Grok Build 0.1 er produsentens kodeorienterte Grok-modell for agentbaserte programvare-, ingeniør- og arbeidsflytoppgaver. Den mottar skriftlig materiale og bilder og genererer tekst, inkludert kode og strukturerte resultater. Modellkortet angir et kontekstvindu på 256,000 token og oppgir resonnering, funksjonskall og strukturerte utdata som egenskaper.
For en programvareoppgave bør du oppgi ønsket oppførsel, relevant implementering og den observerte feilen eller ønskede endringen. Identifiser grensesnitt og avhengigheter som må forbli kompatible. Et nyttig resultat kan være et endringsforslag, en forklaring på årsaken og kontrollene som trengs for å vurdere endringen. Hold kildematerialet og ønsket resultat rettet mot den definerte oppgaven.
Bildeinndata kan tilføre visuelt belegg til en ingeniør- eller grensesnittoppgave. Legg ved bildet med et spørsmål knyttet til et synlig trekk, og inkluder eventuelle skriftlige spesifikasjoner som trengs for å tolke det. Et skjermbilde kan for eksempel støtte en beskrivelse av et grensesnittproblem, mens kildekode og observert oppførsel fastslår hvordan applikasjonen implementerer det.
Funksjonskall kobler modellens foreslåtte trinn til et applikasjonsverktøy. Definer funksjonen og argumentene, la modellen be om kallet, utfør det i applikasjonen og returner det faktiske resultatet. Produsenten skiller denne klientutførte veien fra verktøy på serversiden. Behold kallet og resultatet sammen, slik at oppfølgingen bygger på observasjonen fremfor å anta at den foreslåtte kommandoen lyktes.
Strukturerte utdata kan organisere en uttrekking eller rapport rundt definerte felt. Oppgi ønsket skjema og oppgavens mening, og kontroller deretter informasjonen i det returnerte produktet. Produsenten støtter en praktisk delmengde av JSON Schema; enkelte komplekse eller svært omfattende begrensninger håndteres etter beste evne. En formatkontroll er derfor forskjellig fra å kontrollere at uttrekkede fakta eller foreslått kode er riktige.
For en resonneringsoppgave bør du angi påkrevd konklusjon og betingelsene den må oppfylle. Produsentens modellkort markerer også at batchbehandling ikke støttes for denne modellen. Be om et sluttprodukt som identifiserer den foreslåtte endringen, belegget som er brukt, og det gjenstående forholdet som må kontrolleres. Slik holdes kodemodellens resultat knyttet til applikasjonens faktiske utviklingsoppgave.
", "aboutText": "Grok Build 0.1 er produsentens kodeorienterte Grok-modell for agentbaserte programvare-, ingeniør- og arbeidsflytoppgaver. Den mottar skriftlig materiale og bilder og genererer tekst, inkludert kode og strukturerte resultater. Modellkortet angir et kontekstvindu på 256,000 token og oppgir resonnering, funksjonskall og strukturerte utdata som egenskaper.\n\nFor en programvareoppgave bør du oppgi ønsket oppførsel, relevant implementering og den observerte feilen eller ønskede endringen. Identifiser grensesnitt og avhengigheter som må forbli kompatible. Et nyttig resultat kan være et endringsforslag, en forklaring på årsaken og kontrollene som trengs for å vurdere endringen. Hold kildematerialet og ønsket resultat rettet mot den definerte oppgaven.\n\nBildeinndata kan tilføre visuelt belegg til en ingeniør- eller grensesnittoppgave. Legg ved bildet med et spørsmål knyttet til et synlig trekk, og inkluder eventuelle skriftlige spesifikasjoner som trengs for å tolke det. Et skjermbilde kan for eksempel støtte en beskrivelse av et grensesnittproblem, mens kildekode og observert oppførsel fastslår hvordan applikasjonen implementerer det.\n\nFunksjonskall kobler modellens foreslåtte trinn til et applikasjonsverktøy. Definer funksjonen og argumentene, la modellen be om kallet, utfør det i applikasjonen og returner det faktiske resultatet. Produsenten skiller denne klientutførte veien fra verktøy på serversiden. Behold kallet og resultatet sammen, slik at oppfølgingen bygger på observasjonen fremfor å anta at den foreslåtte kommandoen lyktes.\n\nStrukturerte utdata kan organisere en uttrekking eller rapport rundt definerte felt. Oppgi ønsket skjema og oppgavens mening, og kontroller deretter informasjonen i det returnerte produktet. Produsenten støtter en praktisk delmengde av JSON Schema; enkelte komplekse eller svært omfattende begrensninger håndteres etter beste evne. En formatkontroll er derfor forskjellig fra å kontrollere at uttrekkede fakta eller foreslått kode er riktige.\n\nFor en resonneringsoppgave bør du angi påkrevd konklusjon og betingelsene den må oppfylle. Produsentens modellkort markerer også at batchbehandling ikke støttes for denne modellen. Be om et sluttprodukt som identifiserer den foreslåtte endringen, belegget som er brukt, og det gjenstående forholdet som må kontrolleres. Slik holdes kodemodellens resultat knyttet til applikasjonens faktiske utviklingsoppgave.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Patch an unsafe retry counter\n\nFix this pseudocode: attempts=0; while attempts < 3: try send(); on success return; on failure continue; attempts += 1. It can retry forever. Provide a corrected bounded loop that attempts send at most three times, stops on success and reports failure after exhaustion. Include test scenarios for immediate success and three failures, without claiming actual sends.Corrected framework-neutral pseudocode plus two tests with expected attempt counts and terminal outcomes.The failure path increments the counter, total attempts never exceed three, and success terminates immediately.x-ai/grok-build-0.1Grok Build 0.1 er en kodemodell for agentbaserte programvare-, ingeniør- og arbeidsflytoppgaver. Den tar imot tekst og bilder, produserer tekst og kombinerer resonnering, funksjonskall og strukturerte svar innenfor en kontekst på 256,000 token.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Grok Build 0.1 er produsentens kodeorienterte Grok-modell for agentbaserte programvare-, ingeniør- og arbeidsflytoppgaver. Den mottar skriftlig materiale og bilder og genererer tekst, inkludert kode og strukturerte resultater. Modellkortet angir et kontekstvindu på 256,000 token og oppgir resonnering, funksjonskall og strukturerte utdata som egenskaper.
For en programvareoppgave bør du oppgi ønsket oppførsel, relevant implementering og den observerte feilen eller ønskede endringen. Identifiser grensesnitt og avhengigheter som må forbli kompatible. Et nyttig resultat kan være et endringsforslag, en forklaring på årsaken og kontrollene som trengs for å vurdere endringen. Hold kildematerialet og ønsket resultat rettet mot den definerte oppgaven.
Bildeinndata kan tilføre visuelt belegg til en ingeniør- eller grensesnittoppgave. Legg ved bildet med et spørsmål knyttet til et synlig trekk, og inkluder eventuelle skriftlige spesifikasjoner som trengs for å tolke det. Et skjermbilde kan for eksempel støtte en beskrivelse av et grensesnittproblem, mens kildekode og observert oppførsel fastslår hvordan applikasjonen implementerer det.
Funksjonskall kobler modellens foreslåtte trinn til et applikasjonsverktøy. Definer funksjonen og argumentene, la modellen be om kallet, utfør det i applikasjonen og returner det faktiske resultatet. Produsenten skiller denne klientutførte veien fra verktøy på serversiden. Behold kallet og resultatet sammen, slik at oppfølgingen bygger på observasjonen fremfor å anta at den foreslåtte kommandoen lyktes.
Strukturerte utdata kan organisere en uttrekking eller rapport rundt definerte felt. Oppgi ønsket skjema og oppgavens mening, og kontroller deretter informasjonen i det returnerte produktet. Produsenten støtter en praktisk delmengde av JSON Schema; enkelte komplekse eller svært omfattende begrensninger håndteres etter beste evne. En formatkontroll er derfor forskjellig fra å kontrollere at uttrekkede fakta eller foreslått kode er riktige.
For en resonneringsoppgave bør du angi påkrevd konklusjon og betingelsene den må oppfylle. Produsentens modellkort markerer også at batchbehandling ikke støttes for denne modellen. Be om et sluttprodukt som identifiserer den foreslåtte endringen, belegget som er brukt, og det gjenstående forholdet som må kontrolleres. Slik holdes kodemodellens resultat knyttet til applikasjonens faktiske utviklingsoppgave.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser x-ai/grok-build-0.1 | 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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.002 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med200 000 | Kostnad Inndata · Inngående tokener $0.002 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn200 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "x-ai/grok-build-0.1", "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='x-ai/grok-build-0.1',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='x-ai/grok-build-0.1',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 x-ai/grok-build-0.1
Bruk metodestiene som vises ovenfor.
x-ai/grok-build-0.1Grok Build 0.1 er en kodemodell for agentbaserte programvare-, ingeniør- og arbeidsflytoppgaver. Den tar imot tekst og bilder, produserer tekst og kombinerer resonnering, funksjonskall og strukturerte svar innenfor en kontekst på 256,000 token.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Grok Build 0.1 er produsentens kodeorienterte Grok-modell for agentbaserte programvare-, ingeniør- og arbeidsflytoppgaver. Den mottar skriftlig materiale og bilder og genererer tekst, inkludert kode og strukturerte resultater. Modellkortet angir et kontekstvindu på 256,000 token og oppgir resonnering, funksjonskall og strukturerte utdata som egenskaper.
For en programvareoppgave bør du oppgi ønsket oppførsel, relevant implementering og den observerte feilen eller ønskede endringen. Identifiser grensesnitt og avhengigheter som må forbli kompatible. Et nyttig resultat kan være et endringsforslag, en forklaring på årsaken og kontrollene som trengs for å vurdere endringen. Hold kildematerialet og ønsket resultat rettet mot den definerte oppgaven.
Bildeinndata kan tilføre visuelt belegg til en ingeniør- eller grensesnittoppgave. Legg ved bildet med et spørsmål knyttet til et synlig trekk, og inkluder eventuelle skriftlige spesifikasjoner som trengs for å tolke det. Et skjermbilde kan for eksempel støtte en beskrivelse av et grensesnittproblem, mens kildekode og observert oppførsel fastslår hvordan applikasjonen implementerer det.
Funksjonskall kobler modellens foreslåtte trinn til et applikasjonsverktøy. Definer funksjonen og argumentene, la modellen be om kallet, utfør det i applikasjonen og returner det faktiske resultatet. Produsenten skiller denne klientutførte veien fra verktøy på serversiden. Behold kallet og resultatet sammen, slik at oppfølgingen bygger på observasjonen fremfor å anta at den foreslåtte kommandoen lyktes.
Strukturerte utdata kan organisere en uttrekking eller rapport rundt definerte felt. Oppgi ønsket skjema og oppgavens mening, og kontroller deretter informasjonen i det returnerte produktet. Produsenten støtter en praktisk delmengde av JSON Schema; enkelte komplekse eller svært omfattende begrensninger håndteres etter beste evne. En formatkontroll er derfor forskjellig fra å kontrollere at uttrekkede fakta eller foreslått kode er riktige.
For en resonneringsoppgave bør du angi påkrevd konklusjon og betingelsene den må oppfylle. Produsentens modellkort markerer også at batchbehandling ikke støttes for denne modellen. Be om et sluttprodukt som identifiserer den foreslåtte endringen, belegget som er brukt, og det gjenstående forholdet som må kontrolleres. Slik holdes kodemodellens resultat knyttet til applikasjonens faktiske utviklingsoppgave.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser x-ai/grok-build-0.1 | 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.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.002 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og med200 000 | Kostnad Inndata · Inngående tokener $0.002 / 1K tokener Utdata · Utgående tokener $0.004 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 2 for forespørselslengde | Prisplan— | Konteksttokener, mer enn200 000 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.008 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0008 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "x-ai/grok-build-0.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'x-ai/grok-build-0.1', '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': 'x-ai/grok-build-0.1', '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 x-ai/grok-build-0.1
Bruk metodestiene som vises ovenfor.
Teknisk eksempel på engelsk
Patch an unsafe retry counter\n\nFix this pseudocode: attempts=0; while attempts < 3: try send(); on success return; on failure continue; attempts += 1. It can retry forever. Provide a corrected bounded loop that attempts send at most three times, stops on success and reports failure after exhaustion. Include test scenarios for immediate success and three failures, without claiming actual sends.Corrected framework-neutral pseudocode plus two tests with expected attempt counts and terminal outcomes.The failure path increments the counter, total attempts never exceed three, and success terminates immediately.