Identità e scopo del modello
Grok 4.20 Non-Reasoning è la configurazione con denominazione specifica di xAI per risposte guidate dalle istruzioni e chiamata di strumenti da parte di agenti. Il produttore indica grok-4.20-beta-0309-non-reasoning come alias di grok-4.20-0309-non-reasoning. Conservare quel nome esatto è importante per distinguere questa edizione da un identificativo latest variabile o da un'altra configurazione Grok 4.20. Il suo scopo dichiarato pone l'accento sul rispetto del prompt e sulla preparazione di una risposta precisa all'attività.
Input, output e contesto
Il modello accetta testo e immagini e produce testo. La finestra di contesto dichiarata è di 1,000,000 token, offrendo spazio per istruzioni estese, testo di riferimento e cronologia della conversazione intorno all'attività visiva. La comprensione delle immagini è elaborazione dell'input; l'output qui è una spiegazione o dati espressi come testo. Prepara materiale visivo leggibile e spiegane il ruolo: lo stato dell'interfaccia da esaminare, il grafico da interpretare o il frammento di documento da descrivere.
Chiamata di funzioni
Il produttore documenta la chiamata di funzioni come capacità del modello. Un'applicazione collegata definisce le funzioni e i relativi argomenti; il modello può selezionare un'azione pertinente e restituire le informazioni necessarie a invocarla. Per un'attività di assistenza visiva, fornisci lo screenshot, l'obiettivo dell'utente e le descrizioni degli strumenti diagnostici consentiti. Un risultato utile potrebbe identificare lo stato osservato, chiedere un dettaglio mancante o proporre la successiva operazione disponibile. L'applicazione esegue tale operazione e restituisce quanto osservato. Il testo del modello dovrebbe distinguere un'azione proposta da un'azione effettivamente completata.
Output strutturati
Il modello supporta inoltre risultati strutturati per elaborazioni successive. L'interfaccia del produttore supporta anche l'elaborazione in batch. Invece di una spiegazione libera, definisci campi per l'attività: l'elemento osservato, il dettaglio pertinente, un'interpretazione concisa e le domande irrisolte. Un'attività documentale esemplificativa può chiedere nomi e valori visibili in un'immagine, con una regola esplicita per le voci illeggibili. Un'attività di analisi di un prodotto può richiedere una tabella di confronto basata su testo e immagini forniti. Uno schema organizza la risposta; non trasforma un'interpretazione incerta di un'immagine in un fatto verificato.
Preparazione di una richiesta pratica
Mantieni separate prove e istruzioni. Se una domanda è accompagnata da più immagini, identifica ciascuna immagine e specifica se l'attività è un confronto, un'estrazione o una spiegazione. Includi i criteri che determinano il risultato: lo stato atteso dell'interfaccia, i campi da estrarre o i dettagli che devono rimanere invariati. Per una discussione lunga, fornisci la cronologia pertinente e i precedenti risultati degli strumenti, così la risposta successiva affronta lo stato attuale. Richiedi un elaborato finale concreto, come una spiegazione di assistenza, un elenco delle discrepanze osservate o un record strutturato per il passo applicativo successivo.
Confini dell'edizione e delle capacità
Non-Reasoning viene mantenuto come identità della configurazione; va selezionato deliberatamente accanto alle configurazioni di ragionamento con denominazioni distinte. L'input di testo e immagini non specifica l'elaborazione di audio o video e la finestra di contesto non è una lunghezza massima della risposta. Le chiamate di funzioni richiedono strumenti effettivamente collegati, mentre il testo strutturato richiede un formato di output supportato dall'integrazione. Conserva l'alias esatto 0309 quando registri l'attività, così i cambiamenti di edizione o del comportamento dell'applicazione rimangono distinguibili dalle capacità del modello qui descritte.
", "aboutText": "Identità e scopo del modello\n\nGrok 4.20 Non-Reasoning è la configurazione con denominazione specifica di xAI per risposte guidate dalle istruzioni e chiamata di strumenti da parte di agenti. Il produttore indica grok-4.20-beta-0309-non-reasoning come alias di grok-4.20-0309-non-reasoning. Conservare quel nome esatto è importante per distinguere questa edizione da un identificativo latest variabile o da un'altra configurazione Grok 4.20. Il suo scopo dichiarato pone l'accento sul rispetto del prompt e sulla preparazione di una risposta precisa all'attività.\n\nInput, output e contesto\n\nIl modello accetta testo e immagini e produce testo. La finestra di contesto dichiarata è di 1,000,000 token, offrendo spazio per istruzioni estese, testo di riferimento e cronologia della conversazione intorno all'attività visiva. La comprensione delle immagini è elaborazione dell'input; l'output qui è una spiegazione o dati espressi come testo. Prepara materiale visivo leggibile e spiegane il ruolo: lo stato dell'interfaccia da esaminare, il grafico da interpretare o il frammento di documento da descrivere.\n\nChiamata di funzioni\n\nIl produttore documenta la chiamata di funzioni come capacità del modello. Un'applicazione collegata definisce le funzioni e i relativi argomenti; il modello può selezionare un'azione pertinente e restituire le informazioni necessarie a invocarla. Per un'attività di assistenza visiva, fornisci lo screenshot, l'obiettivo dell'utente e le descrizioni degli strumenti diagnostici consentiti. Un risultato utile potrebbe identificare lo stato osservato, chiedere un dettaglio mancante o proporre la successiva operazione disponibile. L'applicazione esegue tale operazione e restituisce quanto osservato. Il testo del modello dovrebbe distinguere un'azione proposta da un'azione effettivamente completata.\n\nOutput strutturati\n\nIl modello supporta inoltre risultati strutturati per elaborazioni successive. L'interfaccia del produttore supporta anche l'elaborazione in batch. Invece di una spiegazione libera, definisci campi per l'attività: l'elemento osservato, il dettaglio pertinente, un'interpretazione concisa e le domande irrisolte. Un'attività documentale esemplificativa può chiedere nomi e valori visibili in un'immagine, con una regola esplicita per le voci illeggibili. Un'attività di analisi di un prodotto può richiedere una tabella di confronto basata su testo e immagini forniti. Uno schema organizza la risposta; non trasforma un'interpretazione incerta di un'immagine in un fatto verificato.\n\nPreparazione di una richiesta pratica\n\nMantieni separate prove e istruzioni. Se una domanda è accompagnata da più immagini, identifica ciascuna immagine e specifica se l'attività è un confronto, un'estrazione o una spiegazione. Includi i criteri che determinano il risultato: lo stato atteso dell'interfaccia, i campi da estrarre o i dettagli che devono rimanere invariati. Per una discussione lunga, fornisci la cronologia pertinente e i precedenti risultati degli strumenti, così la risposta successiva affronta lo stato attuale. Richiedi un elaborato finale concreto, come una spiegazione di assistenza, un elenco delle discrepanze osservate o un record strutturato per il passo applicativo successivo.\n\nConfini dell'edizione e delle capacità\n\nNon-Reasoning viene mantenuto come identità della configurazione; va selezionato deliberatamente accanto alle configurazioni di ragionamento con denominazioni distinte. L'input di testo e immagini non specifica l'elaborazione di audio o video e la finestra di contesto non è una lunghezza massima della risposta. Le chiamate di funzioni richiedono strumenti effettivamente collegati, mentre il testo strutturato richiede un formato di output supportato dall'integrazione. Conserva l'alias esatto 0309 quando registri l'attività, così i cambiamenti di edizione o del comportamento dell'applicazione rimangono distinguibili dalle capacità del modello qui descritte.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Extract a source-grounded return record\n\nExtract a return record from this message: 'Order R-204 arrived on 8 May. One blue bowl was cracked; the other two are fine. I want a replacement, not a refund.' Return the order ID, affected item, affected quantity and requested resolution. Mark any absent field 'not stated' and do not infer a cause of damage.A four-field text record preserving the customer's requested resolution and affected quantity.The record distinguishes the one damaged bowl from the two undamaged bowls and does not invent a damage cause.grok-4.20-beta-0309-non-reasoningGrok 4.20 Non-Reasoning è il modello di xAI per testo e immagini, destinato a risposte guidate dalle istruzioni, chiamata di funzioni e risultati strutturati. L'identità 0309 supporta attività che collegano prove visive e un ampio contesto testuale a una spiegazione chiara o a campi pronti per ulteriori elaborazioni.
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.
Identità e scopo del modello
Grok 4.20 Non-Reasoning è la configurazione con denominazione specifica di xAI per risposte guidate dalle istruzioni e chiamata di strumenti da parte di agenti. Il produttore indica grok-4.20-beta-0309-non-reasoning come alias di grok-4.20-0309-non-reasoning. Conservare quel nome esatto è importante per distinguere questa edizione da un identificativo latest variabile o da un'altra configurazione Grok 4.20. Il suo scopo dichiarato pone l'accento sul rispetto del prompt e sulla preparazione di una risposta precisa all'attività.
Input, output e contesto
Il modello accetta testo e immagini e produce testo. La finestra di contesto dichiarata è di 1,000,000 token, offrendo spazio per istruzioni estese, testo di riferimento e cronologia della conversazione intorno all'attività visiva. La comprensione delle immagini è elaborazione dell'input; l'output qui è una spiegazione o dati espressi come testo. Prepara materiale visivo leggibile e spiegane il ruolo: lo stato dell'interfaccia da esaminare, il grafico da interpretare o il frammento di documento da descrivere.
Chiamata di funzioni
Il produttore documenta la chiamata di funzioni come capacità del modello. Un'applicazione collegata definisce le funzioni e i relativi argomenti; il modello può selezionare un'azione pertinente e restituire le informazioni necessarie a invocarla. Per un'attività di assistenza visiva, fornisci lo screenshot, l'obiettivo dell'utente e le descrizioni degli strumenti diagnostici consentiti. Un risultato utile potrebbe identificare lo stato osservato, chiedere un dettaglio mancante o proporre la successiva operazione disponibile. L'applicazione esegue tale operazione e restituisce quanto osservato. Il testo del modello dovrebbe distinguere un'azione proposta da un'azione effettivamente completata.
Output strutturati
Il modello supporta inoltre risultati strutturati per elaborazioni successive. L'interfaccia del produttore supporta anche l'elaborazione in batch. Invece di una spiegazione libera, definisci campi per l'attività: l'elemento osservato, il dettaglio pertinente, un'interpretazione concisa e le domande irrisolte. Un'attività documentale esemplificativa può chiedere nomi e valori visibili in un'immagine, con una regola esplicita per le voci illeggibili. Un'attività di analisi di un prodotto può richiedere una tabella di confronto basata su testo e immagini forniti. Uno schema organizza la risposta; non trasforma un'interpretazione incerta di un'immagine in un fatto verificato.
Preparazione di una richiesta pratica
Mantieni separate prove e istruzioni. Se una domanda è accompagnata da più immagini, identifica ciascuna immagine e specifica se l'attività è un confronto, un'estrazione o una spiegazione. Includi i criteri che determinano il risultato: lo stato atteso dell'interfaccia, i campi da estrarre o i dettagli che devono rimanere invariati. Per una discussione lunga, fornisci la cronologia pertinente e i precedenti risultati degli strumenti, così la risposta successiva affronta lo stato attuale. Richiedi un elaborato finale concreto, come una spiegazione di assistenza, un elenco delle discrepanze osservate o un record strutturato per il passo applicativo successivo.
Confini dell'edizione e delle capacità
Non-Reasoning viene mantenuto come identità della configurazione; va selezionato deliberatamente accanto alle configurazioni di ragionamento con denominazioni distinte. L'input di testo e immagini non specifica l'elaborazione di audio o video e la finestra di contesto non è una lunghezza massima della risposta. Le chiamate di funzioni richiedono strumenti effettivamente collegati, mentre il testo strutturato richiede un formato di output supportato dall'integrazione. Conserva l'alias esatto 0309 quando registri l'attività, così i cambiamenti di edizione o del comportamento dell'applicazione rimangono distinguibili dalle capacità del modello qui descritte.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti grok-4.20-beta-0309-non-reasoning | 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 $0.012 / 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-4.20-beta-0309-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-4.20-beta-0309-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-4.20-beta-0309-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 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-4.20-beta-0309-non-reasoning
Usa i percorsi dei metodi indicati sopra.
grok-4.20-beta-0309-non-reasoningGrok 4.20 Non-Reasoning è il modello di xAI per testo e immagini, destinato a risposte guidate dalle istruzioni, chiamata di funzioni e risultati strutturati. L'identità 0309 supporta attività che collegano prove visive e un ampio contesto testuale a una spiegazione chiara o a campi pronti per ulteriori elaborazioni.
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.
Identità e scopo del modello
Grok 4.20 Non-Reasoning è la configurazione con denominazione specifica di xAI per risposte guidate dalle istruzioni e chiamata di strumenti da parte di agenti. Il produttore indica grok-4.20-beta-0309-non-reasoning come alias di grok-4.20-0309-non-reasoning. Conservare quel nome esatto è importante per distinguere questa edizione da un identificativo latest variabile o da un'altra configurazione Grok 4.20. Il suo scopo dichiarato pone l'accento sul rispetto del prompt e sulla preparazione di una risposta precisa all'attività.
Input, output e contesto
Il modello accetta testo e immagini e produce testo. La finestra di contesto dichiarata è di 1,000,000 token, offrendo spazio per istruzioni estese, testo di riferimento e cronologia della conversazione intorno all'attività visiva. La comprensione delle immagini è elaborazione dell'input; l'output qui è una spiegazione o dati espressi come testo. Prepara materiale visivo leggibile e spiegane il ruolo: lo stato dell'interfaccia da esaminare, il grafico da interpretare o il frammento di documento da descrivere.
Chiamata di funzioni
Il produttore documenta la chiamata di funzioni come capacità del modello. Un'applicazione collegata definisce le funzioni e i relativi argomenti; il modello può selezionare un'azione pertinente e restituire le informazioni necessarie a invocarla. Per un'attività di assistenza visiva, fornisci lo screenshot, l'obiettivo dell'utente e le descrizioni degli strumenti diagnostici consentiti. Un risultato utile potrebbe identificare lo stato osservato, chiedere un dettaglio mancante o proporre la successiva operazione disponibile. L'applicazione esegue tale operazione e restituisce quanto osservato. Il testo del modello dovrebbe distinguere un'azione proposta da un'azione effettivamente completata.
Output strutturati
Il modello supporta inoltre risultati strutturati per elaborazioni successive. L'interfaccia del produttore supporta anche l'elaborazione in batch. Invece di una spiegazione libera, definisci campi per l'attività: l'elemento osservato, il dettaglio pertinente, un'interpretazione concisa e le domande irrisolte. Un'attività documentale esemplificativa può chiedere nomi e valori visibili in un'immagine, con una regola esplicita per le voci illeggibili. Un'attività di analisi di un prodotto può richiedere una tabella di confronto basata su testo e immagini forniti. Uno schema organizza la risposta; non trasforma un'interpretazione incerta di un'immagine in un fatto verificato.
Preparazione di una richiesta pratica
Mantieni separate prove e istruzioni. Se una domanda è accompagnata da più immagini, identifica ciascuna immagine e specifica se l'attività è un confronto, un'estrazione o una spiegazione. Includi i criteri che determinano il risultato: lo stato atteso dell'interfaccia, i campi da estrarre o i dettagli che devono rimanere invariati. Per una discussione lunga, fornisci la cronologia pertinente e i precedenti risultati degli strumenti, così la risposta successiva affronta lo stato attuale. Richiedi un elaborato finale concreto, come una spiegazione di assistenza, un elenco delle discrepanze osservate o un record strutturato per il passo applicativo successivo.
Confini dell'edizione e delle capacità
Non-Reasoning viene mantenuto come identità della configurazione; va selezionato deliberatamente accanto alle configurazioni di ragionamento con denominazioni distinte. L'input di testo e immagini non specifica l'elaborazione di audio o video e la finestra di contesto non è una lunghezza massima della risposta. Le chiamate di funzioni richiedono strumenti effettivamente collegati, mentre il testo strutturato richiede un formato di output supportato dall'integrazione. Conserva l'alias esatto 0309 quando registri l'attività, così i cambiamenti di edizione o del comportamento dell'applicazione rimangono distinguibili dalle capacità del modello qui descritte.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti grok-4.20-beta-0309-non-reasoning | 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 $0.012 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "grok-4.20-beta-0309-non-reasoning",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.20-beta-0309-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-4.20-beta-0309-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 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-4.20-beta-0309-non-reasoning
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Extract a source-grounded return record\n\nExtract a return record from this message: 'Order R-204 arrived on 8 May. One blue bowl was cracked; the other two are fine. I want a replacement, not a refund.' Return the order ID, affected item, affected quantity and requested resolution. Mark any absent field 'not stated' and do not infer a cause of damage.A four-field text record preserving the customer's requested resolution and affected quantity.The record distinguishes the one damaged bowl from the two undamaged bowls and does not invent a damage cause.