Grok 3 er xAIs modellfamilie for språkarbeid, generell kunnskap, koding og problemløsning. Lanseringsbeskrivelsen skiller modellen som svarer på vanlig måte, fra familiens eksplisitte Think-varianter, som bruker ytterligere resonnering før sluttsvaret. Den navngitte grok-3-oppføringen som beskrives her, er tekstchatutgaven: produsenten angir tekstinndata, tekstutdata og ingen separat resonneringsfunksjon for denne oppføringen.
Familiens fortrening er ment å støtte et bredt spekter av spørsmål og instruksjoner. xAI fremhever matematikk, koding, kunnskap og stilkontroll i utgivelsesbeskrivelsen. For en skriveoppgave gir dette et nyttig grunnlag for å be modellen revidere en forklaring for en bestemt leser, bevare angitte fakta eller utvikle et sammenhengende utkast fra et sett med punkter. For en teknisk assistent legger du ved relevant materiale og oppgir spørsmålet svaret må avklare, fremfor å støtte deg bare på en generell forespørsel om å diskutere emnet.
En illustrerende dokumentoppgave er: «Sammenlign disse to beskrivelsene av arbeidsflyten. List opp samsvar, motsetninger og manglende informasjon, og skriv deretter en kort forklaring til et nytt teammedlem.» Hold kildedelene merket, slik at svaret kan knytte hver observasjon til riktig avsnitt. En kodeoppgave kan inneholde funksjonen, forventet oppførsel og et konkret inndatatilfelle der nåværende resultat er feil. Be om et forslag til retting og forklar hvilke eksempler som bør brukes til å kontrollere det. Disse eksemplene bruker de dokumenterte språk- og kodeoppgavefamiliene og innebærer ikke at generert kode allerede er kjørt.
Skillet fra Think er viktig. Annonseringen av Grok 3-familien beskriver også Grok 3 Think og Grok 3 mini Think, trent til å bruke mer arbeid på resonnering. Den utvidede tenkningen deres bør beskrives som deres egen modus eller eget modellvalg. Den vanlige tekstoppføringen kan gi forklaringer og løse spørsmål, men dette bør ikke forveksles med å velge en uttrykkelig dokumentert konfigurasjon for utvidet resonnering.
Produsentens eksempel på metadata for den navngitte modellen oppgir en maksimal promptlengde på 131 072 tokener for grok-3 og registrerer støtte for strukturerte utdata og funksjonskall. Feltet for promptlengde beskriver det publiserte inndatabudsjettet i dette eksemplet; det er ikke et separat tak for utdatatokener. Annonseringen av familien omtaler en større konfigurasjon for lang kontekst, så hold den presise spesifikasjonen for den navngitte modellen atskilt fra den bredere familiebeskrivelsen når du klargjør en forespørsel. Ta med konteksten som trengs for spørsmålet, og bestem svarets format og lengde uttrykkelig.
Strukturerte utdata er nyttige når en samtale skal ende med felt applikasjonen kan behandle, som et sammendrag, uthentede fakta og spørsmål som fortsatt trenger avklaring. Funksjonskall lar en applikasjon tilby tillatte operasjoner og motta foreslåtte argumenter. Applikasjonen utfører operasjonen og returnerer resultatet til et påfølgende svar. Dette er forskjellig fra at en modell selvstendig har tilgang til en vilkårlig database, nettleser eller kodetolk.
Lanseringsartikkelen omtaler DeepSearch og agenter med verktøy som systemer bygget rundt Grok-familien. Arbeidsflytene deres for søk, kjøring og rapportskriving utgjør en integrasjonskontekst, fremfor en grunn til å overføre alle applikasjonsfunksjoner til selve tekstoppføringen grok-3. For en nyttig oppgave oppgir du hvilket innsendt materiale eller hvilke returnerte verktøydata modellen skal bruke, skiller fakta fra ønskede tolkninger og ber den markere manglende informasjon. Avslutt med en konkret artefakt: et revidert dokument, et kodeforslag, en uthentingspost eller en forklaring som kan kontrolleres mot de opprinnelige inndataene.
", "aboutText": "Grok 3 er xAIs modellfamilie for språkarbeid, generell kunnskap, koding og problemløsning. Lanseringsbeskrivelsen skiller modellen som svarer på vanlig måte, fra familiens eksplisitte Think-varianter, som bruker ytterligere resonnering før sluttsvaret. Den navngitte grok-3-oppføringen som beskrives her, er tekstchatutgaven: produsenten angir tekstinndata, tekstutdata og ingen separat resonneringsfunksjon for denne oppføringen.\n\nFamiliens fortrening er ment å støtte et bredt spekter av spørsmål og instruksjoner. xAI fremhever matematikk, koding, kunnskap og stilkontroll i utgivelsesbeskrivelsen. For en skriveoppgave gir dette et nyttig grunnlag for å be modellen revidere en forklaring for en bestemt leser, bevare angitte fakta eller utvikle et sammenhengende utkast fra et sett med punkter. For en teknisk assistent legger du ved relevant materiale og oppgir spørsmålet svaret må avklare, fremfor å støtte deg bare på en generell forespørsel om å diskutere emnet.\n\nEn illustrerende dokumentoppgave er: «Sammenlign disse to beskrivelsene av arbeidsflyten. List opp samsvar, motsetninger og manglende informasjon, og skriv deretter en kort forklaring til et nytt teammedlem.» Hold kildedelene merket, slik at svaret kan knytte hver observasjon til riktig avsnitt. En kodeoppgave kan inneholde funksjonen, forventet oppførsel og et konkret inndatatilfelle der nåværende resultat er feil. Be om et forslag til retting og forklar hvilke eksempler som bør brukes til å kontrollere det. Disse eksemplene bruker de dokumenterte språk- og kodeoppgavefamiliene og innebærer ikke at generert kode allerede er kjørt.\n\nSkillet fra Think er viktig. Annonseringen av Grok 3-familien beskriver også Grok 3 Think og Grok 3 mini Think, trent til å bruke mer arbeid på resonnering. Den utvidede tenkningen deres bør beskrives som deres egen modus eller eget modellvalg. Den vanlige tekstoppføringen kan gi forklaringer og løse spørsmål, men dette bør ikke forveksles med å velge en uttrykkelig dokumentert konfigurasjon for utvidet resonnering.\n\nProdusentens eksempel på metadata for den navngitte modellen oppgir en maksimal promptlengde på 131 072 tokener for grok-3 og registrerer støtte for strukturerte utdata og funksjonskall. Feltet for promptlengde beskriver det publiserte inndatabudsjettet i dette eksemplet; det er ikke et separat tak for utdatatokener. Annonseringen av familien omtaler en større konfigurasjon for lang kontekst, så hold den presise spesifikasjonen for den navngitte modellen atskilt fra den bredere familiebeskrivelsen når du klargjør en forespørsel. Ta med konteksten som trengs for spørsmålet, og bestem svarets format og lengde uttrykkelig.\n\nStrukturerte utdata er nyttige når en samtale skal ende med felt applikasjonen kan behandle, som et sammendrag, uthentede fakta og spørsmål som fortsatt trenger avklaring. Funksjonskall lar en applikasjon tilby tillatte operasjoner og motta foreslåtte argumenter. Applikasjonen utfører operasjonen og returnerer resultatet til et påfølgende svar. Dette er forskjellig fra at en modell selvstendig har tilgang til en vilkårlig database, nettleser eller kodetolk.\n\nLanseringsartikkelen omtaler DeepSearch og agenter med verktøy som systemer bygget rundt Grok-familien. Arbeidsflytene deres for søk, kjøring og rapportskriving utgjør en integrasjonskontekst, fremfor en grunn til å overføre alle applikasjonsfunksjoner til selve tekstoppføringen grok-3. For en nyttig oppgave oppgir du hvilket innsendt materiale eller hvilke returnerte verktøydata modellen skal bruke, skiller fakta fra ønskede tolkninger og ber den markere manglende informasjon. Avslutt med en konkret artefakt: et revidert dokument, et kodeforslag, en uthentingspost eller en forklaring som kan kontrolleres mot de opprinnelige inndataene.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
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 er xAIs tekstchatutgave for forklaringer, skriving, koding og spørsmål som bygger på innsendt materiale. Den navngitte modelloppføringen støtter strukturerte utdata og funksjonskall og er atskilt fra familiens eksplisitte Think-modeller.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Grok 3 er xAIs modellfamilie for språkarbeid, generell kunnskap, koding og problemløsning. Lanseringsbeskrivelsen skiller modellen som svarer på vanlig måte, fra familiens eksplisitte Think-varianter, som bruker ytterligere resonnering før sluttsvaret. Den navngitte grok-3-oppføringen som beskrives her, er tekstchatutgaven: produsenten angir tekstinndata, tekstutdata og ingen separat resonneringsfunksjon for denne oppføringen.
Familiens fortrening er ment å støtte et bredt spekter av spørsmål og instruksjoner. xAI fremhever matematikk, koding, kunnskap og stilkontroll i utgivelsesbeskrivelsen. For en skriveoppgave gir dette et nyttig grunnlag for å be modellen revidere en forklaring for en bestemt leser, bevare angitte fakta eller utvikle et sammenhengende utkast fra et sett med punkter. For en teknisk assistent legger du ved relevant materiale og oppgir spørsmålet svaret må avklare, fremfor å støtte deg bare på en generell forespørsel om å diskutere emnet.
En illustrerende dokumentoppgave er: «Sammenlign disse to beskrivelsene av arbeidsflyten. List opp samsvar, motsetninger og manglende informasjon, og skriv deretter en kort forklaring til et nytt teammedlem.» Hold kildedelene merket, slik at svaret kan knytte hver observasjon til riktig avsnitt. En kodeoppgave kan inneholde funksjonen, forventet oppførsel og et konkret inndatatilfelle der nåværende resultat er feil. Be om et forslag til retting og forklar hvilke eksempler som bør brukes til å kontrollere det. Disse eksemplene bruker de dokumenterte språk- og kodeoppgavefamiliene og innebærer ikke at generert kode allerede er kjørt.
Skillet fra Think er viktig. Annonseringen av Grok 3-familien beskriver også Grok 3 Think og Grok 3 mini Think, trent til å bruke mer arbeid på resonnering. Den utvidede tenkningen deres bør beskrives som deres egen modus eller eget modellvalg. Den vanlige tekstoppføringen kan gi forklaringer og løse spørsmål, men dette bør ikke forveksles med å velge en uttrykkelig dokumentert konfigurasjon for utvidet resonnering.
Produsentens eksempel på metadata for den navngitte modellen oppgir en maksimal promptlengde på 131 072 tokener for grok-3 og registrerer støtte for strukturerte utdata og funksjonskall. Feltet for promptlengde beskriver det publiserte inndatabudsjettet i dette eksemplet; det er ikke et separat tak for utdatatokener. Annonseringen av familien omtaler en større konfigurasjon for lang kontekst, så hold den presise spesifikasjonen for den navngitte modellen atskilt fra den bredere familiebeskrivelsen når du klargjør en forespørsel. Ta med konteksten som trengs for spørsmålet, og bestem svarets format og lengde uttrykkelig.
Strukturerte utdata er nyttige når en samtale skal ende med felt applikasjonen kan behandle, som et sammendrag, uthentede fakta og spørsmål som fortsatt trenger avklaring. Funksjonskall lar en applikasjon tilby tillatte operasjoner og motta foreslåtte argumenter. Applikasjonen utfører operasjonen og returnerer resultatet til et påfølgende svar. Dette er forskjellig fra at en modell selvstendig har tilgang til en vilkårlig database, nettleser eller kodetolk.
Lanseringsartikkelen omtaler DeepSearch og agenter med verktøy som systemer bygget rundt Grok-familien. Arbeidsflytene deres for søk, kjøring og rapportskriving utgjør en integrasjonskontekst, fremfor en grunn til å overføre alle applikasjonsfunksjoner til selve tekstoppføringen grok-3. For en nyttig oppgave oppgir du hvilket innsendt materiale eller hvilke returnerte verktøydata modellen skal bruke, skiller fakta fra ønskede tolkninger og ber den markere manglende informasjon. Avslutt med en konkret artefakt: et revidert dokument, et kodeforslag, en uthentingspost eller en forklaring som kan kontrolleres mot de opprinnelige inndataene.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser grok-3 | 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 $0.006 / 1K tokener Utdata · Utgående tokener $0.03 / 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-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 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-3
Bruk metodestiene som vises ovenfor.
grok-3Grok 3 er xAIs tekstchatutgave for forklaringer, skriving, koding og spørsmål som bygger på innsendt materiale. Den navngitte modelloppføringen støtter strukturerte utdata og funksjonskall og er atskilt fra familiens eksplisitte Think-modeller.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Grok 3 er xAIs modellfamilie for språkarbeid, generell kunnskap, koding og problemløsning. Lanseringsbeskrivelsen skiller modellen som svarer på vanlig måte, fra familiens eksplisitte Think-varianter, som bruker ytterligere resonnering før sluttsvaret. Den navngitte grok-3-oppføringen som beskrives her, er tekstchatutgaven: produsenten angir tekstinndata, tekstutdata og ingen separat resonneringsfunksjon for denne oppføringen.
Familiens fortrening er ment å støtte et bredt spekter av spørsmål og instruksjoner. xAI fremhever matematikk, koding, kunnskap og stilkontroll i utgivelsesbeskrivelsen. For en skriveoppgave gir dette et nyttig grunnlag for å be modellen revidere en forklaring for en bestemt leser, bevare angitte fakta eller utvikle et sammenhengende utkast fra et sett med punkter. For en teknisk assistent legger du ved relevant materiale og oppgir spørsmålet svaret må avklare, fremfor å støtte deg bare på en generell forespørsel om å diskutere emnet.
En illustrerende dokumentoppgave er: «Sammenlign disse to beskrivelsene av arbeidsflyten. List opp samsvar, motsetninger og manglende informasjon, og skriv deretter en kort forklaring til et nytt teammedlem.» Hold kildedelene merket, slik at svaret kan knytte hver observasjon til riktig avsnitt. En kodeoppgave kan inneholde funksjonen, forventet oppførsel og et konkret inndatatilfelle der nåværende resultat er feil. Be om et forslag til retting og forklar hvilke eksempler som bør brukes til å kontrollere det. Disse eksemplene bruker de dokumenterte språk- og kodeoppgavefamiliene og innebærer ikke at generert kode allerede er kjørt.
Skillet fra Think er viktig. Annonseringen av Grok 3-familien beskriver også Grok 3 Think og Grok 3 mini Think, trent til å bruke mer arbeid på resonnering. Den utvidede tenkningen deres bør beskrives som deres egen modus eller eget modellvalg. Den vanlige tekstoppføringen kan gi forklaringer og løse spørsmål, men dette bør ikke forveksles med å velge en uttrykkelig dokumentert konfigurasjon for utvidet resonnering.
Produsentens eksempel på metadata for den navngitte modellen oppgir en maksimal promptlengde på 131 072 tokener for grok-3 og registrerer støtte for strukturerte utdata og funksjonskall. Feltet for promptlengde beskriver det publiserte inndatabudsjettet i dette eksemplet; det er ikke et separat tak for utdatatokener. Annonseringen av familien omtaler en større konfigurasjon for lang kontekst, så hold den presise spesifikasjonen for den navngitte modellen atskilt fra den bredere familiebeskrivelsen når du klargjør en forespørsel. Ta med konteksten som trengs for spørsmålet, og bestem svarets format og lengde uttrykkelig.
Strukturerte utdata er nyttige når en samtale skal ende med felt applikasjonen kan behandle, som et sammendrag, uthentede fakta og spørsmål som fortsatt trenger avklaring. Funksjonskall lar en applikasjon tilby tillatte operasjoner og motta foreslåtte argumenter. Applikasjonen utfører operasjonen og returnerer resultatet til et påfølgende svar. Dette er forskjellig fra at en modell selvstendig har tilgang til en vilkårlig database, nettleser eller kodetolk.
Lanseringsartikkelen omtaler DeepSearch og agenter med verktøy som systemer bygget rundt Grok-familien. Arbeidsflytene deres for søk, kjøring og rapportskriving utgjør en integrasjonskontekst, fremfor en grunn til å overføre alle applikasjonsfunksjoner til selve tekstoppføringen grok-3. For en nyttig oppgave oppgir du hvilket innsendt materiale eller hvilke returnerte verktøydata modellen skal bruke, skiller fakta fra ønskede tolkninger og ber den markere manglende informasjon. Avslutt med en konkret artefakt: et revidert dokument, et kodeforslag, en uthentingspost eller en forklaring som kan kontrolleres mot de opprinnelige inndataene.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser grok-3 | 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 $0.006 / 1K tokener Utdata · Utgående tokener $0.03 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "grok-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 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-3
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
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.