Grok 2 Vision 1212 is de editie met visuele invoer van de Grok 2-familie van xAI, aangeduid met de naam grok-2-vision-1212. De fabrikant presenteert Grok 2 als een model voor tekst- en beeldbegrip, met taken zoals documentvragen en wiskundig redeneren op basis van visueel materiaal. De latere aankondiging van de 1212-release beschrijft verbeteringen in het volgen van instructies en meertalig gedrag. Deze kaart betreft de benoemde vision-editie en het tekstresultaat ervan.
De modelmetadata van de producent vermelden tekst en afbeeldingen als invoer en tekst als uitvoer. Een praktische taak begint daarom met zowel het visuele bewijsmateriaal als een precieze vraag. Geef bij een documentpagina aan over welk veld, welke sectie of welk verband je uitleg wilt; duid bij een grafiek de belangrijke labels en grootheden aan; beschrijf bij een schermafbeelding het doel van de gebruiker en het element dat je wilt laten onderzoeken. Het doel is zichtbare inhoud aan het verzoek te koppelen, niet om een ongerichte beschrijving van alles op de afbeelding te vragen.
Een voorbeeldverzoek over een document is: “Lees de koppen en gelabelde velden op deze pagina. Geef de zichtbare waarden terug, markeer vermeldingen die niet met zekerheid leesbaar zijn en leg uit welke passage je antwoord ondersteunt.” Een grafiekverzoek kan vragen naar het verband tussen twee reeksen en naar het onderscheid tussen rechtstreeks zichtbare waarden en interpretatie. Vraag bij een productfoto naar zichtbare kenmerken en een vergelijking met de aangeleverde schriftelijke specificatie. Dit zijn voorbeelden van voorbereiding en uitvoer op basis van de visuele taakfamilies van de fabrikant, geen beloften dat elk detail uit elke afbeelding kan worden gehaald.
Het voorbeeld voor het benoemde model vermeldt ook ondersteuning voor gestructureerde uitvoer en functieaanroepen. Leg bij extractie het gewenste resultaat vast: bijvoorbeeld een lijst met velden, hun zichtbare tekst en een onzekerheidsnotitie. Lever voor een taak met tools de beschrijvingen van de toegelaten tools en de informatie die voor een handeling nodig is aan. De toepassing voert de handeling uit en geeft het resultaat terug; het model kan die informatie vervolgens in het volgende tekstantwoord gebruiken. De vision-functie zelf is het vermogen om de aangeleverde afbeelding te interpreteren, terwijl de externe handeling bij de omringende toepassing hoort.
Deze editie staat in dat voorbeeld van de producent vermeld zonder afzonderlijke redeneermodus. Ze kan nog steeds vragen beantwoorden die verbanden en uitleg vereisen, maar de expliciete modi voor uitgebreid denken die voor andere Grok-releases worden beschreven, moeten apart blijven. Hetzelfde voorbeeld vermeldt een maximale promptlengte van 32,768 tokens. Dat is het gepubliceerde invoerveld voor het benoemde model, geen afzonderlijk gedocumenteerde maximale antwoordlengte. De geraadpleegde primaire bronnen leggen geen exacte algemene limiet vast voor het aantal afbeeldingen, de beeldresolutie of uitvoertokens van Vision 1212. Haal die waarden daarom uit een specifieke verzoekspecificatie in plaats van ze van een nieuwer vision-model over te nemen.
Ook de vaste naam 1212 is van belang bij het kiezen van een editie. De tekst-only-release van Grok 2 en de producten voor beeldgeneratie dienen andere soorten invoer en uitvoer. Het hier beschreven resultaat is een geschreven antwoord over visueel materiaal. Functies in de Grok-toepassing, zoals extra zoekmogelijkheden of beeldgeneratie, zijn afzonderlijke integraties rond de familie en moeten worden onderscheiden van de mogelijkheden van deze benoemde modelvermelding.
Zorg voor leesbare pagina's en geef elke afbeelding een label wanneer je materiaal vergelijkt. Vermeld welk deel van de afbeelding relevant is, neem noodzakelijke definities of eenheden in de vraag op en vraag het antwoord de oorspronkelijke namen te bewaren. Kies voor een bruikbaar eindproduct een uitleg, een extractietabel of een lijst met waarnemingen die aan het bewijsmateriaal gekoppeld zijn. Bewaar de onzekerheid in de uitvoer als de afbeelding dubbelzinnig is, en controleer belangrijke aflezingen aan de hand van het oorspronkelijke materiaal.
", "aboutText": "Grok 2 Vision 1212 is de editie met visuele invoer van de Grok 2-familie van xAI, aangeduid met de naam grok-2-vision-1212. De fabrikant presenteert Grok 2 als een model voor tekst- en beeldbegrip, met taken zoals documentvragen en wiskundig redeneren op basis van visueel materiaal. De latere aankondiging van de 1212-release beschrijft verbeteringen in het volgen van instructies en meertalig gedrag. Deze kaart betreft de benoemde vision-editie en het tekstresultaat ervan.\n\nDe modelmetadata van de producent vermelden tekst en afbeeldingen als invoer en tekst als uitvoer. Een praktische taak begint daarom met zowel het visuele bewijsmateriaal als een precieze vraag. Geef bij een documentpagina aan over welk veld, welke sectie of welk verband je uitleg wilt; duid bij een grafiek de belangrijke labels en grootheden aan; beschrijf bij een schermafbeelding het doel van de gebruiker en het element dat je wilt laten onderzoeken. Het doel is zichtbare inhoud aan het verzoek te koppelen, niet om een ongerichte beschrijving van alles op de afbeelding te vragen.\n\nEen voorbeeldverzoek over een document is: “Lees de koppen en gelabelde velden op deze pagina. Geef de zichtbare waarden terug, markeer vermeldingen die niet met zekerheid leesbaar zijn en leg uit welke passage je antwoord ondersteunt.” Een grafiekverzoek kan vragen naar het verband tussen twee reeksen en naar het onderscheid tussen rechtstreeks zichtbare waarden en interpretatie. Vraag bij een productfoto naar zichtbare kenmerken en een vergelijking met de aangeleverde schriftelijke specificatie. Dit zijn voorbeelden van voorbereiding en uitvoer op basis van de visuele taakfamilies van de fabrikant, geen beloften dat elk detail uit elke afbeelding kan worden gehaald.\n\nHet voorbeeld voor het benoemde model vermeldt ook ondersteuning voor gestructureerde uitvoer en functieaanroepen. Leg bij extractie het gewenste resultaat vast: bijvoorbeeld een lijst met velden, hun zichtbare tekst en een onzekerheidsnotitie. Lever voor een taak met tools de beschrijvingen van de toegelaten tools en de informatie die voor een handeling nodig is aan. De toepassing voert de handeling uit en geeft het resultaat terug; het model kan die informatie vervolgens in het volgende tekstantwoord gebruiken. De vision-functie zelf is het vermogen om de aangeleverde afbeelding te interpreteren, terwijl de externe handeling bij de omringende toepassing hoort.\n\nDeze editie staat in dat voorbeeld van de producent vermeld zonder afzonderlijke redeneermodus. Ze kan nog steeds vragen beantwoorden die verbanden en uitleg vereisen, maar de expliciete modi voor uitgebreid denken die voor andere Grok-releases worden beschreven, moeten apart blijven. Hetzelfde voorbeeld vermeldt een maximale promptlengte van 32,768 tokens. Dat is het gepubliceerde invoerveld voor het benoemde model, geen afzonderlijk gedocumenteerde maximale antwoordlengte. De geraadpleegde primaire bronnen leggen geen exacte algemene limiet vast voor het aantal afbeeldingen, de beeldresolutie of uitvoertokens van Vision 1212. Haal die waarden daarom uit een specifieke verzoekspecificatie in plaats van ze van een nieuwer vision-model over te nemen.\n\nOok de vaste naam 1212 is van belang bij het kiezen van een editie. De tekst-only-release van Grok 2 en de producten voor beeldgeneratie dienen andere soorten invoer en uitvoer. Het hier beschreven resultaat is een geschreven antwoord over visueel materiaal. Functies in de Grok-toepassing, zoals extra zoekmogelijkheden of beeldgeneratie, zijn afzonderlijke integraties rond de familie en moeten worden onderscheiden van de mogelijkheden van deze benoemde modelvermelding.\n\nZorg voor leesbare pagina's en geef elke afbeelding een label wanneer je materiaal vergelijkt. Vermeld welk deel van de afbeelding relevant is, neem noodzakelijke definities of eenheden in de vraag op en vraag het antwoord de oorspronkelijke namen te bewaren. Kies voor een bruikbaar eindproduct een uitleg, een extractietabel of een lijst met waarnemingen die aan het bewijsmateriaal gekoppeld zijn. Bewaar de onzekerheid in de uitvoer als de afbeelding dubbelzinnig is, en controleer belangrijke aflezingen aan de hand van het oorspronkelijke materiaal.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 is de editie van xAI voor beeldbegrip bij vragen over documenten, grafieken, foto's en schermafbeeldingen. Ze combineert een geschreven vraag met visuele invoer en geeft een tekstantwoord, met gedocumenteerde functies voor gestructureerde uitvoer en functieaanroepen voor de benoemde editie.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Grok 2 Vision 1212 is de editie met visuele invoer van de Grok 2-familie van xAI, aangeduid met de naam grok-2-vision-1212. De fabrikant presenteert Grok 2 als een model voor tekst- en beeldbegrip, met taken zoals documentvragen en wiskundig redeneren op basis van visueel materiaal. De latere aankondiging van de 1212-release beschrijft verbeteringen in het volgen van instructies en meertalig gedrag. Deze kaart betreft de benoemde vision-editie en het tekstresultaat ervan.
De modelmetadata van de producent vermelden tekst en afbeeldingen als invoer en tekst als uitvoer. Een praktische taak begint daarom met zowel het visuele bewijsmateriaal als een precieze vraag. Geef bij een documentpagina aan over welk veld, welke sectie of welk verband je uitleg wilt; duid bij een grafiek de belangrijke labels en grootheden aan; beschrijf bij een schermafbeelding het doel van de gebruiker en het element dat je wilt laten onderzoeken. Het doel is zichtbare inhoud aan het verzoek te koppelen, niet om een ongerichte beschrijving van alles op de afbeelding te vragen.
Een voorbeeldverzoek over een document is: “Lees de koppen en gelabelde velden op deze pagina. Geef de zichtbare waarden terug, markeer vermeldingen die niet met zekerheid leesbaar zijn en leg uit welke passage je antwoord ondersteunt.” Een grafiekverzoek kan vragen naar het verband tussen twee reeksen en naar het onderscheid tussen rechtstreeks zichtbare waarden en interpretatie. Vraag bij een productfoto naar zichtbare kenmerken en een vergelijking met de aangeleverde schriftelijke specificatie. Dit zijn voorbeelden van voorbereiding en uitvoer op basis van de visuele taakfamilies van de fabrikant, geen beloften dat elk detail uit elke afbeelding kan worden gehaald.
Het voorbeeld voor het benoemde model vermeldt ook ondersteuning voor gestructureerde uitvoer en functieaanroepen. Leg bij extractie het gewenste resultaat vast: bijvoorbeeld een lijst met velden, hun zichtbare tekst en een onzekerheidsnotitie. Lever voor een taak met tools de beschrijvingen van de toegelaten tools en de informatie die voor een handeling nodig is aan. De toepassing voert de handeling uit en geeft het resultaat terug; het model kan die informatie vervolgens in het volgende tekstantwoord gebruiken. De vision-functie zelf is het vermogen om de aangeleverde afbeelding te interpreteren, terwijl de externe handeling bij de omringende toepassing hoort.
Deze editie staat in dat voorbeeld van de producent vermeld zonder afzonderlijke redeneermodus. Ze kan nog steeds vragen beantwoorden die verbanden en uitleg vereisen, maar de expliciete modi voor uitgebreid denken die voor andere Grok-releases worden beschreven, moeten apart blijven. Hetzelfde voorbeeld vermeldt een maximale promptlengte van 32,768 tokens. Dat is het gepubliceerde invoerveld voor het benoemde model, geen afzonderlijk gedocumenteerde maximale antwoordlengte. De geraadpleegde primaire bronnen leggen geen exacte algemene limiet vast voor het aantal afbeeldingen, de beeldresolutie of uitvoertokens van Vision 1212. Haal die waarden daarom uit een specifieke verzoekspecificatie in plaats van ze van een nieuwer vision-model over te nemen.
Ook de vaste naam 1212 is van belang bij het kiezen van een editie. De tekst-only-release van Grok 2 en de producten voor beeldgeneratie dienen andere soorten invoer en uitvoer. Het hier beschreven resultaat is een geschreven antwoord over visueel materiaal. Functies in de Grok-toepassing, zoals extra zoekmogelijkheden of beeldgeneratie, zijn afzonderlijke integraties rond de familie en moeten worden onderscheiden van de mogelijkheden van deze benoemde modelvermelding.
Zorg voor leesbare pagina's en geef elke afbeelding een label wanneer je materiaal vergelijkt. Vermeld welk deel van de afbeelding relevant is, neem noodzakelijke definities of eenheden in de vraag op en vraag het antwoord de oorspronkelijke namen te bewaren. Kies voor een bruikbaar eindproduct een uitleg, een extractietabel of een lijst met waarnemingen die aan het bewijsmateriaal gekoppeld zijn. Bewaar de onzekerheid in de uitvoer als de afbeelding dubbelzinnig is, en controleer belangrijke aflezingen aan de hand van het oorspronkelijke materiaal.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-2-vision-1212 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra grok-2-vision-1212
Gebruik de hierboven getoonde methodepaden.
grok-2-vision-1212Grok 2 Vision 1212 is de editie van xAI voor beeldbegrip bij vragen over documenten, grafieken, foto's en schermafbeeldingen. Ze combineert een geschreven vraag met visuele invoer en geeft een tekstantwoord, met gedocumenteerde functies voor gestructureerde uitvoer en functieaanroepen voor de benoemde editie.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Grok 2 Vision 1212 is de editie met visuele invoer van de Grok 2-familie van xAI, aangeduid met de naam grok-2-vision-1212. De fabrikant presenteert Grok 2 als een model voor tekst- en beeldbegrip, met taken zoals documentvragen en wiskundig redeneren op basis van visueel materiaal. De latere aankondiging van de 1212-release beschrijft verbeteringen in het volgen van instructies en meertalig gedrag. Deze kaart betreft de benoemde vision-editie en het tekstresultaat ervan.
De modelmetadata van de producent vermelden tekst en afbeeldingen als invoer en tekst als uitvoer. Een praktische taak begint daarom met zowel het visuele bewijsmateriaal als een precieze vraag. Geef bij een documentpagina aan over welk veld, welke sectie of welk verband je uitleg wilt; duid bij een grafiek de belangrijke labels en grootheden aan; beschrijf bij een schermafbeelding het doel van de gebruiker en het element dat je wilt laten onderzoeken. Het doel is zichtbare inhoud aan het verzoek te koppelen, niet om een ongerichte beschrijving van alles op de afbeelding te vragen.
Een voorbeeldverzoek over een document is: “Lees de koppen en gelabelde velden op deze pagina. Geef de zichtbare waarden terug, markeer vermeldingen die niet met zekerheid leesbaar zijn en leg uit welke passage je antwoord ondersteunt.” Een grafiekverzoek kan vragen naar het verband tussen twee reeksen en naar het onderscheid tussen rechtstreeks zichtbare waarden en interpretatie. Vraag bij een productfoto naar zichtbare kenmerken en een vergelijking met de aangeleverde schriftelijke specificatie. Dit zijn voorbeelden van voorbereiding en uitvoer op basis van de visuele taakfamilies van de fabrikant, geen beloften dat elk detail uit elke afbeelding kan worden gehaald.
Het voorbeeld voor het benoemde model vermeldt ook ondersteuning voor gestructureerde uitvoer en functieaanroepen. Leg bij extractie het gewenste resultaat vast: bijvoorbeeld een lijst met velden, hun zichtbare tekst en een onzekerheidsnotitie. Lever voor een taak met tools de beschrijvingen van de toegelaten tools en de informatie die voor een handeling nodig is aan. De toepassing voert de handeling uit en geeft het resultaat terug; het model kan die informatie vervolgens in het volgende tekstantwoord gebruiken. De vision-functie zelf is het vermogen om de aangeleverde afbeelding te interpreteren, terwijl de externe handeling bij de omringende toepassing hoort.
Deze editie staat in dat voorbeeld van de producent vermeld zonder afzonderlijke redeneermodus. Ze kan nog steeds vragen beantwoorden die verbanden en uitleg vereisen, maar de expliciete modi voor uitgebreid denken die voor andere Grok-releases worden beschreven, moeten apart blijven. Hetzelfde voorbeeld vermeldt een maximale promptlengte van 32,768 tokens. Dat is het gepubliceerde invoerveld voor het benoemde model, geen afzonderlijk gedocumenteerde maximale antwoordlengte. De geraadpleegde primaire bronnen leggen geen exacte algemene limiet vast voor het aantal afbeeldingen, de beeldresolutie of uitvoertokens van Vision 1212. Haal die waarden daarom uit een specifieke verzoekspecificatie in plaats van ze van een nieuwer vision-model over te nemen.
Ook de vaste naam 1212 is van belang bij het kiezen van een editie. De tekst-only-release van Grok 2 en de producten voor beeldgeneratie dienen andere soorten invoer en uitvoer. Het hier beschreven resultaat is een geschreven antwoord over visueel materiaal. Functies in de Grok-toepassing, zoals extra zoekmogelijkheden of beeldgeneratie, zijn afzonderlijke integraties rond de familie en moeten worden onderscheiden van de mogelijkheden van deze benoemde modelvermelding.
Zorg voor leesbare pagina's en geef elke afbeelding een label wanneer je materiaal vergelijkt. Vermeld welk deel van de afbeelding relevant is, neem noodzakelijke definities of eenheden in de vraag op en vraag het antwoord de oorspronkelijke namen te bewaren. Kies voor een bruikbaar eindproduct een uitleg, een extractietabel of een lijst met waarnemingen die aan het bewijsmateriaal gekoppeld zijn. Bewaar de onzekerheid in de uitvoer als de afbeelding dubbelzinnig is, en controleer belangrijke aflezingen aan de hand van het oorspronkelijke materiaal.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-2-vision-1212 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "grok-2-vision-1212",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra grok-2-vision-1212
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
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.