Grok 4.3 est le modèle généraliste du fabricant, axé sur le suivi des consignes et l’utilisation des outils. Sa fiche accepte du texte et des images, génère du texte et précise une fenêtre de contexte de 1 000 000 de tokens. Les capacités répertoriées comprennent l’appel de fonctions, les sorties structurées et un raisonnement configurable, avec une prise en charge du traitement par lots dans le service du fabricant.
La spécification détaillée actuelle du modèle énumère les efforts de raisonnement none, low, medium, high et xhigh, avec low par défaut. None saute l’étape de raisonnement ; les autres choix allouent une phase de réflexion avant la réponse. Ce sont les réglages de cette fiche précise du fabricant, distincts des listes d’efforts et des valeurs par défaut des versions Grok ultérieures.
Pour l’analyse de documents longs, fournissez les contenus pertinents et définissez les sections ou constats que la réponse doit renvoyer. Le contexte peut contenir un grand ensemble de travail, mais la tâche gagne toujours à avoir des priorités et un livrable explicite. Demandez la conclusion, le passage qui l’étaye et toute condition non résolue au lieu de considérer qu’un long contexte remplace une question claire.
Pour un contenu visuel, identifiez l’objet, la caractéristique du graphique ou le détail de la page à examiner et expliquez son lien avec la tâche écrite. Un résultat utile relie l’observation à la question. Si une conclusion dépend aussi d’informations externes, fournissez ces éléments séparément pour que le modèle distingue ce que montre l’image de ce qu’établit une autre source.
Dans un workflow fondé sur des fonctions, le modèle génère un appel proposé à partir des définitions d’outils. L’application exécute la fonction et renvoie le résultat. Gardez liés les données d’entrée de la fonction, l’observation renvoyée et l’étape suivante du modèle. Pour une tâche de code ou de données, demandez un résultat qui précise ce qui a été proposé et ce que l’application a réellement observé.
Les sorties structurées peuvent convertir une extraction documentaire ou un rapport analytique en champs définis. La prise en charge des schémas par le fabricant couvre les types de données courants et les contraintes bornées, tandis que certaines contraintes avancées dépendent du comportement du modèle. Donnez un sens clair à chaque champ et validez le résultat en fonction des besoins de l’application. Un résultat conforme à un schéma nécessite toujours des éléments probants pour son contenu ; une action proposée doit toujours être exécutée par le workflow qui l’entoure.
", "aboutText": "Grok 4.3 est le modèle généraliste du fabricant, axé sur le suivi des consignes et l’utilisation des outils. Sa fiche accepte du texte et des images, génère du texte et précise une fenêtre de contexte de 1 000 000 de tokens. Les capacités répertoriées comprennent l’appel de fonctions, les sorties structurées et un raisonnement configurable, avec une prise en charge du traitement par lots dans le service du fabricant.\n\nLa spécification détaillée actuelle du modèle énumère les efforts de raisonnement none, low, medium, high et xhigh, avec low par défaut. None saute l’étape de raisonnement ; les autres choix allouent une phase de réflexion avant la réponse. Ce sont les réglages de cette fiche précise du fabricant, distincts des listes d’efforts et des valeurs par défaut des versions Grok ultérieures.\n\nPour l’analyse de documents longs, fournissez les contenus pertinents et définissez les sections ou constats que la réponse doit renvoyer. Le contexte peut contenir un grand ensemble de travail, mais la tâche gagne toujours à avoir des priorités et un livrable explicite. Demandez la conclusion, le passage qui l’étaye et toute condition non résolue au lieu de considérer qu’un long contexte remplace une question claire.\n\nPour un contenu visuel, identifiez l’objet, la caractéristique du graphique ou le détail de la page à examiner et expliquez son lien avec la tâche écrite. Un résultat utile relie l’observation à la question. Si une conclusion dépend aussi d’informations externes, fournissez ces éléments séparément pour que le modèle distingue ce que montre l’image de ce qu’établit une autre source.\n\nDans un workflow fondé sur des fonctions, le modèle génère un appel proposé à partir des définitions d’outils. L’application exécute la fonction et renvoie le résultat. Gardez liés les données d’entrée de la fonction, l’observation renvoyée et l’étape suivante du modèle. Pour une tâche de code ou de données, demandez un résultat qui précise ce qui a été proposé et ce que l’application a réellement observé.\n\nLes sorties structurées peuvent convertir une extraction documentaire ou un rapport analytique en champs définis. La prise en charge des schémas par le fabricant couvre les types de données courants et les contraintes bornées, tandis que certaines contraintes avancées dépendent du comportement du modèle. Donnez un sens clair à chaque champ et validez le résultat en fonction des besoins de l’application. Un résultat conforme à un schéma nécessite toujours des éléments probants pour son contenu ; une action proposée doit toujours être exécutée par le workflow qui l’entoure.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Apply a policy exception with evidence\n\nUse policy P1: standard access expires after 30 days. Exception E2: project Delta access remains valid until the project owner closes the project. Record R3: Delta is still open; access began 45 days ago. Prepare a decision record containing conclusion, governing passage, supporting record and the next condition that would change the conclusion.A four-field decision record linking the policy exception and current project state.Check that the explicit exception is applied and that the 45-day age alone is not treated as expiry for Delta.grok-4.3Grok 4.3 est un modèle texte et image pour le travail guidé par des consignes, le raisonnement et les tâches connectées à des outils, avec un contexte de 1 000 000 de tokens. Dans la configuration documentée par le fabricant, il propose l’appel de fonctions, les sorties structurées et un effort de raisonnement sélectionnable.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Grok 4.3 est le modèle généraliste du fabricant, axé sur le suivi des consignes et l’utilisation des outils. Sa fiche accepte du texte et des images, génère du texte et précise une fenêtre de contexte de 1 000 000 de tokens. Les capacités répertoriées comprennent l’appel de fonctions, les sorties structurées et un raisonnement configurable, avec une prise en charge du traitement par lots dans le service du fabricant.
La spécification détaillée actuelle du modèle énumère les efforts de raisonnement none, low, medium, high et xhigh, avec low par défaut. None saute l’étape de raisonnement ; les autres choix allouent une phase de réflexion avant la réponse. Ce sont les réglages de cette fiche précise du fabricant, distincts des listes d’efforts et des valeurs par défaut des versions Grok ultérieures.
Pour l’analyse de documents longs, fournissez les contenus pertinents et définissez les sections ou constats que la réponse doit renvoyer. Le contexte peut contenir un grand ensemble de travail, mais la tâche gagne toujours à avoir des priorités et un livrable explicite. Demandez la conclusion, le passage qui l’étaye et toute condition non résolue au lieu de considérer qu’un long contexte remplace une question claire.
Pour un contenu visuel, identifiez l’objet, la caractéristique du graphique ou le détail de la page à examiner et expliquez son lien avec la tâche écrite. Un résultat utile relie l’observation à la question. Si une conclusion dépend aussi d’informations externes, fournissez ces éléments séparément pour que le modèle distingue ce que montre l’image de ce qu’établit une autre source.
Dans un workflow fondé sur des fonctions, le modèle génère un appel proposé à partir des définitions d’outils. L’application exécute la fonction et renvoie le résultat. Gardez liés les données d’entrée de la fonction, l’observation renvoyée et l’étape suivante du modèle. Pour une tâche de code ou de données, demandez un résultat qui précise ce qui a été proposé et ce que l’application a réellement observé.
Les sorties structurées peuvent convertir une extraction documentaire ou un rapport analytique en champs définis. La prise en charge des schémas par le fabricant couvre les types de données courants et les contraintes bornées, tandis que certaines contraintes avancées dépendent du comportement du modèle. Donnez un sens clair à chaque champ et validez le résultat en fonction des besoins de l’application. Un résultat conforme à un schéma nécessite toujours des éléments probants pour son contenu ; une action proposée doit toujours être exécutée par le workflow qui l’entoure.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites grok-4.3 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
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 |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse200 000 | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de200 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.01 / 1K tokens Entrée · Lecture du cache $0.0008 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"grok-4.3","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="grok-4.3", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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-4.3, x-ai/grok-4.3
/chat/completions
grok-4.3Grok 4.3 est un modèle texte et image pour le travail guidé par des consignes, le raisonnement et les tâches connectées à des outils, avec un contexte de 1 000 000 de tokens. Dans la configuration documentée par le fabricant, il propose l’appel de fonctions, les sorties structurées et un effort de raisonnement sélectionnable.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Grok 4.3 est le modèle généraliste du fabricant, axé sur le suivi des consignes et l’utilisation des outils. Sa fiche accepte du texte et des images, génère du texte et précise une fenêtre de contexte de 1 000 000 de tokens. Les capacités répertoriées comprennent l’appel de fonctions, les sorties structurées et un raisonnement configurable, avec une prise en charge du traitement par lots dans le service du fabricant.
La spécification détaillée actuelle du modèle énumère les efforts de raisonnement none, low, medium, high et xhigh, avec low par défaut. None saute l’étape de raisonnement ; les autres choix allouent une phase de réflexion avant la réponse. Ce sont les réglages de cette fiche précise du fabricant, distincts des listes d’efforts et des valeurs par défaut des versions Grok ultérieures.
Pour l’analyse de documents longs, fournissez les contenus pertinents et définissez les sections ou constats que la réponse doit renvoyer. Le contexte peut contenir un grand ensemble de travail, mais la tâche gagne toujours à avoir des priorités et un livrable explicite. Demandez la conclusion, le passage qui l’étaye et toute condition non résolue au lieu de considérer qu’un long contexte remplace une question claire.
Pour un contenu visuel, identifiez l’objet, la caractéristique du graphique ou le détail de la page à examiner et expliquez son lien avec la tâche écrite. Un résultat utile relie l’observation à la question. Si une conclusion dépend aussi d’informations externes, fournissez ces éléments séparément pour que le modèle distingue ce que montre l’image de ce qu’établit une autre source.
Dans un workflow fondé sur des fonctions, le modèle génère un appel proposé à partir des définitions d’outils. L’application exécute la fonction et renvoie le résultat. Gardez liés les données d’entrée de la fonction, l’observation renvoyée et l’étape suivante du modèle. Pour une tâche de code ou de données, demandez un résultat qui précise ce qui a été proposé et ce que l’application a réellement observé.
Les sorties structurées peuvent convertir une extraction documentaire ou un rapport analytique en champs définis. La prise en charge des schémas par le fabricant couvre les types de données courants et les contraintes bornées, tandis que certaines contraintes avancées dépendent du comportement du modèle. Donnez un sens clair à chaque champ et validez le résultat en fonction des besoins de l’application. Un résultat conforme à un schéma nécessite toujours des éléments probants pour son contenu ; une action proposée doit toujours être exécutée par le workflow qui l’entoure.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites grok-4.3 | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse200 000 | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de200 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.01 / 1K tokens Entrée · Lecture du cache $0.0008 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "grok-4.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-4.3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-4.3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-4.3, x-ai/grok-4.3
/chat/completions
x-ai/grok-4.3Grok 4.3 est un modèle texte et image pour le travail guidé par des consignes, le raisonnement et les tâches connectées à des outils, avec un contexte de 1 000 000 de tokens. Dans la configuration documentée par le fabricant, il propose l’appel de fonctions, les sorties structurées et un effort de raisonnement sélectionnable.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Grok 4.3 est le modèle généraliste du fabricant, axé sur le suivi des consignes et l’utilisation des outils. Sa fiche accepte du texte et des images, génère du texte et précise une fenêtre de contexte de 1 000 000 de tokens. Les capacités répertoriées comprennent l’appel de fonctions, les sorties structurées et un raisonnement configurable, avec une prise en charge du traitement par lots dans le service du fabricant.
La spécification détaillée actuelle du modèle énumère les efforts de raisonnement none, low, medium, high et xhigh, avec low par défaut. None saute l’étape de raisonnement ; les autres choix allouent une phase de réflexion avant la réponse. Ce sont les réglages de cette fiche précise du fabricant, distincts des listes d’efforts et des valeurs par défaut des versions Grok ultérieures.
Pour l’analyse de documents longs, fournissez les contenus pertinents et définissez les sections ou constats que la réponse doit renvoyer. Le contexte peut contenir un grand ensemble de travail, mais la tâche gagne toujours à avoir des priorités et un livrable explicite. Demandez la conclusion, le passage qui l’étaye et toute condition non résolue au lieu de considérer qu’un long contexte remplace une question claire.
Pour un contenu visuel, identifiez l’objet, la caractéristique du graphique ou le détail de la page à examiner et expliquez son lien avec la tâche écrite. Un résultat utile relie l’observation à la question. Si une conclusion dépend aussi d’informations externes, fournissez ces éléments séparément pour que le modèle distingue ce que montre l’image de ce qu’établit une autre source.
Dans un workflow fondé sur des fonctions, le modèle génère un appel proposé à partir des définitions d’outils. L’application exécute la fonction et renvoie le résultat. Gardez liés les données d’entrée de la fonction, l’observation renvoyée et l’étape suivante du modèle. Pour une tâche de code ou de données, demandez un résultat qui précise ce qui a été proposé et ce que l’application a réellement observé.
Les sorties structurées peuvent convertir une extraction documentaire ou un rapport analytique en champs définis. La prise en charge des schémas par le fabricant couvre les types de données courants et les contraintes bornées, tandis que certaines contraintes avancées dépendent du comportement du modèle. Donnez un sens clair à chaque champ et validez le résultat en fonction des besoins de l’application. Un résultat conforme à un schéma nécessite toujours des éléments probants pour son contenu ; une action proposée doit toujours être exécutée par le workflow qui l’entoure.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites x-ai/grok-4.3 | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse200 000 | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de200 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.01 / 1K tokens Entrée · Lecture du cache $0.0008 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "x-ai/grok-4.3", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='x-ai/grok-4.3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='x-ai/grok-4.3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-4.3, x-ai/grok-4.3
/chat/completions
x-ai/grok-4.3Grok 4.3 est un modèle texte et image pour le travail guidé par des consignes, le raisonnement et les tâches connectées à des outils, avec un contexte de 1 000 000 de tokens. Dans la configuration documentée par le fabricant, il propose l’appel de fonctions, les sorties structurées et un effort de raisonnement sélectionnable.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Grok 4.3 est le modèle généraliste du fabricant, axé sur le suivi des consignes et l’utilisation des outils. Sa fiche accepte du texte et des images, génère du texte et précise une fenêtre de contexte de 1 000 000 de tokens. Les capacités répertoriées comprennent l’appel de fonctions, les sorties structurées et un raisonnement configurable, avec une prise en charge du traitement par lots dans le service du fabricant.
La spécification détaillée actuelle du modèle énumère les efforts de raisonnement none, low, medium, high et xhigh, avec low par défaut. None saute l’étape de raisonnement ; les autres choix allouent une phase de réflexion avant la réponse. Ce sont les réglages de cette fiche précise du fabricant, distincts des listes d’efforts et des valeurs par défaut des versions Grok ultérieures.
Pour l’analyse de documents longs, fournissez les contenus pertinents et définissez les sections ou constats que la réponse doit renvoyer. Le contexte peut contenir un grand ensemble de travail, mais la tâche gagne toujours à avoir des priorités et un livrable explicite. Demandez la conclusion, le passage qui l’étaye et toute condition non résolue au lieu de considérer qu’un long contexte remplace une question claire.
Pour un contenu visuel, identifiez l’objet, la caractéristique du graphique ou le détail de la page à examiner et expliquez son lien avec la tâche écrite. Un résultat utile relie l’observation à la question. Si une conclusion dépend aussi d’informations externes, fournissez ces éléments séparément pour que le modèle distingue ce que montre l’image de ce qu’établit une autre source.
Dans un workflow fondé sur des fonctions, le modèle génère un appel proposé à partir des définitions d’outils. L’application exécute la fonction et renvoie le résultat. Gardez liés les données d’entrée de la fonction, l’observation renvoyée et l’étape suivante du modèle. Pour une tâche de code ou de données, demandez un résultat qui précise ce qui a été proposé et ce que l’application a réellement observé.
Les sorties structurées peuvent convertir une extraction documentaire ou un rapport analytique en champs définis. La prise en charge des schémas par le fabricant couvre les types de données courants et les contraintes bornées, tandis que certaines contraintes avancées dépendent du comportement du modèle. Donnez un sens clair à chaque champ et validez le résultat en fonction des besoins de l’application. Un résultat conforme à un schéma nécessite toujours des éléments probants pour son contenu ; une action proposée doit toujours être exécutée par le workflow qui l’entoure.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites x-ai/grok-4.3 | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse200 000 | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.0004 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de200 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.01 / 1K tokens Entrée · Lecture du cache $0.0008 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "x-ai/grok-4.3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'x-ai/grok-4.3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'x-ai/grok-4.3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-4.3, x-ai/grok-4.3
/chat/completions
Exemple technique en anglais
Apply a policy exception with evidence\n\nUse policy P1: standard access expires after 30 days. Exception E2: project Delta access remains valid until the project owner closes the project. Record R3: Delta is still open; access began 45 days ago. Prepare a decision record containing conclusion, governing passage, supporting record and the next condition that would change the conclusion.A four-field decision record linking the policy exception and current project state.Check that the explicit exception is applied and that the 45-day age alone is not treated as expiry for Delta.