Grok 4.20 Multi-Agent est la variante de recherche collaborative du fournisseur. Plusieurs agents apportent des points de vue et des constats, tandis qu’un agent responsable synthétise le résultat dans la réponse finale. La fiche du modèle spécifie des entrées texte et image, une sortie textuelle et un contexte de 1 000 000 tokens. Cette variante se distingue des sélections ordinaires de Grok 4.20 avec et sans raisonnement.
Le flux de recherche du fournisseur recueille des informations, croise les constats et révise l’enquête à mesure que des éléments probants intermédiaires deviennent disponibles. Ses configurations documentées utilisent quatre ou seize agents. Les efforts low ou medium sélectionnent quatre agents ; high ou xhigh en sélectionnent seize. Dans cette variante, l’effort détermine le nombre de collaborateurs plutôt que la profondeur du raisonnement d’un seul agent.
Le résultat présenté à l’utilisateur contient les appels d’outils et la réponse finale de l’agent responsable. L’état des sous-agents est traité comme un contexte chiffré dans le flux du fabricant et n’est inclus qu’au moyen de l’option de contenu chiffré spécifiée par le fournisseur. Un rapport final représente donc la synthèse de l’agent responsable plutôt qu’une transcription du travail interne de chaque agent.
Le guide dédié prend en charge les outils intégrés du fournisseur et les connexions à des outils distants, tout en excluant les outils de fonction personnalisés exécutés côté client pour cette variante. Sans outils intégrés, les agents peuvent collaborer à partir de leurs connaissances et de leur raisonnement. Les outils activés dans une tâche déterminent si le flux peut effectuer des recherches ou exécuter du code ; le nom multi-agent ne prouve pas à lui seul que ces actions ont eu lieu.
Préparez un dossier de recherche précisant les dimensions à comparer, les éléments probants requis et la profondeur du rapport. Une question ciblée convient à la petite configuration, tandis qu’une enquête à plusieurs facettes peut utiliser la plus grande dans la configuration du fournisseur. Demandez un résultat organisé, par exemple en constats, éléments justificatifs et questions non résolues. Les demandes suivantes peuvent alors préciser une condition ou prolonger l’enquête en conservant le contexte antérieur.
Le guide dédié du fabricant utilise son flux Responses et indique que l’ancienne interface Chat Completions ainsi que le paramètre max_tokens ne sont pas pris en charge pour cette variante. L’indicateur de capacité d’appel de fonctions figurant dans la fiche du modèle a donc une portée plus restreinte dans le guide multi-agent réel. Conservez cette distinction d’intégration lors de la préparation d’une tâche et évaluez son achèvement à partir du livrable final et des éléments probants plutôt que du volume d’activité parallèle.
", "aboutText": "Grok 4.20 Multi-Agent est la variante de recherche collaborative du fournisseur. Plusieurs agents apportent des points de vue et des constats, tandis qu’un agent responsable synthétise le résultat dans la réponse finale. La fiche du modèle spécifie des entrées texte et image, une sortie textuelle et un contexte de 1 000 000 tokens. Cette variante se distingue des sélections ordinaires de Grok 4.20 avec et sans raisonnement.\n\nLe flux de recherche du fournisseur recueille des informations, croise les constats et révise l’enquête à mesure que des éléments probants intermédiaires deviennent disponibles. Ses configurations documentées utilisent quatre ou seize agents. Les efforts low ou medium sélectionnent quatre agents ; high ou xhigh en sélectionnent seize. Dans cette variante, l’effort détermine le nombre de collaborateurs plutôt que la profondeur du raisonnement d’un seul agent.\n\nLe résultat présenté à l’utilisateur contient les appels d’outils et la réponse finale de l’agent responsable. L’état des sous-agents est traité comme un contexte chiffré dans le flux du fabricant et n’est inclus qu’au moyen de l’option de contenu chiffré spécifiée par le fournisseur. Un rapport final représente donc la synthèse de l’agent responsable plutôt qu’une transcription du travail interne de chaque agent.\n\nLe guide dédié prend en charge les outils intégrés du fournisseur et les connexions à des outils distants, tout en excluant les outils de fonction personnalisés exécutés côté client pour cette variante. Sans outils intégrés, les agents peuvent collaborer à partir de leurs connaissances et de leur raisonnement. Les outils activés dans une tâche déterminent si le flux peut effectuer des recherches ou exécuter du code ; le nom multi-agent ne prouve pas à lui seul que ces actions ont eu lieu.\n\nPréparez un dossier de recherche précisant les dimensions à comparer, les éléments probants requis et la profondeur du rapport. Une question ciblée convient à la petite configuration, tandis qu’une enquête à plusieurs facettes peut utiliser la plus grande dans la configuration du fournisseur. Demandez un résultat organisé, par exemple en constats, éléments justificatifs et questions non résolues. Les demandes suivantes peuvent alors préciser une condition ou prolonger l’enquête en conservant le contexte antérieur.\n\nLe guide dédié du fabricant utilise son flux Responses et indique que l’ancienne interface Chat Completions ainsi que le paramètre max_tokens ne sont pas pris en charge pour cette variante. L’indicateur de capacité d’appel de fonctions figurant dans la fiche du modèle a donc une portée plus restreinte dans le guide multi-agent réel. Conservez cette distinction d’intégration lors de la préparation d’une tâche et évaluez son achèvement à partir du livrable final et des éléments probants plutôt que du volume d’activité parallèle.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Compare an evidence-limited rollout proposal\n\nPrepare a research brief comparing these supplied findings. Team A measured a 15% reduction in processing time across 200 cases but did not track errors. Team B tracked 20 errors in 500 cases but recorded no baseline. Compare what each finding supports, identify the gap in a combined rollout claim and propose the next measurement. Do not gather external sources.A brief with findings, supporting evidence, unresolved questions and a proposed measurement plan.The conclusion does not infer an error improvement from a count without a baseline or transfer one team's result to another.x-ai/grok-4.20-multi-agentGrok 4.20 Multi-Agent coordonne des agents de recherche en parallèle et renvoie la réponse synthétisée par l’agent responsable. Le fournisseur documente des configurations de quatre et de seize agents, des entrées texte et image ainsi qu’un contexte de 1 000 000 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Grok 4.20 Multi-Agent est la variante de recherche collaborative du fournisseur. Plusieurs agents apportent des points de vue et des constats, tandis qu’un agent responsable synthétise le résultat dans la réponse finale. La fiche du modèle spécifie des entrées texte et image, une sortie textuelle et un contexte de 1 000 000 tokens. Cette variante se distingue des sélections ordinaires de Grok 4.20 avec et sans raisonnement.
Le flux de recherche du fournisseur recueille des informations, croise les constats et révise l’enquête à mesure que des éléments probants intermédiaires deviennent disponibles. Ses configurations documentées utilisent quatre ou seize agents. Les efforts low ou medium sélectionnent quatre agents ; high ou xhigh en sélectionnent seize. Dans cette variante, l’effort détermine le nombre de collaborateurs plutôt que la profondeur du raisonnement d’un seul agent.
Le résultat présenté à l’utilisateur contient les appels d’outils et la réponse finale de l’agent responsable. L’état des sous-agents est traité comme un contexte chiffré dans le flux du fabricant et n’est inclus qu’au moyen de l’option de contenu chiffré spécifiée par le fournisseur. Un rapport final représente donc la synthèse de l’agent responsable plutôt qu’une transcription du travail interne de chaque agent.
Le guide dédié prend en charge les outils intégrés du fournisseur et les connexions à des outils distants, tout en excluant les outils de fonction personnalisés exécutés côté client pour cette variante. Sans outils intégrés, les agents peuvent collaborer à partir de leurs connaissances et de leur raisonnement. Les outils activés dans une tâche déterminent si le flux peut effectuer des recherches ou exécuter du code ; le nom multi-agent ne prouve pas à lui seul que ces actions ont eu lieu.
Préparez un dossier de recherche précisant les dimensions à comparer, les éléments probants requis et la profondeur du rapport. Une question ciblée convient à la petite configuration, tandis qu’une enquête à plusieurs facettes peut utiliser la plus grande dans la configuration du fournisseur. Demandez un résultat organisé, par exemple en constats, éléments justificatifs et questions non résolues. Les demandes suivantes peuvent alors préciser une condition ou prolonger l’enquête en conservant le contexte antérieur.
Le guide dédié du fabricant utilise son flux Responses et indique que l’ancienne interface Chat Completions ainsi que le paramètre max_tokens ne sont pas pris en charge pour cette variante. L’indicateur de capacité d’appel de fonctions figurant dans la fiche du modèle a donc une portée plus restreinte dans le guide multi-agent réel. Conservez cette distinction d’intégration lors de la préparation d’une tâche et évaluez son achèvement à partir du livrable final et des éléments probants plutôt que du volume d’activité parallèle.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites x-ai/grok-4.20-multi-agent | 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-4.20-multi-agent", "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-4.20-multi-agent',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-4.20-multi-agent',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 x-ai/grok-4.20-multi-agent
Utilisez les chemins de méthode indiqués ci-dessus.
x-ai/grok-4.20-multi-agentGrok 4.20 Multi-Agent coordonne des agents de recherche en parallèle et renvoie la réponse synthétisée par l’agent responsable. Le fournisseur documente des configurations de quatre et de seize agents, des entrées texte et image ainsi qu’un contexte de 1 000 000 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Grok 4.20 Multi-Agent est la variante de recherche collaborative du fournisseur. Plusieurs agents apportent des points de vue et des constats, tandis qu’un agent responsable synthétise le résultat dans la réponse finale. La fiche du modèle spécifie des entrées texte et image, une sortie textuelle et un contexte de 1 000 000 tokens. Cette variante se distingue des sélections ordinaires de Grok 4.20 avec et sans raisonnement.
Le flux de recherche du fournisseur recueille des informations, croise les constats et révise l’enquête à mesure que des éléments probants intermédiaires deviennent disponibles. Ses configurations documentées utilisent quatre ou seize agents. Les efforts low ou medium sélectionnent quatre agents ; high ou xhigh en sélectionnent seize. Dans cette variante, l’effort détermine le nombre de collaborateurs plutôt que la profondeur du raisonnement d’un seul agent.
Le résultat présenté à l’utilisateur contient les appels d’outils et la réponse finale de l’agent responsable. L’état des sous-agents est traité comme un contexte chiffré dans le flux du fabricant et n’est inclus qu’au moyen de l’option de contenu chiffré spécifiée par le fournisseur. Un rapport final représente donc la synthèse de l’agent responsable plutôt qu’une transcription du travail interne de chaque agent.
Le guide dédié prend en charge les outils intégrés du fournisseur et les connexions à des outils distants, tout en excluant les outils de fonction personnalisés exécutés côté client pour cette variante. Sans outils intégrés, les agents peuvent collaborer à partir de leurs connaissances et de leur raisonnement. Les outils activés dans une tâche déterminent si le flux peut effectuer des recherches ou exécuter du code ; le nom multi-agent ne prouve pas à lui seul que ces actions ont eu lieu.
Préparez un dossier de recherche précisant les dimensions à comparer, les éléments probants requis et la profondeur du rapport. Une question ciblée convient à la petite configuration, tandis qu’une enquête à plusieurs facettes peut utiliser la plus grande dans la configuration du fournisseur. Demandez un résultat organisé, par exemple en constats, éléments justificatifs et questions non résolues. Les demandes suivantes peuvent alors préciser une condition ou prolonger l’enquête en conservant le contexte antérieur.
Le guide dédié du fabricant utilise son flux Responses et indique que l’ancienne interface Chat Completions ainsi que le paramètre max_tokens ne sont pas pris en charge pour cette variante. L’indicateur de capacité d’appel de fonctions figurant dans la fiche du modèle a donc une portée plus restreinte dans le guide multi-agent réel. Conservez cette distinction d’intégration lors de la préparation d’une tâche et évaluez son achèvement à partir du livrable final et des éléments probants plutôt que du volume d’activité parallèle.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites x-ai/grok-4.20-multi-agent | 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 $0.0008 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "x-ai/grok-4.20-multi-agent",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.20-multi-agent', '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-4.20-multi-agent', '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 x-ai/grok-4.20-multi-agent
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Compare an evidence-limited rollout proposal\n\nPrepare a research brief comparing these supplied findings. Team A measured a 15% reduction in processing time across 200 cases but did not track errors. Team B tracked 20 errors in 500 cases but recorded no baseline. Compare what each finding supports, identify the gap in a combined rollout claim and propose the next measurement. Do not gather external sources.A brief with findings, supporting evidence, unresolved questions and a proposed measurement plan.The conclusion does not infer an error improvement from a count without a baseline or transfer one team's result to another.