Grok 2 Vision 1212 er utgaven for visuelle inndata i xAIs Grok 2-familie, identifisert med navnet grok-2-vision-1212. Produsenten presenterer Grok 2 som en modell for tekst- og visuell forståelse, med oppgaver som omfatter spørsmål om dokumenter og matematisk resonnering ut fra visuelt materiale. Den senere annonseringen av 1212-utgaven beskriver forbedringer i instruksjonsfølging og flerspråklig atferd. Dette kortet gjelder den navngitte vision-utgaven og tekstresultatet den gir.
Produsentens modellmetadata angir tekst og bilder som inndata og tekst som utdata. En praktisk oppgave begynner derfor med både den visuelle dokumentasjonen og et presist spørsmål. For en dokumentside angir du feltet, delen eller sammenhengen du trenger forklart; for et diagram identifiserer du etikettene og størrelsene som er viktige; for et skjermbilde beskriver du brukerens mål og elementet du vil undersøke. Målet er å knytte synlig innhold til forespørselen, fremfor å be om en urettet beskrivelse av alt i bildet.
En illustrerende dokumentforespørsel er: «Les overskriftene og de merkede feltene på denne siden. Returner de synlige verdiene, marker oppføringer som ikke kan leses med sikkerhet, og forklar hvilket avsnitt som støtter svaret.» En diagramforespørsel kan be om forholdet mellom to serier og et skille mellom direkte synlige verdier og tolkning. For et produktfotografi ber du om synlige egenskaper og en sammenligning med den innsendte skriftlige spesifikasjonen. Dette er eksempler på klargjøring og utdata basert på produsentens visuelle oppgavefamilier, ikke løfter om at hver detalj kan gjenfinnes i alle bilder.
Eksemplet for den navngitte modellen registrerer også støtte for strukturerte utdata og funksjonskall. For uthenting definerer du ønsket resultat: for eksempel en liste over felt, deres synlige tekst og en merknad om usikkerhet. For en verktøystøttet oppgave legger du ved tillatte verktøybeskrivelser og informasjonen som trengs for en operasjon. Applikasjonen utfører operasjonen og returnerer resultatet; modellen kan deretter bruke denne informasjonen i neste tekstsvar. Selve vision-funksjonen er evnen til å tolke det innsendte bildet, mens den eksterne operasjonen tilhører applikasjonen rundt modellen.
Denne utgaven er oppført uten separat resonneringsmodus i produsentens eksempel. Den kan fortsatt besvare spørsmål som krever sammenhenger og forklaringer, men de eksplisitte modusene for utvidet tenkning som beskrives for andre Grok-utgaver, bør holdes atskilt. Det samme eksemplet angir en maksimal promptlengde på 32 768 tokener. Dette er det publiserte inndatafeltet for den navngitte modellen, ikke en separat dokumentert maksimal svarlengde. De leste primærkildene fastslår ikke et nøyaktig globalt tak for bildeantall, bildeoppløsning eller utdatatokener for Vision 1212, så disse verdiene bør komme fra en spesifikk forespørselsspesifikasjon fremfor å lånes fra en nyere vision-modell.
Det faste navnet 1212 er også viktig når du velger utgave. Tekstutgaven av Grok 2 og bildegenereringsproduktene deres dekker andre inndata og utdata. Resultatet som beskrives her, er et skriftlig svar om visuelt materiale. Funksjoner vist i Grok-applikasjonen, som ekstra søke- eller bildegenereringsopplevelser, er separate integrasjoner rundt familien og bør skilles fra egenskapene til denne navngitte modelloppføringen.
Klargjør lesbare sider og gi hvert bilde en etikett når materiale sammenlignes. Oppgi hvilken del av bildet som er relevant, ta med nødvendige definisjoner eller enheter i spørsmålet, og be svaret bevare de opprinnelige navnene. For en nyttig sluttartefakt velger du en forklaring, en uthentingstabell eller en liste over observasjoner knyttet til dokumentasjonen. Hvis bildet er tvetydig, bevarer du denne usikkerheten i utdataene og kontrollerer avlesninger med betydelige konsekvenser mot originalmaterialet.
", "aboutText": "Grok 2 Vision 1212 er utgaven for visuelle inndata i xAIs Grok 2-familie, identifisert med navnet grok-2-vision-1212. Produsenten presenterer Grok 2 som en modell for tekst- og visuell forståelse, med oppgaver som omfatter spørsmål om dokumenter og matematisk resonnering ut fra visuelt materiale. Den senere annonseringen av 1212-utgaven beskriver forbedringer i instruksjonsfølging og flerspråklig atferd. Dette kortet gjelder den navngitte vision-utgaven og tekstresultatet den gir.\n\nProdusentens modellmetadata angir tekst og bilder som inndata og tekst som utdata. En praktisk oppgave begynner derfor med både den visuelle dokumentasjonen og et presist spørsmål. For en dokumentside angir du feltet, delen eller sammenhengen du trenger forklart; for et diagram identifiserer du etikettene og størrelsene som er viktige; for et skjermbilde beskriver du brukerens mål og elementet du vil undersøke. Målet er å knytte synlig innhold til forespørselen, fremfor å be om en urettet beskrivelse av alt i bildet.\n\nEn illustrerende dokumentforespørsel er: «Les overskriftene og de merkede feltene på denne siden. Returner de synlige verdiene, marker oppføringer som ikke kan leses med sikkerhet, og forklar hvilket avsnitt som støtter svaret.» En diagramforespørsel kan be om forholdet mellom to serier og et skille mellom direkte synlige verdier og tolkning. For et produktfotografi ber du om synlige egenskaper og en sammenligning med den innsendte skriftlige spesifikasjonen. Dette er eksempler på klargjøring og utdata basert på produsentens visuelle oppgavefamilier, ikke løfter om at hver detalj kan gjenfinnes i alle bilder.\n\nEksemplet for den navngitte modellen registrerer også støtte for strukturerte utdata og funksjonskall. For uthenting definerer du ønsket resultat: for eksempel en liste over felt, deres synlige tekst og en merknad om usikkerhet. For en verktøystøttet oppgave legger du ved tillatte verktøybeskrivelser og informasjonen som trengs for en operasjon. Applikasjonen utfører operasjonen og returnerer resultatet; modellen kan deretter bruke denne informasjonen i neste tekstsvar. Selve vision-funksjonen er evnen til å tolke det innsendte bildet, mens den eksterne operasjonen tilhører applikasjonen rundt modellen.\n\nDenne utgaven er oppført uten separat resonneringsmodus i produsentens eksempel. Den kan fortsatt besvare spørsmål som krever sammenhenger og forklaringer, men de eksplisitte modusene for utvidet tenkning som beskrives for andre Grok-utgaver, bør holdes atskilt. Det samme eksemplet angir en maksimal promptlengde på 32 768 tokener. Dette er det publiserte inndatafeltet for den navngitte modellen, ikke en separat dokumentert maksimal svarlengde. De leste primærkildene fastslår ikke et nøyaktig globalt tak for bildeantall, bildeoppløsning eller utdatatokener for Vision 1212, så disse verdiene bør komme fra en spesifikk forespørselsspesifikasjon fremfor å lånes fra en nyere vision-modell.\n\nDet faste navnet 1212 er også viktig når du velger utgave. Tekstutgaven av Grok 2 og bildegenereringsproduktene deres dekker andre inndata og utdata. Resultatet som beskrives her, er et skriftlig svar om visuelt materiale. Funksjoner vist i Grok-applikasjonen, som ekstra søke- eller bildegenereringsopplevelser, er separate integrasjoner rundt familien og bør skilles fra egenskapene til denne navngitte modelloppføringen.\n\nKlargjør lesbare sider og gi hvert bilde en etikett når materiale sammenlignes. Oppgi hvilken del av bildet som er relevant, ta med nødvendige definisjoner eller enheter i spørsmålet, og be svaret bevare de opprinnelige navnene. For en nyttig sluttartefakt velger du en forklaring, en uthentingstabell eller en liste over observasjoner knyttet til dokumentasjonen. Hvis bildet er tvetydig, bevarer du denne usikkerheten i utdataene og kontrollerer avlesninger med betydelige konsekvenser mot originalmaterialet.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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 er xAIs utgave for bildeforståelse og spørsmål om dokumenter, diagrammer, fotografier og skjermbilder. Den kombinerer et skriftlig spørsmål med visuelle inndata og returnerer et tekstsvar, med strukturerte utdata og funksjonskall dokumentert for den navngitte utgaven.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Grok 2 Vision 1212 er utgaven for visuelle inndata i xAIs Grok 2-familie, identifisert med navnet grok-2-vision-1212. Produsenten presenterer Grok 2 som en modell for tekst- og visuell forståelse, med oppgaver som omfatter spørsmål om dokumenter og matematisk resonnering ut fra visuelt materiale. Den senere annonseringen av 1212-utgaven beskriver forbedringer i instruksjonsfølging og flerspråklig atferd. Dette kortet gjelder den navngitte vision-utgaven og tekstresultatet den gir.
Produsentens modellmetadata angir tekst og bilder som inndata og tekst som utdata. En praktisk oppgave begynner derfor med både den visuelle dokumentasjonen og et presist spørsmål. For en dokumentside angir du feltet, delen eller sammenhengen du trenger forklart; for et diagram identifiserer du etikettene og størrelsene som er viktige; for et skjermbilde beskriver du brukerens mål og elementet du vil undersøke. Målet er å knytte synlig innhold til forespørselen, fremfor å be om en urettet beskrivelse av alt i bildet.
En illustrerende dokumentforespørsel er: «Les overskriftene og de merkede feltene på denne siden. Returner de synlige verdiene, marker oppføringer som ikke kan leses med sikkerhet, og forklar hvilket avsnitt som støtter svaret.» En diagramforespørsel kan be om forholdet mellom to serier og et skille mellom direkte synlige verdier og tolkning. For et produktfotografi ber du om synlige egenskaper og en sammenligning med den innsendte skriftlige spesifikasjonen. Dette er eksempler på klargjøring og utdata basert på produsentens visuelle oppgavefamilier, ikke løfter om at hver detalj kan gjenfinnes i alle bilder.
Eksemplet for den navngitte modellen registrerer også støtte for strukturerte utdata og funksjonskall. For uthenting definerer du ønsket resultat: for eksempel en liste over felt, deres synlige tekst og en merknad om usikkerhet. For en verktøystøttet oppgave legger du ved tillatte verktøybeskrivelser og informasjonen som trengs for en operasjon. Applikasjonen utfører operasjonen og returnerer resultatet; modellen kan deretter bruke denne informasjonen i neste tekstsvar. Selve vision-funksjonen er evnen til å tolke det innsendte bildet, mens den eksterne operasjonen tilhører applikasjonen rundt modellen.
Denne utgaven er oppført uten separat resonneringsmodus i produsentens eksempel. Den kan fortsatt besvare spørsmål som krever sammenhenger og forklaringer, men de eksplisitte modusene for utvidet tenkning som beskrives for andre Grok-utgaver, bør holdes atskilt. Det samme eksemplet angir en maksimal promptlengde på 32 768 tokener. Dette er det publiserte inndatafeltet for den navngitte modellen, ikke en separat dokumentert maksimal svarlengde. De leste primærkildene fastslår ikke et nøyaktig globalt tak for bildeantall, bildeoppløsning eller utdatatokener for Vision 1212, så disse verdiene bør komme fra en spesifikk forespørselsspesifikasjon fremfor å lånes fra en nyere vision-modell.
Det faste navnet 1212 er også viktig når du velger utgave. Tekstutgaven av Grok 2 og bildegenereringsproduktene deres dekker andre inndata og utdata. Resultatet som beskrives her, er et skriftlig svar om visuelt materiale. Funksjoner vist i Grok-applikasjonen, som ekstra søke- eller bildegenereringsopplevelser, er separate integrasjoner rundt familien og bør skilles fra egenskapene til denne navngitte modelloppføringen.
Klargjør lesbare sider og gi hvert bilde en etikett når materiale sammenlignes. Oppgi hvilken del av bildet som er relevant, ta med nødvendige definisjoner eller enheter i spørsmålet, og be svaret bevare de opprinnelige navnene. For en nyttig sluttartefakt velger du en forklaring, en uthentingstabell eller en liste over observasjoner knyttet til dokumentasjonen. Hvis bildet er tvetydig, bevarer du denne usikkerheten i utdataene og kontrollerer avlesninger med betydelige konsekvenser mot originalmaterialet.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser grok-2-vision-1212 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra grok-2-vision-1212
Bruk metodestiene som vises ovenfor.
grok-2-vision-1212Grok 2 Vision 1212 er xAIs utgave for bildeforståelse og spørsmål om dokumenter, diagrammer, fotografier og skjermbilder. Den kombinerer et skriftlig spørsmål med visuelle inndata og returnerer et tekstsvar, med strukturerte utdata og funksjonskall dokumentert for den navngitte utgaven.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Grok 2 Vision 1212 er utgaven for visuelle inndata i xAIs Grok 2-familie, identifisert med navnet grok-2-vision-1212. Produsenten presenterer Grok 2 som en modell for tekst- og visuell forståelse, med oppgaver som omfatter spørsmål om dokumenter og matematisk resonnering ut fra visuelt materiale. Den senere annonseringen av 1212-utgaven beskriver forbedringer i instruksjonsfølging og flerspråklig atferd. Dette kortet gjelder den navngitte vision-utgaven og tekstresultatet den gir.
Produsentens modellmetadata angir tekst og bilder som inndata og tekst som utdata. En praktisk oppgave begynner derfor med både den visuelle dokumentasjonen og et presist spørsmål. For en dokumentside angir du feltet, delen eller sammenhengen du trenger forklart; for et diagram identifiserer du etikettene og størrelsene som er viktige; for et skjermbilde beskriver du brukerens mål og elementet du vil undersøke. Målet er å knytte synlig innhold til forespørselen, fremfor å be om en urettet beskrivelse av alt i bildet.
En illustrerende dokumentforespørsel er: «Les overskriftene og de merkede feltene på denne siden. Returner de synlige verdiene, marker oppføringer som ikke kan leses med sikkerhet, og forklar hvilket avsnitt som støtter svaret.» En diagramforespørsel kan be om forholdet mellom to serier og et skille mellom direkte synlige verdier og tolkning. For et produktfotografi ber du om synlige egenskaper og en sammenligning med den innsendte skriftlige spesifikasjonen. Dette er eksempler på klargjøring og utdata basert på produsentens visuelle oppgavefamilier, ikke løfter om at hver detalj kan gjenfinnes i alle bilder.
Eksemplet for den navngitte modellen registrerer også støtte for strukturerte utdata og funksjonskall. For uthenting definerer du ønsket resultat: for eksempel en liste over felt, deres synlige tekst og en merknad om usikkerhet. For en verktøystøttet oppgave legger du ved tillatte verktøybeskrivelser og informasjonen som trengs for en operasjon. Applikasjonen utfører operasjonen og returnerer resultatet; modellen kan deretter bruke denne informasjonen i neste tekstsvar. Selve vision-funksjonen er evnen til å tolke det innsendte bildet, mens den eksterne operasjonen tilhører applikasjonen rundt modellen.
Denne utgaven er oppført uten separat resonneringsmodus i produsentens eksempel. Den kan fortsatt besvare spørsmål som krever sammenhenger og forklaringer, men de eksplisitte modusene for utvidet tenkning som beskrives for andre Grok-utgaver, bør holdes atskilt. Det samme eksemplet angir en maksimal promptlengde på 32 768 tokener. Dette er det publiserte inndatafeltet for den navngitte modellen, ikke en separat dokumentert maksimal svarlengde. De leste primærkildene fastslår ikke et nøyaktig globalt tak for bildeantall, bildeoppløsning eller utdatatokener for Vision 1212, så disse verdiene bør komme fra en spesifikk forespørselsspesifikasjon fremfor å lånes fra en nyere vision-modell.
Det faste navnet 1212 er også viktig når du velger utgave. Tekstutgaven av Grok 2 og bildegenereringsproduktene deres dekker andre inndata og utdata. Resultatet som beskrives her, er et skriftlig svar om visuelt materiale. Funksjoner vist i Grok-applikasjonen, som ekstra søke- eller bildegenereringsopplevelser, er separate integrasjoner rundt familien og bør skilles fra egenskapene til denne navngitte modelloppføringen.
Klargjør lesbare sider og gi hvert bilde en etikett når materiale sammenlignes. Oppgi hvilken del av bildet som er relevant, ta med nødvendige definisjoner eller enheter i spørsmålet, og be svaret bevare de opprinnelige navnene. For en nyttig sluttartefakt velger du en forklaring, en uthentingstabell eller en liste over observasjoner knyttet til dokumentasjonen. Hvis bildet er tvetydig, bevarer du denne usikkerheten i utdataene og kontrollerer avlesninger med betydelige konsekvenser mot originalmaterialet.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser grok-2-vision-1212 | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.02 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "grok-2-vision-1212",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot Ultra grok-2-vision-1212
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.