Grok 4.20 er produsentens vanlige resonneringsvalg i Grok 4.20-familien. Modellkortet beskriver tekst- og bildeinndata, tekstutdata og et kontekstvindu på 1 000 000 tokener. Egenskapene omfatter resonnering, instruksjonsfølging, funksjonskall og strukturerte utdata. Modellen forblir atskilt fra de uttrykkelig navngitte variantene non-reasoning og Multi-Agent.
Produsenten plasserer aliaset Grok 4.20 i sitt vanlige resonneringsvalg. Batchbehandling støttes i produsentens dokumenterte tjeneste.
For et dokument- eller kodeoppdrag gir du materialet som skal undersøkes, og den konkrete oppførselen eller konklusjonen som kreves. En lang kontekst kan romme omfattende belegg, men prompten bør fortsatt identifisere de relevante delene og den forventede sluttleveransen. Et nyttig koderesultat kan inneholde en foreslått endring, en forklaring av oppførselen den retter seg mot, og kontroller den omkringliggende applikasjonen skal kjøre.
Bildeinndata kan gi et diagram, skjermbilde eller annet synlig belegg. Angi hvilket forhold eller hvilken egenskap som skal undersøkes, og hvordan det påvirker det skriftlige spørsmålet. Be om en konklusjon som viser til observasjonen i bildet, fremfor å legge til en forklaring uten støtte om informasjon utenfor bildet. Skriftlig kildemateriale kan gi den separate konteksten som trengs for en bredere slutning.
Med funksjonskall foreslår modellen argumenter for applikasjonens definerte verktøy. Applikasjonen utfører den forespurte funksjonen og returnerer resultatet før modellen fortsetter. Behold denne utvekslingen gjennom oppfølgende samtalerunder. Det gir modellen belegg for neste beslutning og skiller et forslag fra en handling som faktisk er fullført.
Strukturerte utdata støtter uthenting og rapportering med definerte felt gjennom produsentens dokumenterte skjemasystem. Bruk felt med tydelig betydning, angi hvordan manglende informasjon skal representeres, og kontroller resultatet opp mot kilden. Skjemasystemet har et praktisk støttet delsett og begrensninger som håndheves etter beste evne i mer kompliserte tilfeller. Sluttleveransen bør gjøre svaret, belegget for det og eventuelle uavklarte betingelser lette å vurdere.
", "aboutText": "Grok 4.20 er produsentens vanlige resonneringsvalg i Grok 4.20-familien. Modellkortet beskriver tekst- og bildeinndata, tekstutdata og et kontekstvindu på 1 000 000 tokener. Egenskapene omfatter resonnering, instruksjonsfølging, funksjonskall og strukturerte utdata. Modellen forblir atskilt fra de uttrykkelig navngitte variantene non-reasoning og Multi-Agent.\n\nProdusenten plasserer aliaset Grok 4.20 i sitt vanlige resonneringsvalg. Batchbehandling støttes i produsentens dokumenterte tjeneste.\n\nFor et dokument- eller kodeoppdrag gir du materialet som skal undersøkes, og den konkrete oppførselen eller konklusjonen som kreves. En lang kontekst kan romme omfattende belegg, men prompten bør fortsatt identifisere de relevante delene og den forventede sluttleveransen. Et nyttig koderesultat kan inneholde en foreslått endring, en forklaring av oppførselen den retter seg mot, og kontroller den omkringliggende applikasjonen skal kjøre.\n\nBildeinndata kan gi et diagram, skjermbilde eller annet synlig belegg. Angi hvilket forhold eller hvilken egenskap som skal undersøkes, og hvordan det påvirker det skriftlige spørsmålet. Be om en konklusjon som viser til observasjonen i bildet, fremfor å legge til en forklaring uten støtte om informasjon utenfor bildet. Skriftlig kildemateriale kan gi den separate konteksten som trengs for en bredere slutning.\n\nMed funksjonskall foreslår modellen argumenter for applikasjonens definerte verktøy. Applikasjonen utfører den forespurte funksjonen og returnerer resultatet før modellen fortsetter. Behold denne utvekslingen gjennom oppfølgende samtalerunder. Det gir modellen belegg for neste beslutning og skiller et forslag fra en handling som faktisk er fullført.\n\nStrukturerte utdata støtter uthenting og rapportering med definerte felt gjennom produsentens dokumenterte skjemasystem. Bruk felt med tydelig betydning, angi hvordan manglende informasjon skal representeres, og kontroller resultatet opp mot kilden. Skjemasystemet har et praktisk støttet delsett og begrensninger som håndheves etter beste evne i mer kompliserte tilfeller. Sluttleveransen bør gjøre svaret, belegget for det og eventuelle uavklarte betingelser lette å vurdere.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "cc12a9db50f04228f985e7b456b55ca6281e8112ef1d9fd2d8c7c53dde43d119", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "grok-4.20-beta-0309-reasoningGrok 4.20 er en tekst- og bildemodell for resonnering, instruksjonsfølging og verktøyorientert arbeid med en kontekst på 1 000 000 tokener. Produsentens vanlige resonneringsvalg støtter funksjonskall og strukturerte svar og er atskilt fra Multi-Agent-varianten.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Grok 4.20 er produsentens vanlige resonneringsvalg i Grok 4.20-familien. Modellkortet beskriver tekst- og bildeinndata, tekstutdata og et kontekstvindu på 1 000 000 tokener. Egenskapene omfatter resonnering, instruksjonsfølging, funksjonskall og strukturerte utdata. Modellen forblir atskilt fra de uttrykkelig navngitte variantene non-reasoning og Multi-Agent.
Produsenten plasserer aliaset Grok 4.20 i sitt vanlige resonneringsvalg. Batchbehandling støttes i produsentens dokumenterte tjeneste.
For et dokument- eller kodeoppdrag gir du materialet som skal undersøkes, og den konkrete oppførselen eller konklusjonen som kreves. En lang kontekst kan romme omfattende belegg, men prompten bør fortsatt identifisere de relevante delene og den forventede sluttleveransen. Et nyttig koderesultat kan inneholde en foreslått endring, en forklaring av oppførselen den retter seg mot, og kontroller den omkringliggende applikasjonen skal kjøre.
Bildeinndata kan gi et diagram, skjermbilde eller annet synlig belegg. Angi hvilket forhold eller hvilken egenskap som skal undersøkes, og hvordan det påvirker det skriftlige spørsmålet. Be om en konklusjon som viser til observasjonen i bildet, fremfor å legge til en forklaring uten støtte om informasjon utenfor bildet. Skriftlig kildemateriale kan gi den separate konteksten som trengs for en bredere slutning.
Med funksjonskall foreslår modellen argumenter for applikasjonens definerte verktøy. Applikasjonen utfører den forespurte funksjonen og returnerer resultatet før modellen fortsetter. Behold denne utvekslingen gjennom oppfølgende samtalerunder. Det gir modellen belegg for neste beslutning og skiller et forslag fra en handling som faktisk er fullført.
Strukturerte utdata støtter uthenting og rapportering med definerte felt gjennom produsentens dokumenterte skjemasystem. Bruk felt med tydelig betydning, angi hvordan manglende informasjon skal representeres, og kontroller resultatet opp mot kilden. Skjemasystemet har et praktisk støttet delsett og begrensninger som håndheves etter beste evne i mer kompliserte tilfeller. Sluttleveransen bør gjøre svaret, belegget for det og eventuelle uavklarte betingelser lette å vurdere.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser grok-4.20-beta-0309-reasoning | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
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 |
Parametercontrol_scope | AvtaleTekstsamtale; stream er en boolsk verdi med false som standard. |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Metodealiaser: /chat/completions
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 $0.012 / 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-4.20-beta-0309-reasoning","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-reasoning", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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-4.20-beta-0309-reasoning
/chat/completions
grok-4.20-beta-0309-reasoningGrok 4.20 er en tekst- og bildemodell for resonnering, instruksjonsfølging og verktøyorientert arbeid med en kontekst på 1 000 000 tokener. Produsentens vanlige resonneringsvalg støtter funksjonskall og strukturerte svar og er atskilt fra Multi-Agent-varianten.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Grok 4.20 er produsentens vanlige resonneringsvalg i Grok 4.20-familien. Modellkortet beskriver tekst- og bildeinndata, tekstutdata og et kontekstvindu på 1 000 000 tokener. Egenskapene omfatter resonnering, instruksjonsfølging, funksjonskall og strukturerte utdata. Modellen forblir atskilt fra de uttrykkelig navngitte variantene non-reasoning og Multi-Agent.
Produsenten plasserer aliaset Grok 4.20 i sitt vanlige resonneringsvalg. Batchbehandling støttes i produsentens dokumenterte tjeneste.
For et dokument- eller kodeoppdrag gir du materialet som skal undersøkes, og den konkrete oppførselen eller konklusjonen som kreves. En lang kontekst kan romme omfattende belegg, men prompten bør fortsatt identifisere de relevante delene og den forventede sluttleveransen. Et nyttig koderesultat kan inneholde en foreslått endring, en forklaring av oppførselen den retter seg mot, og kontroller den omkringliggende applikasjonen skal kjøre.
Bildeinndata kan gi et diagram, skjermbilde eller annet synlig belegg. Angi hvilket forhold eller hvilken egenskap som skal undersøkes, og hvordan det påvirker det skriftlige spørsmålet. Be om en konklusjon som viser til observasjonen i bildet, fremfor å legge til en forklaring uten støtte om informasjon utenfor bildet. Skriftlig kildemateriale kan gi den separate konteksten som trengs for en bredere slutning.
Med funksjonskall foreslår modellen argumenter for applikasjonens definerte verktøy. Applikasjonen utfører den forespurte funksjonen og returnerer resultatet før modellen fortsetter. Behold denne utvekslingen gjennom oppfølgende samtalerunder. Det gir modellen belegg for neste beslutning og skiller et forslag fra en handling som faktisk er fullført.
Strukturerte utdata støtter uthenting og rapportering med definerte felt gjennom produsentens dokumenterte skjemasystem. Bruk felt med tydelig betydning, angi hvordan manglende informasjon skal representeres, og kontroller resultatet opp mot kilden. Skjemasystemet har et praktisk støttet delsett og begrensninger som håndheves etter beste evne i mer kompliserte tilfeller. Sluttleveransen bør gjøre svaret, belegget for det og eventuelle uavklarte betingelser lette å vurdere.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser grok-4.20-beta-0309-reasoning | 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 $0.012 / 1K tokener Inndata · Lesing fra hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer $0 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "grok-4.20-beta-0309-reasoning",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-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-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 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-4.20-beta-0309-reasoning
/chat/completions