Grok 2 Vision 1212 est l'édition à entrée visuelle de la famille Grok 2 de xAI, identifiée par le nom grok-2-vision-1212. Le fabricant présente Grok 2 comme un modèle de compréhension textuelle et visuelle, avec des tâches comprenant des questions sur des documents et du raisonnement mathématique à partir d'éléments visuels. L'annonce ultérieure de la version 1212 décrit des améliorations du respect des instructions et du comportement multilingue. Cette fiche concerne l'édition vision nommée et son résultat textuel.
Les métadonnées du modèle du producteur indiquent le texte et les images comme entrées, et le texte comme sortie. Une tâche pratique commence donc à la fois par les preuves visuelles et une question précise. Pour une page de document, précisez le champ, la section ou la relation à expliquer; pour un graphique, identifiez les étiquettes et les quantités importantes; pour une capture d'écran, décrivez l'objectif de l'utilisateur et l'élément à examiner. Le but est de relier le contenu visible à la demande plutôt que de demander une description sans objectif de tout ce qui figure dans l'image.
Un exemple de demande documentaire est : « Lisez les titres et les champs étiquetés de cette page. Retournez les valeurs visibles, signalez les entrées qui ne peuvent pas être lues de façon fiable et expliquez quel passage appuie votre réponse. » Une demande sur un graphique pourrait porter sur la relation entre deux séries et demander une distinction entre les valeurs directement visibles et l'interprétation. Pour une photographie de produit, demandez les caractéristiques visibles et une comparaison avec la spécification écrite fournie. Ce sont des exemples de préparation et de sortie fondés sur les familles de tâches visuelles du fabricant, et non des promesses que chaque détail peut être récupéré de chaque image.
L'exemple du modèle nommé consigne aussi la prise en charge des sorties structurées et des appels de fonctions. Pour l'extraction, définissez le résultat souhaité : par exemple, une liste de champs, leur texte visible et une note d'incertitude. Pour une tâche assistée par des outils, fournissez les descriptions des outils autorisés et l'information nécessaire à une opération. L'application effectue l'opération et retourne son résultat; le modèle peut ensuite utiliser cette information dans la prochaine réponse textuelle. La fonction vision elle-même est la capacité d'interpréter l'image fournie, tandis que l'opération externe relève de l'application environnante.
Cette édition est indiquée sans mode de raisonnement distinct dans cet exemple du producteur. Elle peut tout de même répondre à des questions qui exigent des relations et des explications, mais les modes explicites de raisonnement prolongé décrits pour d'autres versions Grok doivent rester séparés. Le même exemple indique une longueur maximale de consigne de 32,768 jetons. Il s'agit du champ d'entrée publié pour le modèle nommé, et non d'une longueur maximale de réponse documentée séparément. Les sources primaires consultées n'établissent pas de plafond global exact du nombre d'images, de leur résolution ou des jetons de sortie pour Vision 1212; ces valeurs doivent donc provenir d'une spécification de requête précise plutôt que d'être empruntées à un modèle vision plus récent.
Le nom fixe 1212 importe aussi lors du choix d'une édition. La version uniquement textuelle de Grok 2 et ses produits de génération d'images servent des entrées et des sorties différentes. Le résultat décrit ici est une réponse écrite sur des éléments visuels. Les fonctions présentées dans l'application Grok, comme des expériences supplémentaires de recherche ou de génération d'images, sont des intégrations distinctes autour de la famille et doivent être distinguées des capacités de cette entrée de modèle nommée.
Préparez des pages lisibles et attribuez une étiquette à chaque image lorsque vous comparez des éléments. Précisez quelle partie de l'image est pertinente, incluez toute définition ou unité nécessaire dans la question et demandez au modèle de conserver les noms originaux dans sa réponse. Pour un livrable final utile, choisissez une explication, un tableau d'extraction ou une liste d'observations reliées aux preuves. Si l'image est ambiguë, conservez cette incertitude dans la sortie et vérifiez les lectures importantes par rapport aux éléments originaux.
", "aboutText": "Grok 2 Vision 1212 est l'édition à entrée visuelle de la famille Grok 2 de xAI, identifiée par le nom grok-2-vision-1212. Le fabricant présente Grok 2 comme un modèle de compréhension textuelle et visuelle, avec des tâches comprenant des questions sur des documents et du raisonnement mathématique à partir d'éléments visuels. L'annonce ultérieure de la version 1212 décrit des améliorations du respect des instructions et du comportement multilingue. Cette fiche concerne l'édition vision nommée et son résultat textuel.\n\nLes métadonnées du modèle du producteur indiquent le texte et les images comme entrées, et le texte comme sortie. Une tâche pratique commence donc à la fois par les preuves visuelles et une question précise. Pour une page de document, précisez le champ, la section ou la relation à expliquer; pour un graphique, identifiez les étiquettes et les quantités importantes; pour une capture d'écran, décrivez l'objectif de l'utilisateur et l'élément à examiner. Le but est de relier le contenu visible à la demande plutôt que de demander une description sans objectif de tout ce qui figure dans l'image.\n\nUn exemple de demande documentaire est : « Lisez les titres et les champs étiquetés de cette page. Retournez les valeurs visibles, signalez les entrées qui ne peuvent pas être lues de façon fiable et expliquez quel passage appuie votre réponse. » Une demande sur un graphique pourrait porter sur la relation entre deux séries et demander une distinction entre les valeurs directement visibles et l'interprétation. Pour une photographie de produit, demandez les caractéristiques visibles et une comparaison avec la spécification écrite fournie. Ce sont des exemples de préparation et de sortie fondés sur les familles de tâches visuelles du fabricant, et non des promesses que chaque détail peut être récupéré de chaque image.\n\nL'exemple du modèle nommé consigne aussi la prise en charge des sorties structurées et des appels de fonctions. Pour l'extraction, définissez le résultat souhaité : par exemple, une liste de champs, leur texte visible et une note d'incertitude. Pour une tâche assistée par des outils, fournissez les descriptions des outils autorisés et l'information nécessaire à une opération. L'application effectue l'opération et retourne son résultat; le modèle peut ensuite utiliser cette information dans la prochaine réponse textuelle. La fonction vision elle-même est la capacité d'interpréter l'image fournie, tandis que l'opération externe relève de l'application environnante.\n\nCette édition est indiquée sans mode de raisonnement distinct dans cet exemple du producteur. Elle peut tout de même répondre à des questions qui exigent des relations et des explications, mais les modes explicites de raisonnement prolongé décrits pour d'autres versions Grok doivent rester séparés. Le même exemple indique une longueur maximale de consigne de 32,768 jetons. Il s'agit du champ d'entrée publié pour le modèle nommé, et non d'une longueur maximale de réponse documentée séparément. Les sources primaires consultées n'établissent pas de plafond global exact du nombre d'images, de leur résolution ou des jetons de sortie pour Vision 1212; ces valeurs doivent donc provenir d'une spécification de requête précise plutôt que d'être empruntées à un modèle vision plus récent.\n\nLe nom fixe 1212 importe aussi lors du choix d'une édition. La version uniquement textuelle de Grok 2 et ses produits de génération d'images servent des entrées et des sorties différentes. Le résultat décrit ici est une réponse écrite sur des éléments visuels. Les fonctions présentées dans l'application Grok, comme des expériences supplémentaires de recherche ou de génération d'images, sont des intégrations distinctes autour de la famille et doivent être distinguées des capacités de cette entrée de modèle nommée.\n\nPréparez des pages lisibles et attribuez une étiquette à chaque image lorsque vous comparez des éléments. Précisez quelle partie de l'image est pertinente, incluez toute définition ou unité nécessaire dans la question et demandez au modèle de conserver les noms originaux dans sa réponse. Pour un livrable final utile, choisissez une explication, un tableau d'extraction ou une liste d'observations reliées aux preuves. Si l'image est ambiguë, conservez cette incertitude dans la sortie et vérifiez les lectures importantes par rapport aux éléments originaux.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Interpret a transcribed sales chart\n\nUse this chart transcription: January sales 80 units, February 100, March 90. The vertical axis is units, not currency. Write a three-sentence chart caption covering the peak, the change from January to March and one conclusion about revenue that cannot be drawn from these values.A three-sentence caption separating stated sales values, a calculated change and the revenue-information limit.Check that the caption retains units and does not infer revenue or prices from unit counts.grok-2-vision-1212Grok 2 Vision 1212 est l'édition de xAI de compréhension d'images pour les questions sur des documents, des graphiques, des photographies et des captures d'écran. Elle combine une question écrite avec une entrée visuelle et retourne une réponse textuelle, avec des fonctionnalités de sortie structurée et d'appels de fonctions documentées pour l'édition nommée.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Grok 2 Vision 1212 est l'édition à entrée visuelle de la famille Grok 2 de xAI, identifiée par le nom grok-2-vision-1212. Le fabricant présente Grok 2 comme un modèle de compréhension textuelle et visuelle, avec des tâches comprenant des questions sur des documents et du raisonnement mathématique à partir d'éléments visuels. L'annonce ultérieure de la version 1212 décrit des améliorations du respect des instructions et du comportement multilingue. Cette fiche concerne l'édition vision nommée et son résultat textuel.
Les métadonnées du modèle du producteur indiquent le texte et les images comme entrées, et le texte comme sortie. Une tâche pratique commence donc à la fois par les preuves visuelles et une question précise. Pour une page de document, précisez le champ, la section ou la relation à expliquer; pour un graphique, identifiez les étiquettes et les quantités importantes; pour une capture d'écran, décrivez l'objectif de l'utilisateur et l'élément à examiner. Le but est de relier le contenu visible à la demande plutôt que de demander une description sans objectif de tout ce qui figure dans l'image.
Un exemple de demande documentaire est : « Lisez les titres et les champs étiquetés de cette page. Retournez les valeurs visibles, signalez les entrées qui ne peuvent pas être lues de façon fiable et expliquez quel passage appuie votre réponse. » Une demande sur un graphique pourrait porter sur la relation entre deux séries et demander une distinction entre les valeurs directement visibles et l'interprétation. Pour une photographie de produit, demandez les caractéristiques visibles et une comparaison avec la spécification écrite fournie. Ce sont des exemples de préparation et de sortie fondés sur les familles de tâches visuelles du fabricant, et non des promesses que chaque détail peut être récupéré de chaque image.
L'exemple du modèle nommé consigne aussi la prise en charge des sorties structurées et des appels de fonctions. Pour l'extraction, définissez le résultat souhaité : par exemple, une liste de champs, leur texte visible et une note d'incertitude. Pour une tâche assistée par des outils, fournissez les descriptions des outils autorisés et l'information nécessaire à une opération. L'application effectue l'opération et retourne son résultat; le modèle peut ensuite utiliser cette information dans la prochaine réponse textuelle. La fonction vision elle-même est la capacité d'interpréter l'image fournie, tandis que l'opération externe relève de l'application environnante.
Cette édition est indiquée sans mode de raisonnement distinct dans cet exemple du producteur. Elle peut tout de même répondre à des questions qui exigent des relations et des explications, mais les modes explicites de raisonnement prolongé décrits pour d'autres versions Grok doivent rester séparés. Le même exemple indique une longueur maximale de consigne de 32,768 jetons. Il s'agit du champ d'entrée publié pour le modèle nommé, et non d'une longueur maximale de réponse documentée séparément. Les sources primaires consultées n'établissent pas de plafond global exact du nombre d'images, de leur résolution ou des jetons de sortie pour Vision 1212; ces valeurs doivent donc provenir d'une spécification de requête précise plutôt que d'être empruntées à un modèle vision plus récent.
Le nom fixe 1212 importe aussi lors du choix d'une édition. La version uniquement textuelle de Grok 2 et ses produits de génération d'images servent des entrées et des sorties différentes. Le résultat décrit ici est une réponse écrite sur des éléments visuels. Les fonctions présentées dans l'application Grok, comme des expériences supplémentaires de recherche ou de génération d'images, sont des intégrations distinctes autour de la famille et doivent être distinguées des capacités de cette entrée de modèle nommée.
Préparez des pages lisibles et attribuez une étiquette à chaque image lorsque vous comparez des éléments. Précisez quelle partie de l'image est pertinente, incluez toute définition ou unité nécessaire dans la question et demandez au modèle de conserver les noms originaux dans sa réponse. Pour un livrable final utile, choisissez une explication, un tableau d'extraction ou une liste d'observations reliées aux preuves. Si l'image est ambiguë, conservez cette incertitude dans la sortie et vérifiez les lectures importantes par rapport aux éléments originaux.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites grok-2-vision-1212 | 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’ID 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: Fonction fournie comme outil | 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 refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | 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 comme texte littéral ; aucun ID 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’ID 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/objet 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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-2-vision-1212", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='grok-2-vision-1212',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='grok-2-vision-1212',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra grok-2-vision-1212
Utilisez les chemins de méthode indiqués ci-dessus.
grok-2-vision-1212Grok 2 Vision 1212 est l'édition de xAI de compréhension d'images pour les questions sur des documents, des graphiques, des photographies et des captures d'écran. Elle combine une question écrite avec une entrée visuelle et retourne une réponse textuelle, avec des fonctionnalités de sortie structurée et d'appels de fonctions documentées pour l'édition nommée.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Grok 2 Vision 1212 est l'édition à entrée visuelle de la famille Grok 2 de xAI, identifiée par le nom grok-2-vision-1212. Le fabricant présente Grok 2 comme un modèle de compréhension textuelle et visuelle, avec des tâches comprenant des questions sur des documents et du raisonnement mathématique à partir d'éléments visuels. L'annonce ultérieure de la version 1212 décrit des améliorations du respect des instructions et du comportement multilingue. Cette fiche concerne l'édition vision nommée et son résultat textuel.
Les métadonnées du modèle du producteur indiquent le texte et les images comme entrées, et le texte comme sortie. Une tâche pratique commence donc à la fois par les preuves visuelles et une question précise. Pour une page de document, précisez le champ, la section ou la relation à expliquer; pour un graphique, identifiez les étiquettes et les quantités importantes; pour une capture d'écran, décrivez l'objectif de l'utilisateur et l'élément à examiner. Le but est de relier le contenu visible à la demande plutôt que de demander une description sans objectif de tout ce qui figure dans l'image.
Un exemple de demande documentaire est : « Lisez les titres et les champs étiquetés de cette page. Retournez les valeurs visibles, signalez les entrées qui ne peuvent pas être lues de façon fiable et expliquez quel passage appuie votre réponse. » Une demande sur un graphique pourrait porter sur la relation entre deux séries et demander une distinction entre les valeurs directement visibles et l'interprétation. Pour une photographie de produit, demandez les caractéristiques visibles et une comparaison avec la spécification écrite fournie. Ce sont des exemples de préparation et de sortie fondés sur les familles de tâches visuelles du fabricant, et non des promesses que chaque détail peut être récupéré de chaque image.
L'exemple du modèle nommé consigne aussi la prise en charge des sorties structurées et des appels de fonctions. Pour l'extraction, définissez le résultat souhaité : par exemple, une liste de champs, leur texte visible et une note d'incertitude. Pour une tâche assistée par des outils, fournissez les descriptions des outils autorisés et l'information nécessaire à une opération. L'application effectue l'opération et retourne son résultat; le modèle peut ensuite utiliser cette information dans la prochaine réponse textuelle. La fonction vision elle-même est la capacité d'interpréter l'image fournie, tandis que l'opération externe relève de l'application environnante.
Cette édition est indiquée sans mode de raisonnement distinct dans cet exemple du producteur. Elle peut tout de même répondre à des questions qui exigent des relations et des explications, mais les modes explicites de raisonnement prolongé décrits pour d'autres versions Grok doivent rester séparés. Le même exemple indique une longueur maximale de consigne de 32,768 jetons. Il s'agit du champ d'entrée publié pour le modèle nommé, et non d'une longueur maximale de réponse documentée séparément. Les sources primaires consultées n'établissent pas de plafond global exact du nombre d'images, de leur résolution ou des jetons de sortie pour Vision 1212; ces valeurs doivent donc provenir d'une spécification de requête précise plutôt que d'être empruntées à un modèle vision plus récent.
Le nom fixe 1212 importe aussi lors du choix d'une édition. La version uniquement textuelle de Grok 2 et ses produits de génération d'images servent des entrées et des sorties différentes. Le résultat décrit ici est une réponse écrite sur des éléments visuels. Les fonctions présentées dans l'application Grok, comme des expériences supplémentaires de recherche ou de génération d'images, sont des intégrations distinctes autour de la famille et doivent être distinguées des capacités de cette entrée de modèle nommée.
Préparez des pages lisibles et attribuez une étiquette à chaque image lorsque vous comparez des éléments. Précisez quelle partie de l'image est pertinente, incluez toute définition ou unité nécessaire dans la question et demandez au modèle de conserver les noms originaux dans sa réponse. Pour un livrable final utile, choisissez une explication, un tableau d'extraction ou une liste d'observations reliées aux preuves. Si l'image est ambiguë, conservez cette incertitude dans la sortie et vérifiez les lectures importantes par rapport aux éléments originaux.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites grok-2-vision-1212 | 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 jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.02 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "grok-2-vision-1212",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-2-vision-1212', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-2-vision-1212', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 ID 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 ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle 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 éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra grok-2-vision-1212
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Interpret a transcribed sales chart\n\nUse this chart transcription: January sales 80 units, February 100, March 90. The vertical axis is units, not currency. Write a three-sentence chart caption covering the peak, the change from January to March and one conclusion about revenue that cannot be drawn from these values.A three-sentence caption separating stated sales values, a calculated change and the revenue-information limit.Check that the caption retains units and does not infer revenue or prices from unit counts.