Grok 4.1 Fast Non-Reasoning adalah varian respons langsung dari xAI dengan nama tersendiri dalam keluarga Grok 4.1 Fast. Pembuatnya merilis varian ini secara terpisah dari varian penalaran dan mengidentifikasinya sebagai pilihan untuk respons segera. Model ini berguna untuk percakapan teks atau langkah berbantuan alat dengan instruksi yang jelas, masukan yang diketahui, dan hasil yang telah ditentukan. Non-Reasoning memilih mode respons; Grok 4.1 Fast tetap merupakan keluarga yang berbeda dari model Grok 4.1 biasa maupun Grok 4 Fast.
xAI mengembangkan Grok 4.1 Fast dengan berfokus pada penggunaan alat dunia nyata. Pelatihan pembelajaran penguatannya menggunakan lingkungan simulasi dengan beragam alat di banyak domain, dengan dukungan pelanggan ditonjolkan sebagai penerapan praktis. Untuk tugas semacam itu, berikan permintaan pengguna, aturan yang relevan, dan fungsi yang diizinkan aplikasi kepada model. Nyatakan informasi apa yang diperlukan untuk memilih tindakan berikutnya. Contoh alur kerja adalah mengidentifikasi masalah pengguna saat ini, meminta detail yang hilang, memilih pencarian, lalu menyiapkan respons singkat berdasarkan informasi yang dikembalikan.
Pembuatnya juga menekankan pembelajaran penguatan dengan rentang panjang dan skenario beberapa giliran. Hal ini penting ketika permintaan berlanjut melalui beberapa tindakan atau klarifikasi. Pertahankan tujuan awal, batasan penting, jawaban sebelumnya, dan hasil fungsi yang nyata agar respons berikutnya dapat mencerminkan keadaan tugas saat ini. Jika alat melaporkan informasi yang hilang atau tindakan yang gagal, sertakan hasil tersebut, alih-alih mengasumsikan keberhasilan. Minta model menjelaskan langkah berikutnya yang diperlukan berdasarkan keadaan yang diamati, dan bedakan tindakan yang diusulkan dari tindakan yang telah diselesaikan aplikasi.
Keluarga ini memiliki konteks dua juta token menurut deskripsi pembuatnya. Jendela besar dapat menampung riwayat percakapan, instruksi, dan dokumen pendukung dalam jumlah besar, tetapi prompt tetap harus membuat pertanyaan saat ini mudah ditemukan. Beri judul yang stabil pada dokumen, pertahankan pengenal yang relevan, dan tunjukkan sumber pernyataan faktual. Untuk kasus dukungan yang panjang, mintalah masalah sebagaimana keadaannya sekarang, fakta yang sudah dipastikan, dan pertanyaan berikutnya yang belum terjawab. Untuk pemrosesan dokumen, tentukan kolom yang harus diekstrak dan bagaimana nilai yang tidak tersedia atau bertentangan harus dinyatakan.
Pengumuman Grok 4.1 Fast juga memperkenalkan layanan alat terpisah untuk pencarian, eksekusi kode, dan pengambilan dokumen. Kemampuan model untuk memanggil alat dan ketersediaan alat tertentu merupakan bagian yang berbeda dari alur kerja. Jelaskan alat yang benar-benar disediakan aplikasi Anda dan kembalikan hasilnya ke percakapan. Dalam tugas riset, tentukan pertanyaan, cakupan, dan bukti yang Anda perlukan, lalu mintalah sintesis yang terkait dengan materi yang diambil. Dalam tugas data, gunakan hasil perhitungan nyata sebagai masukan untuk penjelasan, alih-alih memperlakukan angka yang dihasilkan sebagai komputasi yang telah selesai.
Untuk operasi teks langsung, buat arahan keluaran ringkas dan tepat. Anda dapat meminta paragraf yang ditulis ulang dengan mempertahankan fakta tertentu, ringkasan pendek dari materi yang diberikan, kategori yang dipilih berdasarkan aturan eksplisit, atau tabel detail hasil ekstraksi. Sertakan contoh jika format yang diharapkan memiliki kasus tepi penting. Ini merupakan contoh penerapan alur kerja teks dan agen, bukan klaim bahwa setiap masukan akan menghasilkan hasil yang benar. Mode respons langsung dapat menjaga hasil tetap terarah ketika tugas sudah ditentukan dengan baik.
Untuk pekerjaan faktual, minta model membedakan informasi yang didukung sumber dari asumsi dan menandai bukti yang hilang. Periksa unsur penting seperti nama, pengenal, nilai, dan hasil tindakan yang diklaim dengan mencocokkannya terhadap materi asli atau respons alat yang sebenarnya. Konteks besar dan proses respons cepat tidak menggantikan pemeriksaan itu. Pilih varian penalaran yang bernama tersendiri ketika Anda menginginkan proses pemecahan masalah yang berbeda, sambil mempertahankan Non-Reasoning untuk instruksi jelas dan jawaban akhir langsung. Tentukan penyelesaian berdasarkan hasil yang diminta dan hasil operasi yang telah dikonfirmasi, bukan sekadar karena model telah menghasilkan respons.
", "aboutText": "Grok 4.1 Fast Non-Reasoning adalah varian respons langsung dari xAI dengan nama tersendiri dalam keluarga Grok 4.1 Fast. Pembuatnya merilis varian ini secara terpisah dari varian penalaran dan mengidentifikasinya sebagai pilihan untuk respons segera. Model ini berguna untuk percakapan teks atau langkah berbantuan alat dengan instruksi yang jelas, masukan yang diketahui, dan hasil yang telah ditentukan. Non-Reasoning memilih mode respons; Grok 4.1 Fast tetap merupakan keluarga yang berbeda dari model Grok 4.1 biasa maupun Grok 4 Fast.\n\nxAI mengembangkan Grok 4.1 Fast dengan berfokus pada penggunaan alat dunia nyata. Pelatihan pembelajaran penguatannya menggunakan lingkungan simulasi dengan beragam alat di banyak domain, dengan dukungan pelanggan ditonjolkan sebagai penerapan praktis. Untuk tugas semacam itu, berikan permintaan pengguna, aturan yang relevan, dan fungsi yang diizinkan aplikasi kepada model. Nyatakan informasi apa yang diperlukan untuk memilih tindakan berikutnya. Contoh alur kerja adalah mengidentifikasi masalah pengguna saat ini, meminta detail yang hilang, memilih pencarian, lalu menyiapkan respons singkat berdasarkan informasi yang dikembalikan.\n\nPembuatnya juga menekankan pembelajaran penguatan dengan rentang panjang dan skenario beberapa giliran. Hal ini penting ketika permintaan berlanjut melalui beberapa tindakan atau klarifikasi. Pertahankan tujuan awal, batasan penting, jawaban sebelumnya, dan hasil fungsi yang nyata agar respons berikutnya dapat mencerminkan keadaan tugas saat ini. Jika alat melaporkan informasi yang hilang atau tindakan yang gagal, sertakan hasil tersebut, alih-alih mengasumsikan keberhasilan. Minta model menjelaskan langkah berikutnya yang diperlukan berdasarkan keadaan yang diamati, dan bedakan tindakan yang diusulkan dari tindakan yang telah diselesaikan aplikasi.\n\nKeluarga ini memiliki konteks dua juta token menurut deskripsi pembuatnya. Jendela besar dapat menampung riwayat percakapan, instruksi, dan dokumen pendukung dalam jumlah besar, tetapi prompt tetap harus membuat pertanyaan saat ini mudah ditemukan. Beri judul yang stabil pada dokumen, pertahankan pengenal yang relevan, dan tunjukkan sumber pernyataan faktual. Untuk kasus dukungan yang panjang, mintalah masalah sebagaimana keadaannya sekarang, fakta yang sudah dipastikan, dan pertanyaan berikutnya yang belum terjawab. Untuk pemrosesan dokumen, tentukan kolom yang harus diekstrak dan bagaimana nilai yang tidak tersedia atau bertentangan harus dinyatakan.\n\nPengumuman Grok 4.1 Fast juga memperkenalkan layanan alat terpisah untuk pencarian, eksekusi kode, dan pengambilan dokumen. Kemampuan model untuk memanggil alat dan ketersediaan alat tertentu merupakan bagian yang berbeda dari alur kerja. Jelaskan alat yang benar-benar disediakan aplikasi Anda dan kembalikan hasilnya ke percakapan. Dalam tugas riset, tentukan pertanyaan, cakupan, dan bukti yang Anda perlukan, lalu mintalah sintesis yang terkait dengan materi yang diambil. Dalam tugas data, gunakan hasil perhitungan nyata sebagai masukan untuk penjelasan, alih-alih memperlakukan angka yang dihasilkan sebagai komputasi yang telah selesai.\n\nUntuk operasi teks langsung, buat arahan keluaran ringkas dan tepat. Anda dapat meminta paragraf yang ditulis ulang dengan mempertahankan fakta tertentu, ringkasan pendek dari materi yang diberikan, kategori yang dipilih berdasarkan aturan eksplisit, atau tabel detail hasil ekstraksi. Sertakan contoh jika format yang diharapkan memiliki kasus tepi penting. Ini merupakan contoh penerapan alur kerja teks dan agen, bukan klaim bahwa setiap masukan akan menghasilkan hasil yang benar. Mode respons langsung dapat menjaga hasil tetap terarah ketika tugas sudah ditentukan dengan baik.\n\nUntuk pekerjaan faktual, minta model membedakan informasi yang didukung sumber dari asumsi dan menandai bukti yang hilang. Periksa unsur penting seperti nama, pengenal, nilai, dan hasil tindakan yang diklaim dengan mencocokkannya terhadap materi asli atau respons alat yang sebenarnya. Konteks besar dan proses respons cepat tidak menggantikan pemeriksaan itu. Pilih varian penalaran yang bernama tersendiri ketika Anda menginginkan proses pemecahan masalah yang berbeda, sambil mempertahankan Non-Reasoning untuk instruksi jelas dan jawaban akhir langsung. Tentukan penyelesaian berdasarkan hasil yang diminta dan hasil operasi yang telah dikonfirmasi, bukan sekadar karena model telah menghasilkan respons.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Continue a support case from its state\n\nContinue this support conversation with one concise reply. Customer: I cannot find order K19. Earlier reply: Please confirm the checkout email. Customer: It is pat@example.test. Supplied lookup result: No order found for K19 and that email. Ask for the next useful detail without saying the order was cancelled, refunded or located.One customer-facing reply acknowledging the unsuccessful lookup and asking for a relevant missing order detail.Check that the reply reflects the supplied no-match result and claims no completed account or order action.grok-4-1-fast-non-reasoningGrok 4.1 Fast Non-Reasoning adalah varian respons langsung xAI untuk percakapan teks dan tugas berbantuan alat. Konteks dua juta token dan pelatihan beberapa giliran pada keluarga ini membantu menyimpan riwayat tugas yang banyak, instruksi, dan informasi hasil alat secara bersama.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Grok 4.1 Fast Non-Reasoning adalah varian respons langsung dari xAI dengan nama tersendiri dalam keluarga Grok 4.1 Fast. Pembuatnya merilis varian ini secara terpisah dari varian penalaran dan mengidentifikasinya sebagai pilihan untuk respons segera. Model ini berguna untuk percakapan teks atau langkah berbantuan alat dengan instruksi yang jelas, masukan yang diketahui, dan hasil yang telah ditentukan. Non-Reasoning memilih mode respons; Grok 4.1 Fast tetap merupakan keluarga yang berbeda dari model Grok 4.1 biasa maupun Grok 4 Fast.
xAI mengembangkan Grok 4.1 Fast dengan berfokus pada penggunaan alat dunia nyata. Pelatihan pembelajaran penguatannya menggunakan lingkungan simulasi dengan beragam alat di banyak domain, dengan dukungan pelanggan ditonjolkan sebagai penerapan praktis. Untuk tugas semacam itu, berikan permintaan pengguna, aturan yang relevan, dan fungsi yang diizinkan aplikasi kepada model. Nyatakan informasi apa yang diperlukan untuk memilih tindakan berikutnya. Contoh alur kerja adalah mengidentifikasi masalah pengguna saat ini, meminta detail yang hilang, memilih pencarian, lalu menyiapkan respons singkat berdasarkan informasi yang dikembalikan.
Pembuatnya juga menekankan pembelajaran penguatan dengan rentang panjang dan skenario beberapa giliran. Hal ini penting ketika permintaan berlanjut melalui beberapa tindakan atau klarifikasi. Pertahankan tujuan awal, batasan penting, jawaban sebelumnya, dan hasil fungsi yang nyata agar respons berikutnya dapat mencerminkan keadaan tugas saat ini. Jika alat melaporkan informasi yang hilang atau tindakan yang gagal, sertakan hasil tersebut, alih-alih mengasumsikan keberhasilan. Minta model menjelaskan langkah berikutnya yang diperlukan berdasarkan keadaan yang diamati, dan bedakan tindakan yang diusulkan dari tindakan yang telah diselesaikan aplikasi.
Keluarga ini memiliki konteks dua juta token menurut deskripsi pembuatnya. Jendela besar dapat menampung riwayat percakapan, instruksi, dan dokumen pendukung dalam jumlah besar, tetapi prompt tetap harus membuat pertanyaan saat ini mudah ditemukan. Beri judul yang stabil pada dokumen, pertahankan pengenal yang relevan, dan tunjukkan sumber pernyataan faktual. Untuk kasus dukungan yang panjang, mintalah masalah sebagaimana keadaannya sekarang, fakta yang sudah dipastikan, dan pertanyaan berikutnya yang belum terjawab. Untuk pemrosesan dokumen, tentukan kolom yang harus diekstrak dan bagaimana nilai yang tidak tersedia atau bertentangan harus dinyatakan.
Pengumuman Grok 4.1 Fast juga memperkenalkan layanan alat terpisah untuk pencarian, eksekusi kode, dan pengambilan dokumen. Kemampuan model untuk memanggil alat dan ketersediaan alat tertentu merupakan bagian yang berbeda dari alur kerja. Jelaskan alat yang benar-benar disediakan aplikasi Anda dan kembalikan hasilnya ke percakapan. Dalam tugas riset, tentukan pertanyaan, cakupan, dan bukti yang Anda perlukan, lalu mintalah sintesis yang terkait dengan materi yang diambil. Dalam tugas data, gunakan hasil perhitungan nyata sebagai masukan untuk penjelasan, alih-alih memperlakukan angka yang dihasilkan sebagai komputasi yang telah selesai.
Untuk operasi teks langsung, buat arahan keluaran ringkas dan tepat. Anda dapat meminta paragraf yang ditulis ulang dengan mempertahankan fakta tertentu, ringkasan pendek dari materi yang diberikan, kategori yang dipilih berdasarkan aturan eksplisit, atau tabel detail hasil ekstraksi. Sertakan contoh jika format yang diharapkan memiliki kasus tepi penting. Ini merupakan contoh penerapan alur kerja teks dan agen, bukan klaim bahwa setiap masukan akan menghasilkan hasil yang benar. Mode respons langsung dapat menjaga hasil tetap terarah ketika tugas sudah ditentukan dengan baik.
Untuk pekerjaan faktual, minta model membedakan informasi yang didukung sumber dari asumsi dan menandai bukti yang hilang. Periksa unsur penting seperti nama, pengenal, nilai, dan hasil tindakan yang diklaim dengan mencocokkannya terhadap materi asli atau respons alat yang sebenarnya. Konteks besar dan proses respons cepat tidak menggantikan pemeriksaan itu. Pilih varian penalaran yang bernama tersendiri ketika Anda menginginkan proses pemecahan masalah yang berbeda, sambil mempertahankan Non-Reasoning untuk instruksi jelas dan jawaban akhir langsung. Tentukan penyelesaian berdasarkan hasil yang diminta dan hasil operasi yang telah dikonfirmasi, bukan sekadar karena model telah menghasilkan respons.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan grok-4-1-fast-non-reasoning | 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 $0.0004 / 1K token Keluaran · Token keluaran $0.001 / 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-4-1-fast-non-reasoning", "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-4-1-fast-non-reasoning',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-4-1-fast-non-reasoning',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-4-1-fast-non-reasoning
Gunakan jalur metode yang ditampilkan di atas.
grok-4-1-fast-non-reasoningGrok 4.1 Fast Non-Reasoning adalah varian respons langsung xAI untuk percakapan teks dan tugas berbantuan alat. Konteks dua juta token dan pelatihan beberapa giliran pada keluarga ini membantu menyimpan riwayat tugas yang banyak, instruksi, dan informasi hasil alat secara bersama.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Grok 4.1 Fast Non-Reasoning adalah varian respons langsung dari xAI dengan nama tersendiri dalam keluarga Grok 4.1 Fast. Pembuatnya merilis varian ini secara terpisah dari varian penalaran dan mengidentifikasinya sebagai pilihan untuk respons segera. Model ini berguna untuk percakapan teks atau langkah berbantuan alat dengan instruksi yang jelas, masukan yang diketahui, dan hasil yang telah ditentukan. Non-Reasoning memilih mode respons; Grok 4.1 Fast tetap merupakan keluarga yang berbeda dari model Grok 4.1 biasa maupun Grok 4 Fast.
xAI mengembangkan Grok 4.1 Fast dengan berfokus pada penggunaan alat dunia nyata. Pelatihan pembelajaran penguatannya menggunakan lingkungan simulasi dengan beragam alat di banyak domain, dengan dukungan pelanggan ditonjolkan sebagai penerapan praktis. Untuk tugas semacam itu, berikan permintaan pengguna, aturan yang relevan, dan fungsi yang diizinkan aplikasi kepada model. Nyatakan informasi apa yang diperlukan untuk memilih tindakan berikutnya. Contoh alur kerja adalah mengidentifikasi masalah pengguna saat ini, meminta detail yang hilang, memilih pencarian, lalu menyiapkan respons singkat berdasarkan informasi yang dikembalikan.
Pembuatnya juga menekankan pembelajaran penguatan dengan rentang panjang dan skenario beberapa giliran. Hal ini penting ketika permintaan berlanjut melalui beberapa tindakan atau klarifikasi. Pertahankan tujuan awal, batasan penting, jawaban sebelumnya, dan hasil fungsi yang nyata agar respons berikutnya dapat mencerminkan keadaan tugas saat ini. Jika alat melaporkan informasi yang hilang atau tindakan yang gagal, sertakan hasil tersebut, alih-alih mengasumsikan keberhasilan. Minta model menjelaskan langkah berikutnya yang diperlukan berdasarkan keadaan yang diamati, dan bedakan tindakan yang diusulkan dari tindakan yang telah diselesaikan aplikasi.
Keluarga ini memiliki konteks dua juta token menurut deskripsi pembuatnya. Jendela besar dapat menampung riwayat percakapan, instruksi, dan dokumen pendukung dalam jumlah besar, tetapi prompt tetap harus membuat pertanyaan saat ini mudah ditemukan. Beri judul yang stabil pada dokumen, pertahankan pengenal yang relevan, dan tunjukkan sumber pernyataan faktual. Untuk kasus dukungan yang panjang, mintalah masalah sebagaimana keadaannya sekarang, fakta yang sudah dipastikan, dan pertanyaan berikutnya yang belum terjawab. Untuk pemrosesan dokumen, tentukan kolom yang harus diekstrak dan bagaimana nilai yang tidak tersedia atau bertentangan harus dinyatakan.
Pengumuman Grok 4.1 Fast juga memperkenalkan layanan alat terpisah untuk pencarian, eksekusi kode, dan pengambilan dokumen. Kemampuan model untuk memanggil alat dan ketersediaan alat tertentu merupakan bagian yang berbeda dari alur kerja. Jelaskan alat yang benar-benar disediakan aplikasi Anda dan kembalikan hasilnya ke percakapan. Dalam tugas riset, tentukan pertanyaan, cakupan, dan bukti yang Anda perlukan, lalu mintalah sintesis yang terkait dengan materi yang diambil. Dalam tugas data, gunakan hasil perhitungan nyata sebagai masukan untuk penjelasan, alih-alih memperlakukan angka yang dihasilkan sebagai komputasi yang telah selesai.
Untuk operasi teks langsung, buat arahan keluaran ringkas dan tepat. Anda dapat meminta paragraf yang ditulis ulang dengan mempertahankan fakta tertentu, ringkasan pendek dari materi yang diberikan, kategori yang dipilih berdasarkan aturan eksplisit, atau tabel detail hasil ekstraksi. Sertakan contoh jika format yang diharapkan memiliki kasus tepi penting. Ini merupakan contoh penerapan alur kerja teks dan agen, bukan klaim bahwa setiap masukan akan menghasilkan hasil yang benar. Mode respons langsung dapat menjaga hasil tetap terarah ketika tugas sudah ditentukan dengan baik.
Untuk pekerjaan faktual, minta model membedakan informasi yang didukung sumber dari asumsi dan menandai bukti yang hilang. Periksa unsur penting seperti nama, pengenal, nilai, dan hasil tindakan yang diklaim dengan mencocokkannya terhadap materi asli atau respons alat yang sebenarnya. Konteks besar dan proses respons cepat tidak menggantikan pemeriksaan itu. Pilih varian penalaran yang bernama tersendiri ketika Anda menginginkan proses pemecahan masalah yang berbeda, sambil mempertahankan Non-Reasoning untuk instruksi jelas dan jawaban akhir langsung. Tentukan penyelesaian berdasarkan hasil yang diminta dan hasil operasi yang telah dikonfirmasi, bukan sekadar karena model telah menghasilkan respons.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan grok-4-1-fast-non-reasoning | 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 $0.0004 / 1K token Keluaran · Token keluaran $0.001 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "grok-4-1-fast-non-reasoning",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-4-1-fast-non-reasoning', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-4-1-fast-non-reasoning', '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-4-1-fast-non-reasoning
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Continue a support case from its state\n\nContinue this support conversation with one concise reply. Customer: I cannot find order K19. Earlier reply: Please confirm the checkout email. Customer: It is pat@example.test. Supplied lookup result: No order found for K19 and that email. Ask for the next useful detail without saying the order was cancelled, refunded or located.One customer-facing reply acknowledging the unsuccessful lookup and asking for a relevant missing order detail.Check that the reply reflects the supplied no-match result and claims no completed account or order action.