Grok 3 is de modelfamilie van xAI voor taalwerk, algemene kennis, programmeren en probleemoplossing. De introductiebeschrijving onderscheidt het model dat gewoon antwoordt van de expliciete Think-varianten van de familie, die extra redeneerwerk vóór het eindantwoord verrichten. De benoemde grok-3-vermelding die hier wordt beschreven, is de tekstchateditie: de producent vermeldt tekstinvoer, tekstuitvoer en geen afzonderlijke redeneerfunctie voor die vermelding.
De voortraining van de familie is bedoeld om een breed scala aan vragen en instructies te ondersteunen. xAI benadrukt wiskunde, programmeren, kennis en stijlcontrole in de releasebeschrijving. Bij een schrijftaak biedt dat een bruikbare basis om het model een uitleg voor een bepaalde lezer te laten herwerken, opgegeven feiten te laten behouden of een samenhangende concepttekst uit een reeks punten te laten ontwikkelen. Geef een technische assistent het relevante materiaal en vermeld welke vraag het antwoord moet oplossen, in plaats van alleen algemeen te vragen het onderwerp te bespreken.
Een voorbeeld van een documenttaak is: “Vergelijk deze twee beschrijvingen van de workflow. Som overeenkomsten, tegenstrijdigheden en ontbrekende informatie op en schrijf vervolgens een korte uitleg voor een nieuw teamlid.” Label de bronsecties, zodat het antwoord elke waarneming aan de juiste passage kan koppelen. Een codetaak kan de functie, het verwachte gedrag en een concrete invoer bevatten waarbij het huidige resultaat fout is. Vraag om een voorgestelde correctie en leg uit met welke voorbeelden die moet worden gecontroleerd. Deze voorbeelden gebruiken de gedocumenteerde taal- en programmeertaakfamilies en impliceren niet dat gegenereerde code al is uitgevoerd.
Het onderscheid met Think is belangrijk. De familieaankondiging van Grok 3 beschrijft ook Grok 3 Think en Grok 3 mini Think, die zijn getraind om extra werk aan redeneren te besteden. Hun uitgebreide denkproces moet als een eigen modus of modelkeuze worden beschreven. De gewone tekstvermelding kan uitleg geven en vragen oplossen, maar dat mag niet worden verward met het kiezen van een expliciet gedocumenteerde configuratie voor uitgebreid redeneren.
Het metadatavoorbeeld van de producent voor het benoemde model geeft een maximale promptlengte van 131,072 tokens voor grok-3 en vermeldt ondersteuning voor gestructureerde uitvoer en functieaanroepen. Het veld voor de promptlengte beschrijft het gepubliceerde invoerbudget in dat voorbeeld; het is geen afzonderlijke uitvoertokenlimiet. De familieaankondiging bespreekt een grotere configuratie voor lange contexten. Houd daarom de precieze specificatie van het benoemde model en de bredere familiebeschrijving apart wanneer je een verzoek voorbereidt. Neem de context op die de vraag nodig heeft en bepaal het formaat en de lengte van het antwoord expliciet.
Gestructureerde uitvoer is bruikbaar wanneer een gesprek moet eindigen met velden die de toepassing kan verwerken, zoals een samenvatting, opgehaalde feiten en vragen die nog verduidelijking vereisen. Met functieaanroepen kan een toepassing toegelaten handelingen aanbieden en voorgestelde argumenten ontvangen. De toepassing voert de handeling uit en geeft het resultaat terug voor een volgend antwoord. Dat verschilt van een model dat zelfstandig toegang heeft tot een willekeurige databank, browser of code-interpreter.
Het introductieartikel bespreekt DeepSearch en agents met tools als systemen die rond de Grok-familie zijn gebouwd. Hun workflows voor zoeken, uitvoeren en rapporteren vormen een integratiecontext, geen reden om elke toepassingsfunctie aan de kale grok-3-tekstvermelding toe te schrijven. Geef voor een bruikbare taak aan welk aangeleverd materiaal of welke ontvangen toolgegevens het model moet gebruiken, onderscheid feiten van gevraagde interpretaties en vraag ontbrekende informatie aan te duiden. Eindig met een concreet eindproduct: een herwerkt document, een codevoorstel, een extractierecord of een uitleg die aan de oorspronkelijke invoer kan worden getoetst.
", "aboutText": "Grok 3 is de modelfamilie van xAI voor taalwerk, algemene kennis, programmeren en probleemoplossing. De introductiebeschrijving onderscheidt het model dat gewoon antwoordt van de expliciete Think-varianten van de familie, die extra redeneerwerk vóór het eindantwoord verrichten. De benoemde grok-3-vermelding die hier wordt beschreven, is de tekstchateditie: de producent vermeldt tekstinvoer, tekstuitvoer en geen afzonderlijke redeneerfunctie voor die vermelding.\n\nDe voortraining van de familie is bedoeld om een breed scala aan vragen en instructies te ondersteunen. xAI benadrukt wiskunde, programmeren, kennis en stijlcontrole in de releasebeschrijving. Bij een schrijftaak biedt dat een bruikbare basis om het model een uitleg voor een bepaalde lezer te laten herwerken, opgegeven feiten te laten behouden of een samenhangende concepttekst uit een reeks punten te laten ontwikkelen. Geef een technische assistent het relevante materiaal en vermeld welke vraag het antwoord moet oplossen, in plaats van alleen algemeen te vragen het onderwerp te bespreken.\n\nEen voorbeeld van een documenttaak is: “Vergelijk deze twee beschrijvingen van de workflow. Som overeenkomsten, tegenstrijdigheden en ontbrekende informatie op en schrijf vervolgens een korte uitleg voor een nieuw teamlid.” Label de bronsecties, zodat het antwoord elke waarneming aan de juiste passage kan koppelen. Een codetaak kan de functie, het verwachte gedrag en een concrete invoer bevatten waarbij het huidige resultaat fout is. Vraag om een voorgestelde correctie en leg uit met welke voorbeelden die moet worden gecontroleerd. Deze voorbeelden gebruiken de gedocumenteerde taal- en programmeertaakfamilies en impliceren niet dat gegenereerde code al is uitgevoerd.\n\nHet onderscheid met Think is belangrijk. De familieaankondiging van Grok 3 beschrijft ook Grok 3 Think en Grok 3 mini Think, die zijn getraind om extra werk aan redeneren te besteden. Hun uitgebreide denkproces moet als een eigen modus of modelkeuze worden beschreven. De gewone tekstvermelding kan uitleg geven en vragen oplossen, maar dat mag niet worden verward met het kiezen van een expliciet gedocumenteerde configuratie voor uitgebreid redeneren.\n\nHet metadatavoorbeeld van de producent voor het benoemde model geeft een maximale promptlengte van 131,072 tokens voor grok-3 en vermeldt ondersteuning voor gestructureerde uitvoer en functieaanroepen. Het veld voor de promptlengte beschrijft het gepubliceerde invoerbudget in dat voorbeeld; het is geen afzonderlijke uitvoertokenlimiet. De familieaankondiging bespreekt een grotere configuratie voor lange contexten. Houd daarom de precieze specificatie van het benoemde model en de bredere familiebeschrijving apart wanneer je een verzoek voorbereidt. Neem de context op die de vraag nodig heeft en bepaal het formaat en de lengte van het antwoord expliciet.\n\nGestructureerde uitvoer is bruikbaar wanneer een gesprek moet eindigen met velden die de toepassing kan verwerken, zoals een samenvatting, opgehaalde feiten en vragen die nog verduidelijking vereisen. Met functieaanroepen kan een toepassing toegelaten handelingen aanbieden en voorgestelde argumenten ontvangen. De toepassing voert de handeling uit en geeft het resultaat terug voor een volgend antwoord. Dat verschilt van een model dat zelfstandig toegang heeft tot een willekeurige databank, browser of code-interpreter.\n\nHet introductieartikel bespreekt DeepSearch en agents met tools als systemen die rond de Grok-familie zijn gebouwd. Hun workflows voor zoeken, uitvoeren en rapporteren vormen een integratiecontext, geen reden om elke toepassingsfunctie aan de kale grok-3-tekstvermelding toe te schrijven. Geef voor een bruikbare taak aan welk aangeleverd materiaal of welke ontvangen toolgegevens het model moet gebruiken, onderscheid feiten van gevraagde interpretaties en vraag ontbrekende informatie aan te duiden. Eindig met een concreet eindproduct: een herwerkt document, een codevoorstel, een extractierecord of een uitleg die aan de oorspronkelijke invoer kan worden getoetst.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Revise a technical explanation\n\nRewrite this for a nontechnical office manager in at most 75 words: 'The synchronisation job retries transient transport failures using exponential backoff; repeated requests carry the same operation key to prevent duplicate entries.' Preserve the difference between retrying a failed connection and creating a second record. Use one everyday comparison and no unsupported guarantees.A concise plain-language explanation with one comparison and both retry and duplicate-prevention concepts intact.The rewrite does not imply that every failure is recoverable or that retries always succeed.grok-3Grok 3 is de tekstchateditie van xAI voor uitleg, schrijfwerk, programmeren en vragen op basis van aangeleverd materiaal. De benoemde modelvermelding ondersteunt gestructureerde uitvoer en functieaanroepen en staat los van de expliciete Think-modellen van de familie.
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 is de modelfamilie van xAI voor taalwerk, algemene kennis, programmeren en probleemoplossing. De introductiebeschrijving onderscheidt het model dat gewoon antwoordt van de expliciete Think-varianten van de familie, die extra redeneerwerk vóór het eindantwoord verrichten. De benoemde grok-3-vermelding die hier wordt beschreven, is de tekstchateditie: de producent vermeldt tekstinvoer, tekstuitvoer en geen afzonderlijke redeneerfunctie voor die vermelding.
De voortraining van de familie is bedoeld om een breed scala aan vragen en instructies te ondersteunen. xAI benadrukt wiskunde, programmeren, kennis en stijlcontrole in de releasebeschrijving. Bij een schrijftaak biedt dat een bruikbare basis om het model een uitleg voor een bepaalde lezer te laten herwerken, opgegeven feiten te laten behouden of een samenhangende concepttekst uit een reeks punten te laten ontwikkelen. Geef een technische assistent het relevante materiaal en vermeld welke vraag het antwoord moet oplossen, in plaats van alleen algemeen te vragen het onderwerp te bespreken.
Een voorbeeld van een documenttaak is: “Vergelijk deze twee beschrijvingen van de workflow. Som overeenkomsten, tegenstrijdigheden en ontbrekende informatie op en schrijf vervolgens een korte uitleg voor een nieuw teamlid.” Label de bronsecties, zodat het antwoord elke waarneming aan de juiste passage kan koppelen. Een codetaak kan de functie, het verwachte gedrag en een concrete invoer bevatten waarbij het huidige resultaat fout is. Vraag om een voorgestelde correctie en leg uit met welke voorbeelden die moet worden gecontroleerd. Deze voorbeelden gebruiken de gedocumenteerde taal- en programmeertaakfamilies en impliceren niet dat gegenereerde code al is uitgevoerd.
Het onderscheid met Think is belangrijk. De familieaankondiging van Grok 3 beschrijft ook Grok 3 Think en Grok 3 mini Think, die zijn getraind om extra werk aan redeneren te besteden. Hun uitgebreide denkproces moet als een eigen modus of modelkeuze worden beschreven. De gewone tekstvermelding kan uitleg geven en vragen oplossen, maar dat mag niet worden verward met het kiezen van een expliciet gedocumenteerde configuratie voor uitgebreid redeneren.
Het metadatavoorbeeld van de producent voor het benoemde model geeft een maximale promptlengte van 131,072 tokens voor grok-3 en vermeldt ondersteuning voor gestructureerde uitvoer en functieaanroepen. Het veld voor de promptlengte beschrijft het gepubliceerde invoerbudget in dat voorbeeld; het is geen afzonderlijke uitvoertokenlimiet. De familieaankondiging bespreekt een grotere configuratie voor lange contexten. Houd daarom de precieze specificatie van het benoemde model en de bredere familiebeschrijving apart wanneer je een verzoek voorbereidt. Neem de context op die de vraag nodig heeft en bepaal het formaat en de lengte van het antwoord expliciet.
Gestructureerde uitvoer is bruikbaar wanneer een gesprek moet eindigen met velden die de toepassing kan verwerken, zoals een samenvatting, opgehaalde feiten en vragen die nog verduidelijking vereisen. Met functieaanroepen kan een toepassing toegelaten handelingen aanbieden en voorgestelde argumenten ontvangen. De toepassing voert de handeling uit en geeft het resultaat terug voor een volgend antwoord. Dat verschilt van een model dat zelfstandig toegang heeft tot een willekeurige databank, browser of code-interpreter.
Het introductieartikel bespreekt DeepSearch en agents met tools als systemen die rond de Grok-familie zijn gebouwd. Hun workflows voor zoeken, uitvoeren en rapporteren vormen een integratiecontext, geen reden om elke toepassingsfunctie aan de kale grok-3-tekstvermelding toe te schrijven. Geef voor een bruikbare taak aan welk aangeleverd materiaal of welke ontvangen toolgegevens het model moet gebruiken, onderscheid feiten van gevraagde interpretaties en vraag ontbrekende informatie aan te duiden. Eindig met een concreet eindproduct: een herwerkt document, een codevoorstel, een extractierecord of een uitleg die aan de oorspronkelijke invoer kan worden getoetst.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-3 | 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 $0.006 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 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", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='grok-3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='grok-3',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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
Gebruik de hierboven getoonde methodepaden.
grok-3Grok 3 is de tekstchateditie van xAI voor uitleg, schrijfwerk, programmeren en vragen op basis van aangeleverd materiaal. De benoemde modelvermelding ondersteunt gestructureerde uitvoer en functieaanroepen en staat los van de expliciete Think-modellen van de familie.
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 is de modelfamilie van xAI voor taalwerk, algemene kennis, programmeren en probleemoplossing. De introductiebeschrijving onderscheidt het model dat gewoon antwoordt van de expliciete Think-varianten van de familie, die extra redeneerwerk vóór het eindantwoord verrichten. De benoemde grok-3-vermelding die hier wordt beschreven, is de tekstchateditie: de producent vermeldt tekstinvoer, tekstuitvoer en geen afzonderlijke redeneerfunctie voor die vermelding.
De voortraining van de familie is bedoeld om een breed scala aan vragen en instructies te ondersteunen. xAI benadrukt wiskunde, programmeren, kennis en stijlcontrole in de releasebeschrijving. Bij een schrijftaak biedt dat een bruikbare basis om het model een uitleg voor een bepaalde lezer te laten herwerken, opgegeven feiten te laten behouden of een samenhangende concepttekst uit een reeks punten te laten ontwikkelen. Geef een technische assistent het relevante materiaal en vermeld welke vraag het antwoord moet oplossen, in plaats van alleen algemeen te vragen het onderwerp te bespreken.
Een voorbeeld van een documenttaak is: “Vergelijk deze twee beschrijvingen van de workflow. Som overeenkomsten, tegenstrijdigheden en ontbrekende informatie op en schrijf vervolgens een korte uitleg voor een nieuw teamlid.” Label de bronsecties, zodat het antwoord elke waarneming aan de juiste passage kan koppelen. Een codetaak kan de functie, het verwachte gedrag en een concrete invoer bevatten waarbij het huidige resultaat fout is. Vraag om een voorgestelde correctie en leg uit met welke voorbeelden die moet worden gecontroleerd. Deze voorbeelden gebruiken de gedocumenteerde taal- en programmeertaakfamilies en impliceren niet dat gegenereerde code al is uitgevoerd.
Het onderscheid met Think is belangrijk. De familieaankondiging van Grok 3 beschrijft ook Grok 3 Think en Grok 3 mini Think, die zijn getraind om extra werk aan redeneren te besteden. Hun uitgebreide denkproces moet als een eigen modus of modelkeuze worden beschreven. De gewone tekstvermelding kan uitleg geven en vragen oplossen, maar dat mag niet worden verward met het kiezen van een expliciet gedocumenteerde configuratie voor uitgebreid redeneren.
Het metadatavoorbeeld van de producent voor het benoemde model geeft een maximale promptlengte van 131,072 tokens voor grok-3 en vermeldt ondersteuning voor gestructureerde uitvoer en functieaanroepen. Het veld voor de promptlengte beschrijft het gepubliceerde invoerbudget in dat voorbeeld; het is geen afzonderlijke uitvoertokenlimiet. De familieaankondiging bespreekt een grotere configuratie voor lange contexten. Houd daarom de precieze specificatie van het benoemde model en de bredere familiebeschrijving apart wanneer je een verzoek voorbereidt. Neem de context op die de vraag nodig heeft en bepaal het formaat en de lengte van het antwoord expliciet.
Gestructureerde uitvoer is bruikbaar wanneer een gesprek moet eindigen met velden die de toepassing kan verwerken, zoals een samenvatting, opgehaalde feiten en vragen die nog verduidelijking vereisen. Met functieaanroepen kan een toepassing toegelaten handelingen aanbieden en voorgestelde argumenten ontvangen. De toepassing voert de handeling uit en geeft het resultaat terug voor een volgend antwoord. Dat verschilt van een model dat zelfstandig toegang heeft tot een willekeurige databank, browser of code-interpreter.
Het introductieartikel bespreekt DeepSearch en agents met tools als systemen die rond de Grok-familie zijn gebouwd. Hun workflows voor zoeken, uitvoeren en rapporteren vormen een integratiecontext, geen reden om elke toepassingsfunctie aan de kale grok-3-tekstvermelding toe te schrijven. Geef voor een bruikbare taak aan welk aangeleverd materiaal of welke ontvangen toolgegevens het model moet gebruiken, onderscheid feiten van gevraagde interpretaties en vraag ontbrekende informatie aan te duiden. Eindig met een concreet eindproduct: een herwerkt document, een codevoorstel, een extractierecord of een uitleg die aan de oorspronkelijke invoer kan worden getoetst.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-3 | 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 $0.006 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "grok-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-3', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Revise a technical explanation\n\nRewrite this for a nontechnical office manager in at most 75 words: 'The synchronisation job retries transient transport failures using exponential backoff; repeated requests carry the same operation key to prevent duplicate entries.' Preserve the difference between retrying a failed connection and creating a second record. Use one everyday comparison and no unsupported guarantees.A concise plain-language explanation with one comparison and both retry and duplicate-prevention concepts intact.The rewrite does not imply that every failure is recoverable or that retries always succeed.