Dialogo e capacità generali
Grok 4.1 sviluppa il lato conversazionale della famiglia Grok di xAI: dialogo naturale, attenzione alle sfumature dell'intento e una personalità conversazionale più coerente. Il suo sviluppo pone l'accento su utilità, stile e interazione collaborativa insieme al ragionamento di base. La famiglia ha due configurazioni. Thinking elabora l'attività prima di rispondere; Non-Thinking fornisce una risposta diretta senza token di ragionamento. Il nome generale Grok 4.1 descrive questa famiglia senza selezionare nessuna delle due configurazioni.
Comprensione emotiva e collaborazione
L'attenzione alla conversazione è utile quando l'attività dipende da come una risposta deve suonare oltre che da cosa deve dire. Fornisci la situazione, il lettore previsto e i fatti che devono rimanere invariati. Per esempio, chiedi una risposta premurosa a un cliente deluso che riconosca il problema, spieghi l'azione successiva e mantenga le condizioni fornite. Quindi identifica una revisione specifica: attenuare una frase, rendere più chiara la spiegazione o sostituire soltanto il paragrafo conclusivo. Sono esempi di attività editoriali, non promesse che il modello conosca le politiche della tua azienda.
Scrittura creativa
Le capacità annunciate di Grok 4.1 comprendono la scrittura creativa e il mantenimento di una voce riconoscibile durante l'interazione. Prepara istruzioni con il narratore o i personaggi, l'ambientazione, l'effetto previsto e la forma desiderata. Un'attività utile potrebbe richiedere un breve dialogo in cui due personaggi sono in disaccordo mantenendo ciascuno uno stile distinto, seguito da una revisione che ne cambi il ritmo. Per la scrittura aziendale, fornisci i dettagli effettivi del prodotto e chiedi paragrafi iniziali differenti per pubblici diversi. Separa i dettagli fissi da quelli che il modello può inventare nell'incarico creativo.
Accuratezza fattuale e risposte a richieste informative
Il post-addestramento del modello affronta specificamente gli errori fattuali nei prompt di ricerca di informazioni. Tale attenzione non rende una risposta scorrevole un fatto verificato. Quando redigi a partire da prove, includi il materiale di partenza e chiedi al modello di distinguere fatti dichiarati, interpretazione e domande senza risposta. Un output pratico potrebbe contenere una risposta concisa, il passaggio di supporto tratto dal materiale fornito e una domanda per colmare ogni lacuna. Gli esempi basati sulla ricerca coinvolgono un modello che opera con strumenti di ricerca; una conversazione testuale da sola non dovrebbe essere trattata come una fonte di informazioni appena recuperate.
Addestramento, output e ambito dell'edizione
L'addestramento combina pre-addestramento, addestramento intermedio mirato, messa a punto supervisionata e apprendimento per rinforzo, includendo feedback su risposte utili e appropriate. Il lavoro qui descritto è un dialogo testuale che produce testo: revisioni, spiegazioni, scene e risposte basate sul materiale fornito. Conserva la cronologia della conversazione necessaria e specifica esattamente quale passaggio debba modificare un messaggio successivo. La valutazione di onestà, premesse fuorvianti e prompt injection sottolinea l'importanza di mantenere distinte le prove fornite dalle istruzioni e di verificare le conclusioni fattuali. Grok 4.1 e Grok 4.1 Fast hanno identità separate; i limiti numerici di contesto o output della linea Fast non sono specifiche di questa scheda della famiglia.
", "aboutText": "Dialogo e capacità generali\n\nGrok 4.1 sviluppa il lato conversazionale della famiglia Grok di xAI: dialogo naturale, attenzione alle sfumature dell'intento e una personalità conversazionale più coerente. Il suo sviluppo pone l'accento su utilità, stile e interazione collaborativa insieme al ragionamento di base. La famiglia ha due configurazioni. Thinking elabora l'attività prima di rispondere; Non-Thinking fornisce una risposta diretta senza token di ragionamento. Il nome generale Grok 4.1 descrive questa famiglia senza selezionare nessuna delle due configurazioni.\n\nComprensione emotiva e collaborazione\n\nL'attenzione alla conversazione è utile quando l'attività dipende da come una risposta deve suonare oltre che da cosa deve dire. Fornisci la situazione, il lettore previsto e i fatti che devono rimanere invariati. Per esempio, chiedi una risposta premurosa a un cliente deluso che riconosca il problema, spieghi l'azione successiva e mantenga le condizioni fornite. Quindi identifica una revisione specifica: attenuare una frase, rendere più chiara la spiegazione o sostituire soltanto il paragrafo conclusivo. Sono esempi di attività editoriali, non promesse che il modello conosca le politiche della tua azienda.\n\nScrittura creativa\n\nLe capacità annunciate di Grok 4.1 comprendono la scrittura creativa e il mantenimento di una voce riconoscibile durante l'interazione. Prepara istruzioni con il narratore o i personaggi, l'ambientazione, l'effetto previsto e la forma desiderata. Un'attività utile potrebbe richiedere un breve dialogo in cui due personaggi sono in disaccordo mantenendo ciascuno uno stile distinto, seguito da una revisione che ne cambi il ritmo. Per la scrittura aziendale, fornisci i dettagli effettivi del prodotto e chiedi paragrafi iniziali differenti per pubblici diversi. Separa i dettagli fissi da quelli che il modello può inventare nell'incarico creativo.\n\nAccuratezza fattuale e risposte a richieste informative\n\nIl post-addestramento del modello affronta specificamente gli errori fattuali nei prompt di ricerca di informazioni. Tale attenzione non rende una risposta scorrevole un fatto verificato. Quando redigi a partire da prove, includi il materiale di partenza e chiedi al modello di distinguere fatti dichiarati, interpretazione e domande senza risposta. Un output pratico potrebbe contenere una risposta concisa, il passaggio di supporto tratto dal materiale fornito e una domanda per colmare ogni lacuna. Gli esempi basati sulla ricerca coinvolgono un modello che opera con strumenti di ricerca; una conversazione testuale da sola non dovrebbe essere trattata come una fonte di informazioni appena recuperate.\n\nAddestramento, output e ambito dell'edizione\n\nL'addestramento combina pre-addestramento, addestramento intermedio mirato, messa a punto supervisionata e apprendimento per rinforzo, includendo feedback su risposte utili e appropriate. Il lavoro qui descritto è un dialogo testuale che produce testo: revisioni, spiegazioni, scene e risposte basate sul materiale fornito. Conserva la cronologia della conversazione necessaria e specifica esattamente quale passaggio debba modificare un messaggio successivo. La valutazione di onestà, premesse fuorvianti e prompt injection sottolinea l'importanza di mantenere distinte le prove fornite dalle istruzioni e di verificare le conclusioni fattuali. Grok 4.1 e Grok 4.1 Fast hanno identità separate; i limiti numerici di contesto o output della linea Fast non sono specifiche di questa scheda della famiglia.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Soften a disappointed-customer reply\n\nRevise this reply to a disappointed customer: 'You missed the deadline, so we cannot change it. Read the policy.' Facts to preserve: changes close 48 hours before dispatch; this order dispatches tomorrow; support can update the address for future orders. Acknowledge the inconvenience, explain the current limit and offer the available next step without sounding accusatory.A considerate customer-ready reply preserving all supplied policy and timing facts.Check the reply offers only the future-order address change and never promises an exception.grok-4.1Grok 4.1 è il modello di xAI incentrato sul dialogo, per conversazioni ricche di sfumature, revisione collaborativa e scrittura creativa. Le configurazioni Thinking e Non-Thinking offrono approcci diversi alla risposta, mantenendo tono e contesto al centro dello scambio.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Dialogo e capacità generali
Grok 4.1 sviluppa il lato conversazionale della famiglia Grok di xAI: dialogo naturale, attenzione alle sfumature dell'intento e una personalità conversazionale più coerente. Il suo sviluppo pone l'accento su utilità, stile e interazione collaborativa insieme al ragionamento di base. La famiglia ha due configurazioni. Thinking elabora l'attività prima di rispondere; Non-Thinking fornisce una risposta diretta senza token di ragionamento. Il nome generale Grok 4.1 descrive questa famiglia senza selezionare nessuna delle due configurazioni.
Comprensione emotiva e collaborazione
L'attenzione alla conversazione è utile quando l'attività dipende da come una risposta deve suonare oltre che da cosa deve dire. Fornisci la situazione, il lettore previsto e i fatti che devono rimanere invariati. Per esempio, chiedi una risposta premurosa a un cliente deluso che riconosca il problema, spieghi l'azione successiva e mantenga le condizioni fornite. Quindi identifica una revisione specifica: attenuare una frase, rendere più chiara la spiegazione o sostituire soltanto il paragrafo conclusivo. Sono esempi di attività editoriali, non promesse che il modello conosca le politiche della tua azienda.
Scrittura creativa
Le capacità annunciate di Grok 4.1 comprendono la scrittura creativa e il mantenimento di una voce riconoscibile durante l'interazione. Prepara istruzioni con il narratore o i personaggi, l'ambientazione, l'effetto previsto e la forma desiderata. Un'attività utile potrebbe richiedere un breve dialogo in cui due personaggi sono in disaccordo mantenendo ciascuno uno stile distinto, seguito da una revisione che ne cambi il ritmo. Per la scrittura aziendale, fornisci i dettagli effettivi del prodotto e chiedi paragrafi iniziali differenti per pubblici diversi. Separa i dettagli fissi da quelli che il modello può inventare nell'incarico creativo.
Accuratezza fattuale e risposte a richieste informative
Il post-addestramento del modello affronta specificamente gli errori fattuali nei prompt di ricerca di informazioni. Tale attenzione non rende una risposta scorrevole un fatto verificato. Quando redigi a partire da prove, includi il materiale di partenza e chiedi al modello di distinguere fatti dichiarati, interpretazione e domande senza risposta. Un output pratico potrebbe contenere una risposta concisa, il passaggio di supporto tratto dal materiale fornito e una domanda per colmare ogni lacuna. Gli esempi basati sulla ricerca coinvolgono un modello che opera con strumenti di ricerca; una conversazione testuale da sola non dovrebbe essere trattata come una fonte di informazioni appena recuperate.
Addestramento, output e ambito dell'edizione
L'addestramento combina pre-addestramento, addestramento intermedio mirato, messa a punto supervisionata e apprendimento per rinforzo, includendo feedback su risposte utili e appropriate. Il lavoro qui descritto è un dialogo testuale che produce testo: revisioni, spiegazioni, scene e risposte basate sul materiale fornito. Conserva la cronologia della conversazione necessaria e specifica esattamente quale passaggio debba modificare un messaggio successivo. La valutazione di onestà, premesse fuorvianti e prompt injection sottolinea l'importanza di mantenere distinte le prove fornite dalle istruzioni e di verificare le conclusioni fattuali. Grok 4.1 e Grok 4.1 Fast hanno identità separate; i limiti numerici di contesto o output della linea Fast non sono specifiche di questa scheda della famiglia.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti grok-4.1 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.004 / 1K token Output · Token in output $0.02 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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", "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',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',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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra grok-4.1
Usa i percorsi dei metodi indicati sopra.
grok-4.1Grok 4.1 è il modello di xAI incentrato sul dialogo, per conversazioni ricche di sfumature, revisione collaborativa e scrittura creativa. Le configurazioni Thinking e Non-Thinking offrono approcci diversi alla risposta, mantenendo tono e contesto al centro dello scambio.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Dialogo e capacità generali
Grok 4.1 sviluppa il lato conversazionale della famiglia Grok di xAI: dialogo naturale, attenzione alle sfumature dell'intento e una personalità conversazionale più coerente. Il suo sviluppo pone l'accento su utilità, stile e interazione collaborativa insieme al ragionamento di base. La famiglia ha due configurazioni. Thinking elabora l'attività prima di rispondere; Non-Thinking fornisce una risposta diretta senza token di ragionamento. Il nome generale Grok 4.1 descrive questa famiglia senza selezionare nessuna delle due configurazioni.
Comprensione emotiva e collaborazione
L'attenzione alla conversazione è utile quando l'attività dipende da come una risposta deve suonare oltre che da cosa deve dire. Fornisci la situazione, il lettore previsto e i fatti che devono rimanere invariati. Per esempio, chiedi una risposta premurosa a un cliente deluso che riconosca il problema, spieghi l'azione successiva e mantenga le condizioni fornite. Quindi identifica una revisione specifica: attenuare una frase, rendere più chiara la spiegazione o sostituire soltanto il paragrafo conclusivo. Sono esempi di attività editoriali, non promesse che il modello conosca le politiche della tua azienda.
Scrittura creativa
Le capacità annunciate di Grok 4.1 comprendono la scrittura creativa e il mantenimento di una voce riconoscibile durante l'interazione. Prepara istruzioni con il narratore o i personaggi, l'ambientazione, l'effetto previsto e la forma desiderata. Un'attività utile potrebbe richiedere un breve dialogo in cui due personaggi sono in disaccordo mantenendo ciascuno uno stile distinto, seguito da una revisione che ne cambi il ritmo. Per la scrittura aziendale, fornisci i dettagli effettivi del prodotto e chiedi paragrafi iniziali differenti per pubblici diversi. Separa i dettagli fissi da quelli che il modello può inventare nell'incarico creativo.
Accuratezza fattuale e risposte a richieste informative
Il post-addestramento del modello affronta specificamente gli errori fattuali nei prompt di ricerca di informazioni. Tale attenzione non rende una risposta scorrevole un fatto verificato. Quando redigi a partire da prove, includi il materiale di partenza e chiedi al modello di distinguere fatti dichiarati, interpretazione e domande senza risposta. Un output pratico potrebbe contenere una risposta concisa, il passaggio di supporto tratto dal materiale fornito e una domanda per colmare ogni lacuna. Gli esempi basati sulla ricerca coinvolgono un modello che opera con strumenti di ricerca; una conversazione testuale da sola non dovrebbe essere trattata come una fonte di informazioni appena recuperate.
Addestramento, output e ambito dell'edizione
L'addestramento combina pre-addestramento, addestramento intermedio mirato, messa a punto supervisionata e apprendimento per rinforzo, includendo feedback su risposte utili e appropriate. Il lavoro qui descritto è un dialogo testuale che produce testo: revisioni, spiegazioni, scene e risposte basate sul materiale fornito. Conserva la cronologia della conversazione necessaria e specifica esattamente quale passaggio debba modificare un messaggio successivo. La valutazione di onestà, premesse fuorvianti e prompt injection sottolinea l'importanza di mantenere distinte le prove fornite dalle istruzioni e di verificare le conclusioni fattuali. Grok 4.1 e Grok 4.1 Fast hanno identità separate; i limiti numerici di contesto o output della linea Fast non sono specifiche di questa scheda della famiglia.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti grok-4.1 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.004 / 1K token Output · Token in output $0.02 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "grok-4.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra grok-4.1
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Soften a disappointed-customer reply\n\nRevise this reply to a disappointed customer: 'You missed the deadline, so we cannot change it. Read the policy.' Facts to preserve: changes close 48 hours before dispatch; this order dispatches tomorrow; support can update the address for future orders. Acknowledge the inconvenience, explain the current limit and offer the available next step without sounding accusatory.A considerate customer-ready reply preserving all supplied policy and timing facts.Check the reply offers only the future-order address change and never promises an exception.