Grok 4.1 Fast Non-Reasoning은 Grok 4.1 Fast 제품군에서 이름이 지정된 xAI의 직접 응답 변형입니다. 제조사는 추론 변형과 별도로 출시하며 즉각적인 응답을 위한 선택지로 구분합니다. 명확한 지침, 알려진 입력, 정의된 결과가 있는 텍스트 대화나 도구 지원 단계에 유용합니다. Non-Reasoning은 응답 모드를 선택하며, Grok 4.1 Fast는 일반 Grok 4.1 모델 및 Grok 4 Fast와 별도의 제품군입니다.
xAI는 실제 도구 사용을 중심으로 Grok 4.1 Fast를 개발합니다. 강화 학습에는 다양한 분야의 여러 도구를 갖춘 시뮬레이션 환경이 사용되며, 고객 지원을 실용적인 응용으로 강조합니다. 이런 작업에는 사용자의 요청, 관련 규칙, 애플리케이션이 허용하는 함수를 제공하세요. 다음 행동을 선택하는 데 필요한 정보를 명시하세요. 작업 흐름의 예로는 사용자의 현재 문제를 식별하고, 누락된 세부 정보를 요청하고, 조회를 선택한 뒤, 반환된 정보를 바탕으로 짧은 답변을 준비하는 과정이 있습니다.
제조사는 장기적 강화 학습과 다중 턴 시나리오도 강조합니다. 이는 요청이 여러 행동이나 추가 확인을 거쳐 계속될 때 중요합니다. 다음 응답이 현재 작업 상태를 반영하도록 원래 목표, 중요한 제약, 이전 답변, 실제 함수 결과를 유지하세요. 도구가 정보 누락이나 행동 실패를 보고하면 성공을 가정하지 말고 그 결과를 포함하세요. 관찰된 상태를 기준으로 다음에 필요한 단계를 설명하도록 요청하고, 제안된 행동과 애플리케이션이 완료한 행동을 구분해 유지하세요.
제조사는 이 제품군의 컨텍스트를 200만 토큰으로 설명합니다. 큰 창에는 상당한 분량의 대화 기록, 지침, 근거 문서를 담을 수 있지만, 프롬프트에서 현재 질문을 쉽게 찾을 수 있어야 합니다. 문서 제목을 일관되게 유지하고 관련 식별자를 보존하며 사실 진술의 출처를 식별하세요. 긴 고객 지원 사례에서는 현재 문제, 이미 확인된 사실, 다음 미응답 질문을 요청하세요. 문서 처리에서는 추출할 필드와 값이 없거나 상충할 때 표시할 방식을 지정하세요.
Grok 4.1 Fast 발표에서는 검색, 코드 실행, 문서 검색을 위한 별도의 도구 서비스도 소개합니다. 모델의 도구 호출 능력과 특정 도구의 사용 가능 여부는 작업 흐름의 서로 다른 부분입니다. 애플리케이션이 실제 제공하는 도구를 설명하고 그 결과를 대화로 반환하세요. 조사 작업에서는 필요한 질문, 범위, 근거를 정의한 다음 검색된 자료에 연결된 종합 결과를 요청하세요. 데이터 작업에서는 생성된 숫자를 완료된 계산으로 취급하지 말고 실제 계산 결과를 설명의 입력으로 사용하세요.
직접적인 텍스트 작업에서는 출력 지침을 간결하고 정확하게 작성하세요. 지정된 사실을 유지한 문단 재작성, 제공된 자료의 짧은 요약, 명시적인 규칙에 따라 고른 분류 또는 추출한 세부 정보의 표를 요청할 수 있습니다. 예상 형식에 중요한 예외 사례가 있다면 예시를 포함하세요. 이는 텍스트 및 에이전트 작업 흐름의 예시적인 응용이며, 모든 입력에 대해 정확한 결과가 나온다는 주장은 아닙니다. 작업이 이미 명확하게 지정되어 있으면 직접 응답 모드가 결과를 핵심에 집중하도록 할 수 있습니다.
사실을 다루는 작업에서는 출처가 뒷받침하는 정보와 가정을 구분하고 누락된 근거를 표시하도록 요청하세요. 중요한 이름, 식별자, 값, 주장된 행동 결과를 원본 자료나 실제 도구 응답과 대조하세요. 큰 컨텍스트와 빠른 응답 과정은 이 확인을 대체하지 않습니다. 다른 문제 해결 과정을 원하면 별도의 이름으로 구분되는 추론 변형을 선택하고, 명확한 지침과 직접적인 최종 답변에는 Non-Reasoning을 유지하세요. 모델이 응답을 생성했다는 사실만이 아니라 요청한 결과와 확인된 작업 결과를 기준으로 완료를 정의하세요.
", "aboutText": "Grok 4.1 Fast Non-Reasoning은 Grok 4.1 Fast 제품군에서 이름이 지정된 xAI의 직접 응답 변형입니다. 제조사는 추론 변형과 별도로 출시하며 즉각적인 응답을 위한 선택지로 구분합니다. 명확한 지침, 알려진 입력, 정의된 결과가 있는 텍스트 대화나 도구 지원 단계에 유용합니다. Non-Reasoning은 응답 모드를 선택하며, Grok 4.1 Fast는 일반 Grok 4.1 모델 및 Grok 4 Fast와 별도의 제품군입니다.\n\nxAI는 실제 도구 사용을 중심으로 Grok 4.1 Fast를 개발합니다. 강화 학습에는 다양한 분야의 여러 도구를 갖춘 시뮬레이션 환경이 사용되며, 고객 지원을 실용적인 응용으로 강조합니다. 이런 작업에는 사용자의 요청, 관련 규칙, 애플리케이션이 허용하는 함수를 제공하세요. 다음 행동을 선택하는 데 필요한 정보를 명시하세요. 작업 흐름의 예로는 사용자의 현재 문제를 식별하고, 누락된 세부 정보를 요청하고, 조회를 선택한 뒤, 반환된 정보를 바탕으로 짧은 답변을 준비하는 과정이 있습니다.\n\n제조사는 장기적 강화 학습과 다중 턴 시나리오도 강조합니다. 이는 요청이 여러 행동이나 추가 확인을 거쳐 계속될 때 중요합니다. 다음 응답이 현재 작업 상태를 반영하도록 원래 목표, 중요한 제약, 이전 답변, 실제 함수 결과를 유지하세요. 도구가 정보 누락이나 행동 실패를 보고하면 성공을 가정하지 말고 그 결과를 포함하세요. 관찰된 상태를 기준으로 다음에 필요한 단계를 설명하도록 요청하고, 제안된 행동과 애플리케이션이 완료한 행동을 구분해 유지하세요.\n\n제조사는 이 제품군의 컨텍스트를 200만 토큰으로 설명합니다. 큰 창에는 상당한 분량의 대화 기록, 지침, 근거 문서를 담을 수 있지만, 프롬프트에서 현재 질문을 쉽게 찾을 수 있어야 합니다. 문서 제목을 일관되게 유지하고 관련 식별자를 보존하며 사실 진술의 출처를 식별하세요. 긴 고객 지원 사례에서는 현재 문제, 이미 확인된 사실, 다음 미응답 질문을 요청하세요. 문서 처리에서는 추출할 필드와 값이 없거나 상충할 때 표시할 방식을 지정하세요.\n\nGrok 4.1 Fast 발표에서는 검색, 코드 실행, 문서 검색을 위한 별도의 도구 서비스도 소개합니다. 모델의 도구 호출 능력과 특정 도구의 사용 가능 여부는 작업 흐름의 서로 다른 부분입니다. 애플리케이션이 실제 제공하는 도구를 설명하고 그 결과를 대화로 반환하세요. 조사 작업에서는 필요한 질문, 범위, 근거를 정의한 다음 검색된 자료에 연결된 종합 결과를 요청하세요. 데이터 작업에서는 생성된 숫자를 완료된 계산으로 취급하지 말고 실제 계산 결과를 설명의 입력으로 사용하세요.\n\n직접적인 텍스트 작업에서는 출력 지침을 간결하고 정확하게 작성하세요. 지정된 사실을 유지한 문단 재작성, 제공된 자료의 짧은 요약, 명시적인 규칙에 따라 고른 분류 또는 추출한 세부 정보의 표를 요청할 수 있습니다. 예상 형식에 중요한 예외 사례가 있다면 예시를 포함하세요. 이는 텍스트 및 에이전트 작업 흐름의 예시적인 응용이며, 모든 입력에 대해 정확한 결과가 나온다는 주장은 아닙니다. 작업이 이미 명확하게 지정되어 있으면 직접 응답 모드가 결과를 핵심에 집중하도록 할 수 있습니다.\n\n사실을 다루는 작업에서는 출처가 뒷받침하는 정보와 가정을 구분하고 누락된 근거를 표시하도록 요청하세요. 중요한 이름, 식별자, 값, 주장된 행동 결과를 원본 자료나 실제 도구 응답과 대조하세요. 큰 컨텍스트와 빠른 응답 과정은 이 확인을 대체하지 않습니다. 다른 문제 해결 과정을 원하면 별도의 이름으로 구분되는 추론 변형을 선택하고, 명확한 지침과 직접적인 최종 답변에는 Non-Reasoning을 유지하세요. 모델이 응답을 생성했다는 사실만이 아니라 요청한 결과와 확인된 작업 결과를 기준으로 완료를 정의하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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-Reasoning은 텍스트 대화와 도구 지원 작업을 위한 xAI의 직접 응답 변형입니다. 제품군의 200만 토큰 컨텍스트와 다중 턴 학습은 상당한 분량의 작업 기록, 지침, 반환된 도구 정보를 함께 유지하는 데 도움이 됩니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Grok 4.1 Fast Non-Reasoning은 Grok 4.1 Fast 제품군에서 이름이 지정된 xAI의 직접 응답 변형입니다. 제조사는 추론 변형과 별도로 출시하며 즉각적인 응답을 위한 선택지로 구분합니다. 명확한 지침, 알려진 입력, 정의된 결과가 있는 텍스트 대화나 도구 지원 단계에 유용합니다. Non-Reasoning은 응답 모드를 선택하며, Grok 4.1 Fast는 일반 Grok 4.1 모델 및 Grok 4 Fast와 별도의 제품군입니다.
xAI는 실제 도구 사용을 중심으로 Grok 4.1 Fast를 개발합니다. 강화 학습에는 다양한 분야의 여러 도구를 갖춘 시뮬레이션 환경이 사용되며, 고객 지원을 실용적인 응용으로 강조합니다. 이런 작업에는 사용자의 요청, 관련 규칙, 애플리케이션이 허용하는 함수를 제공하세요. 다음 행동을 선택하는 데 필요한 정보를 명시하세요. 작업 흐름의 예로는 사용자의 현재 문제를 식별하고, 누락된 세부 정보를 요청하고, 조회를 선택한 뒤, 반환된 정보를 바탕으로 짧은 답변을 준비하는 과정이 있습니다.
제조사는 장기적 강화 학습과 다중 턴 시나리오도 강조합니다. 이는 요청이 여러 행동이나 추가 확인을 거쳐 계속될 때 중요합니다. 다음 응답이 현재 작업 상태를 반영하도록 원래 목표, 중요한 제약, 이전 답변, 실제 함수 결과를 유지하세요. 도구가 정보 누락이나 행동 실패를 보고하면 성공을 가정하지 말고 그 결과를 포함하세요. 관찰된 상태를 기준으로 다음에 필요한 단계를 설명하도록 요청하고, 제안된 행동과 애플리케이션이 완료한 행동을 구분해 유지하세요.
제조사는 이 제품군의 컨텍스트를 200만 토큰으로 설명합니다. 큰 창에는 상당한 분량의 대화 기록, 지침, 근거 문서를 담을 수 있지만, 프롬프트에서 현재 질문을 쉽게 찾을 수 있어야 합니다. 문서 제목을 일관되게 유지하고 관련 식별자를 보존하며 사실 진술의 출처를 식별하세요. 긴 고객 지원 사례에서는 현재 문제, 이미 확인된 사실, 다음 미응답 질문을 요청하세요. 문서 처리에서는 추출할 필드와 값이 없거나 상충할 때 표시할 방식을 지정하세요.
Grok 4.1 Fast 발표에서는 검색, 코드 실행, 문서 검색을 위한 별도의 도구 서비스도 소개합니다. 모델의 도구 호출 능력과 특정 도구의 사용 가능 여부는 작업 흐름의 서로 다른 부분입니다. 애플리케이션이 실제 제공하는 도구를 설명하고 그 결과를 대화로 반환하세요. 조사 작업에서는 필요한 질문, 범위, 근거를 정의한 다음 검색된 자료에 연결된 종합 결과를 요청하세요. 데이터 작업에서는 생성된 숫자를 완료된 계산으로 취급하지 말고 실제 계산 결과를 설명의 입력으로 사용하세요.
직접적인 텍스트 작업에서는 출력 지침을 간결하고 정확하게 작성하세요. 지정된 사실을 유지한 문단 재작성, 제공된 자료의 짧은 요약, 명시적인 규칙에 따라 고른 분류 또는 추출한 세부 정보의 표를 요청할 수 있습니다. 예상 형식에 중요한 예외 사례가 있다면 예시를 포함하세요. 이는 텍스트 및 에이전트 작업 흐름의 예시적인 응용이며, 모든 입력에 대해 정확한 결과가 나온다는 주장은 아닙니다. 작업이 이미 명확하게 지정되어 있으면 직접 응답 모드가 결과를 핵심에 집중하도록 할 수 있습니다.
사실을 다루는 작업에서는 출처가 뒷받침하는 정보와 가정을 구분하고 누락된 근거를 표시하도록 요청하세요. 중요한 이름, 식별자, 값, 주장된 행동 결과를 원본 자료나 실제 도구 응답과 대조하세요. 큰 컨텍스트와 빠른 응답 과정은 이 확인을 대체하지 않습니다. 다른 문제 해결 과정을 원하면 별도의 이름으로 구분되는 추론 변형을 선택하고, 명확한 지침과 직접적인 최종 답변에는 Non-Reasoning을 유지하세요. 모델이 응답을 생성했다는 사실만이 아니라 요청한 결과와 확인된 작업 결과를 기준으로 완료를 정의하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 grok-4-1-fast-non-reasoning | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.001 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra grok-4-1-fast-non-reasoning
위에 표시된 메서드 경로를 사용하세요.
grok-4-1-fast-non-reasoningGrok 4.1 Fast Non-Reasoning은 텍스트 대화와 도구 지원 작업을 위한 xAI의 직접 응답 변형입니다. 제품군의 200만 토큰 컨텍스트와 다중 턴 학습은 상당한 분량의 작업 기록, 지침, 반환된 도구 정보를 함께 유지하는 데 도움이 됩니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Grok 4.1 Fast Non-Reasoning은 Grok 4.1 Fast 제품군에서 이름이 지정된 xAI의 직접 응답 변형입니다. 제조사는 추론 변형과 별도로 출시하며 즉각적인 응답을 위한 선택지로 구분합니다. 명확한 지침, 알려진 입력, 정의된 결과가 있는 텍스트 대화나 도구 지원 단계에 유용합니다. Non-Reasoning은 응답 모드를 선택하며, Grok 4.1 Fast는 일반 Grok 4.1 모델 및 Grok 4 Fast와 별도의 제품군입니다.
xAI는 실제 도구 사용을 중심으로 Grok 4.1 Fast를 개발합니다. 강화 학습에는 다양한 분야의 여러 도구를 갖춘 시뮬레이션 환경이 사용되며, 고객 지원을 실용적인 응용으로 강조합니다. 이런 작업에는 사용자의 요청, 관련 규칙, 애플리케이션이 허용하는 함수를 제공하세요. 다음 행동을 선택하는 데 필요한 정보를 명시하세요. 작업 흐름의 예로는 사용자의 현재 문제를 식별하고, 누락된 세부 정보를 요청하고, 조회를 선택한 뒤, 반환된 정보를 바탕으로 짧은 답변을 준비하는 과정이 있습니다.
제조사는 장기적 강화 학습과 다중 턴 시나리오도 강조합니다. 이는 요청이 여러 행동이나 추가 확인을 거쳐 계속될 때 중요합니다. 다음 응답이 현재 작업 상태를 반영하도록 원래 목표, 중요한 제약, 이전 답변, 실제 함수 결과를 유지하세요. 도구가 정보 누락이나 행동 실패를 보고하면 성공을 가정하지 말고 그 결과를 포함하세요. 관찰된 상태를 기준으로 다음에 필요한 단계를 설명하도록 요청하고, 제안된 행동과 애플리케이션이 완료한 행동을 구분해 유지하세요.
제조사는 이 제품군의 컨텍스트를 200만 토큰으로 설명합니다. 큰 창에는 상당한 분량의 대화 기록, 지침, 근거 문서를 담을 수 있지만, 프롬프트에서 현재 질문을 쉽게 찾을 수 있어야 합니다. 문서 제목을 일관되게 유지하고 관련 식별자를 보존하며 사실 진술의 출처를 식별하세요. 긴 고객 지원 사례에서는 현재 문제, 이미 확인된 사실, 다음 미응답 질문을 요청하세요. 문서 처리에서는 추출할 필드와 값이 없거나 상충할 때 표시할 방식을 지정하세요.
Grok 4.1 Fast 발표에서는 검색, 코드 실행, 문서 검색을 위한 별도의 도구 서비스도 소개합니다. 모델의 도구 호출 능력과 특정 도구의 사용 가능 여부는 작업 흐름의 서로 다른 부분입니다. 애플리케이션이 실제 제공하는 도구를 설명하고 그 결과를 대화로 반환하세요. 조사 작업에서는 필요한 질문, 범위, 근거를 정의한 다음 검색된 자료에 연결된 종합 결과를 요청하세요. 데이터 작업에서는 생성된 숫자를 완료된 계산으로 취급하지 말고 실제 계산 결과를 설명의 입력으로 사용하세요.
직접적인 텍스트 작업에서는 출력 지침을 간결하고 정확하게 작성하세요. 지정된 사실을 유지한 문단 재작성, 제공된 자료의 짧은 요약, 명시적인 규칙에 따라 고른 분류 또는 추출한 세부 정보의 표를 요청할 수 있습니다. 예상 형식에 중요한 예외 사례가 있다면 예시를 포함하세요. 이는 텍스트 및 에이전트 작업 흐름의 예시적인 응용이며, 모든 입력에 대해 정확한 결과가 나온다는 주장은 아닙니다. 작업이 이미 명확하게 지정되어 있으면 직접 응답 모드가 결과를 핵심에 집중하도록 할 수 있습니다.
사실을 다루는 작업에서는 출처가 뒷받침하는 정보와 가정을 구분하고 누락된 근거를 표시하도록 요청하세요. 중요한 이름, 식별자, 값, 주장된 행동 결과를 원본 자료나 실제 도구 응답과 대조하세요. 큰 컨텍스트와 빠른 응답 과정은 이 확인을 대체하지 않습니다. 다른 문제 해결 과정을 원하면 별도의 이름으로 구분되는 추론 변형을 선택하고, 명확한 지침과 직접적인 최종 답변에는 Non-Reasoning을 유지하세요. 모델이 응답을 생성했다는 사실만이 아니라 요청한 결과와 확인된 작업 결과를 기준으로 완료를 정의하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 grok-4-1-fast-non-reasoning | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0004 / 1K 토큰 출력 · 출력 토큰 $0.001 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "grok-4-1-fast-non-reasoning",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra grok-4-1-fast-non-reasoning
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.