Grok 3 ialah keluarga model xAI untuk kerja bahasa, pengetahuan umum, pengekodan dan penyelesaian masalah. Penerangan pelancaran membezakan model yang memberikan respons biasa daripada varian Think khusus dalam keluarga ini, yang menggunakan penaakulan tambahan sebelum jawapan akhir. Entri grok-3 bernama yang diterangkan di sini ialah edisi sembang teks: pengeluar menyenaraikan input teks, output teks dan tiada ciri penaakulan berasingan untuk entri itu.
Pralatihan keluarga ini bertujuan menyokong pelbagai soalan dan arahan. xAI menekankan matematik, pengekodan, pengetahuan dan kawalan gaya dalam penerangan keluarannya. Untuk tugasan penulisan, ini memberikan asas yang berguna bagi meminta model menyemak semula penjelasan untuk pembaca tertentu, mengekalkan fakta yang ditetapkan atau membangunkan draf koheren daripada set isi. Untuk pembantu teknikal, berikan bahan yang berkaitan dan nyatakan soalan yang mesti diselesaikan oleh jawapan, dan bukannya bergantung hanya pada permintaan umum untuk membincangkan topik.
Contoh tugasan dokumen ialah: “Bandingkan dua penerangan aliran kerja ini. Senaraikan perkara yang sepadan, percanggahan dan maklumat yang tiada, kemudian tulis penjelasan pendek untuk ahli pasukan baharu.” Pastikan bahagian sumber berlabel supaya respons dapat mengaitkan setiap pemerhatian dengan petikan yang betul. Tugasan kod boleh menyertakan fungsi, tingkah laku yang dijangka dan input konkrit yang hasil semasanya salah. Minta pembetulan yang dicadangkan dan jelaskan contoh yang patut digunakan untuk menyemaknya. Contoh ini menggunakan keluarga tugasan bahasa dan pengekodan yang didokumenkan dan tidak membawa maksud kod terjana sudah dilaksanakan.
Perbezaan daripada Think adalah penting. Pengumuman keluarga Grok 3 turut menerangkan Grok 3 Think dan Grok 3 mini Think, yang dilatih untuk menumpukan usaha tambahan pada penaakulan. Tingkah laku pemikiran lanjutnya patut diterangkan sebagai mod atau pilihan model tersendiri. Entri teks biasa boleh memberikan penjelasan dan menyelesaikan soalan, tetapi itu tidak patut dikelirukan dengan pemilihan konfigurasi penaakulan lanjut yang didokumenkan secara jelas.
Contoh metadata model bernama pengeluar memberikan panjang prom maksimum sebanyak 131,072 token untuk grok-3 dan merekodkan sokongan output berstruktur serta pemanggilan fungsi. Medan panjang prom menerangkan bajet input yang diterbitkan dalam contoh itu; ia bukan had maksimum token output yang berasingan. Pengumuman keluarga membincangkan konfigurasi konteks panjang yang lebih besar, jadi bezakan spesifikasi model bernama yang tepat daripada penerangan keluarga yang lebih luas apabila menyediakan permintaan. Sertakan konteks yang diperlukan untuk soalan, dan tentukan format serta panjang jawapan dengan jelas.
Output berstruktur berguna apabila perbualan patut berakhir dengan medan yang boleh diproses oleh aplikasi, seperti ringkasan, fakta yang diekstrak dan soalan yang masih memerlukan penjelasan. Pemanggilan fungsi membolehkan aplikasi menawarkan operasi yang dibenarkan dan menerima argumen yang dicadangkan. Aplikasi menjalankan operasi itu dan mengembalikan hasilnya untuk jawapan seterusnya. Ini berbeza daripada model mempunyai akses secara bebas kepada mana-mana pangkalan data, pelayar atau pentafsir kod.
Artikel pelancaran membincangkan DeepSearch dan ejen beralat sebagai sistem yang dibina berasaskan keluarga Grok. Aliran kerja carian, pelaksanaan dan penyediaan laporannya merupakan konteks integrasi, bukannya alasan untuk memindahkan setiap ciri aplikasi kepada entri teks grok-3 asas. Untuk tugasan yang berguna, nyatakan bahan yang dibekalkan atau data alat yang dikembalikan yang patut digunakan oleh model, bezakan fakta daripada tafsiran yang diminta dan minta model menandakan maklumat yang tiada. Akhiri dengan artifak yang konkrit: dokumen yang disemak semula, cadangan kod, rekod pengekstrakan atau penjelasan yang boleh disemak berbanding input asal.
", "aboutText": "Grok 3 ialah keluarga model xAI untuk kerja bahasa, pengetahuan umum, pengekodan dan penyelesaian masalah. Penerangan pelancaran membezakan model yang memberikan respons biasa daripada varian Think khusus dalam keluarga ini, yang menggunakan penaakulan tambahan sebelum jawapan akhir. Entri grok-3 bernama yang diterangkan di sini ialah edisi sembang teks: pengeluar menyenaraikan input teks, output teks dan tiada ciri penaakulan berasingan untuk entri itu.\n\nPralatihan keluarga ini bertujuan menyokong pelbagai soalan dan arahan. xAI menekankan matematik, pengekodan, pengetahuan dan kawalan gaya dalam penerangan keluarannya. Untuk tugasan penulisan, ini memberikan asas yang berguna bagi meminta model menyemak semula penjelasan untuk pembaca tertentu, mengekalkan fakta yang ditetapkan atau membangunkan draf koheren daripada set isi. Untuk pembantu teknikal, berikan bahan yang berkaitan dan nyatakan soalan yang mesti diselesaikan oleh jawapan, dan bukannya bergantung hanya pada permintaan umum untuk membincangkan topik.\n\nContoh tugasan dokumen ialah: “Bandingkan dua penerangan aliran kerja ini. Senaraikan perkara yang sepadan, percanggahan dan maklumat yang tiada, kemudian tulis penjelasan pendek untuk ahli pasukan baharu.” Pastikan bahagian sumber berlabel supaya respons dapat mengaitkan setiap pemerhatian dengan petikan yang betul. Tugasan kod boleh menyertakan fungsi, tingkah laku yang dijangka dan input konkrit yang hasil semasanya salah. Minta pembetulan yang dicadangkan dan jelaskan contoh yang patut digunakan untuk menyemaknya. Contoh ini menggunakan keluarga tugasan bahasa dan pengekodan yang didokumenkan dan tidak membawa maksud kod terjana sudah dilaksanakan.\n\nPerbezaan daripada Think adalah penting. Pengumuman keluarga Grok 3 turut menerangkan Grok 3 Think dan Grok 3 mini Think, yang dilatih untuk menumpukan usaha tambahan pada penaakulan. Tingkah laku pemikiran lanjutnya patut diterangkan sebagai mod atau pilihan model tersendiri. Entri teks biasa boleh memberikan penjelasan dan menyelesaikan soalan, tetapi itu tidak patut dikelirukan dengan pemilihan konfigurasi penaakulan lanjut yang didokumenkan secara jelas.\n\nContoh metadata model bernama pengeluar memberikan panjang prom maksimum sebanyak 131,072 token untuk grok-3 dan merekodkan sokongan output berstruktur serta pemanggilan fungsi. Medan panjang prom menerangkan bajet input yang diterbitkan dalam contoh itu; ia bukan had maksimum token output yang berasingan. Pengumuman keluarga membincangkan konfigurasi konteks panjang yang lebih besar, jadi bezakan spesifikasi model bernama yang tepat daripada penerangan keluarga yang lebih luas apabila menyediakan permintaan. Sertakan konteks yang diperlukan untuk soalan, dan tentukan format serta panjang jawapan dengan jelas.\n\nOutput berstruktur berguna apabila perbualan patut berakhir dengan medan yang boleh diproses oleh aplikasi, seperti ringkasan, fakta yang diekstrak dan soalan yang masih memerlukan penjelasan. Pemanggilan fungsi membolehkan aplikasi menawarkan operasi yang dibenarkan dan menerima argumen yang dicadangkan. Aplikasi menjalankan operasi itu dan mengembalikan hasilnya untuk jawapan seterusnya. Ini berbeza daripada model mempunyai akses secara bebas kepada mana-mana pangkalan data, pelayar atau pentafsir kod.\n\nArtikel pelancaran membincangkan DeepSearch dan ejen beralat sebagai sistem yang dibina berasaskan keluarga Grok. Aliran kerja carian, pelaksanaan dan penyediaan laporannya merupakan konteks integrasi, bukannya alasan untuk memindahkan setiap ciri aplikasi kepada entri teks grok-3 asas. Untuk tugasan yang berguna, nyatakan bahan yang dibekalkan atau data alat yang dikembalikan yang patut digunakan oleh model, bezakan fakta daripada tafsiran yang diminta dan minta model menandakan maklumat yang tiada. Akhiri dengan artifak yang konkrit: dokumen yang disemak semula, cadangan kod, rekod pengekstrakan atau penjelasan yang boleh disemak berbanding input asal.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Revise a technical explanation\n\nRewrite this for a nontechnical office manager in at most 75 words: 'The synchronisation job retries transient transport failures using exponential backoff; repeated requests carry the same operation key to prevent duplicate entries.' Preserve the difference between retrying a failed connection and creating a second record. Use one everyday comparison and no unsupported guarantees.A concise plain-language explanation with one comparison and both retry and duplicate-prevention concepts intact.The rewrite does not imply that every failure is recoverable or that retries always succeed.grok-3Grok 3 ialah edisi sembang teks xAI untuk penjelasan, penulisan, pengekodan dan soalan yang menggunakan bahan yang dibekalkan. Entri model bernama ini menyokong output berstruktur dan pemanggilan fungsi serta berbeza daripada model Think yang dinyatakan secara khusus dalam keluarga tersebut.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Grok 3 ialah keluarga model xAI untuk kerja bahasa, pengetahuan umum, pengekodan dan penyelesaian masalah. Penerangan pelancaran membezakan model yang memberikan respons biasa daripada varian Think khusus dalam keluarga ini, yang menggunakan penaakulan tambahan sebelum jawapan akhir. Entri grok-3 bernama yang diterangkan di sini ialah edisi sembang teks: pengeluar menyenaraikan input teks, output teks dan tiada ciri penaakulan berasingan untuk entri itu.
Pralatihan keluarga ini bertujuan menyokong pelbagai soalan dan arahan. xAI menekankan matematik, pengekodan, pengetahuan dan kawalan gaya dalam penerangan keluarannya. Untuk tugasan penulisan, ini memberikan asas yang berguna bagi meminta model menyemak semula penjelasan untuk pembaca tertentu, mengekalkan fakta yang ditetapkan atau membangunkan draf koheren daripada set isi. Untuk pembantu teknikal, berikan bahan yang berkaitan dan nyatakan soalan yang mesti diselesaikan oleh jawapan, dan bukannya bergantung hanya pada permintaan umum untuk membincangkan topik.
Contoh tugasan dokumen ialah: “Bandingkan dua penerangan aliran kerja ini. Senaraikan perkara yang sepadan, percanggahan dan maklumat yang tiada, kemudian tulis penjelasan pendek untuk ahli pasukan baharu.” Pastikan bahagian sumber berlabel supaya respons dapat mengaitkan setiap pemerhatian dengan petikan yang betul. Tugasan kod boleh menyertakan fungsi, tingkah laku yang dijangka dan input konkrit yang hasil semasanya salah. Minta pembetulan yang dicadangkan dan jelaskan contoh yang patut digunakan untuk menyemaknya. Contoh ini menggunakan keluarga tugasan bahasa dan pengekodan yang didokumenkan dan tidak membawa maksud kod terjana sudah dilaksanakan.
Perbezaan daripada Think adalah penting. Pengumuman keluarga Grok 3 turut menerangkan Grok 3 Think dan Grok 3 mini Think, yang dilatih untuk menumpukan usaha tambahan pada penaakulan. Tingkah laku pemikiran lanjutnya patut diterangkan sebagai mod atau pilihan model tersendiri. Entri teks biasa boleh memberikan penjelasan dan menyelesaikan soalan, tetapi itu tidak patut dikelirukan dengan pemilihan konfigurasi penaakulan lanjut yang didokumenkan secara jelas.
Contoh metadata model bernama pengeluar memberikan panjang prom maksimum sebanyak 131,072 token untuk grok-3 dan merekodkan sokongan output berstruktur serta pemanggilan fungsi. Medan panjang prom menerangkan bajet input yang diterbitkan dalam contoh itu; ia bukan had maksimum token output yang berasingan. Pengumuman keluarga membincangkan konfigurasi konteks panjang yang lebih besar, jadi bezakan spesifikasi model bernama yang tepat daripada penerangan keluarga yang lebih luas apabila menyediakan permintaan. Sertakan konteks yang diperlukan untuk soalan, dan tentukan format serta panjang jawapan dengan jelas.
Output berstruktur berguna apabila perbualan patut berakhir dengan medan yang boleh diproses oleh aplikasi, seperti ringkasan, fakta yang diekstrak dan soalan yang masih memerlukan penjelasan. Pemanggilan fungsi membolehkan aplikasi menawarkan operasi yang dibenarkan dan menerima argumen yang dicadangkan. Aplikasi menjalankan operasi itu dan mengembalikan hasilnya untuk jawapan seterusnya. Ini berbeza daripada model mempunyai akses secara bebas kepada mana-mana pangkalan data, pelayar atau pentafsir kod.
Artikel pelancaran membincangkan DeepSearch dan ejen beralat sebagai sistem yang dibina berasaskan keluarga Grok. Aliran kerja carian, pelaksanaan dan penyediaan laporannya merupakan konteks integrasi, bukannya alasan untuk memindahkan setiap ciri aplikasi kepada entri teks grok-3 asas. Untuk tugasan yang berguna, nyatakan bahan yang dibekalkan atau data alat yang dikembalikan yang patut digunakan oleh model, bezakan fakta daripada tafsiran yang diminta dan minta model menandakan maklumat yang tiada. Akhiri dengan artifak yang konkrit: dokumen yang disemak semula, cadangan kod, rekod pengekstrakan atau penjelasan yang boleh disemak berbanding input asal.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had grok-3 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-3", "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-3',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-3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra grok-3
Gunakan laluan kaedah yang dipaparkan di atas.
grok-3Grok 3 ialah edisi sembang teks xAI untuk penjelasan, penulisan, pengekodan dan soalan yang menggunakan bahan yang dibekalkan. Entri model bernama ini menyokong output berstruktur dan pemanggilan fungsi serta berbeza daripada model Think yang dinyatakan secara khusus dalam keluarga tersebut.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Grok 3 ialah keluarga model xAI untuk kerja bahasa, pengetahuan umum, pengekodan dan penyelesaian masalah. Penerangan pelancaran membezakan model yang memberikan respons biasa daripada varian Think khusus dalam keluarga ini, yang menggunakan penaakulan tambahan sebelum jawapan akhir. Entri grok-3 bernama yang diterangkan di sini ialah edisi sembang teks: pengeluar menyenaraikan input teks, output teks dan tiada ciri penaakulan berasingan untuk entri itu.
Pralatihan keluarga ini bertujuan menyokong pelbagai soalan dan arahan. xAI menekankan matematik, pengekodan, pengetahuan dan kawalan gaya dalam penerangan keluarannya. Untuk tugasan penulisan, ini memberikan asas yang berguna bagi meminta model menyemak semula penjelasan untuk pembaca tertentu, mengekalkan fakta yang ditetapkan atau membangunkan draf koheren daripada set isi. Untuk pembantu teknikal, berikan bahan yang berkaitan dan nyatakan soalan yang mesti diselesaikan oleh jawapan, dan bukannya bergantung hanya pada permintaan umum untuk membincangkan topik.
Contoh tugasan dokumen ialah: “Bandingkan dua penerangan aliran kerja ini. Senaraikan perkara yang sepadan, percanggahan dan maklumat yang tiada, kemudian tulis penjelasan pendek untuk ahli pasukan baharu.” Pastikan bahagian sumber berlabel supaya respons dapat mengaitkan setiap pemerhatian dengan petikan yang betul. Tugasan kod boleh menyertakan fungsi, tingkah laku yang dijangka dan input konkrit yang hasil semasanya salah. Minta pembetulan yang dicadangkan dan jelaskan contoh yang patut digunakan untuk menyemaknya. Contoh ini menggunakan keluarga tugasan bahasa dan pengekodan yang didokumenkan dan tidak membawa maksud kod terjana sudah dilaksanakan.
Perbezaan daripada Think adalah penting. Pengumuman keluarga Grok 3 turut menerangkan Grok 3 Think dan Grok 3 mini Think, yang dilatih untuk menumpukan usaha tambahan pada penaakulan. Tingkah laku pemikiran lanjutnya patut diterangkan sebagai mod atau pilihan model tersendiri. Entri teks biasa boleh memberikan penjelasan dan menyelesaikan soalan, tetapi itu tidak patut dikelirukan dengan pemilihan konfigurasi penaakulan lanjut yang didokumenkan secara jelas.
Contoh metadata model bernama pengeluar memberikan panjang prom maksimum sebanyak 131,072 token untuk grok-3 dan merekodkan sokongan output berstruktur serta pemanggilan fungsi. Medan panjang prom menerangkan bajet input yang diterbitkan dalam contoh itu; ia bukan had maksimum token output yang berasingan. Pengumuman keluarga membincangkan konfigurasi konteks panjang yang lebih besar, jadi bezakan spesifikasi model bernama yang tepat daripada penerangan keluarga yang lebih luas apabila menyediakan permintaan. Sertakan konteks yang diperlukan untuk soalan, dan tentukan format serta panjang jawapan dengan jelas.
Output berstruktur berguna apabila perbualan patut berakhir dengan medan yang boleh diproses oleh aplikasi, seperti ringkasan, fakta yang diekstrak dan soalan yang masih memerlukan penjelasan. Pemanggilan fungsi membolehkan aplikasi menawarkan operasi yang dibenarkan dan menerima argumen yang dicadangkan. Aplikasi menjalankan operasi itu dan mengembalikan hasilnya untuk jawapan seterusnya. Ini berbeza daripada model mempunyai akses secara bebas kepada mana-mana pangkalan data, pelayar atau pentafsir kod.
Artikel pelancaran membincangkan DeepSearch dan ejen beralat sebagai sistem yang dibina berasaskan keluarga Grok. Aliran kerja carian, pelaksanaan dan penyediaan laporannya merupakan konteks integrasi, bukannya alasan untuk memindahkan setiap ciri aplikasi kepada entri teks grok-3 asas. Untuk tugasan yang berguna, nyatakan bahan yang dibekalkan atau data alat yang dikembalikan yang patut digunakan oleh model, bezakan fakta daripada tafsiran yang diminta dan minta model menandakan maklumat yang tiada. Akhiri dengan artifak yang konkrit: dokumen yang disemak semula, cadangan kod, rekod pengekstrakan atau penjelasan yang boleh disemak berbanding input asal.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had grok-3 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.006 / 1K token Output · Token output $0.03 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "grok-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3', '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-3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra grok-3
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Revise a technical explanation\n\nRewrite this for a nontechnical office manager in at most 75 words: 'The synchronisation job retries transient transport failures using exponential backoff; repeated requests carry the same operation key to prevent duplicate entries.' Preserve the difference between retrying a failed connection and creating a second record. Use one everyday comparison and no unsupported guarantees.A concise plain-language explanation with one comparison and both retry and duplicate-prevention concepts intact.The rewrite does not imply that every failure is recoverable or that retries always succeed.