Grok 4.1 Fast Non-Reasoning is de benoemde variant van xAI voor directe antwoorden binnen de Grok 4.1 Fast-familie. De fabrikant brengt deze afzonderlijk van de redeneervariant uit en duidt ze aan als de keuze voor onmiddellijke antwoorden. Ze is bruikbaar voor een tekstgesprek of een stap met tools waarbij de instructie duidelijk is, de invoer bekend is en het resultaat vastligt. Non-Reasoning bepaalt de antwoordmodus; Grok 4.1 Fast blijft een afzonderlijke familie naast het gewone Grok 4.1-model en Grok 4 Fast.
xAI ontwikkelt Grok 4.1 Fast rond praktisch toolgebruik. De training met reinforcement learning gebruikt gesimuleerde omgevingen met uiteenlopende tools uit veel domeinen, waarbij klantondersteuning als praktische toepassing wordt uitgelicht. Geef het model voor zo'n taak het verzoek van de gebruiker, de relevante regels en de functies die de toepassing toelaat. Vermeld welke informatie nodig is om de volgende actie te kiezen. Een voorbeeldworkflow is het huidige probleem van de gebruiker identificeren, een ontbrekend detail opvragen, een opzoeking kiezen en vervolgens een kort antwoord voorbereiden op basis van de ontvangen informatie.
De producent benadrukt ook reinforcement learning voor taken met een lange duur en scenario's met meerdere gespreksbeurten. Dat is van belang wanneer een verzoek doorloopt over verschillende acties of verduidelijkingen. Bewaar het oorspronkelijke doel, belangrijke voorwaarden, eerdere antwoorden en werkelijke functieresultaten, zodat het volgende antwoord de huidige toestand van de taak kan weerspiegelen. Als een tool meldt dat informatie ontbreekt of een actie is mislukt, neem dat resultaat dan op in plaats van succes te veronderstellen. Vraag het model de volgende vereiste stap uit te leggen op basis van de waargenomen toestand, en houd een voorgestelde actie apart van een actie die de toepassing heeft voltooid.
De fabrikant beschrijft voor de familie een context van twee miljoen tokens. Een groot venster kan een uitgebreide gespreksgeschiedenis, instructies en ondersteunende documenten bevatten, maar de actuele vraag moet in de prompt nog altijd makkelijk te vinden zijn. Geef documenten vaste titels, bewaar relevante identificatiegegevens en duid de bron van feitelijke uitspraken aan. Vraag bij een lang ondersteuningsdossier naar de huidige stand van het probleem, de feiten die al vaststaan en de volgende onbeantwoorde vraag. Geef bij documentverwerking aan welke velden moeten worden opgehaald en hoe een ontbrekende of tegenstrijdige waarde moet worden weergegeven.
De aankondiging van Grok 4.1 Fast introduceert ook een afzonderlijke tooldienst voor zoeken, code-uitvoering en documentophaling. Het vermogen van het model om tools aan te roepen en de beschikbaarheid van een bepaalde tool zijn verschillende onderdelen van de workflow. Beschrijf de tools die je toepassing daadwerkelijk aanbiedt en voeg hun resultaten weer aan het gesprek toe. Bepaal bij een onderzoekstaak de vraag, de reikwijdte en het benodigde bewijsmateriaal, en vraag vervolgens om een synthese die aan het opgehaalde materiaal gekoppeld is. Gebruik bij een datataak werkelijke berekeningsresultaten als invoer voor de uitleg in plaats van een gegenereerd getal als een uitgevoerde berekening te beschouwen.
Maak bij een directe tekstbewerking de uitvoeropdracht beknopt en precies. Je kunt vragen om een herschreven alinea die opgegeven feiten bewaart, een korte samenvatting van aangeleverd materiaal, een categorie gekozen volgens expliciete regels of een tabel met opgehaalde details. Voeg voorbeelden toe wanneer het verwachte formaat belangrijke randgevallen kent. Dit zijn illustratieve toepassingen van de tekst- en agentworkflow, geen beweringen dat elke invoer een correct resultaat oplevert. De modus voor directe antwoorden kan het resultaat gericht houden wanneer de taak al goed is omschreven.
Vraag het model bij feitelijk werk om brononderbouwde informatie van aannames te onderscheiden en ontbrekend bewijsmateriaal aan te duiden. Controleer belangrijke namen, identificatiegegevens, waarden en beweerde actieresultaten aan de hand van het oorspronkelijke materiaal of het werkelijke toolantwoord. Een grote context en een snel antwoordproces vervangen die controle niet. Kies de afzonderlijk benoemde redeneervariant wanneer je een ander probleemoplossingsproces wilt, en behoud Non-Reasoning voor duidelijke instructies en een direct eindantwoord. Bepaal voltooiing aan de hand van het gevraagde resultaat en eventuele bevestigde uitkomsten van handelingen, niet louter doordat het model een antwoord heeft geproduceerd.
", "aboutText": "Grok 4.1 Fast Non-Reasoning is de benoemde variant van xAI voor directe antwoorden binnen de Grok 4.1 Fast-familie. De fabrikant brengt deze afzonderlijk van de redeneervariant uit en duidt ze aan als de keuze voor onmiddellijke antwoorden. Ze is bruikbaar voor een tekstgesprek of een stap met tools waarbij de instructie duidelijk is, de invoer bekend is en het resultaat vastligt. Non-Reasoning bepaalt de antwoordmodus; Grok 4.1 Fast blijft een afzonderlijke familie naast het gewone Grok 4.1-model en Grok 4 Fast.\n\nxAI ontwikkelt Grok 4.1 Fast rond praktisch toolgebruik. De training met reinforcement learning gebruikt gesimuleerde omgevingen met uiteenlopende tools uit veel domeinen, waarbij klantondersteuning als praktische toepassing wordt uitgelicht. Geef het model voor zo'n taak het verzoek van de gebruiker, de relevante regels en de functies die de toepassing toelaat. Vermeld welke informatie nodig is om de volgende actie te kiezen. Een voorbeeldworkflow is het huidige probleem van de gebruiker identificeren, een ontbrekend detail opvragen, een opzoeking kiezen en vervolgens een kort antwoord voorbereiden op basis van de ontvangen informatie.\n\nDe producent benadrukt ook reinforcement learning voor taken met een lange duur en scenario's met meerdere gespreksbeurten. Dat is van belang wanneer een verzoek doorloopt over verschillende acties of verduidelijkingen. Bewaar het oorspronkelijke doel, belangrijke voorwaarden, eerdere antwoorden en werkelijke functieresultaten, zodat het volgende antwoord de huidige toestand van de taak kan weerspiegelen. Als een tool meldt dat informatie ontbreekt of een actie is mislukt, neem dat resultaat dan op in plaats van succes te veronderstellen. Vraag het model de volgende vereiste stap uit te leggen op basis van de waargenomen toestand, en houd een voorgestelde actie apart van een actie die de toepassing heeft voltooid.\n\nDe fabrikant beschrijft voor de familie een context van twee miljoen tokens. Een groot venster kan een uitgebreide gespreksgeschiedenis, instructies en ondersteunende documenten bevatten, maar de actuele vraag moet in de prompt nog altijd makkelijk te vinden zijn. Geef documenten vaste titels, bewaar relevante identificatiegegevens en duid de bron van feitelijke uitspraken aan. Vraag bij een lang ondersteuningsdossier naar de huidige stand van het probleem, de feiten die al vaststaan en de volgende onbeantwoorde vraag. Geef bij documentverwerking aan welke velden moeten worden opgehaald en hoe een ontbrekende of tegenstrijdige waarde moet worden weergegeven.\n\nDe aankondiging van Grok 4.1 Fast introduceert ook een afzonderlijke tooldienst voor zoeken, code-uitvoering en documentophaling. Het vermogen van het model om tools aan te roepen en de beschikbaarheid van een bepaalde tool zijn verschillende onderdelen van de workflow. Beschrijf de tools die je toepassing daadwerkelijk aanbiedt en voeg hun resultaten weer aan het gesprek toe. Bepaal bij een onderzoekstaak de vraag, de reikwijdte en het benodigde bewijsmateriaal, en vraag vervolgens om een synthese die aan het opgehaalde materiaal gekoppeld is. Gebruik bij een datataak werkelijke berekeningsresultaten als invoer voor de uitleg in plaats van een gegenereerd getal als een uitgevoerde berekening te beschouwen.\n\nMaak bij een directe tekstbewerking de uitvoeropdracht beknopt en precies. Je kunt vragen om een herschreven alinea die opgegeven feiten bewaart, een korte samenvatting van aangeleverd materiaal, een categorie gekozen volgens expliciete regels of een tabel met opgehaalde details. Voeg voorbeelden toe wanneer het verwachte formaat belangrijke randgevallen kent. Dit zijn illustratieve toepassingen van de tekst- en agentworkflow, geen beweringen dat elke invoer een correct resultaat oplevert. De modus voor directe antwoorden kan het resultaat gericht houden wanneer de taak al goed is omschreven.\n\nVraag het model bij feitelijk werk om brononderbouwde informatie van aannames te onderscheiden en ontbrekend bewijsmateriaal aan te duiden. Controleer belangrijke namen, identificatiegegevens, waarden en beweerde actieresultaten aan de hand van het oorspronkelijke materiaal of het werkelijke toolantwoord. Een grote context en een snel antwoordproces vervangen die controle niet. Kies de afzonderlijk benoemde redeneervariant wanneer je een ander probleemoplossingsproces wilt, en behoud Non-Reasoning voor duidelijke instructies en een direct eindantwoord. Bepaal voltooiing aan de hand van het gevraagde resultaat en eventuele bevestigde uitkomsten van handelingen, niet louter doordat het model een antwoord heeft geproduceerd.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Continue a support case from its state\n\nContinue this support conversation with one concise reply. Customer: I cannot find order K19. Earlier reply: Please confirm the checkout email. Customer: It is pat@example.test. Supplied lookup result: No order found for K19 and that email. Ask for the next useful detail without saying the order was cancelled, refunded or located.One customer-facing reply acknowledging the unsuccessful lookup and asking for a relevant missing order detail.Check that the reply reflects the supplied no-match result and claims no completed account or order action.grok-4-1-fast-non-reasoningGrok 4.1 Fast Non-Reasoning is de variant van xAI voor directe antwoorden in tekstgesprekken en taken met tools. De context van twee miljoen tokens en de training over meerdere gespreksbeurten helpen een uitgebreide taakgeschiedenis, instructies en ontvangen toolinformatie samen te houden.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Grok 4.1 Fast Non-Reasoning is de benoemde variant van xAI voor directe antwoorden binnen de Grok 4.1 Fast-familie. De fabrikant brengt deze afzonderlijk van de redeneervariant uit en duidt ze aan als de keuze voor onmiddellijke antwoorden. Ze is bruikbaar voor een tekstgesprek of een stap met tools waarbij de instructie duidelijk is, de invoer bekend is en het resultaat vastligt. Non-Reasoning bepaalt de antwoordmodus; Grok 4.1 Fast blijft een afzonderlijke familie naast het gewone Grok 4.1-model en Grok 4 Fast.
xAI ontwikkelt Grok 4.1 Fast rond praktisch toolgebruik. De training met reinforcement learning gebruikt gesimuleerde omgevingen met uiteenlopende tools uit veel domeinen, waarbij klantondersteuning als praktische toepassing wordt uitgelicht. Geef het model voor zo'n taak het verzoek van de gebruiker, de relevante regels en de functies die de toepassing toelaat. Vermeld welke informatie nodig is om de volgende actie te kiezen. Een voorbeeldworkflow is het huidige probleem van de gebruiker identificeren, een ontbrekend detail opvragen, een opzoeking kiezen en vervolgens een kort antwoord voorbereiden op basis van de ontvangen informatie.
De producent benadrukt ook reinforcement learning voor taken met een lange duur en scenario's met meerdere gespreksbeurten. Dat is van belang wanneer een verzoek doorloopt over verschillende acties of verduidelijkingen. Bewaar het oorspronkelijke doel, belangrijke voorwaarden, eerdere antwoorden en werkelijke functieresultaten, zodat het volgende antwoord de huidige toestand van de taak kan weerspiegelen. Als een tool meldt dat informatie ontbreekt of een actie is mislukt, neem dat resultaat dan op in plaats van succes te veronderstellen. Vraag het model de volgende vereiste stap uit te leggen op basis van de waargenomen toestand, en houd een voorgestelde actie apart van een actie die de toepassing heeft voltooid.
De fabrikant beschrijft voor de familie een context van twee miljoen tokens. Een groot venster kan een uitgebreide gespreksgeschiedenis, instructies en ondersteunende documenten bevatten, maar de actuele vraag moet in de prompt nog altijd makkelijk te vinden zijn. Geef documenten vaste titels, bewaar relevante identificatiegegevens en duid de bron van feitelijke uitspraken aan. Vraag bij een lang ondersteuningsdossier naar de huidige stand van het probleem, de feiten die al vaststaan en de volgende onbeantwoorde vraag. Geef bij documentverwerking aan welke velden moeten worden opgehaald en hoe een ontbrekende of tegenstrijdige waarde moet worden weergegeven.
De aankondiging van Grok 4.1 Fast introduceert ook een afzonderlijke tooldienst voor zoeken, code-uitvoering en documentophaling. Het vermogen van het model om tools aan te roepen en de beschikbaarheid van een bepaalde tool zijn verschillende onderdelen van de workflow. Beschrijf de tools die je toepassing daadwerkelijk aanbiedt en voeg hun resultaten weer aan het gesprek toe. Bepaal bij een onderzoekstaak de vraag, de reikwijdte en het benodigde bewijsmateriaal, en vraag vervolgens om een synthese die aan het opgehaalde materiaal gekoppeld is. Gebruik bij een datataak werkelijke berekeningsresultaten als invoer voor de uitleg in plaats van een gegenereerd getal als een uitgevoerde berekening te beschouwen.
Maak bij een directe tekstbewerking de uitvoeropdracht beknopt en precies. Je kunt vragen om een herschreven alinea die opgegeven feiten bewaart, een korte samenvatting van aangeleverd materiaal, een categorie gekozen volgens expliciete regels of een tabel met opgehaalde details. Voeg voorbeelden toe wanneer het verwachte formaat belangrijke randgevallen kent. Dit zijn illustratieve toepassingen van de tekst- en agentworkflow, geen beweringen dat elke invoer een correct resultaat oplevert. De modus voor directe antwoorden kan het resultaat gericht houden wanneer de taak al goed is omschreven.
Vraag het model bij feitelijk werk om brononderbouwde informatie van aannames te onderscheiden en ontbrekend bewijsmateriaal aan te duiden. Controleer belangrijke namen, identificatiegegevens, waarden en beweerde actieresultaten aan de hand van het oorspronkelijke materiaal of het werkelijke toolantwoord. Een grote context en een snel antwoordproces vervangen die controle niet. Kies de afzonderlijk benoemde redeneervariant wanneer je een ander probleemoplossingsproces wilt, en behoud Non-Reasoning voor duidelijke instructies en een direct eindantwoord. Bepaal voltooiing aan de hand van het gevraagde resultaat en eventuele bevestigde uitkomsten van handelingen, niet louter doordat het model een antwoord heeft geproduceerd.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-4-1-fast-non-reasoning | 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 $0.0004 / 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-4-1-fast-non-reasoning", "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-4-1-fast-non-reasoning',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-4-1-fast-non-reasoning',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-4-1-fast-non-reasoning
Gebruik de hierboven getoonde methodepaden.
grok-4-1-fast-non-reasoningGrok 4.1 Fast Non-Reasoning is de variant van xAI voor directe antwoorden in tekstgesprekken en taken met tools. De context van twee miljoen tokens en de training over meerdere gespreksbeurten helpen een uitgebreide taakgeschiedenis, instructies en ontvangen toolinformatie samen te houden.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Grok 4.1 Fast Non-Reasoning is de benoemde variant van xAI voor directe antwoorden binnen de Grok 4.1 Fast-familie. De fabrikant brengt deze afzonderlijk van de redeneervariant uit en duidt ze aan als de keuze voor onmiddellijke antwoorden. Ze is bruikbaar voor een tekstgesprek of een stap met tools waarbij de instructie duidelijk is, de invoer bekend is en het resultaat vastligt. Non-Reasoning bepaalt de antwoordmodus; Grok 4.1 Fast blijft een afzonderlijke familie naast het gewone Grok 4.1-model en Grok 4 Fast.
xAI ontwikkelt Grok 4.1 Fast rond praktisch toolgebruik. De training met reinforcement learning gebruikt gesimuleerde omgevingen met uiteenlopende tools uit veel domeinen, waarbij klantondersteuning als praktische toepassing wordt uitgelicht. Geef het model voor zo'n taak het verzoek van de gebruiker, de relevante regels en de functies die de toepassing toelaat. Vermeld welke informatie nodig is om de volgende actie te kiezen. Een voorbeeldworkflow is het huidige probleem van de gebruiker identificeren, een ontbrekend detail opvragen, een opzoeking kiezen en vervolgens een kort antwoord voorbereiden op basis van de ontvangen informatie.
De producent benadrukt ook reinforcement learning voor taken met een lange duur en scenario's met meerdere gespreksbeurten. Dat is van belang wanneer een verzoek doorloopt over verschillende acties of verduidelijkingen. Bewaar het oorspronkelijke doel, belangrijke voorwaarden, eerdere antwoorden en werkelijke functieresultaten, zodat het volgende antwoord de huidige toestand van de taak kan weerspiegelen. Als een tool meldt dat informatie ontbreekt of een actie is mislukt, neem dat resultaat dan op in plaats van succes te veronderstellen. Vraag het model de volgende vereiste stap uit te leggen op basis van de waargenomen toestand, en houd een voorgestelde actie apart van een actie die de toepassing heeft voltooid.
De fabrikant beschrijft voor de familie een context van twee miljoen tokens. Een groot venster kan een uitgebreide gespreksgeschiedenis, instructies en ondersteunende documenten bevatten, maar de actuele vraag moet in de prompt nog altijd makkelijk te vinden zijn. Geef documenten vaste titels, bewaar relevante identificatiegegevens en duid de bron van feitelijke uitspraken aan. Vraag bij een lang ondersteuningsdossier naar de huidige stand van het probleem, de feiten die al vaststaan en de volgende onbeantwoorde vraag. Geef bij documentverwerking aan welke velden moeten worden opgehaald en hoe een ontbrekende of tegenstrijdige waarde moet worden weergegeven.
De aankondiging van Grok 4.1 Fast introduceert ook een afzonderlijke tooldienst voor zoeken, code-uitvoering en documentophaling. Het vermogen van het model om tools aan te roepen en de beschikbaarheid van een bepaalde tool zijn verschillende onderdelen van de workflow. Beschrijf de tools die je toepassing daadwerkelijk aanbiedt en voeg hun resultaten weer aan het gesprek toe. Bepaal bij een onderzoekstaak de vraag, de reikwijdte en het benodigde bewijsmateriaal, en vraag vervolgens om een synthese die aan het opgehaalde materiaal gekoppeld is. Gebruik bij een datataak werkelijke berekeningsresultaten als invoer voor de uitleg in plaats van een gegenereerd getal als een uitgevoerde berekening te beschouwen.
Maak bij een directe tekstbewerking de uitvoeropdracht beknopt en precies. Je kunt vragen om een herschreven alinea die opgegeven feiten bewaart, een korte samenvatting van aangeleverd materiaal, een categorie gekozen volgens expliciete regels of een tabel met opgehaalde details. Voeg voorbeelden toe wanneer het verwachte formaat belangrijke randgevallen kent. Dit zijn illustratieve toepassingen van de tekst- en agentworkflow, geen beweringen dat elke invoer een correct resultaat oplevert. De modus voor directe antwoorden kan het resultaat gericht houden wanneer de taak al goed is omschreven.
Vraag het model bij feitelijk werk om brononderbouwde informatie van aannames te onderscheiden en ontbrekend bewijsmateriaal aan te duiden. Controleer belangrijke namen, identificatiegegevens, waarden en beweerde actieresultaten aan de hand van het oorspronkelijke materiaal of het werkelijke toolantwoord. Een grote context en een snel antwoordproces vervangen die controle niet. Kies de afzonderlijk benoemde redeneervariant wanneer je een ander probleemoplossingsproces wilt, en behoud Non-Reasoning voor duidelijke instructies en een direct eindantwoord. Bepaal voltooiing aan de hand van het gevraagde resultaat en eventuele bevestigde uitkomsten van handelingen, niet louter doordat het model een antwoord heeft geproduceerd.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-4-1-fast-non-reasoning | 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 $0.0004 / 1K tokens Uitvoer · Uitvoertokens $0.001 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "grok-4-1-fast-non-reasoning",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-4-1-fast-non-reasoning', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-4-1-fast-non-reasoning', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-4-1-fast-non-reasoning
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Continue a support case from its state\n\nContinue this support conversation with one concise reply. Customer: I cannot find order K19. Earlier reply: Please confirm the checkout email. Customer: It is pat@example.test. Supplied lookup result: No order found for K19 and that email. Ask for the next useful detail without saying the order was cancelled, refunded or located.One customer-facing reply acknowledging the unsuccessful lookup and asking for a relevant missing order detail.Check that the reply reflects the supplied no-match result and claims no completed account or order action.