Grok 3 adalah keluarga model xAI untuk pekerjaan bahasa, pengetahuan umum, pemrograman, dan pemecahan masalah. Deskripsi peluncurannya membedakan model yang merespons secara biasa dari varian Think eksplisit dalam keluarga tersebut, yang menggunakan penalaran tambahan sebelum jawaban akhir. Entri grok-3 bernama yang dijelaskan di sini adalah edisi percakapan teks: pembuatnya mencantumkan masukan teks, keluaran teks, dan tidak ada fitur penalaran terpisah untuk entri tersebut.
Prapelatihan keluarga ini ditujukan untuk mendukung berbagai pertanyaan dan instruksi. xAI menyoroti matematika, pemrograman, pengetahuan, dan kontrol gaya dalam deskripsi rilisnya. Untuk tugas penulisan, hal itu memberikan dasar yang berguna untuk meminta model merevisi penjelasan bagi pembaca tertentu, mempertahankan fakta yang ditentukan, atau mengembangkan draf yang koheren dari sekumpulan poin. Untuk asisten teknis, berikan materi yang relevan dan nyatakan pertanyaan yang harus diselesaikan jawaban, alih-alih hanya mengandalkan permintaan umum untuk membahas topik.
Contoh tugas dokumen: “Bandingkan dua deskripsi alur kerja ini. Cantumkan kesamaan, pertentangan, dan informasi yang hilang, lalu tulis penjelasan singkat untuk anggota tim baru.” Pertahankan label pada bagian sumber agar respons dapat mengaitkan setiap pengamatan dengan bagian yang tepat. Tugas kode dapat menyertakan fungsi, perilaku yang diharapkan, dan masukan konkret ketika hasil saat ini salah. Mintalah usulan perbaikan dan jelaskan contoh mana yang harus digunakan untuk memeriksanya. Contoh-contoh ini menggunakan keluarga tugas bahasa dan pemrograman yang terdokumentasi dan tidak menyiratkan bahwa kode yang dihasilkan sudah dijalankan.
Perbedaan dari Think penting. Pengumuman keluarga Grok 3 juga menjelaskan Grok 3 Think dan Grok 3 mini Think, yang dilatih untuk mengerahkan upaya tambahan dalam proses penalaran. Perilaku berpikir panjangnya harus dijelaskan sebagai pilihan mode atau model tersendiri. Entri teks biasa dapat memberikan penjelasan dan menyelesaikan pertanyaan, tetapi hal itu tidak boleh disamakan dengan memilih konfigurasi penalaran panjang yang didokumentasikan secara eksplisit.
Contoh metadata model bernama dari pembuatnya memberikan panjang prompt maksimum 131,072 token untuk grok-3 dan mencatat dukungan keluaran terstruktur serta pemanggilan fungsi. Kolom panjang prompt menjelaskan anggaran masukan yang dipublikasikan dalam contoh itu; kolom tersebut bukan batas token keluaran yang terpisah. Pengumuman keluarga membahas konfigurasi berkonteks panjang yang lebih besar, jadi bedakan spesifikasi model bernama yang presisi dari deskripsi keluarga yang lebih luas saat menyiapkan permintaan. Sertakan konteks yang diperlukan untuk pertanyaan dan tentukan format serta panjang jawaban secara eksplisit.
Keluaran terstruktur berguna ketika percakapan harus diakhiri dengan kolom yang dapat diproses aplikasi, seperti ringkasan, fakta hasil ekstraksi, dan pertanyaan yang masih perlu diperjelas. Pemanggilan fungsi memungkinkan aplikasi menawarkan operasi yang diizinkan dan menerima argumen yang diusulkan. Aplikasi menjalankan operasi dan mengembalikan hasil untuk jawaban selanjutnya. Ini berbeda dari model yang secara mandiri memiliki akses ke sembarang basis data, browser, atau interpreter kode.
Artikel peluncuran membahas DeepSearch dan agen yang dilengkapi alat sebagai sistem yang dibangun di seputar keluarga Grok. Alur kerja pencarian, eksekusi, dan pembuatan laporannya merupakan konteks integrasi, bukan alasan untuk memindahkan setiap fitur aplikasi ke entri teks grok-3 dasar. Untuk tugas yang berguna, sebutkan materi yang diberikan atau data hasil alat mana yang harus digunakan model, bedakan fakta dari interpretasi yang diminta, dan minta model menandai informasi yang hilang. Akhiri dengan artefak konkret: dokumen revisi, usulan kode, catatan ekstraksi, atau penjelasan yang dapat diperiksa terhadap masukan asli.
", "aboutText": "Grok 3 adalah keluarga model xAI untuk pekerjaan bahasa, pengetahuan umum, pemrograman, dan pemecahan masalah. Deskripsi peluncurannya membedakan model yang merespons secara biasa dari varian Think eksplisit dalam keluarga tersebut, yang menggunakan penalaran tambahan sebelum jawaban akhir. Entri grok-3 bernama yang dijelaskan di sini adalah edisi percakapan teks: pembuatnya mencantumkan masukan teks, keluaran teks, dan tidak ada fitur penalaran terpisah untuk entri tersebut.\n\nPrapelatihan keluarga ini ditujukan untuk mendukung berbagai pertanyaan dan instruksi. xAI menyoroti matematika, pemrograman, pengetahuan, dan kontrol gaya dalam deskripsi rilisnya. Untuk tugas penulisan, hal itu memberikan dasar yang berguna untuk meminta model merevisi penjelasan bagi pembaca tertentu, mempertahankan fakta yang ditentukan, atau mengembangkan draf yang koheren dari sekumpulan poin. Untuk asisten teknis, berikan materi yang relevan dan nyatakan pertanyaan yang harus diselesaikan jawaban, alih-alih hanya mengandalkan permintaan umum untuk membahas topik.\n\nContoh tugas dokumen: “Bandingkan dua deskripsi alur kerja ini. Cantumkan kesamaan, pertentangan, dan informasi yang hilang, lalu tulis penjelasan singkat untuk anggota tim baru.” Pertahankan label pada bagian sumber agar respons dapat mengaitkan setiap pengamatan dengan bagian yang tepat. Tugas kode dapat menyertakan fungsi, perilaku yang diharapkan, dan masukan konkret ketika hasil saat ini salah. Mintalah usulan perbaikan dan jelaskan contoh mana yang harus digunakan untuk memeriksanya. Contoh-contoh ini menggunakan keluarga tugas bahasa dan pemrograman yang terdokumentasi dan tidak menyiratkan bahwa kode yang dihasilkan sudah dijalankan.\n\nPerbedaan dari Think penting. Pengumuman keluarga Grok 3 juga menjelaskan Grok 3 Think dan Grok 3 mini Think, yang dilatih untuk mengerahkan upaya tambahan dalam proses penalaran. Perilaku berpikir panjangnya harus dijelaskan sebagai pilihan mode atau model tersendiri. Entri teks biasa dapat memberikan penjelasan dan menyelesaikan pertanyaan, tetapi hal itu tidak boleh disamakan dengan memilih konfigurasi penalaran panjang yang didokumentasikan secara eksplisit.\n\nContoh metadata model bernama dari pembuatnya memberikan panjang prompt maksimum 131,072 token untuk grok-3 dan mencatat dukungan keluaran terstruktur serta pemanggilan fungsi. Kolom panjang prompt menjelaskan anggaran masukan yang dipublikasikan dalam contoh itu; kolom tersebut bukan batas token keluaran yang terpisah. Pengumuman keluarga membahas konfigurasi berkonteks panjang yang lebih besar, jadi bedakan spesifikasi model bernama yang presisi dari deskripsi keluarga yang lebih luas saat menyiapkan permintaan. Sertakan konteks yang diperlukan untuk pertanyaan dan tentukan format serta panjang jawaban secara eksplisit.\n\nKeluaran terstruktur berguna ketika percakapan harus diakhiri dengan kolom yang dapat diproses aplikasi, seperti ringkasan, fakta hasil ekstraksi, dan pertanyaan yang masih perlu diperjelas. Pemanggilan fungsi memungkinkan aplikasi menawarkan operasi yang diizinkan dan menerima argumen yang diusulkan. Aplikasi menjalankan operasi dan mengembalikan hasil untuk jawaban selanjutnya. Ini berbeda dari model yang secara mandiri memiliki akses ke sembarang basis data, browser, atau interpreter kode.\n\nArtikel peluncuran membahas DeepSearch dan agen yang dilengkapi alat sebagai sistem yang dibangun di seputar keluarga Grok. Alur kerja pencarian, eksekusi, dan pembuatan laporannya merupakan konteks integrasi, bukan alasan untuk memindahkan setiap fitur aplikasi ke entri teks grok-3 dasar. Untuk tugas yang berguna, sebutkan materi yang diberikan atau data hasil alat mana yang harus digunakan model, bedakan fakta dari interpretasi yang diminta, dan minta model menandai informasi yang hilang. Akhiri dengan artefak konkret: dokumen revisi, usulan kode, catatan ekstraksi, atau penjelasan yang dapat diperiksa terhadap masukan asli.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Revise a technical explanation\n\nRewrite this for a nontechnical office manager in at most 75 words: 'The synchronisation job retries transient transport failures using exponential backoff; repeated requests carry the same operation key to prevent duplicate entries.' Preserve the difference between retrying a failed connection and creating a second record. Use one everyday comparison and no unsupported guarantees.A concise plain-language explanation with one comparison and both retry and duplicate-prevention concepts intact.The rewrite does not imply that every failure is recoverable or that retries always succeed.grok-3Grok 3 adalah edisi percakapan teks xAI untuk penjelasan, penulisan, pemrograman, dan pertanyaan yang menggunakan materi yang diberikan. Entri model bernama ini mendukung keluaran terstruktur dan pemanggilan fungsi serta berbeda dari model Think eksplisit dalam keluarga tersebut.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Grok 3 adalah keluarga model xAI untuk pekerjaan bahasa, pengetahuan umum, pemrograman, dan pemecahan masalah. Deskripsi peluncurannya membedakan model yang merespons secara biasa dari varian Think eksplisit dalam keluarga tersebut, yang menggunakan penalaran tambahan sebelum jawaban akhir. Entri grok-3 bernama yang dijelaskan di sini adalah edisi percakapan teks: pembuatnya mencantumkan masukan teks, keluaran teks, dan tidak ada fitur penalaran terpisah untuk entri tersebut.
Prapelatihan keluarga ini ditujukan untuk mendukung berbagai pertanyaan dan instruksi. xAI menyoroti matematika, pemrograman, pengetahuan, dan kontrol gaya dalam deskripsi rilisnya. Untuk tugas penulisan, hal itu memberikan dasar yang berguna untuk meminta model merevisi penjelasan bagi pembaca tertentu, mempertahankan fakta yang ditentukan, atau mengembangkan draf yang koheren dari sekumpulan poin. Untuk asisten teknis, berikan materi yang relevan dan nyatakan pertanyaan yang harus diselesaikan jawaban, alih-alih hanya mengandalkan permintaan umum untuk membahas topik.
Contoh tugas dokumen: “Bandingkan dua deskripsi alur kerja ini. Cantumkan kesamaan, pertentangan, dan informasi yang hilang, lalu tulis penjelasan singkat untuk anggota tim baru.” Pertahankan label pada bagian sumber agar respons dapat mengaitkan setiap pengamatan dengan bagian yang tepat. Tugas kode dapat menyertakan fungsi, perilaku yang diharapkan, dan masukan konkret ketika hasil saat ini salah. Mintalah usulan perbaikan dan jelaskan contoh mana yang harus digunakan untuk memeriksanya. Contoh-contoh ini menggunakan keluarga tugas bahasa dan pemrograman yang terdokumentasi dan tidak menyiratkan bahwa kode yang dihasilkan sudah dijalankan.
Perbedaan dari Think penting. Pengumuman keluarga Grok 3 juga menjelaskan Grok 3 Think dan Grok 3 mini Think, yang dilatih untuk mengerahkan upaya tambahan dalam proses penalaran. Perilaku berpikir panjangnya harus dijelaskan sebagai pilihan mode atau model tersendiri. Entri teks biasa dapat memberikan penjelasan dan menyelesaikan pertanyaan, tetapi hal itu tidak boleh disamakan dengan memilih konfigurasi penalaran panjang yang didokumentasikan secara eksplisit.
Contoh metadata model bernama dari pembuatnya memberikan panjang prompt maksimum 131,072 token untuk grok-3 dan mencatat dukungan keluaran terstruktur serta pemanggilan fungsi. Kolom panjang prompt menjelaskan anggaran masukan yang dipublikasikan dalam contoh itu; kolom tersebut bukan batas token keluaran yang terpisah. Pengumuman keluarga membahas konfigurasi berkonteks panjang yang lebih besar, jadi bedakan spesifikasi model bernama yang presisi dari deskripsi keluarga yang lebih luas saat menyiapkan permintaan. Sertakan konteks yang diperlukan untuk pertanyaan dan tentukan format serta panjang jawaban secara eksplisit.
Keluaran terstruktur berguna ketika percakapan harus diakhiri dengan kolom yang dapat diproses aplikasi, seperti ringkasan, fakta hasil ekstraksi, dan pertanyaan yang masih perlu diperjelas. Pemanggilan fungsi memungkinkan aplikasi menawarkan operasi yang diizinkan dan menerima argumen yang diusulkan. Aplikasi menjalankan operasi dan mengembalikan hasil untuk jawaban selanjutnya. Ini berbeda dari model yang secara mandiri memiliki akses ke sembarang basis data, browser, atau interpreter kode.
Artikel peluncuran membahas DeepSearch dan agen yang dilengkapi alat sebagai sistem yang dibangun di seputar keluarga Grok. Alur kerja pencarian, eksekusi, dan pembuatan laporannya merupakan konteks integrasi, bukan alasan untuk memindahkan setiap fitur aplikasi ke entri teks grok-3 dasar. Untuk tugas yang berguna, sebutkan materi yang diberikan atau data hasil alat mana yang harus digunakan model, bedakan fakta dari interpretasi yang diminta, dan minta model menandai informasi yang hilang. Akhiri dengan artefak konkret: dokumen revisi, usulan kode, catatan ekstraksi, atau penjelasan yang dapat diperiksa terhadap masukan asli.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan grok-3 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.006 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-3", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='grok-3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='grok-3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra grok-3
Gunakan jalur metode yang ditampilkan di atas.
grok-3Grok 3 adalah edisi percakapan teks xAI untuk penjelasan, penulisan, pemrograman, dan pertanyaan yang menggunakan materi yang diberikan. Entri model bernama ini mendukung keluaran terstruktur dan pemanggilan fungsi serta berbeda dari model Think eksplisit dalam keluarga tersebut.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Grok 3 adalah keluarga model xAI untuk pekerjaan bahasa, pengetahuan umum, pemrograman, dan pemecahan masalah. Deskripsi peluncurannya membedakan model yang merespons secara biasa dari varian Think eksplisit dalam keluarga tersebut, yang menggunakan penalaran tambahan sebelum jawaban akhir. Entri grok-3 bernama yang dijelaskan di sini adalah edisi percakapan teks: pembuatnya mencantumkan masukan teks, keluaran teks, dan tidak ada fitur penalaran terpisah untuk entri tersebut.
Prapelatihan keluarga ini ditujukan untuk mendukung berbagai pertanyaan dan instruksi. xAI menyoroti matematika, pemrograman, pengetahuan, dan kontrol gaya dalam deskripsi rilisnya. Untuk tugas penulisan, hal itu memberikan dasar yang berguna untuk meminta model merevisi penjelasan bagi pembaca tertentu, mempertahankan fakta yang ditentukan, atau mengembangkan draf yang koheren dari sekumpulan poin. Untuk asisten teknis, berikan materi yang relevan dan nyatakan pertanyaan yang harus diselesaikan jawaban, alih-alih hanya mengandalkan permintaan umum untuk membahas topik.
Contoh tugas dokumen: “Bandingkan dua deskripsi alur kerja ini. Cantumkan kesamaan, pertentangan, dan informasi yang hilang, lalu tulis penjelasan singkat untuk anggota tim baru.” Pertahankan label pada bagian sumber agar respons dapat mengaitkan setiap pengamatan dengan bagian yang tepat. Tugas kode dapat menyertakan fungsi, perilaku yang diharapkan, dan masukan konkret ketika hasil saat ini salah. Mintalah usulan perbaikan dan jelaskan contoh mana yang harus digunakan untuk memeriksanya. Contoh-contoh ini menggunakan keluarga tugas bahasa dan pemrograman yang terdokumentasi dan tidak menyiratkan bahwa kode yang dihasilkan sudah dijalankan.
Perbedaan dari Think penting. Pengumuman keluarga Grok 3 juga menjelaskan Grok 3 Think dan Grok 3 mini Think, yang dilatih untuk mengerahkan upaya tambahan dalam proses penalaran. Perilaku berpikir panjangnya harus dijelaskan sebagai pilihan mode atau model tersendiri. Entri teks biasa dapat memberikan penjelasan dan menyelesaikan pertanyaan, tetapi hal itu tidak boleh disamakan dengan memilih konfigurasi penalaran panjang yang didokumentasikan secara eksplisit.
Contoh metadata model bernama dari pembuatnya memberikan panjang prompt maksimum 131,072 token untuk grok-3 dan mencatat dukungan keluaran terstruktur serta pemanggilan fungsi. Kolom panjang prompt menjelaskan anggaran masukan yang dipublikasikan dalam contoh itu; kolom tersebut bukan batas token keluaran yang terpisah. Pengumuman keluarga membahas konfigurasi berkonteks panjang yang lebih besar, jadi bedakan spesifikasi model bernama yang presisi dari deskripsi keluarga yang lebih luas saat menyiapkan permintaan. Sertakan konteks yang diperlukan untuk pertanyaan dan tentukan format serta panjang jawaban secara eksplisit.
Keluaran terstruktur berguna ketika percakapan harus diakhiri dengan kolom yang dapat diproses aplikasi, seperti ringkasan, fakta hasil ekstraksi, dan pertanyaan yang masih perlu diperjelas. Pemanggilan fungsi memungkinkan aplikasi menawarkan operasi yang diizinkan dan menerima argumen yang diusulkan. Aplikasi menjalankan operasi dan mengembalikan hasil untuk jawaban selanjutnya. Ini berbeda dari model yang secara mandiri memiliki akses ke sembarang basis data, browser, atau interpreter kode.
Artikel peluncuran membahas DeepSearch dan agen yang dilengkapi alat sebagai sistem yang dibangun di seputar keluarga Grok. Alur kerja pencarian, eksekusi, dan pembuatan laporannya merupakan konteks integrasi, bukan alasan untuk memindahkan setiap fitur aplikasi ke entri teks grok-3 dasar. Untuk tugas yang berguna, sebutkan materi yang diberikan atau data hasil alat mana yang harus digunakan model, bedakan fakta dari interpretasi yang diminta, dan minta model menandai informasi yang hilang. Akhiri dengan artefak konkret: dokumen revisi, usulan kode, catatan ekstraksi, atau penjelasan yang dapat diperiksa terhadap masukan asli.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan grok-3 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.006 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "grok-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra grok-3
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Revise a technical explanation\n\nRewrite this for a nontechnical office manager in at most 75 words: 'The synchronisation job retries transient transport failures using exponential backoff; repeated requests carry the same operation key to prevent duplicate entries.' Preserve the difference between retrying a failed connection and creating a second record. Use one everyday comparison and no unsupported guarantees.A concise plain-language explanation with one comparison and both retry and duplicate-prevention concepts intact.The rewrite does not imply that every failure is recoverable or that retries always succeed.