Grok 2 Vision 1212 yra xAI Grok 2 šeimos vaizdinės įvesties leidimas, identifikuojamas pavadinimu grok-2-vision-1212. Gamintojas pristato Grok 2 kaip teksto ir vaizdinio supratimo modelį, kurio užduotys apima klausimus apie dokumentus ir matematinį samprotavimą pagal vaizdinę medžiagą. Vėlesniame 1212 leidimo pristatyme aprašomi instrukcijų laikymosi ir daugiakalbio veikimo patobulinimai. Ši kortelė skirta įvardytam vaizdinės įvesties leidimui ir jo tekstiniam rezultatui.
Gamintojo modelio metaduomenyse kaip įvestis nurodyti tekstas bei vaizdai, o kaip išvestis – tekstas. Todėl praktinė užduotis prasideda ir vaizdiniais įrodymais, ir tiksliu klausimu. Dokumento puslapiui nurodykite lauką, skyrių arba ryšį, kurį reikia paaiškinti; diagramai įvardykite svarbias žymas ir dydžius; ekrano nuotraukai aprašykite naudotojo tikslą ir elementą, kurį norite išnagrinėti. Tikslas – susieti matomą turinį su užklausa, o ne prašyti nekryptingo visko, kas yra paveikslėlyje, aprašymo.
Pavyzdinė dokumento užklausa: „Perskaitykite šio puslapio antraštes ir pažymėtus laukus. Grąžinkite matomas reikšmes, pažymėkite įrašus, kurių negalima patikimai perskaityti, ir paaiškinkite, kuri ištrauka pagrindžia jūsų atsakymą.“ Diagramos užklausoje galima prašyti dviejų duomenų sekų ryšio ir atskirti tiesiogiai matomas reikšmes nuo interpretacijos. Produkto nuotraukai prašykite matomų savybių ir palyginimo su pateikta rašytine specifikacija. Tai parengimo ir išvesties pavyzdžiai pagal gamintojo vaizdinių užduočių grupes, o ne pažadai, kad iš kiekvieno vaizdo galima atkurti kiekvieną detalę.
Įvardyto modelio pavyzdyje taip pat nurodytas struktūrizuotų išvesčių ir funkcijų kvietimo palaikymas. Informacijos išgavimui apibrėžkite pageidaujamą rezultatą: pavyzdžiui, laukų sąrašą, juose matomą tekstą ir pastabą apie neapibrėžtumą. Užduočiai su įrankiais pateikite leidžiamų įrankių aprašus ir operacijai reikalingą informaciją. Programa atlieka operaciją ir grąžina jos rezultatą; modelis tada gali naudoti šią informaciją kitame tekstiniame atsakyme. Pati vaizdų supratimo funkcija yra gebėjimas interpretuoti pateiktą vaizdą, o išorinę operaciją atlieka aplinkinė programa.
Tame gamintojo pavyzdyje šis leidimas nurodytas be atskiro samprotavimo režimo. Jis vis tiek gali atsakyti į klausimus, kuriems reikia ryšių ir paaiškinimų, tačiau aiškiai aprašytus kitų Grok leidimų išplėstinio samprotavimo režimus reikėtų laikyti atskirai. Tame pačiame pavyzdyje nurodytas didžiausias 32,768 žetonų užklausos ilgis. Tai paskelbtas įvardyto modelio įvesties laukas, o ne atskirai dokumentuotas didžiausias atsakymo ilgis. Perskaityti pirminiai šaltiniai nepatvirtina tikslios visuotinės Vision 1212 vaizdų skaičiaus, vaizdų raiškos ar išvesties žetonų ribos, todėl šias reikšmes reikėtų imti iš konkrečios užklausos specifikacijos, o ne perimti iš naujesnio vaizdų supratimo modelio.
Fiksuotas 1212 pavadinimas taip pat svarbus renkantis leidimą. Vien tekstinis Grok 2 leidimas ir jo vaizdų generavimo produktai naudoja skirtingas įvestis bei išvestis. Čia aprašytas rezultatas yra rašytinis atsakymas apie vaizdinę medžiagą. Grok programoje rodomos funkcijos, tokios kaip papildoma paieška arba vaizdų generavimas, yra atskiros šeimą supančios integracijos ir turėtų būti atskiriamos nuo šio įvardyto modelio įrašo galimybių.
Parenkite įskaitomus puslapius ir lygindami medžiagą kiekvienam vaizdui suteikite žymą. Nurodykite, kuri vaizdo dalis svarbi, į klausimą įtraukite visas reikalingas apibrėžtis arba vienetus ir paprašykite atsakyme išsaugoti pradinius pavadinimus. Naudingam galutiniam rezultatui rinkitės paaiškinimą, išgautos informacijos lentelę arba su įrodymais susietą stebėjimų sąrašą. Jei vaizdas dviprasmiškas, išvestyje išlaikykite šį neapibrėžtumą ir svarbių pasekmių galinčią turėti vaizde perskaitytą informaciją patikrinkite pagal pradinę medžiagą.
", "aboutText": "Grok 2 Vision 1212 yra xAI Grok 2 šeimos vaizdinės įvesties leidimas, identifikuojamas pavadinimu grok-2-vision-1212. Gamintojas pristato Grok 2 kaip teksto ir vaizdinio supratimo modelį, kurio užduotys apima klausimus apie dokumentus ir matematinį samprotavimą pagal vaizdinę medžiagą. Vėlesniame 1212 leidimo pristatyme aprašomi instrukcijų laikymosi ir daugiakalbio veikimo patobulinimai. Ši kortelė skirta įvardytam vaizdinės įvesties leidimui ir jo tekstiniam rezultatui.\n\nGamintojo modelio metaduomenyse kaip įvestis nurodyti tekstas bei vaizdai, o kaip išvestis – tekstas. Todėl praktinė užduotis prasideda ir vaizdiniais įrodymais, ir tiksliu klausimu. Dokumento puslapiui nurodykite lauką, skyrių arba ryšį, kurį reikia paaiškinti; diagramai įvardykite svarbias žymas ir dydžius; ekrano nuotraukai aprašykite naudotojo tikslą ir elementą, kurį norite išnagrinėti. Tikslas – susieti matomą turinį su užklausa, o ne prašyti nekryptingo visko, kas yra paveikslėlyje, aprašymo.\n\nPavyzdinė dokumento užklausa: „Perskaitykite šio puslapio antraštes ir pažymėtus laukus. Grąžinkite matomas reikšmes, pažymėkite įrašus, kurių negalima patikimai perskaityti, ir paaiškinkite, kuri ištrauka pagrindžia jūsų atsakymą.“ Diagramos užklausoje galima prašyti dviejų duomenų sekų ryšio ir atskirti tiesiogiai matomas reikšmes nuo interpretacijos. Produkto nuotraukai prašykite matomų savybių ir palyginimo su pateikta rašytine specifikacija. Tai parengimo ir išvesties pavyzdžiai pagal gamintojo vaizdinių užduočių grupes, o ne pažadai, kad iš kiekvieno vaizdo galima atkurti kiekvieną detalę.\n\nĮvardyto modelio pavyzdyje taip pat nurodytas struktūrizuotų išvesčių ir funkcijų kvietimo palaikymas. Informacijos išgavimui apibrėžkite pageidaujamą rezultatą: pavyzdžiui, laukų sąrašą, juose matomą tekstą ir pastabą apie neapibrėžtumą. Užduočiai su įrankiais pateikite leidžiamų įrankių aprašus ir operacijai reikalingą informaciją. Programa atlieka operaciją ir grąžina jos rezultatą; modelis tada gali naudoti šią informaciją kitame tekstiniame atsakyme. Pati vaizdų supratimo funkcija yra gebėjimas interpretuoti pateiktą vaizdą, o išorinę operaciją atlieka aplinkinė programa.\n\nTame gamintojo pavyzdyje šis leidimas nurodytas be atskiro samprotavimo režimo. Jis vis tiek gali atsakyti į klausimus, kuriems reikia ryšių ir paaiškinimų, tačiau aiškiai aprašytus kitų Grok leidimų išplėstinio samprotavimo režimus reikėtų laikyti atskirai. Tame pačiame pavyzdyje nurodytas didžiausias 32,768 žetonų užklausos ilgis. Tai paskelbtas įvardyto modelio įvesties laukas, o ne atskirai dokumentuotas didžiausias atsakymo ilgis. Perskaityti pirminiai šaltiniai nepatvirtina tikslios visuotinės Vision 1212 vaizdų skaičiaus, vaizdų raiškos ar išvesties žetonų ribos, todėl šias reikšmes reikėtų imti iš konkrečios užklausos specifikacijos, o ne perimti iš naujesnio vaizdų supratimo modelio.\n\nFiksuotas 1212 pavadinimas taip pat svarbus renkantis leidimą. Vien tekstinis Grok 2 leidimas ir jo vaizdų generavimo produktai naudoja skirtingas įvestis bei išvestis. Čia aprašytas rezultatas yra rašytinis atsakymas apie vaizdinę medžiagą. Grok programoje rodomos funkcijos, tokios kaip papildoma paieška arba vaizdų generavimas, yra atskiros šeimą supančios integracijos ir turėtų būti atskiriamos nuo šio įvardyto modelio įrašo galimybių.\n\nParenkite įskaitomus puslapius ir lygindami medžiagą kiekvienam vaizdui suteikite žymą. Nurodykite, kuri vaizdo dalis svarbi, į klausimą įtraukite visas reikalingas apibrėžtis arba vienetus ir paprašykite atsakyme išsaugoti pradinius pavadinimus. Naudingam galutiniam rezultatui rinkitės paaiškinimą, išgautos informacijos lentelę arba su įrodymais susietą stebėjimų sąrašą. Jei vaizdas dviprasmiškas, išvestyje išlaikykite šį neapibrėžtumą ir svarbių pasekmių galinčią turėti vaizde perskaitytą informaciją patikrinkite pagal pradinę medžiagą.", "editorialOverlay": { "copy_fields": { "practical_html": "Techninis pavyzdys anglų kalba
Interpret a transcribed sales chart\n\nUse this chart transcription: January sales 80 units, February 100, March 90. The vertical axis is units, not currency. Write a three-sentence chart caption covering the peak, the change from January to March and one conclusion about revenue that cannot be drawn from these values.A three-sentence caption separating stated sales values, a calculated change and the revenue-information limit.Check that the caption retains units and does not infer revenue or prices from unit counts.grok-2-vision-1212Grok 2 Vision 1212 yra xAI vaizdų supratimo leidimas, skirtas klausimams apie dokumentus, diagramas, nuotraukas ir ekrano nuotraukas. Jis sujungia rašytinį klausimą su vaizdine įvestimi ir grąžina tekstinį atsakymą; įvardytam leidimui dokumentuotos struktūrizuotos išvesties ir funkcijų kvietimo galimybės.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Grok 2 Vision 1212 yra xAI Grok 2 šeimos vaizdinės įvesties leidimas, identifikuojamas pavadinimu grok-2-vision-1212. Gamintojas pristato Grok 2 kaip teksto ir vaizdinio supratimo modelį, kurio užduotys apima klausimus apie dokumentus ir matematinį samprotavimą pagal vaizdinę medžiagą. Vėlesniame 1212 leidimo pristatyme aprašomi instrukcijų laikymosi ir daugiakalbio veikimo patobulinimai. Ši kortelė skirta įvardytam vaizdinės įvesties leidimui ir jo tekstiniam rezultatui.
Gamintojo modelio metaduomenyse kaip įvestis nurodyti tekstas bei vaizdai, o kaip išvestis – tekstas. Todėl praktinė užduotis prasideda ir vaizdiniais įrodymais, ir tiksliu klausimu. Dokumento puslapiui nurodykite lauką, skyrių arba ryšį, kurį reikia paaiškinti; diagramai įvardykite svarbias žymas ir dydžius; ekrano nuotraukai aprašykite naudotojo tikslą ir elementą, kurį norite išnagrinėti. Tikslas – susieti matomą turinį su užklausa, o ne prašyti nekryptingo visko, kas yra paveikslėlyje, aprašymo.
Pavyzdinė dokumento užklausa: „Perskaitykite šio puslapio antraštes ir pažymėtus laukus. Grąžinkite matomas reikšmes, pažymėkite įrašus, kurių negalima patikimai perskaityti, ir paaiškinkite, kuri ištrauka pagrindžia jūsų atsakymą.“ Diagramos užklausoje galima prašyti dviejų duomenų sekų ryšio ir atskirti tiesiogiai matomas reikšmes nuo interpretacijos. Produkto nuotraukai prašykite matomų savybių ir palyginimo su pateikta rašytine specifikacija. Tai parengimo ir išvesties pavyzdžiai pagal gamintojo vaizdinių užduočių grupes, o ne pažadai, kad iš kiekvieno vaizdo galima atkurti kiekvieną detalę.
Įvardyto modelio pavyzdyje taip pat nurodytas struktūrizuotų išvesčių ir funkcijų kvietimo palaikymas. Informacijos išgavimui apibrėžkite pageidaujamą rezultatą: pavyzdžiui, laukų sąrašą, juose matomą tekstą ir pastabą apie neapibrėžtumą. Užduočiai su įrankiais pateikite leidžiamų įrankių aprašus ir operacijai reikalingą informaciją. Programa atlieka operaciją ir grąžina jos rezultatą; modelis tada gali naudoti šią informaciją kitame tekstiniame atsakyme. Pati vaizdų supratimo funkcija yra gebėjimas interpretuoti pateiktą vaizdą, o išorinę operaciją atlieka aplinkinė programa.
Tame gamintojo pavyzdyje šis leidimas nurodytas be atskiro samprotavimo režimo. Jis vis tiek gali atsakyti į klausimus, kuriems reikia ryšių ir paaiškinimų, tačiau aiškiai aprašytus kitų Grok leidimų išplėstinio samprotavimo režimus reikėtų laikyti atskirai. Tame pačiame pavyzdyje nurodytas didžiausias 32,768 žetonų užklausos ilgis. Tai paskelbtas įvardyto modelio įvesties laukas, o ne atskirai dokumentuotas didžiausias atsakymo ilgis. Perskaityti pirminiai šaltiniai nepatvirtina tikslios visuotinės Vision 1212 vaizdų skaičiaus, vaizdų raiškos ar išvesties žetonų ribos, todėl šias reikšmes reikėtų imti iš konkrečios užklausos specifikacijos, o ne perimti iš naujesnio vaizdų supratimo modelio.
Fiksuotas 1212 pavadinimas taip pat svarbus renkantis leidimą. Vien tekstinis Grok 2 leidimas ir jo vaizdų generavimo produktai naudoja skirtingas įvestis bei išvestis. Čia aprašytas rezultatas yra rašytinis atsakymas apie vaizdinę medžiagą. Grok programoje rodomos funkcijos, tokios kaip papildoma paieška arba vaizdų generavimas, yra atskiros šeimą supančios integracijos ir turėtų būti atskiriamos nuo šio įvardyto modelio įrašo galimybių.
Parenkite įskaitomus puslapius ir lygindami medžiagą kiekvienam vaizdui suteikite žymą. Nurodykite, kuri vaizdo dalis svarbi, į klausimą įtraukite visas reikalingas apibrėžtis arba vienetus ir paprašykite atsakyme išsaugoti pradinius pavadinimus. Naudingam galutiniam rezultatui rinkitės paaiškinimą, išgautos informacijos lentelę arba su įrodymais susietą stebėjimų sąrašą. Jei vaizdas dviprasmiškas, išvestyje išlaikykite šį neapibrėžtumą ir svarbių pasekmių galinčią turėti vaizde perskaitytą informaciją patikrinkite pagal pradinę medžiagą.
POST /v1/chat/completionstexttext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos grok-2-vision-1212 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos Mažiausias elementų skaičius: 1 | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Pavyzdžiai: system, user, assistant, tool, function Sąlygos: Šie vaidmenys aiškiai išreikšti šaltinio kodo suderinamumo tipuose; tikslus vaidmenų rinkinys priklauso nuo konkretaus modelio. Priklauso nuo modelio | Numatyta— |
Laukasmessages[].content | Tipasstring|content_part[]|null | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_calls | Tipastool_call[] | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].tool_call_id | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: role=tool; naudokite tikrąjį grąžintą ID | Numatyta— |
Laukasmessages[].name | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].reasoning_content | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Taikoma, kai: Grąžinkite tikrąjį gautą samprotavimą ten, kur šis modelis jį naudoja | Numatyta— |
Laukasmessages[].reasoning_details | Tipasobject|array | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasmax_completion_tokens | Tipasinteger | ReikalavimasNeprivaloma | Reikšmės ir ribos Mažiausia reikšmė: 1 Priklauso nuo modelio | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Laukasstream_options.include_usage | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastemperature | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastop_p | Tipasnumber | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasstop | Tipasstring|string[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools | Tipasfunction_tool[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukastools[].type | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos function Priklauso nuo modelio | Numatyta— |
Laukastools[].function.name | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos Taikoma, kai: pateiktas funkcijos tipo įrankis | Numatyta— |
Laukastools[].function.description | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastools[].function.parameters | TipasJSON_schema | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatyta— |
Laukastool_choice | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasparallel_tool_calls | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasresponse_format | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning_effort | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasreasoning | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasservice_tier | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasinstructions | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Suderinamumo laukas | Numatyta— |
Laukasfunctions | Tipasfunction[] | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasfunction_call | Tipasstring|object | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasprompt_cache_options | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Priklauso nuo modelio | Numatyta— |
Laukasmodalities | Tipasstring[] | ReikalavimasNeprivaloma | Reikšmės ir ribos text | Numatyta— |
Laukasprovider | Tipasobject | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: provider.options šiame Ultra teksto maršrute atmetamas | Numatyta— |
Laukascache_control.ttl | Tipasstring | ReikalavimasNeprivaloma | Reikšmės ir ribos Sąlygos: 1h atmetamas tikrosiose užklausų podėlio vietose | Numatyta— |
Tekstas · UTF8 tekstas
messages[].content
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages |
Parametrasmaterial_types | Specifikacijatext |
Parametrasmessages | Specifikacijapranešimų masyvas su role/content struktūra |
Parametrasfile_material | Specifikacijatikrasis UTF-8 dokumentas įterptas kaip pažodinis tekstas; failo ID nenumanomas |
Parametrasoptional_controls | Specifikacijastream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrascontrol_scope | Specifikacijapriklauso nuo modelio; naudotojo funkcijų įrankiai skiriasi nuo priglobtų įrankių |
Parametrasoutput_modalities | Specifikacijatext |
Parametrashosted_operations | Specifikacijafalse |
Parametrasmultimodal_input_binding | Specifikacijanull |
Gyvavimo ciklas: synchronous_or_streamed
Siųskite tikslų modelio ID kartu su messages.
Konteksto ilgis nėra išvesties limitas.
Teksto failas gali pateikti pažodinį tekstą; vaizdų / garso / failų objektų įvestims reikia tikslaus susiejimo.
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.004 / 1K tokenų Išvestis · Išvesties tokenai $0.02 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-2-vision-1212", "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-2-vision-1212',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-2-vision-1212',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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite kiekvieną variantą ir jo turinį / įrankių iškvietimus / samprotavimą. SSE prieaugius surinkite pagal varianto / įrankio indeksą; išsaugokite galutinę užbaigimo priežastį ir naudojimo duomenis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukaschoices[].index | Tipasinteger |
Laukaschoices[].message.content | Tipasstring|null |
Laukaschoices[].message.tool_calls | Tipastool_call[] |
Laukaschoices[].message.reasoning_content | Tipasstring |
Laukaschoices[].message.reasoning_details | Tipasobject|array |
Laukaschoices[].finish_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra grok-2-vision-1212
Naudokite aukščiau nurodytus metodų kelius.
grok-2-vision-1212Grok 2 Vision 1212 yra xAI vaizdų supratimo leidimas, skirtas klausimams apie dokumentus, diagramas, nuotraukas ir ekrano nuotraukas. Jis sujungia rašytinį klausimą su vaizdine įvestimi ir grąžina tekstinį atsakymą; įvardytam leidimui dokumentuotos struktūrizuotos išvesties ir funkcijų kvietimo galimybės.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Grok 2 Vision 1212 yra xAI Grok 2 šeimos vaizdinės įvesties leidimas, identifikuojamas pavadinimu grok-2-vision-1212. Gamintojas pristato Grok 2 kaip teksto ir vaizdinio supratimo modelį, kurio užduotys apima klausimus apie dokumentus ir matematinį samprotavimą pagal vaizdinę medžiagą. Vėlesniame 1212 leidimo pristatyme aprašomi instrukcijų laikymosi ir daugiakalbio veikimo patobulinimai. Ši kortelė skirta įvardytam vaizdinės įvesties leidimui ir jo tekstiniam rezultatui.
Gamintojo modelio metaduomenyse kaip įvestis nurodyti tekstas bei vaizdai, o kaip išvestis – tekstas. Todėl praktinė užduotis prasideda ir vaizdiniais įrodymais, ir tiksliu klausimu. Dokumento puslapiui nurodykite lauką, skyrių arba ryšį, kurį reikia paaiškinti; diagramai įvardykite svarbias žymas ir dydžius; ekrano nuotraukai aprašykite naudotojo tikslą ir elementą, kurį norite išnagrinėti. Tikslas – susieti matomą turinį su užklausa, o ne prašyti nekryptingo visko, kas yra paveikslėlyje, aprašymo.
Pavyzdinė dokumento užklausa: „Perskaitykite šio puslapio antraštes ir pažymėtus laukus. Grąžinkite matomas reikšmes, pažymėkite įrašus, kurių negalima patikimai perskaityti, ir paaiškinkite, kuri ištrauka pagrindžia jūsų atsakymą.“ Diagramos užklausoje galima prašyti dviejų duomenų sekų ryšio ir atskirti tiesiogiai matomas reikšmes nuo interpretacijos. Produkto nuotraukai prašykite matomų savybių ir palyginimo su pateikta rašytine specifikacija. Tai parengimo ir išvesties pavyzdžiai pagal gamintojo vaizdinių užduočių grupes, o ne pažadai, kad iš kiekvieno vaizdo galima atkurti kiekvieną detalę.
Įvardyto modelio pavyzdyje taip pat nurodytas struktūrizuotų išvesčių ir funkcijų kvietimo palaikymas. Informacijos išgavimui apibrėžkite pageidaujamą rezultatą: pavyzdžiui, laukų sąrašą, juose matomą tekstą ir pastabą apie neapibrėžtumą. Užduočiai su įrankiais pateikite leidžiamų įrankių aprašus ir operacijai reikalingą informaciją. Programa atlieka operaciją ir grąžina jos rezultatą; modelis tada gali naudoti šią informaciją kitame tekstiniame atsakyme. Pati vaizdų supratimo funkcija yra gebėjimas interpretuoti pateiktą vaizdą, o išorinę operaciją atlieka aplinkinė programa.
Tame gamintojo pavyzdyje šis leidimas nurodytas be atskiro samprotavimo režimo. Jis vis tiek gali atsakyti į klausimus, kuriems reikia ryšių ir paaiškinimų, tačiau aiškiai aprašytus kitų Grok leidimų išplėstinio samprotavimo režimus reikėtų laikyti atskirai. Tame pačiame pavyzdyje nurodytas didžiausias 32,768 žetonų užklausos ilgis. Tai paskelbtas įvardyto modelio įvesties laukas, o ne atskirai dokumentuotas didžiausias atsakymo ilgis. Perskaityti pirminiai šaltiniai nepatvirtina tikslios visuotinės Vision 1212 vaizdų skaičiaus, vaizdų raiškos ar išvesties žetonų ribos, todėl šias reikšmes reikėtų imti iš konkrečios užklausos specifikacijos, o ne perimti iš naujesnio vaizdų supratimo modelio.
Fiksuotas 1212 pavadinimas taip pat svarbus renkantis leidimą. Vien tekstinis Grok 2 leidimas ir jo vaizdų generavimo produktai naudoja skirtingas įvestis bei išvestis. Čia aprašytas rezultatas yra rašytinis atsakymas apie vaizdinę medžiagą. Grok programoje rodomos funkcijos, tokios kaip papildoma paieška arba vaizdų generavimas, yra atskiros šeimą supančios integracijos ir turėtų būti atskiriamos nuo šio įvardyto modelio įrašo galimybių.
Parenkite įskaitomus puslapius ir lygindami medžiagą kiekvienam vaizdui suteikite žymą. Nurodykite, kuri vaizdo dalis svarbi, į klausimą įtraukite visas reikalingas apibrėžtis arba vienetus ir paprašykite atsakyme išsaugoti pradinius pavadinimus. Naudingam galutiniam rezultatui rinkitės paaiškinimą, išgautos informacijos lentelę arba su įrodymais susietą stebėjimų sąrašą. Jei vaizdas dviprasmiškas, išvestyje išlaikykite šį neapibrėžtumą ir svarbių pasekmių galinčią turėti vaizde perskaitytą informaciją patikrinkite pagal pradinę medžiagą.
POST /v1/messagestextjson, sse| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos grok-2-vision-1212 | Numatyta— |
Laukasmessages | Tipasmessage[] | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmessages[].role | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos user, assistant | Numatyta— |
Laukasmessages[].content | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasmax_tokens | Tipasinteger | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
Laukasstream | Tipasboolean | ReikalavimasNeprivaloma | Reikšmės ir ribos | Numatytafalse |
Tekstas · UTF-8 tekstas
messages[].content eilutė
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, messages, max_tokens |
Parametrasoptional_controls | Specifikacijastream |
Parametrasmaterial_types | Specifikacijatext |
Parametrastext_file_material | SpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę. |
Gyvavimo ciklas: synchronous_or_streamed
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
| Konfigūracija | Įkainių lentelė | Mokestis |
|---|---|---|
| KonfigūracijaBaziniai žetonų įkainiai | Įkainių lentelėBazinis įkainis | Mokestis Įvestis · Įvesties tokenai $0.004 / 1K tokenų Išvestis · Išvesties tokenai $0.02 / 1K tokenų Įvestis · Talpyklos skaitymas $0 / 1K tokenų Įvestis · Rašymas į talpyklą $0 / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
{\n "model": "grok-2-vision-1212",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2-vision-1212', '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-2-vision-1212', '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 arba SSE
Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.
Išsaugokite visus turinio blokus, mąstymo parašus ir tikruosius įrankių naudojimo ID. Surinkite visus SSE blokų prieaugius; pirmasis teksto blokas nėra visa išvestis.
Išsaugokite užklausų / atsakymų ID ir antraštes. Bendras teksto užduoties gavimo URL nepateikiamas.
| Laukas | Tipas |
|---|---|
Laukasid | Tipasstring |
Laukasmodel | Tipasstring |
Laukascontent[] | Tipastext|thinking|tool_use|other content block |
Laukasstop_reason | Tipasstring|null |
Laukasusage | Tipasobject |
| Atsakymas | Sąlyga | Kitas žingsnis |
|---|---|---|
Atsakymas400 · invalid_request_error | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. |
Ailoot Ultra grok-2-vision-1212
Naudokite aukščiau nurodytus metodų kelius.
Techninis pavyzdys anglų kalba
Interpret a transcribed sales chart\n\nUse this chart transcription: January sales 80 units, February 100, March 90. The vertical axis is units, not currency. Write a three-sentence chart caption covering the peak, the change from January to March and one conclusion about revenue that cannot be drawn from these values.A three-sentence caption separating stated sales values, a calculated change and the revenue-information limit.Check that the caption retains units and does not infer revenue or prices from unit counts.