaluhistorian kasvaessa. Laadi tiiviit työkalukuvaukset, selkeät argumenttikentät ja määritelmä sille, milloin tehtävä on valmis. Säilytä palautuneet havainnot niiden tuottaneiden toimintojen yhteydessä. Esimerkiksi palveluongelmaa selvittävä agentti voi verrata lokikatkelmaa tunnettuun vianmääritysmenettelyyn ja valita seuraavan diagnostiikkafunktion. Sovellus suorittaa valitun funktion; malli tulkitsee sen tuloksen ja päivittää vastauksen.
Tiedonhaku, laskenta ja liitetyt työkalut
Valmistajan työkaluja käyttävät työnkulut yhdistävät verkkotiedonhaun, ladattujen asiakirjojen haun, koodin suorituksen ja yhteydet ulkoisiin työkaluihin MCP:n kautta. Kukin työkalu tuo tietoa tai suorittaa toiminnon, joka ylittää tekstin tuottamisen. Asiakirjoihin perustuvassa tutkimustehtävässä voidaan verrata tuotevaatimuksia haettujen katkelmien avulla; laskentatehtävässä koodin tuottamaa tulosta voidaan käyttää numeerisen kehityksen selittämiseen. Nämä kyvyt riippuvat prosessiin tosiasiallisesti liitetyistä työkaluista. Kuvaa haun tietolähde, sallittu toiminto ja odotettu tulos, jotta malli voi yhdistää päättelynsä käytettävissä olevaan näyttöön.
Tutkimustulokset ja paikkansapitävyys
Ilmoitettu tutkimuskäyttö keskittyy tiedon löytämiseen, eri vaiheissa kertyneen näytön yhdistämiseen ja vastauksen tuottamiseen määriteltyyn kysymykseen. Hyödyllinen esimerkkitehtävä on vertailla useita annettuja teknisiä ehdotuksia, tunnistaa ristiriitaiset vaatimukset ja palauttaa suositus sitä tukevine katkelmineen ja avoimine kysymyksineen. Määritä vertailukriteerit sekä olennaisten tietojen ajankohta tai rajaus. Valmistajan paikkansapitävyyteen liittyvä työ kohdistuu perusteettomiin väitteisiin, mutta tuloksesta kannattaa silti tarkistaa, mitä päätelmiä haettu aineisto tukee.
Tilan valinta ja tuloksen valmistelu
Valitse tämä nimetty Reasoning-kokoonpano, kun tehtävä edellyttää analyysia ennen lopullista vastausta, ja määritä lopputuotos: asiakastukivastaus, näyttötaulukko, diagnostiikkasuunnitelma tai tutkimukseen perustuva selitys. Malli tuottaa tekstiä; ulkoiset toiminnot kuuluvat liitetyn sovelluksen työkaluille. Ilmoitettu kontekstikapasiteetti kuvaa alkuperäisen nimetyn mallin syötteen ja historian laajuutta, ei yksittäisen vastauksen kokoa eikä lupausta siitä, että jokainen integraatio hyväksyy saman määrän. Säilytä täsmällinen mallin tunniste ja työkaluhistoria sen sijaan, että korvaisit mallin toisella Grok-perheellä samankaltaisen nimen perusteella.
POST /v1/chat/completionstexttext| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat grok-4-1-fast-reasoning | 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 $0.0004 / 1K tokenia Tuloste · Tulostokenit $0.001 / 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-4-1-fast-reasoning", "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-4-1-fast-reasoning',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-4-1-fast-reasoning',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-4-1-fast-reasoning
Käytä yllä näytettyjä menetelmäpolkuja.
grok-4-1-fast-reasoningGrok 4.1 Fast (Reasoning) on xAI:n työkalujen käyttöön painottuva malli monivaiheisiin asiakastuki-, tiedonhaku- ja tutkimustyönkulkuihin. Sen ilmoitettu 2 miljoonan tokenin konteksti auttaa yhdistämään ohjeet, pitkän keskustelun ja peräkkäiset työkalutulokset tehtävän ratkaisemisen aikana.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Suunniteltu agenttien työnkulkuihin
Grok 4.1 Fast (Reasoning) on xAI:n Grok 4.1 Fast -perheen päättelyä käyttävä kokoonpano. Sen painopiste on tehtävän suorittamisessa päätösten ja työkalujen käytön muodostaman ketjun avulla, erityisesti asiakastuessa ja tutkimuksessa. Perheen ilmoitettu konteksti-ikkuna on 2 miljoonaa tokenia, joten se soveltuu tilanteisiin, joissa ohjeiden, viiteaineiston ja aiempien toimien tulosten on pysyttävä yhdessä. Reasoning ja Non-Reasoning ovat erikseen nimettyjä kokoonpanoja, joiden vastaamistavat eroavat toisistaan.
Koulutus todellisia tehtäviä varten
Mallin kehityksessä käytetään vahvistusoppimista simuloiduissa ympäristöissä, jotka sisältävät erilaisia työkaluja ja tehtäväalueita. Käytännön tarkoituksena on valita kuvauksen perusteella sopiva toiminto, antaa sille tarvittavat argumentit ja jatkaa palautuneen tiedon pohjalta. Asiakastukisovellus voi pyytää mallia tunnistamaan asiakkaan pyynnön, hakemaan olennaisen palvelutietueen, vertaamaan pyyntöä annettuihin sääntöihin ja valmistelemaan seuraavan vaiheen. Anna mallille todelliset käytännöt ja tietueet sen sijaan, että pyytäisit sitä keksimään puuttuvat toimintasäännöt.
Työkalukutsut ja pitkät keskustelut
Pitkälle ulottuva, monivuoroinen koulutus kohdistuu tiettyyn agenttien ongelmaan: tehtävän säilyttämiseen keskustelun ja työkaluhistorian kasvaessa. Laadi tiiviit työkalukuvaukset, selkeät argumenttikentät ja määritelmä sille, milloin tehtävä on valmis. Säilytä palautuneet havainnot niiden tuottaneiden toimintojen yhteydessä. Esimerkiksi palveluongelmaa selvittävä agentti voi verrata lokikatkelmaa tunnettuun vianmääritysmenettelyyn ja valita seuraavan diagnostiikkafunktion. Sovellus suorittaa valitun funktion; malli tulkitsee sen tuloksen ja päivittää vastauksen.
Tiedonhaku, laskenta ja liitetyt työkalut
Valmistajan työkaluja käyttävät työnkulut yhdistävät verkkotiedonhaun, ladattujen asiakirjojen haun, koodin suorituksen ja yhteydet ulkoisiin työkaluihin MCP:n kautta. Kukin työkalu tuo tietoa tai suorittaa toiminnon, joka ylittää tekstin tuottamisen. Asiakirjoihin perustuvassa tutkimustehtävässä voidaan verrata tuotevaatimuksia haettujen katkelmien avulla; laskentatehtävässä koodin tuottamaa tulosta voidaan käyttää numeerisen kehityksen selittämiseen. Nämä kyvyt riippuvat prosessiin tosiasiallisesti liitetyistä työkaluista. Kuvaa haun tietolähde, sallittu toiminto ja odotettu tulos, jotta malli voi yhdistää päättelynsä käytettävissä olevaan näyttöön.
Tutkimustulokset ja paikkansapitävyys
Ilmoitettu tutkimuskäyttö keskittyy tiedon löytämiseen, eri vaiheissa kertyneen näytön yhdistämiseen ja vastauksen tuottamiseen määriteltyyn kysymykseen. Hyödyllinen esimerkkitehtävä on vertailla useita annettuja teknisiä ehdotuksia, tunnistaa ristiriitaiset vaatimukset ja palauttaa suositus sitä tukevine katkelmineen ja avoimine kysymyksineen. Määritä vertailukriteerit sekä olennaisten tietojen ajankohta tai rajaus. Valmistajan paikkansapitävyyteen liittyvä työ kohdistuu perusteettomiin väitteisiin, mutta tuloksesta kannattaa silti tarkistaa, mitä päätelmiä haettu aineisto tukee.
Tilan valinta ja tuloksen valmistelu
Valitse tämä nimetty Reasoning-kokoonpano, kun tehtävä edellyttää analyysia ennen lopullista vastausta, ja määritä lopputuotos: asiakastukivastaus, näyttötaulukko, diagnostiikkasuunnitelma tai tutkimukseen perustuva selitys. Malli tuottaa tekstiä; ulkoiset toiminnot kuuluvat liitetyn sovelluksen työkaluille. Ilmoitettu kontekstikapasiteetti kuvaa alkuperäisen nimetyn mallin syötteen ja historian laajuutta, ei yksittäisen vastauksen kokoa eikä lupausta siitä, että jokainen integraatio hyväksyy saman määrän. Säilytä täsmällinen mallin tunniste ja työkaluhistoria sen sijaan, että korvaisit mallin toisella Grok-perheellä samankaltaisen nimen perusteella.
POST /v1/messagestextjson, sse| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat grok-4-1-fast-reasoning | 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 $0.0004 / 1K tokenia Tuloste · Tulostokenit $0.001 / 1K tokenia Syöte · Välimuistin luku $0 / 1K tokenia Syöte · Välimuistiin kirjoitus $0 / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "grok-4-1-fast-reasoning",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-1-fast-reasoning', '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-4-1-fast-reasoning', '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-4-1-fast-reasoning
Käytä yllä näytettyjä menetelmäpolkuja.
Tekninen esimerkki englanniksi
Choose the next support diagnostic\n\nUse this troubleshooting procedure: if the service process is stopped, restart is the next diagnostic; if running, inspect its last error. Returned observation: "process running; port unreachable; error log not yet read." Identify the next evidence to request and draft a support update. Do not claim that any diagnostic command has run.A proposed next diagnostic with its reason and a brief support update separating known facts from pending evidence.Verify the running-process branch is used and an unread error log does not become a known cause.