Identité et objectif du modèle
Grok 4.20 Non-Reasoning est la configuration nommée de xAI pour les réponses guidées par les instructions et les appels d’outils par des agents. Le fabricant indique grok-4.20-beta-0309-non-reasoning comme alias de grok-4.20-0309-non-reasoning. Conserver ce nom exact est important pour distinguer cette édition d’un identifiant latest évolutif ou d’une autre configuration Grok 4.20. Son objectif annoncé met l’accent sur le respect du prompt et la préparation d’une réponse précise à la tâche.
Entrées, sortie et contexte
Le modèle accepte le texte et les images et produit du texte. La fenêtre de contexte annoncée est de 1,000,000 tokens, offrant de la place pour des instructions volumineuses, des textes de référence et l’historique de conversation autour de la tâche visuelle. La compréhension d’images relève du traitement des entrées ; la sortie est ici une explication ou des données exprimées en texte. Préparez des éléments visuels lisibles et expliquez leur rôle : l’état d’interface à examiner, le graphique à interpréter ou le fragment de document à décrire.
Appel de fonctions
Le fabricant documente l’appel de fonctions comme une capacité du modèle. Une application connectée définit les fonctions et leurs arguments ; le modèle peut sélectionner une action pertinente et renvoyer les informations nécessaires pour l’appeler. Pour une tâche d’assistance visuelle, fournissez la capture d’écran, l’objectif de l’utilisateur et les descriptions des outils de diagnostic autorisés. Un résultat utile peut identifier l’état observé, demander un détail manquant ou proposer la prochaine opération disponible. L’application exécute cette opération et renvoie son observation. Le texte du modèle doit distinguer une action proposée d’une action effectivement accomplie.
Sorties structurées
Le modèle prend également en charge des résultats structurés destinés à un traitement ultérieur. L’interface du fabricant permet aussi le traitement par lots. Au lieu d’une explication sans contraintes, définissez des champs adaptés à la tâche : l’élément observé, le détail pertinent, une interprétation concise et les questions non résolues. Un exemple de tâche documentaire peut demander les noms et les valeurs visibles dans une image, avec une règle explicite pour les entrées illisibles. Une tâche d’analyse produit peut demander un tableau comparatif fondé sur les textes et images fournis. Un schéma organise la réponse ; il ne transforme pas une interprétation incertaine d’une image en fait vérifié.
Préparer une requête pratique
Séparez les preuves des instructions. Si plusieurs images accompagnent une question, identifiez chacune d’elles et précisez s’il s’agit de comparaison, d’extraction ou d’explication. Incluez les critères qui déterminent le résultat : l’état d’interface attendu, les champs à extraire ou les détails à conserver. Pour une longue discussion, fournissez l’historique pertinent et les résultats précédents des outils afin que la réponse suivante traite l’état actuel. Demandez un livrable final concret, comme une explication d’assistance, une liste d’écarts observés ou un enregistrement structuré pour l’étape suivante de l’application.
Limites de l’édition et des capacités
Non-Reasoning est conservé comme identité de la configuration ; ce choix doit être délibéré et tenir compte des configurations de raisonnement portant un nom distinct. Des entrées textuelles et visuelles ne spécifient pas le traitement de l’audio ou de la vidéo, et la fenêtre de contexte n’est pas une longueur maximale de réponse. Les appels de fonctions nécessitent de véritables outils connectés, tandis que le texte structuré nécessite un format de sortie pris en charge par l’intégration. Préservez l’alias 0309 exact lors de l’enregistrement de la tâche pour pouvoir distinguer les changements d’édition ou de comportement de l’application des capacités du modèle décrites ici.
", "aboutText": "Identité et objectif du modèle\n\nGrok 4.20 Non-Reasoning est la configuration nommée de xAI pour les réponses guidées par les instructions et les appels d’outils par des agents. Le fabricant indique grok-4.20-beta-0309-non-reasoning comme alias de grok-4.20-0309-non-reasoning. Conserver ce nom exact est important pour distinguer cette édition d’un identifiant latest évolutif ou d’une autre configuration Grok 4.20. Son objectif annoncé met l’accent sur le respect du prompt et la préparation d’une réponse précise à la tâche.\n\nEntrées, sortie et contexte\n\nLe modèle accepte le texte et les images et produit du texte. La fenêtre de contexte annoncée est de 1,000,000 tokens, offrant de la place pour des instructions volumineuses, des textes de référence et l’historique de conversation autour de la tâche visuelle. La compréhension d’images relève du traitement des entrées ; la sortie est ici une explication ou des données exprimées en texte. Préparez des éléments visuels lisibles et expliquez leur rôle : l’état d’interface à examiner, le graphique à interpréter ou le fragment de document à décrire.\n\nAppel de fonctions\n\nLe fabricant documente l’appel de fonctions comme une capacité du modèle. Une application connectée définit les fonctions et leurs arguments ; le modèle peut sélectionner une action pertinente et renvoyer les informations nécessaires pour l’appeler. Pour une tâche d’assistance visuelle, fournissez la capture d’écran, l’objectif de l’utilisateur et les descriptions des outils de diagnostic autorisés. Un résultat utile peut identifier l’état observé, demander un détail manquant ou proposer la prochaine opération disponible. L’application exécute cette opération et renvoie son observation. Le texte du modèle doit distinguer une action proposée d’une action effectivement accomplie.\n\nSorties structurées\n\nLe modèle prend également en charge des résultats structurés destinés à un traitement ultérieur. L’interface du fabricant permet aussi le traitement par lots. Au lieu d’une explication sans contraintes, définissez des champs adaptés à la tâche : l’élément observé, le détail pertinent, une interprétation concise et les questions non résolues. Un exemple de tâche documentaire peut demander les noms et les valeurs visibles dans une image, avec une règle explicite pour les entrées illisibles. Une tâche d’analyse produit peut demander un tableau comparatif fondé sur les textes et images fournis. Un schéma organise la réponse ; il ne transforme pas une interprétation incertaine d’une image en fait vérifié.\n\nPréparer une requête pratique\n\nSéparez les preuves des instructions. Si plusieurs images accompagnent une question, identifiez chacune d’elles et précisez s’il s’agit de comparaison, d’extraction ou d’explication. Incluez les critères qui déterminent le résultat : l’état d’interface attendu, les champs à extraire ou les détails à conserver. Pour une longue discussion, fournissez l’historique pertinent et les résultats précédents des outils afin que la réponse suivante traite l’état actuel. Demandez un livrable final concret, comme une explication d’assistance, une liste d’écarts observés ou un enregistrement structuré pour l’étape suivante de l’application.\n\nLimites de l’édition et des capacités\n\nNon-Reasoning est conservé comme identité de la configuration ; ce choix doit être délibéré et tenir compte des configurations de raisonnement portant un nom distinct. Des entrées textuelles et visuelles ne spécifient pas le traitement de l’audio ou de la vidéo, et la fenêtre de contexte n’est pas une longueur maximale de réponse. Les appels de fonctions nécessitent de véritables outils connectés, tandis que le texte structuré nécessite un format de sortie pris en charge par l’intégration. Préservez l’alias 0309 exact lors de l’enregistrement de la tâche pour pouvoir distinguer les changements d’édition ou de comportement de l’application des capacités du modèle décrites ici.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Extract a source-grounded return record\n\nExtract a return record from this message: 'Order R-204 arrived on 8 May. One blue bowl was cracked; the other two are fine. I want a replacement, not a refund.' Return the order ID, affected item, affected quantity and requested resolution. Mark any absent field 'not stated' and do not infer a cause of damage.A four-field text record preserving the customer's requested resolution and affected quantity.The record distinguishes the one damaged bowl from the two undamaged bowls and does not invent a damage cause.grok-4.20-beta-0309-non-reasoningGrok 4.20 Non-Reasoning est le modèle de texte et d’image de xAI pour les réponses guidées par les instructions, l’appel de fonctions et les résultats structurés. L’identité 0309 prend en charge des tâches reliant des preuves visuelles et un long contexte textuel à une explication claire ou à des champs prêts pour un traitement ultérieur.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Identité et objectif du modèle
Grok 4.20 Non-Reasoning est la configuration nommée de xAI pour les réponses guidées par les instructions et les appels d’outils par des agents. Le fabricant indique grok-4.20-beta-0309-non-reasoning comme alias de grok-4.20-0309-non-reasoning. Conserver ce nom exact est important pour distinguer cette édition d’un identifiant latest évolutif ou d’une autre configuration Grok 4.20. Son objectif annoncé met l’accent sur le respect du prompt et la préparation d’une réponse précise à la tâche.
Entrées, sortie et contexte
Le modèle accepte le texte et les images et produit du texte. La fenêtre de contexte annoncée est de 1,000,000 tokens, offrant de la place pour des instructions volumineuses, des textes de référence et l’historique de conversation autour de la tâche visuelle. La compréhension d’images relève du traitement des entrées ; la sortie est ici une explication ou des données exprimées en texte. Préparez des éléments visuels lisibles et expliquez leur rôle : l’état d’interface à examiner, le graphique à interpréter ou le fragment de document à décrire.
Appel de fonctions
Le fabricant documente l’appel de fonctions comme une capacité du modèle. Une application connectée définit les fonctions et leurs arguments ; le modèle peut sélectionner une action pertinente et renvoyer les informations nécessaires pour l’appeler. Pour une tâche d’assistance visuelle, fournissez la capture d’écran, l’objectif de l’utilisateur et les descriptions des outils de diagnostic autorisés. Un résultat utile peut identifier l’état observé, demander un détail manquant ou proposer la prochaine opération disponible. L’application exécute cette opération et renvoie son observation. Le texte du modèle doit distinguer une action proposée d’une action effectivement accomplie.
Sorties structurées
Le modèle prend également en charge des résultats structurés destinés à un traitement ultérieur. L’interface du fabricant permet aussi le traitement par lots. Au lieu d’une explication sans contraintes, définissez des champs adaptés à la tâche : l’élément observé, le détail pertinent, une interprétation concise et les questions non résolues. Un exemple de tâche documentaire peut demander les noms et les valeurs visibles dans une image, avec une règle explicite pour les entrées illisibles. Une tâche d’analyse produit peut demander un tableau comparatif fondé sur les textes et images fournis. Un schéma organise la réponse ; il ne transforme pas une interprétation incertaine d’une image en fait vérifié.
Préparer une requête pratique
Séparez les preuves des instructions. Si plusieurs images accompagnent une question, identifiez chacune d’elles et précisez s’il s’agit de comparaison, d’extraction ou d’explication. Incluez les critères qui déterminent le résultat : l’état d’interface attendu, les champs à extraire ou les détails à conserver. Pour une longue discussion, fournissez l’historique pertinent et les résultats précédents des outils afin que la réponse suivante traite l’état actuel. Demandez un livrable final concret, comme une explication d’assistance, une liste d’écarts observés ou un enregistrement structuré pour l’étape suivante de l’application.
Limites de l’édition et des capacités
Non-Reasoning est conservé comme identité de la configuration ; ce choix doit être délibéré et tenir compte des configurations de raisonnement portant un nom distinct. Des entrées textuelles et visuelles ne spécifient pas le traitement de l’audio ou de la vidéo, et la fenêtre de contexte n’est pas une longueur maximale de réponse. Les appels de fonctions nécessitent de véritables outils connectés, tandis que le texte structuré nécessite un format de sortie pris en charge par l’intégration. Préservez l’alias 0309 exact lors de l’enregistrement de la tâche pour pouvoir distinguer les changements d’édition ou de comportement de l’application des capacités du modèle décrites ici.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites grok-4.20-beta-0309-non-reasoning | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.012 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-4.20-beta-0309-non-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-4.20-beta-0309-non-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-4.20-beta-0309-non-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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra grok-4.20-beta-0309-non-reasoning
Utilisez les chemins de méthode indiqués ci-dessus.
grok-4.20-beta-0309-non-reasoningGrok 4.20 Non-Reasoning est le modèle de texte et d’image de xAI pour les réponses guidées par les instructions, l’appel de fonctions et les résultats structurés. L’identité 0309 prend en charge des tâches reliant des preuves visuelles et un long contexte textuel à une explication claire ou à des champs prêts pour un traitement ultérieur.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Identité et objectif du modèle
Grok 4.20 Non-Reasoning est la configuration nommée de xAI pour les réponses guidées par les instructions et les appels d’outils par des agents. Le fabricant indique grok-4.20-beta-0309-non-reasoning comme alias de grok-4.20-0309-non-reasoning. Conserver ce nom exact est important pour distinguer cette édition d’un identifiant latest évolutif ou d’une autre configuration Grok 4.20. Son objectif annoncé met l’accent sur le respect du prompt et la préparation d’une réponse précise à la tâche.
Entrées, sortie et contexte
Le modèle accepte le texte et les images et produit du texte. La fenêtre de contexte annoncée est de 1,000,000 tokens, offrant de la place pour des instructions volumineuses, des textes de référence et l’historique de conversation autour de la tâche visuelle. La compréhension d’images relève du traitement des entrées ; la sortie est ici une explication ou des données exprimées en texte. Préparez des éléments visuels lisibles et expliquez leur rôle : l’état d’interface à examiner, le graphique à interpréter ou le fragment de document à décrire.
Appel de fonctions
Le fabricant documente l’appel de fonctions comme une capacité du modèle. Une application connectée définit les fonctions et leurs arguments ; le modèle peut sélectionner une action pertinente et renvoyer les informations nécessaires pour l’appeler. Pour une tâche d’assistance visuelle, fournissez la capture d’écran, l’objectif de l’utilisateur et les descriptions des outils de diagnostic autorisés. Un résultat utile peut identifier l’état observé, demander un détail manquant ou proposer la prochaine opération disponible. L’application exécute cette opération et renvoie son observation. Le texte du modèle doit distinguer une action proposée d’une action effectivement accomplie.
Sorties structurées
Le modèle prend également en charge des résultats structurés destinés à un traitement ultérieur. L’interface du fabricant permet aussi le traitement par lots. Au lieu d’une explication sans contraintes, définissez des champs adaptés à la tâche : l’élément observé, le détail pertinent, une interprétation concise et les questions non résolues. Un exemple de tâche documentaire peut demander les noms et les valeurs visibles dans une image, avec une règle explicite pour les entrées illisibles. Une tâche d’analyse produit peut demander un tableau comparatif fondé sur les textes et images fournis. Un schéma organise la réponse ; il ne transforme pas une interprétation incertaine d’une image en fait vérifié.
Préparer une requête pratique
Séparez les preuves des instructions. Si plusieurs images accompagnent une question, identifiez chacune d’elles et précisez s’il s’agit de comparaison, d’extraction ou d’explication. Incluez les critères qui déterminent le résultat : l’état d’interface attendu, les champs à extraire ou les détails à conserver. Pour une longue discussion, fournissez l’historique pertinent et les résultats précédents des outils afin que la réponse suivante traite l’état actuel. Demandez un livrable final concret, comme une explication d’assistance, une liste d’écarts observés ou un enregistrement structuré pour l’étape suivante de l’application.
Limites de l’édition et des capacités
Non-Reasoning est conservé comme identité de la configuration ; ce choix doit être délibéré et tenir compte des configurations de raisonnement portant un nom distinct. Des entrées textuelles et visuelles ne spécifient pas le traitement de l’audio ou de la vidéo, et la fenêtre de contexte n’est pas une longueur maximale de réponse. Les appels de fonctions nécessitent de véritables outils connectés, tandis que le texte structuré nécessite un format de sortie pris en charge par l’intégration. Préservez l’alias 0309 exact lors de l’enregistrement de la tâche pour pouvoir distinguer les changements d’édition ou de comportement de l’application des capacités du modèle décrites ici.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites grok-4.20-beta-0309-non-reasoning | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.012 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "grok-4.20-beta-0309-non-reasoning",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.20-beta-0309-non-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-4.20-beta-0309-non-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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra grok-4.20-beta-0309-non-reasoning
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Extract a source-grounded return record\n\nExtract a return record from this message: 'Order R-204 arrived on 8 May. One blue bowl was cracked; the other two are fine. I want a replacement, not a refund.' Return the order ID, affected item, affected quantity and requested resolution. Mark any absent field 'not stated' and do not infer a cause of damage.A four-field text record preserving the customer's requested resolution and affected quantity.The record distinguishes the one damaged bowl from the two undamaged bowls and does not invent a damage cause.