Identiti dan tujuan model
Grok 4.20 Non-Reasoning ialah konfigurasi bernama xAI untuk respons berpandukan arahan dan pemanggilan alat oleh ejen. Pengeluar menyenaraikan grok-4.20-beta-0309-non-reasoning sebagai alias bagi grok-4.20-0309-non-reasoning. Mengekalkan nama yang tepat itu penting apabila membezakan edisi ini daripada pengecam latest yang berubah atau konfigurasi Grok 4.20 yang lain. Tujuannya yang diisytiharkan menekankan pematuhan prom dan penyediaan respons yang tepat terhadap tugasan.
Input, output dan konteks
Model menerima teks dan imej serta menghasilkan teks. Tetingkap konteks yang disenaraikan ialah 1,000,000 token, yang menyediakan ruang untuk arahan yang banyak, teks rujukan dan sejarah perbualan berkaitan tugasan visual. Pemahaman imej ialah pemprosesan input; output di sini ialah penjelasan atau data dalam bentuk teks. Sediakan bahan visual yang jelas dan terangkan peranannya: keadaan antara muka yang perlu diperiksa, carta yang perlu ditafsir atau fragmen dokumen yang perlu diterangkan.
Pemanggilan fungsi
Pengeluar mendokumenkan pemanggilan fungsi sebagai keupayaan model. Aplikasi yang disambungkan mentakrifkan fungsi dan argumennya; model boleh memilih tindakan yang berkaitan dan mengembalikan maklumat yang diperlukan untuk memanggilnya. Untuk tugasan sokongan visual, berikan tangkap layar, matlamat pengguna dan penerangan alat diagnostik yang dibenarkan. Hasil yang berguna boleh mengenal pasti keadaan yang diperhatikan, meminta butiran yang tiada atau mencadangkan operasi seterusnya yang tersedia. Aplikasi melaksanakan operasi itu dan mengembalikan pemerhatiannya. Teks model patut membezakan tindakan yang dicadangkan daripada tindakan yang benar-benar telah selesai.
Output berstruktur
Model ini juga menyokong hasil berstruktur untuk pemprosesan seterusnya. Antara muka pengeluar turut menyokong pemprosesan kelompok. Daripada penjelasan tanpa batasan, takrifkan medan untuk tugasan: item yang diperhatikan, butiran berkaitan, tafsiran ringkas dan soalan yang belum terjawab. Contoh tugasan dokumen boleh meminta nama dan nilai yang kelihatan dalam imej, dengan peraturan jelas untuk entri yang tidak dapat dibaca. Tugasan analisis produk boleh meminta jadual perbandingan berdasarkan teks dan gambar yang dibekalkan. Skema menyusun respons; ia tidak menjadikan tafsiran imej yang tidak pasti sebagai fakta yang telah disahkan.
Menyediakan permintaan praktikal
Asingkan bukti daripada arahan. Jika beberapa imej disertakan bersama soalan, kenal pasti setiap imej dan nyatakan sama ada tugasan itu ialah perbandingan, pengekstrakan atau penjelasan. Sertakan kriteria yang menentukan hasil: keadaan antara muka yang dijangka, medan yang perlu diekstrak atau butiran yang perlu kekal tidak berubah. Untuk perbincangan panjang, berikan sejarah yang berkaitan dan hasil alat terdahulu supaya balasan seterusnya menangani keadaan semasa. Minta artifak akhir yang konkrit, seperti penjelasan sokongan, senarai percanggahan yang diperhatikan atau rekod berstruktur untuk langkah aplikasi seterusnya.
Sempadan edisi dan keupayaan
Non-Reasoning dikekalkan sebagai identiti konfigurasi; ia patut dipilih dengan sengaja bersama konfigurasi penaakulan yang mempunyai nama berasingan. Input teks dan imej tidak menetapkan pemprosesan audio atau video, dan tetingkap konteks bukan panjang jawapan maksimum. Panggilan fungsi memerlukan alat yang benar-benar disambungkan, manakala teks berstruktur memerlukan format output yang disokong oleh integrasi. Kekalkan alias 0309 yang tepat apabila merekodkan tugasan supaya perubahan edisi atau tingkah laku aplikasi dapat dibezakan daripada keupayaan model yang diterangkan di sini.
", "aboutText": "Identiti dan tujuan model\n\nGrok 4.20 Non-Reasoning ialah konfigurasi bernama xAI untuk respons berpandukan arahan dan pemanggilan alat oleh ejen. Pengeluar menyenaraikan grok-4.20-beta-0309-non-reasoning sebagai alias bagi grok-4.20-0309-non-reasoning. Mengekalkan nama yang tepat itu penting apabila membezakan edisi ini daripada pengecam latest yang berubah atau konfigurasi Grok 4.20 yang lain. Tujuannya yang diisytiharkan menekankan pematuhan prom dan penyediaan respons yang tepat terhadap tugasan.\n\nInput, output dan konteks\n\nModel menerima teks dan imej serta menghasilkan teks. Tetingkap konteks yang disenaraikan ialah 1,000,000 token, yang menyediakan ruang untuk arahan yang banyak, teks rujukan dan sejarah perbualan berkaitan tugasan visual. Pemahaman imej ialah pemprosesan input; output di sini ialah penjelasan atau data dalam bentuk teks. Sediakan bahan visual yang jelas dan terangkan peranannya: keadaan antara muka yang perlu diperiksa, carta yang perlu ditafsir atau fragmen dokumen yang perlu diterangkan.\n\nPemanggilan fungsi\n\nPengeluar mendokumenkan pemanggilan fungsi sebagai keupayaan model. Aplikasi yang disambungkan mentakrifkan fungsi dan argumennya; model boleh memilih tindakan yang berkaitan dan mengembalikan maklumat yang diperlukan untuk memanggilnya. Untuk tugasan sokongan visual, berikan tangkap layar, matlamat pengguna dan penerangan alat diagnostik yang dibenarkan. Hasil yang berguna boleh mengenal pasti keadaan yang diperhatikan, meminta butiran yang tiada atau mencadangkan operasi seterusnya yang tersedia. Aplikasi melaksanakan operasi itu dan mengembalikan pemerhatiannya. Teks model patut membezakan tindakan yang dicadangkan daripada tindakan yang benar-benar telah selesai.\n\nOutput berstruktur\n\nModel ini juga menyokong hasil berstruktur untuk pemprosesan seterusnya. Antara muka pengeluar turut menyokong pemprosesan kelompok. Daripada penjelasan tanpa batasan, takrifkan medan untuk tugasan: item yang diperhatikan, butiran berkaitan, tafsiran ringkas dan soalan yang belum terjawab. Contoh tugasan dokumen boleh meminta nama dan nilai yang kelihatan dalam imej, dengan peraturan jelas untuk entri yang tidak dapat dibaca. Tugasan analisis produk boleh meminta jadual perbandingan berdasarkan teks dan gambar yang dibekalkan. Skema menyusun respons; ia tidak menjadikan tafsiran imej yang tidak pasti sebagai fakta yang telah disahkan.\n\nMenyediakan permintaan praktikal\n\nAsingkan bukti daripada arahan. Jika beberapa imej disertakan bersama soalan, kenal pasti setiap imej dan nyatakan sama ada tugasan itu ialah perbandingan, pengekstrakan atau penjelasan. Sertakan kriteria yang menentukan hasil: keadaan antara muka yang dijangka, medan yang perlu diekstrak atau butiran yang perlu kekal tidak berubah. Untuk perbincangan panjang, berikan sejarah yang berkaitan dan hasil alat terdahulu supaya balasan seterusnya menangani keadaan semasa. Minta artifak akhir yang konkrit, seperti penjelasan sokongan, senarai percanggahan yang diperhatikan atau rekod berstruktur untuk langkah aplikasi seterusnya.\n\nSempadan edisi dan keupayaan\n\nNon-Reasoning dikekalkan sebagai identiti konfigurasi; ia patut dipilih dengan sengaja bersama konfigurasi penaakulan yang mempunyai nama berasingan. Input teks dan imej tidak menetapkan pemprosesan audio atau video, dan tetingkap konteks bukan panjang jawapan maksimum. Panggilan fungsi memerlukan alat yang benar-benar disambungkan, manakala teks berstruktur memerlukan format output yang disokong oleh integrasi. Kekalkan alias 0309 yang tepat apabila merekodkan tugasan supaya perubahan edisi atau tingkah laku aplikasi dapat dibezakan daripada keupayaan model yang diterangkan di sini.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Extract a source-grounded return record\n\nExtract a return record from this message: 'Order R-204 arrived on 8 May. One blue bowl was cracked; the other two are fine. I want a replacement, not a refund.' Return the order ID, affected item, affected quantity and requested resolution. Mark any absent field 'not stated' and do not infer a cause of damage.A four-field text record preserving the customer's requested resolution and affected quantity.The record distinguishes the one damaged bowl from the two undamaged bowls and does not invent a damage cause.grok-4.20-beta-0309-non-reasoningGrok 4.20 Non-Reasoning ialah model teks dan imej xAI untuk jawapan berpandukan arahan, pemanggilan fungsi dan hasil berstruktur. Identiti 0309 menyokong tugasan yang menghubungkan bukti visual dan konteks teks panjang kepada penjelasan yang jelas atau medan yang sedia untuk pemprosesan lanjut.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Identiti dan tujuan model
Grok 4.20 Non-Reasoning ialah konfigurasi bernama xAI untuk respons berpandukan arahan dan pemanggilan alat oleh ejen. Pengeluar menyenaraikan grok-4.20-beta-0309-non-reasoning sebagai alias bagi grok-4.20-0309-non-reasoning. Mengekalkan nama yang tepat itu penting apabila membezakan edisi ini daripada pengecam latest yang berubah atau konfigurasi Grok 4.20 yang lain. Tujuannya yang diisytiharkan menekankan pematuhan prom dan penyediaan respons yang tepat terhadap tugasan.
Input, output dan konteks
Model menerima teks dan imej serta menghasilkan teks. Tetingkap konteks yang disenaraikan ialah 1,000,000 token, yang menyediakan ruang untuk arahan yang banyak, teks rujukan dan sejarah perbualan berkaitan tugasan visual. Pemahaman imej ialah pemprosesan input; output di sini ialah penjelasan atau data dalam bentuk teks. Sediakan bahan visual yang jelas dan terangkan peranannya: keadaan antara muka yang perlu diperiksa, carta yang perlu ditafsir atau fragmen dokumen yang perlu diterangkan.
Pemanggilan fungsi
Pengeluar mendokumenkan pemanggilan fungsi sebagai keupayaan model. Aplikasi yang disambungkan mentakrifkan fungsi dan argumennya; model boleh memilih tindakan yang berkaitan dan mengembalikan maklumat yang diperlukan untuk memanggilnya. Untuk tugasan sokongan visual, berikan tangkap layar, matlamat pengguna dan penerangan alat diagnostik yang dibenarkan. Hasil yang berguna boleh mengenal pasti keadaan yang diperhatikan, meminta butiran yang tiada atau mencadangkan operasi seterusnya yang tersedia. Aplikasi melaksanakan operasi itu dan mengembalikan pemerhatiannya. Teks model patut membezakan tindakan yang dicadangkan daripada tindakan yang benar-benar telah selesai.
Output berstruktur
Model ini juga menyokong hasil berstruktur untuk pemprosesan seterusnya. Antara muka pengeluar turut menyokong pemprosesan kelompok. Daripada penjelasan tanpa batasan, takrifkan medan untuk tugasan: item yang diperhatikan, butiran berkaitan, tafsiran ringkas dan soalan yang belum terjawab. Contoh tugasan dokumen boleh meminta nama dan nilai yang kelihatan dalam imej, dengan peraturan jelas untuk entri yang tidak dapat dibaca. Tugasan analisis produk boleh meminta jadual perbandingan berdasarkan teks dan gambar yang dibekalkan. Skema menyusun respons; ia tidak menjadikan tafsiran imej yang tidak pasti sebagai fakta yang telah disahkan.
Menyediakan permintaan praktikal
Asingkan bukti daripada arahan. Jika beberapa imej disertakan bersama soalan, kenal pasti setiap imej dan nyatakan sama ada tugasan itu ialah perbandingan, pengekstrakan atau penjelasan. Sertakan kriteria yang menentukan hasil: keadaan antara muka yang dijangka, medan yang perlu diekstrak atau butiran yang perlu kekal tidak berubah. Untuk perbincangan panjang, berikan sejarah yang berkaitan dan hasil alat terdahulu supaya balasan seterusnya menangani keadaan semasa. Minta artifak akhir yang konkrit, seperti penjelasan sokongan, senarai percanggahan yang diperhatikan atau rekod berstruktur untuk langkah aplikasi seterusnya.
Sempadan edisi dan keupayaan
Non-Reasoning dikekalkan sebagai identiti konfigurasi; ia patut dipilih dengan sengaja bersama konfigurasi penaakulan yang mempunyai nama berasingan. Input teks dan imej tidak menetapkan pemprosesan audio atau video, dan tetingkap konteks bukan panjang jawapan maksimum. Panggilan fungsi memerlukan alat yang benar-benar disambungkan, manakala teks berstruktur memerlukan format output yang disokong oleh integrasi. Kekalkan alias 0309 yang tepat apabila merekodkan tugasan supaya perubahan edisi atau tingkah laku aplikasi dapat dibezakan daripada keupayaan model yang diterangkan di sini.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had grok-4.20-beta-0309-non-reasoning | 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 $0.004 / 1K token Output · Token output $0.012 / 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-4.20-beta-0309-non-reasoning", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='grok-4.20-beta-0309-non-reasoning',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='grok-4.20-beta-0309-non-reasoning',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-4.20-beta-0309-non-reasoning
Gunakan laluan kaedah yang dipaparkan di atas.
grok-4.20-beta-0309-non-reasoningGrok 4.20 Non-Reasoning ialah model teks dan imej xAI untuk jawapan berpandukan arahan, pemanggilan fungsi dan hasil berstruktur. Identiti 0309 menyokong tugasan yang menghubungkan bukti visual dan konteks teks panjang kepada penjelasan yang jelas atau medan yang sedia untuk pemprosesan lanjut.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Identiti dan tujuan model
Grok 4.20 Non-Reasoning ialah konfigurasi bernama xAI untuk respons berpandukan arahan dan pemanggilan alat oleh ejen. Pengeluar menyenaraikan grok-4.20-beta-0309-non-reasoning sebagai alias bagi grok-4.20-0309-non-reasoning. Mengekalkan nama yang tepat itu penting apabila membezakan edisi ini daripada pengecam latest yang berubah atau konfigurasi Grok 4.20 yang lain. Tujuannya yang diisytiharkan menekankan pematuhan prom dan penyediaan respons yang tepat terhadap tugasan.
Input, output dan konteks
Model menerima teks dan imej serta menghasilkan teks. Tetingkap konteks yang disenaraikan ialah 1,000,000 token, yang menyediakan ruang untuk arahan yang banyak, teks rujukan dan sejarah perbualan berkaitan tugasan visual. Pemahaman imej ialah pemprosesan input; output di sini ialah penjelasan atau data dalam bentuk teks. Sediakan bahan visual yang jelas dan terangkan peranannya: keadaan antara muka yang perlu diperiksa, carta yang perlu ditafsir atau fragmen dokumen yang perlu diterangkan.
Pemanggilan fungsi
Pengeluar mendokumenkan pemanggilan fungsi sebagai keupayaan model. Aplikasi yang disambungkan mentakrifkan fungsi dan argumennya; model boleh memilih tindakan yang berkaitan dan mengembalikan maklumat yang diperlukan untuk memanggilnya. Untuk tugasan sokongan visual, berikan tangkap layar, matlamat pengguna dan penerangan alat diagnostik yang dibenarkan. Hasil yang berguna boleh mengenal pasti keadaan yang diperhatikan, meminta butiran yang tiada atau mencadangkan operasi seterusnya yang tersedia. Aplikasi melaksanakan operasi itu dan mengembalikan pemerhatiannya. Teks model patut membezakan tindakan yang dicadangkan daripada tindakan yang benar-benar telah selesai.
Output berstruktur
Model ini juga menyokong hasil berstruktur untuk pemprosesan seterusnya. Antara muka pengeluar turut menyokong pemprosesan kelompok. Daripada penjelasan tanpa batasan, takrifkan medan untuk tugasan: item yang diperhatikan, butiran berkaitan, tafsiran ringkas dan soalan yang belum terjawab. Contoh tugasan dokumen boleh meminta nama dan nilai yang kelihatan dalam imej, dengan peraturan jelas untuk entri yang tidak dapat dibaca. Tugasan analisis produk boleh meminta jadual perbandingan berdasarkan teks dan gambar yang dibekalkan. Skema menyusun respons; ia tidak menjadikan tafsiran imej yang tidak pasti sebagai fakta yang telah disahkan.
Menyediakan permintaan praktikal
Asingkan bukti daripada arahan. Jika beberapa imej disertakan bersama soalan, kenal pasti setiap imej dan nyatakan sama ada tugasan itu ialah perbandingan, pengekstrakan atau penjelasan. Sertakan kriteria yang menentukan hasil: keadaan antara muka yang dijangka, medan yang perlu diekstrak atau butiran yang perlu kekal tidak berubah. Untuk perbincangan panjang, berikan sejarah yang berkaitan dan hasil alat terdahulu supaya balasan seterusnya menangani keadaan semasa. Minta artifak akhir yang konkrit, seperti penjelasan sokongan, senarai percanggahan yang diperhatikan atau rekod berstruktur untuk langkah aplikasi seterusnya.
Sempadan edisi dan keupayaan
Non-Reasoning dikekalkan sebagai identiti konfigurasi; ia patut dipilih dengan sengaja bersama konfigurasi penaakulan yang mempunyai nama berasingan. Input teks dan imej tidak menetapkan pemprosesan audio atau video, dan tetingkap konteks bukan panjang jawapan maksimum. Panggilan fungsi memerlukan alat yang benar-benar disambungkan, manakala teks berstruktur memerlukan format output yang disokong oleh integrasi. Kekalkan alias 0309 yang tepat apabila merekodkan tugasan supaya perubahan edisi atau tingkah laku aplikasi dapat dibezakan daripada keupayaan model yang diterangkan di sini.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had grok-4.20-beta-0309-non-reasoning | 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 $0.004 / 1K token Output · Token output $0.012 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "grok-4.20-beta-0309-non-reasoning",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-4.20-beta-0309-non-reasoning', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-4.20-beta-0309-non-reasoning', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-4.20-beta-0309-non-reasoning
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Extract a source-grounded return record\n\nExtract a return record from this message: 'Order R-204 arrived on 8 May. One blue bowl was cracked; the other two are fine. I want a replacement, not a refund.' Return the order ID, affected item, affected quantity and requested resolution. Mark any absent field 'not stated' and do not infer a cause of damage.A four-field text record preserving the customer's requested resolution and affected quantity.The record distinguishes the one damaged bowl from the two undamaged bowls and does not invent a damage cause.