Grok 2 Vision 1212 is de editie met visuele invoer van de Grok 2-familie van xAI, herkenbaar aan de naam grok-2-vision-1212. De fabrikant presenteert Grok 2 als een model voor tekst- en beeldbegrip, met taken waaronder documentvragen en wiskundig redeneren op basis van visueel materiaal. De latere aankondiging van release 1212 beschrijft verbeteringen in het volgen van instructies en meertalig gedrag. Deze kaart betreft deze specifieke vision-editie en het tekstresultaat ervan.
De modelmetadata van de producent vermeldt tekst en afbeeldingen als invoer en tekst als uitvoer. Een praktische taak begint daarom met zowel het visuele bewijs als een nauwkeurige vraag. Specificeer voor een documentpagina het veld, de sectie of het verband dat je uitgelegd wilt hebben; benoem voor een grafiek de belangrijke labels en grootheden; beschrijf voor een schermafbeelding het doel van de gebruiker en het element dat je wilt laten onderzoeken. Het doel is zichtbare inhoud aan het verzoek te relateren in plaats van om een ongerichte beschrijving van alles op de afbeelding te vragen.
Een voorbeeld van een documentverzoek is: “Lees de koppen en gelabelde velden op deze pagina. Geef de zichtbare waarden terug, markeer vermeldingen die niet met voldoende zekerheid kunnen worden gelezen en leg uit welke passage je antwoord ondersteunt.” Een grafiekverzoek kan vragen om het verband tussen twee reeksen en een onderscheid tussen rechtstreeks zichtbare waarden en interpretatie. Vraag voor een productfoto om zichtbare kenmerken en een vergelijking met de aangeleverde schriftelijke specificatie. Dit zijn voorbeelden van voorbereiding en uitvoer op basis van de visuele taakfamilies van de fabrikant, geen beloften dat elk detail uit elke afbeelding kan worden teruggehaald.
Het voorbeeld van dit specifieke model vermeldt ook ondersteuning voor gestructureerde uitvoer en functieaanroepen. Definieer voor extractie het gewenste resultaat: bijvoorbeeld een lijst velden, hun zichtbare tekst en een notitie over onzekerheid. Geef voor een taak met toolondersteuning beschrijvingen van de toegestane tools en de informatie die nodig is voor een bewerking. De applicatie voert de bewerking uit en geeft het resultaat terug; het model kan die informatie vervolgens in het volgende tekstantwoord gebruiken. De vision-mogelijkheid zelf is het interpreteren van de aangeleverde afbeelding, terwijl de externe bewerking tot de omringende applicatie behoort.
Deze editie wordt in dat producentvoorbeeld zonder afzonderlijke denkmodus vermeld. Het kan nog steeds vragen beantwoorden die verbanden en uitleg vereisen, maar de expliciete modi voor uitgebreid redeneren die voor andere Grok-releases worden beschreven, moeten gescheiden blijven. Hetzelfde voorbeeld vermeldt een maximale promptlengte van 32,768 tokens. Dat is het gepubliceerde invoerveld voor dit specifieke model, geen afzonderlijk gedocumenteerde maximale antwoordlengte. De geraadpleegde primaire bronnen stellen geen exacte algemene limiet vast voor het aantal afbeeldingen, de afbeeldingsresolutie of uitvoertokens voor Vision 1212, dus die waarden moeten uit een specifieke verzoekspecificatie komen in plaats van van een nieuwer vision-model te worden overgenomen.
De vaste naam 1212 is ook van belang bij het kiezen van een editie. De release van Grok 2 voor uitsluitend tekst en de producten voor beeldgeneratie werken met andere soorten invoer en uitvoer. Het hier beschreven resultaat is een schriftelijk antwoord over visueel materiaal. Functies in de Grok-applicatie, zoals aanvullende zoek- of beeldgeneratiemogelijkheden, zijn afzonderlijke integraties rond de familie en moeten worden onderscheiden van de mogelijkheden van dit specifieke model.
Bereid leesbare pagina's voor en geef elke afbeelding een label wanneer je materiaal vergelijkt. Vermeld welk deel van de afbeelding relevant is, voeg benodigde definities of eenheden aan de vraag toe en vraag om een antwoord dat de oorspronkelijke namen behoudt. Kies voor een bruikbaar eindresultaat een uitleg, een extractietabel of een lijst waarnemingen die aan het bewijs zijn gekoppeld. Behoud bij een ambigue afbeelding die onzekerheid in de uitvoer en toets belangrijke interpretaties aan het oorspronkelijke materiaal.
", "aboutText": "Grok 2 Vision 1212 is de editie met visuele invoer van de Grok 2-familie van xAI, herkenbaar aan de naam grok-2-vision-1212. De fabrikant presenteert Grok 2 als een model voor tekst- en beeldbegrip, met taken waaronder documentvragen en wiskundig redeneren op basis van visueel materiaal. De latere aankondiging van release 1212 beschrijft verbeteringen in het volgen van instructies en meertalig gedrag. Deze kaart betreft deze specifieke vision-editie en het tekstresultaat ervan.\n\nDe modelmetadata van de producent vermeldt tekst en afbeeldingen als invoer en tekst als uitvoer. Een praktische taak begint daarom met zowel het visuele bewijs als een nauwkeurige vraag. Specificeer voor een documentpagina het veld, de sectie of het verband dat je uitgelegd wilt hebben; benoem voor een grafiek de belangrijke labels en grootheden; beschrijf voor een schermafbeelding het doel van de gebruiker en het element dat je wilt laten onderzoeken. Het doel is zichtbare inhoud aan het verzoek te relateren in plaats van om een ongerichte beschrijving van alles op de afbeelding te vragen.\n\nEen voorbeeld van een documentverzoek is: “Lees de koppen en gelabelde velden op deze pagina. Geef de zichtbare waarden terug, markeer vermeldingen die niet met voldoende zekerheid kunnen worden gelezen en leg uit welke passage je antwoord ondersteunt.” Een grafiekverzoek kan vragen om het verband tussen twee reeksen en een onderscheid tussen rechtstreeks zichtbare waarden en interpretatie. Vraag voor een productfoto om zichtbare kenmerken en een vergelijking met de aangeleverde schriftelijke specificatie. Dit zijn voorbeelden van voorbereiding en uitvoer op basis van de visuele taakfamilies van de fabrikant, geen beloften dat elk detail uit elke afbeelding kan worden teruggehaald.\n\nHet voorbeeld van dit specifieke model vermeldt ook ondersteuning voor gestructureerde uitvoer en functieaanroepen. Definieer voor extractie het gewenste resultaat: bijvoorbeeld een lijst velden, hun zichtbare tekst en een notitie over onzekerheid. Geef voor een taak met toolondersteuning beschrijvingen van de toegestane tools en de informatie die nodig is voor een bewerking. De applicatie voert de bewerking uit en geeft het resultaat terug; het model kan die informatie vervolgens in het volgende tekstantwoord gebruiken. De vision-mogelijkheid zelf is het interpreteren van de aangeleverde afbeelding, terwijl de externe bewerking tot de omringende applicatie behoort.\n\nDeze editie wordt in dat producentvoorbeeld zonder afzonderlijke denkmodus vermeld. Het kan nog steeds vragen beantwoorden die verbanden en uitleg vereisen, maar de expliciete modi voor uitgebreid redeneren die voor andere Grok-releases worden beschreven, moeten gescheiden blijven. Hetzelfde voorbeeld vermeldt een maximale promptlengte van 32,768 tokens. Dat is het gepubliceerde invoerveld voor dit specifieke model, geen afzonderlijk gedocumenteerde maximale antwoordlengte. De geraadpleegde primaire bronnen stellen geen exacte algemene limiet vast voor het aantal afbeeldingen, de afbeeldingsresolutie of uitvoertokens voor Vision 1212, dus die waarden moeten uit een specifieke verzoekspecificatie komen in plaats van van een nieuwer vision-model te worden overgenomen.\n\nDe vaste naam 1212 is ook van belang bij het kiezen van een editie. De release van Grok 2 voor uitsluitend tekst en de producten voor beeldgeneratie werken met andere soorten invoer en uitvoer. Het hier beschreven resultaat is een schriftelijk antwoord over visueel materiaal. Functies in de Grok-applicatie, zoals aanvullende zoek- of beeldgeneratiemogelijkheden, zijn afzonderlijke integraties rond de familie en moeten worden onderscheiden van de mogelijkheden van dit specifieke model.\n\nBereid leesbare pagina's voor en geef elke afbeelding een label wanneer je materiaal vergelijkt. Vermeld welk deel van de afbeelding relevant is, voeg benodigde definities of eenheden aan de vraag toe en vraag om een antwoord dat de oorspronkelijke namen behoudt. Kies voor een bruikbaar eindresultaat een uitleg, een extractietabel of een lijst waarnemingen die aan het bewijs zijn gekoppeld. Behoud bij een ambigue afbeelding die onzekerheid in de uitvoer en toets belangrijke interpretaties aan het oorspronkelijke materiaal.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Interpret a transcribed sales chart\n\nUse this chart transcription: January sales 80 units, February 100, March 90. The vertical axis is units, not currency. Write a three-sentence chart caption covering the peak, the change from January to March and one conclusion about revenue that cannot be drawn from these values.A three-sentence caption separating stated sales values, a calculated change and the revenue-information limit.Check that the caption retains units and does not infer revenue or prices from unit counts.grok-2-vision-1212Grok 2 Vision 1212 is de editie van xAI voor beeldbegrip voor vragen over documenten, grafieken, foto's en schermafbeeldingen. Het combineert een schriftelijke vraag met visuele invoer en geeft een tekstantwoord terug, met mogelijkheden voor gestructureerde uitvoer en functieaanroepen die voor deze specifieke editie zijn gedocumenteerd.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Grok 2 Vision 1212 is de editie met visuele invoer van de Grok 2-familie van xAI, herkenbaar aan de naam grok-2-vision-1212. De fabrikant presenteert Grok 2 als een model voor tekst- en beeldbegrip, met taken waaronder documentvragen en wiskundig redeneren op basis van visueel materiaal. De latere aankondiging van release 1212 beschrijft verbeteringen in het volgen van instructies en meertalig gedrag. Deze kaart betreft deze specifieke vision-editie en het tekstresultaat ervan.
De modelmetadata van de producent vermeldt tekst en afbeeldingen als invoer en tekst als uitvoer. Een praktische taak begint daarom met zowel het visuele bewijs als een nauwkeurige vraag. Specificeer voor een documentpagina het veld, de sectie of het verband dat je uitgelegd wilt hebben; benoem voor een grafiek de belangrijke labels en grootheden; beschrijf voor een schermafbeelding het doel van de gebruiker en het element dat je wilt laten onderzoeken. Het doel is zichtbare inhoud aan het verzoek te relateren in plaats van om een ongerichte beschrijving van alles op de afbeelding te vragen.
Een voorbeeld van een documentverzoek is: “Lees de koppen en gelabelde velden op deze pagina. Geef de zichtbare waarden terug, markeer vermeldingen die niet met voldoende zekerheid kunnen worden gelezen en leg uit welke passage je antwoord ondersteunt.” Een grafiekverzoek kan vragen om het verband tussen twee reeksen en een onderscheid tussen rechtstreeks zichtbare waarden en interpretatie. Vraag voor een productfoto om zichtbare kenmerken en een vergelijking met de aangeleverde schriftelijke specificatie. Dit zijn voorbeelden van voorbereiding en uitvoer op basis van de visuele taakfamilies van de fabrikant, geen beloften dat elk detail uit elke afbeelding kan worden teruggehaald.
Het voorbeeld van dit specifieke model vermeldt ook ondersteuning voor gestructureerde uitvoer en functieaanroepen. Definieer voor extractie het gewenste resultaat: bijvoorbeeld een lijst velden, hun zichtbare tekst en een notitie over onzekerheid. Geef voor een taak met toolondersteuning beschrijvingen van de toegestane tools en de informatie die nodig is voor een bewerking. De applicatie voert de bewerking uit en geeft het resultaat terug; het model kan die informatie vervolgens in het volgende tekstantwoord gebruiken. De vision-mogelijkheid zelf is het interpreteren van de aangeleverde afbeelding, terwijl de externe bewerking tot de omringende applicatie behoort.
Deze editie wordt in dat producentvoorbeeld zonder afzonderlijke denkmodus vermeld. Het kan nog steeds vragen beantwoorden die verbanden en uitleg vereisen, maar de expliciete modi voor uitgebreid redeneren die voor andere Grok-releases worden beschreven, moeten gescheiden blijven. Hetzelfde voorbeeld vermeldt een maximale promptlengte van 32,768 tokens. Dat is het gepubliceerde invoerveld voor dit specifieke model, geen afzonderlijk gedocumenteerde maximale antwoordlengte. De geraadpleegde primaire bronnen stellen geen exacte algemene limiet vast voor het aantal afbeeldingen, de afbeeldingsresolutie of uitvoertokens voor Vision 1212, dus die waarden moeten uit een specifieke verzoekspecificatie komen in plaats van van een nieuwer vision-model te worden overgenomen.
De vaste naam 1212 is ook van belang bij het kiezen van een editie. De release van Grok 2 voor uitsluitend tekst en de producten voor beeldgeneratie werken met andere soorten invoer en uitvoer. Het hier beschreven resultaat is een schriftelijk antwoord over visueel materiaal. Functies in de Grok-applicatie, zoals aanvullende zoek- of beeldgeneratiemogelijkheden, zijn afzonderlijke integraties rond de familie en moeten worden onderscheiden van de mogelijkheden van dit specifieke model.
Bereid leesbare pagina's voor en geef elke afbeelding een label wanneer je materiaal vergelijkt. Vermeld welk deel van de afbeelding relevant is, voeg benodigde definities of eenheden aan de vraag toe en vraag om een antwoord dat de oorspronkelijke namen behoudt. Kies voor een bruikbaar eindresultaat een uitleg, een extractietabel of een lijst waarnemingen die aan het bewijs zijn gekoppeld. Behoud bij een ambigue afbeelding die onzekerheid in de uitvoer en toets belangrijke interpretaties aan het oorspronkelijke materiaal.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-2-vision-1212 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-2-vision-1212", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='grok-2-vision-1212',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='grok-2-vision-1212',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra grok-2-vision-1212
Gebruik de hierboven getoonde methodepaden.
grok-2-vision-1212Grok 2 Vision 1212 is de editie van xAI voor beeldbegrip voor vragen over documenten, grafieken, foto's en schermafbeeldingen. Het combineert een schriftelijke vraag met visuele invoer en geeft een tekstantwoord terug, met mogelijkheden voor gestructureerde uitvoer en functieaanroepen die voor deze specifieke editie zijn gedocumenteerd.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Grok 2 Vision 1212 is de editie met visuele invoer van de Grok 2-familie van xAI, herkenbaar aan de naam grok-2-vision-1212. De fabrikant presenteert Grok 2 als een model voor tekst- en beeldbegrip, met taken waaronder documentvragen en wiskundig redeneren op basis van visueel materiaal. De latere aankondiging van release 1212 beschrijft verbeteringen in het volgen van instructies en meertalig gedrag. Deze kaart betreft deze specifieke vision-editie en het tekstresultaat ervan.
De modelmetadata van de producent vermeldt tekst en afbeeldingen als invoer en tekst als uitvoer. Een praktische taak begint daarom met zowel het visuele bewijs als een nauwkeurige vraag. Specificeer voor een documentpagina het veld, de sectie of het verband dat je uitgelegd wilt hebben; benoem voor een grafiek de belangrijke labels en grootheden; beschrijf voor een schermafbeelding het doel van de gebruiker en het element dat je wilt laten onderzoeken. Het doel is zichtbare inhoud aan het verzoek te relateren in plaats van om een ongerichte beschrijving van alles op de afbeelding te vragen.
Een voorbeeld van een documentverzoek is: “Lees de koppen en gelabelde velden op deze pagina. Geef de zichtbare waarden terug, markeer vermeldingen die niet met voldoende zekerheid kunnen worden gelezen en leg uit welke passage je antwoord ondersteunt.” Een grafiekverzoek kan vragen om het verband tussen twee reeksen en een onderscheid tussen rechtstreeks zichtbare waarden en interpretatie. Vraag voor een productfoto om zichtbare kenmerken en een vergelijking met de aangeleverde schriftelijke specificatie. Dit zijn voorbeelden van voorbereiding en uitvoer op basis van de visuele taakfamilies van de fabrikant, geen beloften dat elk detail uit elke afbeelding kan worden teruggehaald.
Het voorbeeld van dit specifieke model vermeldt ook ondersteuning voor gestructureerde uitvoer en functieaanroepen. Definieer voor extractie het gewenste resultaat: bijvoorbeeld een lijst velden, hun zichtbare tekst en een notitie over onzekerheid. Geef voor een taak met toolondersteuning beschrijvingen van de toegestane tools en de informatie die nodig is voor een bewerking. De applicatie voert de bewerking uit en geeft het resultaat terug; het model kan die informatie vervolgens in het volgende tekstantwoord gebruiken. De vision-mogelijkheid zelf is het interpreteren van de aangeleverde afbeelding, terwijl de externe bewerking tot de omringende applicatie behoort.
Deze editie wordt in dat producentvoorbeeld zonder afzonderlijke denkmodus vermeld. Het kan nog steeds vragen beantwoorden die verbanden en uitleg vereisen, maar de expliciete modi voor uitgebreid redeneren die voor andere Grok-releases worden beschreven, moeten gescheiden blijven. Hetzelfde voorbeeld vermeldt een maximale promptlengte van 32,768 tokens. Dat is het gepubliceerde invoerveld voor dit specifieke model, geen afzonderlijk gedocumenteerde maximale antwoordlengte. De geraadpleegde primaire bronnen stellen geen exacte algemene limiet vast voor het aantal afbeeldingen, de afbeeldingsresolutie of uitvoertokens voor Vision 1212, dus die waarden moeten uit een specifieke verzoekspecificatie komen in plaats van van een nieuwer vision-model te worden overgenomen.
De vaste naam 1212 is ook van belang bij het kiezen van een editie. De release van Grok 2 voor uitsluitend tekst en de producten voor beeldgeneratie werken met andere soorten invoer en uitvoer. Het hier beschreven resultaat is een schriftelijk antwoord over visueel materiaal. Functies in de Grok-applicatie, zoals aanvullende zoek- of beeldgeneratiemogelijkheden, zijn afzonderlijke integraties rond de familie en moeten worden onderscheiden van de mogelijkheden van dit specifieke model.
Bereid leesbare pagina's voor en geef elke afbeelding een label wanneer je materiaal vergelijkt. Vermeld welk deel van de afbeelding relevant is, voeg benodigde definities of eenheden aan de vraag toe en vraag om een antwoord dat de oorspronkelijke namen behoudt. Kies voor een bruikbaar eindresultaat een uitleg, een extractietabel of een lijst waarnemingen die aan het bewijs zijn gekoppeld. Behoud bij een ambigue afbeelding die onzekerheid in de uitvoer en toets belangrijke interpretaties aan het oorspronkelijke materiaal.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-2-vision-1212 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "grok-2-vision-1212",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-2-vision-1212', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-2-vision-1212', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra grok-2-vision-1212
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Interpret a transcribed sales chart\n\nUse this chart transcription: January sales 80 units, February 100, March 90. The vertical axis is units, not currency. Write a three-sentence chart caption covering the peak, the change from January to March and one conclusion about revenue that cannot be drawn from these values.A three-sentence caption separating stated sales values, a calculated change and the revenue-information limit.Check that the caption retains units and does not infer revenue or prices from unit counts.