Grok 3 mini is het compacte redeneermodel van xAI binnen de Grok 3-familie. De fabrikant introduceert het naast het grotere Grok 3 Think-model en gebruikt reinforcement learning om probleemoplossend gedrag te ontwikkelen. De nadruk ligt op technisch werk: wiskunde, programmeren en andere STEM-taken waarbij duidelijke voorwaarden belangrijker zijn dan een grote hoeveelheid algemene wereldkennis. De benoemde modelvermelding ontvangt tekst en levert tekst terug.
De redeneerfase dient om het probleem te doorlopen voordat een antwoord wordt geproduceerd. Daardoor is deze editie het overwegen waard voor vragen met afhankelijke stappen: een waarde uit verschillende voorwaarden afleiden, onderzoeken of een algoritme aan een vereiste voldoet of een voorgesteld logisch argument controleren. xAI presenteert mini als een eigen modelkeuze, niet gewoon als een instelling die de gewone grok-3-teksteditie kleiner maakt. Houd dat onderscheid aan wanneer je de invoer en het benodigde resultaat kiest.
Geef voor wiskunde de volledige opgave, definities, toegelaten aannames en de vast te stellen grootheid of uitspraak. Een voorbeeldverzoek is: “Beoordeel deze oplossing. Duid de eerste ongeldige stap aan, leg uit welke voorwaarde die schendt en geef een gecorrigeerd resultaat met een controle tegen de oorspronkelijke opgave.” Voeg bij programmeren de relevante code, invoerwaarden en het verwachte gedrag toe. Vraag om een verklaring van het verschil en een voorgestelde wijziging die op die invoer kan worden getest. Maak bij logica onderscheid tussen premissen en conclusie, en vraag welke tussenliggende beweringen onderbouwing vereisen.
Het antwoord kan worden opgebouwd rond een bruikbaar eindproduct: de afgeleide formule, een codefragment, een lijst verworpen aannames of een beknopte uitleg van de gekozen methode. Een verzoek dat het eindproduct specificeert, helpt de redenering aan de taak van de gebruiker te koppelen. Geef bij een leerassistent aan of de leerling een hint, uitleg over de methode of een volledige oplossing nodig heeft; leg bij een technische beoordelaar vast aan welke criteria het voorgestelde antwoord moet voldoen. Dit zijn illustratieve voorbereidingskeuzes op basis van de taakfocus van de fabrikant, geen garanties dat een ontvangen argument zonder controle correct is.
Het voorbeeld van de modelmetadata van de producent vermeldt redeneren, gestructureerde uitvoer en functieaanroepen voor grok-3-mini. Het geeft een maximale promptlengte van 131,072 tokens en vermeldt tekst als invoer en uitvoer. De geraadpleegde bronnen voor de exacte editie stellen geen afzonderlijk universeel maximum voor gegenereerde uitvoer vast. Neem de vereiste voorwaarden en het relevante materiaal in de prompt op, bepaal de gewenste resultaatstructuur en stel uitvoeringsspecifieke limieten vast op basis van de gekozen configuratie in plaats van ze van een groter Grok-model over te nemen.
Gestructureerde uitvoer kan een redeneerresultaat makkelijker verwerkbaar maken in een toepassing: plaats bijvoorbeeld het voorgestelde resultaat, de aannames, controles en open vragen in afgebakende velden. Bij functieaanroepen beschrijft de toepassing de beschikbare handelingen, ontvangt ze een voorgestelde aanroep en levert ze het resultaat van de handeling aan voor het volgende modelantwoord. Een externe berekening of opzoeking wordt door die toepassingstool uitgevoerd; een geschreven mededeling dat een berekening werd gecontroleerd, is op zichzelf geen bewijs dat de tool is uitgevoerd.
De technische focus van de mini-editie vormt ook een betekenisvolle grens. Lever specialistische feiten aan waarvan de oplossing afhangt, vooral wanneer ze recent zijn of buiten de gegeven voorwaarden van de vraag vallen. Scheid bronfeiten van instructies en vraag het model onzekerheid te bewaren wanneer een noodzakelijke premisse ontbreekt. Het introductieartikel beschrijft redeneermodellen en afzonderlijke agents met tools; hun browser-, zoek- of uitvoeringsfuncties moeten dus aan hun werkelijke integraties gekoppeld blijven. Kies Grok 3 mini voor de gedocumenteerde tekstredeneertaak en toets belangrijke berekeningen, argumenten en code aan het oorspronkelijke probleem of de controles van de toepassing.
", "aboutText": "Grok 3 mini is het compacte redeneermodel van xAI binnen de Grok 3-familie. De fabrikant introduceert het naast het grotere Grok 3 Think-model en gebruikt reinforcement learning om probleemoplossend gedrag te ontwikkelen. De nadruk ligt op technisch werk: wiskunde, programmeren en andere STEM-taken waarbij duidelijke voorwaarden belangrijker zijn dan een grote hoeveelheid algemene wereldkennis. De benoemde modelvermelding ontvangt tekst en levert tekst terug.\n\nDe redeneerfase dient om het probleem te doorlopen voordat een antwoord wordt geproduceerd. Daardoor is deze editie het overwegen waard voor vragen met afhankelijke stappen: een waarde uit verschillende voorwaarden afleiden, onderzoeken of een algoritme aan een vereiste voldoet of een voorgesteld logisch argument controleren. xAI presenteert mini als een eigen modelkeuze, niet gewoon als een instelling die de gewone grok-3-teksteditie kleiner maakt. Houd dat onderscheid aan wanneer je de invoer en het benodigde resultaat kiest.\n\nGeef voor wiskunde de volledige opgave, definities, toegelaten aannames en de vast te stellen grootheid of uitspraak. Een voorbeeldverzoek is: “Beoordeel deze oplossing. Duid de eerste ongeldige stap aan, leg uit welke voorwaarde die schendt en geef een gecorrigeerd resultaat met een controle tegen de oorspronkelijke opgave.” Voeg bij programmeren de relevante code, invoerwaarden en het verwachte gedrag toe. Vraag om een verklaring van het verschil en een voorgestelde wijziging die op die invoer kan worden getest. Maak bij logica onderscheid tussen premissen en conclusie, en vraag welke tussenliggende beweringen onderbouwing vereisen.\n\nHet antwoord kan worden opgebouwd rond een bruikbaar eindproduct: de afgeleide formule, een codefragment, een lijst verworpen aannames of een beknopte uitleg van de gekozen methode. Een verzoek dat het eindproduct specificeert, helpt de redenering aan de taak van de gebruiker te koppelen. Geef bij een leerassistent aan of de leerling een hint, uitleg over de methode of een volledige oplossing nodig heeft; leg bij een technische beoordelaar vast aan welke criteria het voorgestelde antwoord moet voldoen. Dit zijn illustratieve voorbereidingskeuzes op basis van de taakfocus van de fabrikant, geen garanties dat een ontvangen argument zonder controle correct is.\n\nHet voorbeeld van de modelmetadata van de producent vermeldt redeneren, gestructureerde uitvoer en functieaanroepen voor grok-3-mini. Het geeft een maximale promptlengte van 131,072 tokens en vermeldt tekst als invoer en uitvoer. De geraadpleegde bronnen voor de exacte editie stellen geen afzonderlijk universeel maximum voor gegenereerde uitvoer vast. Neem de vereiste voorwaarden en het relevante materiaal in de prompt op, bepaal de gewenste resultaatstructuur en stel uitvoeringsspecifieke limieten vast op basis van de gekozen configuratie in plaats van ze van een groter Grok-model over te nemen.\n\nGestructureerde uitvoer kan een redeneerresultaat makkelijker verwerkbaar maken in een toepassing: plaats bijvoorbeeld het voorgestelde resultaat, de aannames, controles en open vragen in afgebakende velden. Bij functieaanroepen beschrijft de toepassing de beschikbare handelingen, ontvangt ze een voorgestelde aanroep en levert ze het resultaat van de handeling aan voor het volgende modelantwoord. Een externe berekening of opzoeking wordt door die toepassingstool uitgevoerd; een geschreven mededeling dat een berekening werd gecontroleerd, is op zichzelf geen bewijs dat de tool is uitgevoerd.\n\nDe technische focus van de mini-editie vormt ook een betekenisvolle grens. Lever specialistische feiten aan waarvan de oplossing afhangt, vooral wanneer ze recent zijn of buiten de gegeven voorwaarden van de vraag vallen. Scheid bronfeiten van instructies en vraag het model onzekerheid te bewaren wanneer een noodzakelijke premisse ontbreekt. Het introductieartikel beschrijft redeneermodellen en afzonderlijke agents met tools; hun browser-, zoek- of uitvoeringsfuncties moeten dus aan hun werkelijke integraties gekoppeld blijven. Kies Grok 3 mini voor de gedocumenteerde tekstredeneertaak en toets belangrijke berekeningen, argumenten en code aan het oorspronkelijke probleem of de controles van de toepassing.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Find the first invalid algebra step\n\nReview this proposed solution to x squared = 9: 'Take square roots, so x = 3. Therefore there is exactly one real solution.' Identify the earliest invalid inference, give the complete real solution set and verify it by substitution. Explain the issue to a learner without introducing unrelated algebra topics.A concise correction, the full real solution set and a substitution check for each value.Both 3 and -3 are checked, and the missing negative root is tied to the square-root inference.grok-3-miniGrok 3 mini is het compacte tekstredeneermodel van xAI voor wiskunde, programmeren en logische taken. Het is ontworpen om een probleem te doorlopen vóór het antwoordt, met gedocumenteerde functies voor gestructureerde uitvoer en functieaanroepen voor deze 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 3 mini is het compacte redeneermodel van xAI binnen de Grok 3-familie. De fabrikant introduceert het naast het grotere Grok 3 Think-model en gebruikt reinforcement learning om probleemoplossend gedrag te ontwikkelen. De nadruk ligt op technisch werk: wiskunde, programmeren en andere STEM-taken waarbij duidelijke voorwaarden belangrijker zijn dan een grote hoeveelheid algemene wereldkennis. De benoemde modelvermelding ontvangt tekst en levert tekst terug.
De redeneerfase dient om het probleem te doorlopen voordat een antwoord wordt geproduceerd. Daardoor is deze editie het overwegen waard voor vragen met afhankelijke stappen: een waarde uit verschillende voorwaarden afleiden, onderzoeken of een algoritme aan een vereiste voldoet of een voorgesteld logisch argument controleren. xAI presenteert mini als een eigen modelkeuze, niet gewoon als een instelling die de gewone grok-3-teksteditie kleiner maakt. Houd dat onderscheid aan wanneer je de invoer en het benodigde resultaat kiest.
Geef voor wiskunde de volledige opgave, definities, toegelaten aannames en de vast te stellen grootheid of uitspraak. Een voorbeeldverzoek is: “Beoordeel deze oplossing. Duid de eerste ongeldige stap aan, leg uit welke voorwaarde die schendt en geef een gecorrigeerd resultaat met een controle tegen de oorspronkelijke opgave.” Voeg bij programmeren de relevante code, invoerwaarden en het verwachte gedrag toe. Vraag om een verklaring van het verschil en een voorgestelde wijziging die op die invoer kan worden getest. Maak bij logica onderscheid tussen premissen en conclusie, en vraag welke tussenliggende beweringen onderbouwing vereisen.
Het antwoord kan worden opgebouwd rond een bruikbaar eindproduct: de afgeleide formule, een codefragment, een lijst verworpen aannames of een beknopte uitleg van de gekozen methode. Een verzoek dat het eindproduct specificeert, helpt de redenering aan de taak van de gebruiker te koppelen. Geef bij een leerassistent aan of de leerling een hint, uitleg over de methode of een volledige oplossing nodig heeft; leg bij een technische beoordelaar vast aan welke criteria het voorgestelde antwoord moet voldoen. Dit zijn illustratieve voorbereidingskeuzes op basis van de taakfocus van de fabrikant, geen garanties dat een ontvangen argument zonder controle correct is.
Het voorbeeld van de modelmetadata van de producent vermeldt redeneren, gestructureerde uitvoer en functieaanroepen voor grok-3-mini. Het geeft een maximale promptlengte van 131,072 tokens en vermeldt tekst als invoer en uitvoer. De geraadpleegde bronnen voor de exacte editie stellen geen afzonderlijk universeel maximum voor gegenereerde uitvoer vast. Neem de vereiste voorwaarden en het relevante materiaal in de prompt op, bepaal de gewenste resultaatstructuur en stel uitvoeringsspecifieke limieten vast op basis van de gekozen configuratie in plaats van ze van een groter Grok-model over te nemen.
Gestructureerde uitvoer kan een redeneerresultaat makkelijker verwerkbaar maken in een toepassing: plaats bijvoorbeeld het voorgestelde resultaat, de aannames, controles en open vragen in afgebakende velden. Bij functieaanroepen beschrijft de toepassing de beschikbare handelingen, ontvangt ze een voorgestelde aanroep en levert ze het resultaat van de handeling aan voor het volgende modelantwoord. Een externe berekening of opzoeking wordt door die toepassingstool uitgevoerd; een geschreven mededeling dat een berekening werd gecontroleerd, is op zichzelf geen bewijs dat de tool is uitgevoerd.
De technische focus van de mini-editie vormt ook een betekenisvolle grens. Lever specialistische feiten aan waarvan de oplossing afhangt, vooral wanneer ze recent zijn of buiten de gegeven voorwaarden van de vraag vallen. Scheid bronfeiten van instructies en vraag het model onzekerheid te bewaren wanneer een noodzakelijke premisse ontbreekt. Het introductieartikel beschrijft redeneermodellen en afzonderlijke agents met tools; hun browser-, zoek- of uitvoeringsfuncties moeten dus aan hun werkelijke integraties gekoppeld blijven. Kies Grok 3 mini voor de gedocumenteerde tekstredeneertaak en toets belangrijke berekeningen, argumenten en code aan het oorspronkelijke probleem of de controles van de toepassing.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-3-mini | 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.001 / 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-3-mini", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='grok-3-mini',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='grok-3-mini',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-3-mini
Gebruik de hierboven getoonde methodepaden.
grok-3-miniGrok 3 mini is het compacte tekstredeneermodel van xAI voor wiskunde, programmeren en logische taken. Het is ontworpen om een probleem te doorlopen vóór het antwoordt, met gedocumenteerde functies voor gestructureerde uitvoer en functieaanroepen voor deze 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 3 mini is het compacte redeneermodel van xAI binnen de Grok 3-familie. De fabrikant introduceert het naast het grotere Grok 3 Think-model en gebruikt reinforcement learning om probleemoplossend gedrag te ontwikkelen. De nadruk ligt op technisch werk: wiskunde, programmeren en andere STEM-taken waarbij duidelijke voorwaarden belangrijker zijn dan een grote hoeveelheid algemene wereldkennis. De benoemde modelvermelding ontvangt tekst en levert tekst terug.
De redeneerfase dient om het probleem te doorlopen voordat een antwoord wordt geproduceerd. Daardoor is deze editie het overwegen waard voor vragen met afhankelijke stappen: een waarde uit verschillende voorwaarden afleiden, onderzoeken of een algoritme aan een vereiste voldoet of een voorgesteld logisch argument controleren. xAI presenteert mini als een eigen modelkeuze, niet gewoon als een instelling die de gewone grok-3-teksteditie kleiner maakt. Houd dat onderscheid aan wanneer je de invoer en het benodigde resultaat kiest.
Geef voor wiskunde de volledige opgave, definities, toegelaten aannames en de vast te stellen grootheid of uitspraak. Een voorbeeldverzoek is: “Beoordeel deze oplossing. Duid de eerste ongeldige stap aan, leg uit welke voorwaarde die schendt en geef een gecorrigeerd resultaat met een controle tegen de oorspronkelijke opgave.” Voeg bij programmeren de relevante code, invoerwaarden en het verwachte gedrag toe. Vraag om een verklaring van het verschil en een voorgestelde wijziging die op die invoer kan worden getest. Maak bij logica onderscheid tussen premissen en conclusie, en vraag welke tussenliggende beweringen onderbouwing vereisen.
Het antwoord kan worden opgebouwd rond een bruikbaar eindproduct: de afgeleide formule, een codefragment, een lijst verworpen aannames of een beknopte uitleg van de gekozen methode. Een verzoek dat het eindproduct specificeert, helpt de redenering aan de taak van de gebruiker te koppelen. Geef bij een leerassistent aan of de leerling een hint, uitleg over de methode of een volledige oplossing nodig heeft; leg bij een technische beoordelaar vast aan welke criteria het voorgestelde antwoord moet voldoen. Dit zijn illustratieve voorbereidingskeuzes op basis van de taakfocus van de fabrikant, geen garanties dat een ontvangen argument zonder controle correct is.
Het voorbeeld van de modelmetadata van de producent vermeldt redeneren, gestructureerde uitvoer en functieaanroepen voor grok-3-mini. Het geeft een maximale promptlengte van 131,072 tokens en vermeldt tekst als invoer en uitvoer. De geraadpleegde bronnen voor de exacte editie stellen geen afzonderlijk universeel maximum voor gegenereerde uitvoer vast. Neem de vereiste voorwaarden en het relevante materiaal in de prompt op, bepaal de gewenste resultaatstructuur en stel uitvoeringsspecifieke limieten vast op basis van de gekozen configuratie in plaats van ze van een groter Grok-model over te nemen.
Gestructureerde uitvoer kan een redeneerresultaat makkelijker verwerkbaar maken in een toepassing: plaats bijvoorbeeld het voorgestelde resultaat, de aannames, controles en open vragen in afgebakende velden. Bij functieaanroepen beschrijft de toepassing de beschikbare handelingen, ontvangt ze een voorgestelde aanroep en levert ze het resultaat van de handeling aan voor het volgende modelantwoord. Een externe berekening of opzoeking wordt door die toepassingstool uitgevoerd; een geschreven mededeling dat een berekening werd gecontroleerd, is op zichzelf geen bewijs dat de tool is uitgevoerd.
De technische focus van de mini-editie vormt ook een betekenisvolle grens. Lever specialistische feiten aan waarvan de oplossing afhangt, vooral wanneer ze recent zijn of buiten de gegeven voorwaarden van de vraag vallen. Scheid bronfeiten van instructies en vraag het model onzekerheid te bewaren wanneer een noodzakelijke premisse ontbreekt. Het introductieartikel beschrijft redeneermodellen en afzonderlijke agents met tools; hun browser-, zoek- of uitvoeringsfuncties moeten dus aan hun werkelijke integraties gekoppeld blijven. Kies Grok 3 mini voor de gedocumenteerde tekstredeneertaak en toets belangrijke berekeningen, argumenten en code aan het oorspronkelijke probleem of de controles van de toepassing.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-3-mini | 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.001 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "grok-3-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-3-mini', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-3-mini', '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-3-mini
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Find the first invalid algebra step\n\nReview this proposed solution to x squared = 9: 'Take square roots, so x = 3. Therefore there is exactly one real solution.' Identify the earliest invalid inference, give the complete real solution set and verify it by substitution. Explain the issue to a learner without introducing unrelated algebra topics.A concise correction, the full real solution set and a substitution check for each value.Both 3 and -3 are checked, and the missing negative root is tied to the square-root inference.