A Grok 2 Vision 1212 az xAI Grok 2 családjának vizuális bemenetet fogadó kiadása, amelyet a grok-2-vision-1212 név azonosít. A fejlesztő a Grok 2 modellt szöveges és vizuális megértésre szánt modellként mutatja be, olyan feladatokkal, mint a dokumentumokra vonatkozó kérdések és a vizuális anyagból végzett matematikai következtetés. A későbbi 1212 kiadás bejelentése az utasításkövetés és a többnyelvű működés javulását írja le. Ez a kártya a név szerint meghatározott képi bemenetet kezelő kiadásról és annak szöveges eredményéről szól.
A fejlesztő modellmetaadatai szöveget és képeket sorolnak fel bemenetként, szöveget pedig kimenetként. Egy gyakorlati feladat ezért vizuális bizonyítékkal és pontos kérdéssel indul. Dokumentumoldalnál adja meg a megmagyarázandó mezőt, szakaszt vagy összefüggést; diagramnál azonosítsa a fontos címkéket és mennyiségeket; képernyőképnél írja le a felhasználó célját és a megvizsgálandó elemet. A cél a látható tartalom összekapcsolása a kéréssel, nem pedig a kép teljes tartalmának cél nélküli leíratása.
Szemléltető dokumentumkérés: „Olvasd el az oldal címsorait és feliratozott mezőit. Add vissza a látható értékeket, jelezd a kellő bizonyossággal nem olvasható bejegyzéseket, és magyarázd el, melyik részlet támasztja alá a válaszodat.” Diagramnál a kérés két adatsor kapcsolatára, valamint a közvetlenül látható értékek és az értelmezés megkülönböztetésére irányulhat. Termékfotónál kérje a látható jellemzőket és az összehasonlítást a megadott írásos specifikációval. Ezek a fejlesztő vizuális feladatköreire épülő előkészítési és kimeneti példák, nem ígéretek arra, hogy minden képből minden részlet kinyerhető.
A név szerint meghatározott modell példája a strukturált kimenetek és a függvényhívás támogatását is rögzíti. Kinyeréshez határozza meg a kívánt eredményt: például a mezők listáját, látható szövegüket és egy bizonytalansági megjegyzést. Eszközökkel támogatott feladathoz adja meg az engedélyezett eszközök leírását és a művelethez szükséges információkat. Az alkalmazás hajtja végre a műveletet, és visszaadja annak eredményét; a modell ezután felhasználhatja ezt az információt a következő szöveges válaszban. Maga a képértelmezési funkció a megadott kép értelmezésének képessége, a külső művelet pedig a környező alkalmazáshoz tartozik.
Ez a kiadás a fejlesztő említett példájában külön következtetési mód nélkül szerepel. Ettől még megválaszolhat összefüggéseket és magyarázatokat igénylő kérdéseket, de a más Grok kiadásokhoz leírt, kifejezett kiterjesztett gondolkodási módokat külön kell kezelni. Ugyanez a példa 32,768 tokenes maximális prompthosszt ad meg. Ez a név szerint meghatározott modell közzétett bemeneti mezője, nem külön dokumentált maximális válaszhossz. Az elolvasott elsődleges források nem állapítanak meg pontos, általános képszám-, képfelbontás- vagy kimeneti tokenkorlátot a Vision 1212 számára, ezért ezeket az értékeket egy konkrét kérési specifikációból kell venni, nem egy újabb képfeldolgozó modelltől átvenni.
A rögzített 1212 név szintén fontos a kiadás kiválasztásakor. A Grok 2 kizárólag szöveges kiadása és képgeneráló termékei eltérő bemeneteket és kimeneteket szolgálnak ki. Az itt leírt eredmény vizuális anyagról adott írásos válasz. A Grok alkalmazásban bemutatott funkciók, például a további keresési vagy képgenerálási lehetőségek, a család köré épített külön integrációk, és meg kell különböztetni őket e név szerint meghatározott modellbejegyzés képességeitől.
Készítsen olvasható oldalakat, és anyagok összehasonlításakor minden képet lásson el címkével. Mondja meg, a kép mely része releváns, szerepeltesse a kérdésben a szükséges definíciókat vagy mértékegységeket, és kérje az eredeti nevek megőrzését a válaszban. Hasznos végső eredményként válasszon magyarázatot, kinyerési táblázatot vagy bizonyítékokhoz kapcsolt megfigyeléslistát. Ha a kép kétértelmű, őrizze meg ezt a bizonytalanságot a kimenetben, és a jelentős következményekkel járó leolvasásokat ellenőrizze az eredeti anyag alapján.
", "aboutText": "A Grok 2 Vision 1212 az xAI Grok 2 családjának vizuális bemenetet fogadó kiadása, amelyet a grok-2-vision-1212 név azonosít. A fejlesztő a Grok 2 modellt szöveges és vizuális megértésre szánt modellként mutatja be, olyan feladatokkal, mint a dokumentumokra vonatkozó kérdések és a vizuális anyagból végzett matematikai következtetés. A későbbi 1212 kiadás bejelentése az utasításkövetés és a többnyelvű működés javulását írja le. Ez a kártya a név szerint meghatározott képi bemenetet kezelő kiadásról és annak szöveges eredményéről szól.\n\nA fejlesztő modellmetaadatai szöveget és képeket sorolnak fel bemenetként, szöveget pedig kimenetként. Egy gyakorlati feladat ezért vizuális bizonyítékkal és pontos kérdéssel indul. Dokumentumoldalnál adja meg a megmagyarázandó mezőt, szakaszt vagy összefüggést; diagramnál azonosítsa a fontos címkéket és mennyiségeket; képernyőképnél írja le a felhasználó célját és a megvizsgálandó elemet. A cél a látható tartalom összekapcsolása a kéréssel, nem pedig a kép teljes tartalmának cél nélküli leíratása.\n\nSzemléltető dokumentumkérés: „Olvasd el az oldal címsorait és feliratozott mezőit. Add vissza a látható értékeket, jelezd a kellő bizonyossággal nem olvasható bejegyzéseket, és magyarázd el, melyik részlet támasztja alá a válaszodat.” Diagramnál a kérés két adatsor kapcsolatára, valamint a közvetlenül látható értékek és az értelmezés megkülönböztetésére irányulhat. Termékfotónál kérje a látható jellemzőket és az összehasonlítást a megadott írásos specifikációval. Ezek a fejlesztő vizuális feladatköreire épülő előkészítési és kimeneti példák, nem ígéretek arra, hogy minden képből minden részlet kinyerhető.\n\nA név szerint meghatározott modell példája a strukturált kimenetek és a függvényhívás támogatását is rögzíti. Kinyeréshez határozza meg a kívánt eredményt: például a mezők listáját, látható szövegüket és egy bizonytalansági megjegyzést. Eszközökkel támogatott feladathoz adja meg az engedélyezett eszközök leírását és a művelethez szükséges információkat. Az alkalmazás hajtja végre a műveletet, és visszaadja annak eredményét; a modell ezután felhasználhatja ezt az információt a következő szöveges válaszban. Maga a képértelmezési funkció a megadott kép értelmezésének képessége, a külső művelet pedig a környező alkalmazáshoz tartozik.\n\nEz a kiadás a fejlesztő említett példájában külön következtetési mód nélkül szerepel. Ettől még megválaszolhat összefüggéseket és magyarázatokat igénylő kérdéseket, de a más Grok kiadásokhoz leírt, kifejezett kiterjesztett gondolkodási módokat külön kell kezelni. Ugyanez a példa 32,768 tokenes maximális prompthosszt ad meg. Ez a név szerint meghatározott modell közzétett bemeneti mezője, nem külön dokumentált maximális válaszhossz. Az elolvasott elsődleges források nem állapítanak meg pontos, általános képszám-, képfelbontás- vagy kimeneti tokenkorlátot a Vision 1212 számára, ezért ezeket az értékeket egy konkrét kérési specifikációból kell venni, nem egy újabb képfeldolgozó modelltől átvenni.\n\nA rögzített 1212 név szintén fontos a kiadás kiválasztásakor. A Grok 2 kizárólag szöveges kiadása és képgeneráló termékei eltérő bemeneteket és kimeneteket szolgálnak ki. Az itt leírt eredmény vizuális anyagról adott írásos válasz. A Grok alkalmazásban bemutatott funkciók, például a további keresési vagy képgenerálási lehetőségek, a család köré épített külön integrációk, és meg kell különböztetni őket e név szerint meghatározott modellbejegyzés képességeitől.\n\nKészítsen olvasható oldalakat, és anyagok összehasonlításakor minden képet lásson el címkével. Mondja meg, a kép mely része releváns, szerepeltesse a kérdésben a szükséges definíciókat vagy mértékegységeket, és kérje az eredeti nevek megőrzését a válaszban. Hasznos végső eredményként válasszon magyarázatot, kinyerési táblázatot vagy bizonyítékokhoz kapcsolt megfigyeléslistát. Ha a kép kétértelmű, őrizze meg ezt a bizonytalanságot a kimenetben, és a jelentős következményekkel járó leolvasásokat ellenőrizze az eredeti anyag alapján.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
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-1212A Grok 2 Vision 1212 az xAI képek értelmezésére szánt kiadása dokumentumokról, diagramokról, fényképekről és képernyőképekről szóló kérdésekhez. Az írott kérdést vizuális bemenettel egyesíti, és szöveges választ ad; a név szerint meghatározott kiadáshoz strukturált kimenetet és függvényhívási funkciókat dokumentálnak.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Grok 2 Vision 1212 az xAI Grok 2 családjának vizuális bemenetet fogadó kiadása, amelyet a grok-2-vision-1212 név azonosít. A fejlesztő a Grok 2 modellt szöveges és vizuális megértésre szánt modellként mutatja be, olyan feladatokkal, mint a dokumentumokra vonatkozó kérdések és a vizuális anyagból végzett matematikai következtetés. A későbbi 1212 kiadás bejelentése az utasításkövetés és a többnyelvű működés javulását írja le. Ez a kártya a név szerint meghatározott képi bemenetet kezelő kiadásról és annak szöveges eredményéről szól.
A fejlesztő modellmetaadatai szöveget és képeket sorolnak fel bemenetként, szöveget pedig kimenetként. Egy gyakorlati feladat ezért vizuális bizonyítékkal és pontos kérdéssel indul. Dokumentumoldalnál adja meg a megmagyarázandó mezőt, szakaszt vagy összefüggést; diagramnál azonosítsa a fontos címkéket és mennyiségeket; képernyőképnél írja le a felhasználó célját és a megvizsgálandó elemet. A cél a látható tartalom összekapcsolása a kéréssel, nem pedig a kép teljes tartalmának cél nélküli leíratása.
Szemléltető dokumentumkérés: „Olvasd el az oldal címsorait és feliratozott mezőit. Add vissza a látható értékeket, jelezd a kellő bizonyossággal nem olvasható bejegyzéseket, és magyarázd el, melyik részlet támasztja alá a válaszodat.” Diagramnál a kérés két adatsor kapcsolatára, valamint a közvetlenül látható értékek és az értelmezés megkülönböztetésére irányulhat. Termékfotónál kérje a látható jellemzőket és az összehasonlítást a megadott írásos specifikációval. Ezek a fejlesztő vizuális feladatköreire épülő előkészítési és kimeneti példák, nem ígéretek arra, hogy minden képből minden részlet kinyerhető.
A név szerint meghatározott modell példája a strukturált kimenetek és a függvényhívás támogatását is rögzíti. Kinyeréshez határozza meg a kívánt eredményt: például a mezők listáját, látható szövegüket és egy bizonytalansági megjegyzést. Eszközökkel támogatott feladathoz adja meg az engedélyezett eszközök leírását és a művelethez szükséges információkat. Az alkalmazás hajtja végre a műveletet, és visszaadja annak eredményét; a modell ezután felhasználhatja ezt az információt a következő szöveges válaszban. Maga a képértelmezési funkció a megadott kép értelmezésének képessége, a külső művelet pedig a környező alkalmazáshoz tartozik.
Ez a kiadás a fejlesztő említett példájában külön következtetési mód nélkül szerepel. Ettől még megválaszolhat összefüggéseket és magyarázatokat igénylő kérdéseket, de a más Grok kiadásokhoz leírt, kifejezett kiterjesztett gondolkodási módokat külön kell kezelni. Ugyanez a példa 32,768 tokenes maximális prompthosszt ad meg. Ez a név szerint meghatározott modell közzétett bemeneti mezője, nem külön dokumentált maximális válaszhossz. Az elolvasott elsődleges források nem állapítanak meg pontos, általános képszám-, képfelbontás- vagy kimeneti tokenkorlátot a Vision 1212 számára, ezért ezeket az értékeket egy konkrét kérési specifikációból kell venni, nem egy újabb képfeldolgozó modelltől átvenni.
A rögzített 1212 név szintén fontos a kiadás kiválasztásakor. A Grok 2 kizárólag szöveges kiadása és képgeneráló termékei eltérő bemeneteket és kimeneteket szolgálnak ki. Az itt leírt eredmény vizuális anyagról adott írásos válasz. A Grok alkalmazásban bemutatott funkciók, például a további keresési vagy képgenerálási lehetőségek, a család köré épített külön integrációk, és meg kell különböztetni őket e név szerint meghatározott modellbejegyzés képességeitől.
Készítsen olvasható oldalakat, és anyagok összehasonlításakor minden képet lásson el címkével. Mondja meg, a kép mely része releváns, szerepeltesse a kérdésben a szükséges definíciókat vagy mértékegységeket, és kérje az eredeti nevek megőrzését a válaszban. Hasznos végső eredményként válasszon magyarázatot, kinyerési táblázatot vagy bizonyítékokhoz kapcsolt megfigyeléslistát. Ha a kép kétértelmű, őrizze meg ezt a bizonytalanságot a kimenetben, és a jelentős következményekkel járó leolvasásokat ellenőrizze az eredeti anyag alapján.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok grok-2-vision-1212 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.004 / 1K token Kimenet · Kimeneti tokenek $0.02 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra grok-2-vision-1212
Használja a fent látható metódusútvonalakat.
grok-2-vision-1212A Grok 2 Vision 1212 az xAI képek értelmezésére szánt kiadása dokumentumokról, diagramokról, fényképekről és képernyőképekről szóló kérdésekhez. Az írott kérdést vizuális bemenettel egyesíti, és szöveges választ ad; a név szerint meghatározott kiadáshoz strukturált kimenetet és függvényhívási funkciókat dokumentálnak.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Grok 2 Vision 1212 az xAI Grok 2 családjának vizuális bemenetet fogadó kiadása, amelyet a grok-2-vision-1212 név azonosít. A fejlesztő a Grok 2 modellt szöveges és vizuális megértésre szánt modellként mutatja be, olyan feladatokkal, mint a dokumentumokra vonatkozó kérdések és a vizuális anyagból végzett matematikai következtetés. A későbbi 1212 kiadás bejelentése az utasításkövetés és a többnyelvű működés javulását írja le. Ez a kártya a név szerint meghatározott képi bemenetet kezelő kiadásról és annak szöveges eredményéről szól.
A fejlesztő modellmetaadatai szöveget és képeket sorolnak fel bemenetként, szöveget pedig kimenetként. Egy gyakorlati feladat ezért vizuális bizonyítékkal és pontos kérdéssel indul. Dokumentumoldalnál adja meg a megmagyarázandó mezőt, szakaszt vagy összefüggést; diagramnál azonosítsa a fontos címkéket és mennyiségeket; képernyőképnél írja le a felhasználó célját és a megvizsgálandó elemet. A cél a látható tartalom összekapcsolása a kéréssel, nem pedig a kép teljes tartalmának cél nélküli leíratása.
Szemléltető dokumentumkérés: „Olvasd el az oldal címsorait és feliratozott mezőit. Add vissza a látható értékeket, jelezd a kellő bizonyossággal nem olvasható bejegyzéseket, és magyarázd el, melyik részlet támasztja alá a válaszodat.” Diagramnál a kérés két adatsor kapcsolatára, valamint a közvetlenül látható értékek és az értelmezés megkülönböztetésére irányulhat. Termékfotónál kérje a látható jellemzőket és az összehasonlítást a megadott írásos specifikációval. Ezek a fejlesztő vizuális feladatköreire épülő előkészítési és kimeneti példák, nem ígéretek arra, hogy minden képből minden részlet kinyerhető.
A név szerint meghatározott modell példája a strukturált kimenetek és a függvényhívás támogatását is rögzíti. Kinyeréshez határozza meg a kívánt eredményt: például a mezők listáját, látható szövegüket és egy bizonytalansági megjegyzést. Eszközökkel támogatott feladathoz adja meg az engedélyezett eszközök leírását és a művelethez szükséges információkat. Az alkalmazás hajtja végre a műveletet, és visszaadja annak eredményét; a modell ezután felhasználhatja ezt az információt a következő szöveges válaszban. Maga a képértelmezési funkció a megadott kép értelmezésének képessége, a külső művelet pedig a környező alkalmazáshoz tartozik.
Ez a kiadás a fejlesztő említett példájában külön következtetési mód nélkül szerepel. Ettől még megválaszolhat összefüggéseket és magyarázatokat igénylő kérdéseket, de a más Grok kiadásokhoz leírt, kifejezett kiterjesztett gondolkodási módokat külön kell kezelni. Ugyanez a példa 32,768 tokenes maximális prompthosszt ad meg. Ez a név szerint meghatározott modell közzétett bemeneti mezője, nem külön dokumentált maximális válaszhossz. Az elolvasott elsődleges források nem állapítanak meg pontos, általános képszám-, képfelbontás- vagy kimeneti tokenkorlátot a Vision 1212 számára, ezért ezeket az értékeket egy konkrét kérési specifikációból kell venni, nem egy újabb képfeldolgozó modelltől átvenni.
A rögzített 1212 név szintén fontos a kiadás kiválasztásakor. A Grok 2 kizárólag szöveges kiadása és képgeneráló termékei eltérő bemeneteket és kimeneteket szolgálnak ki. Az itt leírt eredmény vizuális anyagról adott írásos válasz. A Grok alkalmazásban bemutatott funkciók, például a további keresési vagy képgenerálási lehetőségek, a család köré épített külön integrációk, és meg kell különböztetni őket e név szerint meghatározott modellbejegyzés képességeitől.
Készítsen olvasható oldalakat, és anyagok összehasonlításakor minden képet lásson el címkével. Mondja meg, a kép mely része releváns, szerepeltesse a kérdésben a szükséges definíciókat vagy mértékegységeket, és kérje az eredeti nevek megőrzését a válaszban. Hasznos végső eredményként válasszon magyarázatot, kinyerési táblázatot vagy bizonyítékokhoz kapcsolt megfigyeléslistát. Ha a kép kétértelmű, őrizze meg ezt a bizonytalanságot a kimenetben, és a jelentős következményekkel járó leolvasásokat ellenőrizze az eredeti anyag alapján.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok grok-2-vision-1212 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.004 / 1K token Kimenet · Kimeneti tokenek $0.02 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "grok-2-vision-1212",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra grok-2-vision-1212
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
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.