Grok 4.1 Fast Non-Reasoning is de variant van xAI met een eigen naam voor directe antwoorden binnen de Grok 4.1 Fast-familie. De fabrikant brengt deze afzonderlijk van de redeneervariant uit en duidt deze aan als de keuze voor onmiddellijke antwoorden. Het is bruikbaar voor een tekstgesprek of een stap met toolondersteuning met een duidelijke instructie, bekende invoer en een afgebakend resultaat. Non-Reasoning selecteert de antwoordmodus; Grok 4.1 Fast blijft een andere familie dan het gewone Grok 4.1-model en Grok 4 Fast.
xAI ontwikkelt Grok 4.1 Fast rond toolgebruik in de praktijk. De reinforcement-learningtraining gebruikt gesimuleerde omgevingen met uiteenlopende tools in vele domeinen, met klantenservice als uitgelichte praktische toepassing. Geef het model voor een dergelijke taak het verzoek van de gebruiker, de relevante regels en de functies die de applicatie toestaat. Geef aan welke informatie nodig is om de volgende handeling te kiezen. Een voorbeeldworkflow is het huidige probleem van de gebruiker identificeren, om een ontbrekend detail vragen, een zoekactie selecteren en vervolgens een kort antwoord voorbereiden op basis van de teruggegeven informatie.
De producent benadrukt ook reinforcement learning over lange trajecten en scenario's met meerdere gespreksbeurten. Dit is van belang wanneer een verzoek via meerdere handelingen of verduidelijkingen wordt voortgezet. Behoud het oorspronkelijke doel, belangrijke beperkingen, eerdere antwoorden en daadwerkelijke functieresultaten, zodat het volgende antwoord de huidige taaktoestand kan weerspiegelen. Neem het resultaat op als een tool meldt dat informatie ontbreekt of een handeling is mislukt, in plaats van succes aan te nemen. Vraag het model de volgende vereiste stap uit te leggen op basis van de waargenomen toestand en houd een voorgestelde handeling gescheiden van een handeling die de applicatie heeft voltooid.
De familie heeft volgens de beschrijving van de fabrikant een context van twee miljoen tokens. Een groot venster kan omvangrijke gespreksgeschiedenis, instructies en ondersteunende documenten bevatten, maar de prompt moet de huidige vraag nog steeds gemakkelijk vindbaar maken. Geef documenten stabiele titels, behoud relevante identificatiecodes en benoem de bron van een feitelijke bewering. Vraag voor een lang supportdossier om het probleem zoals het nu is, de al vastgestelde feiten en de volgende onbeantwoorde vraag. Specificeer bij documentverwerking de te extraheren velden en hoe een ontbrekende of tegenstrijdige waarde moet worden weergegeven.
De aankondiging van Grok 4.1 Fast introduceert ook een afzonderlijke toolservice voor zoeken, code-uitvoering en het ophalen van documenten. De mogelijkheid 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 applicatie daadwerkelijk levert en geef hun resultaten terug aan het gesprek. Definieer bij een onderzoekstaak de vraag, de reikwijdte en het benodigde bewijs en vraag vervolgens om een synthese die aan het opgehaalde materiaal is gekoppeld. Gebruik bij een gegevenstaak echte rekenresultaten als invoer voor de uitleg in plaats van een gegenereerd getal als een voltooide berekening te behandelen.
Maak de uitvoeropdracht voor een directe tekstbewerking compact en nauwkeurig. Je kunt vragen om een herschreven alinea die bepaalde feiten behoudt, een korte samenvatting van aangeleverd materiaal, een categorie gekozen volgens expliciete regels of een tabel met geëxtraheerde details. Voeg voorbeelden toe wanneer het verwachte formaat belangrijke randgevallen heeft. Dit zijn voorbeeldtoepassingen van de tekst- en agentworkflow, geen beweringen dat elke invoer een juist resultaat oplevert. De modus voor directe antwoorden kan het resultaat gericht houden wanneer de taak al goed is gespecificeerd.
Vraag bij feitelijk werk onderscheid te maken tussen door bronnen onderbouwde informatie en aannames en ontbrekend bewijs te signaleren. Toets belangrijke namen, identificatiecodes, waarden en beweerde handelingsresultaten aan het oorspronkelijke materiaal of de daadwerkelijke toolreactie. Een grote context en een snel antwoordproces vervangen die controle niet. Kies de redeneervariant met een afzonderlijke naam wanneer je een ander probleemoplossingsproces wilt en behoud Non-Reasoning voor duidelijke instructies en een direct eindantwoord. Definieer voltooiing aan de hand van het gevraagde resultaat en een eventueel bevestigd bewerkingsresultaat, niet alleen doordat het model een antwoord heeft geproduceerd.
", "aboutText": "Grok 4.1 Fast Non-Reasoning is de variant van xAI met een eigen naam voor directe antwoorden binnen de Grok 4.1 Fast-familie. De fabrikant brengt deze afzonderlijk van de redeneervariant uit en duidt deze aan als de keuze voor onmiddellijke antwoorden. Het is bruikbaar voor een tekstgesprek of een stap met toolondersteuning met een duidelijke instructie, bekende invoer en een afgebakend resultaat. Non-Reasoning selecteert de antwoordmodus; Grok 4.1 Fast blijft een andere familie dan het gewone Grok 4.1-model en Grok 4 Fast.\n\nxAI ontwikkelt Grok 4.1 Fast rond toolgebruik in de praktijk. De reinforcement-learningtraining gebruikt gesimuleerde omgevingen met uiteenlopende tools in vele domeinen, met klantenservice als uitgelichte praktische toepassing. Geef het model voor een dergelijke taak het verzoek van de gebruiker, de relevante regels en de functies die de applicatie toestaat. Geef aan welke informatie nodig is om de volgende handeling te kiezen. Een voorbeeldworkflow is het huidige probleem van de gebruiker identificeren, om een ontbrekend detail vragen, een zoekactie selecteren en vervolgens een kort antwoord voorbereiden op basis van de teruggegeven informatie.\n\nDe producent benadrukt ook reinforcement learning over lange trajecten en scenario's met meerdere gespreksbeurten. Dit is van belang wanneer een verzoek via meerdere handelingen of verduidelijkingen wordt voortgezet. Behoud het oorspronkelijke doel, belangrijke beperkingen, eerdere antwoorden en daadwerkelijke functieresultaten, zodat het volgende antwoord de huidige taaktoestand kan weerspiegelen. Neem het resultaat op als een tool meldt dat informatie ontbreekt of een handeling is mislukt, in plaats van succes aan te nemen. Vraag het model de volgende vereiste stap uit te leggen op basis van de waargenomen toestand en houd een voorgestelde handeling gescheiden van een handeling die de applicatie heeft voltooid.\n\nDe familie heeft volgens de beschrijving van de fabrikant een context van twee miljoen tokens. Een groot venster kan omvangrijke gespreksgeschiedenis, instructies en ondersteunende documenten bevatten, maar de prompt moet de huidige vraag nog steeds gemakkelijk vindbaar maken. Geef documenten stabiele titels, behoud relevante identificatiecodes en benoem de bron van een feitelijke bewering. Vraag voor een lang supportdossier om het probleem zoals het nu is, de al vastgestelde feiten en de volgende onbeantwoorde vraag. Specificeer bij documentverwerking de te extraheren velden en hoe een ontbrekende of tegenstrijdige waarde moet worden weergegeven.\n\nDe aankondiging van Grok 4.1 Fast introduceert ook een afzonderlijke toolservice voor zoeken, code-uitvoering en het ophalen van documenten. De mogelijkheid 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 applicatie daadwerkelijk levert en geef hun resultaten terug aan het gesprek. Definieer bij een onderzoekstaak de vraag, de reikwijdte en het benodigde bewijs en vraag vervolgens om een synthese die aan het opgehaalde materiaal is gekoppeld. Gebruik bij een gegevenstaak echte rekenresultaten als invoer voor de uitleg in plaats van een gegenereerd getal als een voltooide berekening te behandelen.\n\nMaak de uitvoeropdracht voor een directe tekstbewerking compact en nauwkeurig. Je kunt vragen om een herschreven alinea die bepaalde feiten behoudt, een korte samenvatting van aangeleverd materiaal, een categorie gekozen volgens expliciete regels of een tabel met geëxtraheerde details. Voeg voorbeelden toe wanneer het verwachte formaat belangrijke randgevallen heeft. Dit zijn voorbeeldtoepassingen van de tekst- en agentworkflow, geen beweringen dat elke invoer een juist resultaat oplevert. De modus voor directe antwoorden kan het resultaat gericht houden wanneer de taak al goed is gespecificeerd.\n\nVraag bij feitelijk werk onderscheid te maken tussen door bronnen onderbouwde informatie en aannames en ontbrekend bewijs te signaleren. Toets belangrijke namen, identificatiecodes, waarden en beweerde handelingsresultaten aan het oorspronkelijke materiaal of de daadwerkelijke toolreactie. Een grote context en een snel antwoordproces vervangen die controle niet. Kies de redeneervariant met een afzonderlijke naam wanneer je een ander probleemoplossingsproces wilt en behoud Non-Reasoning voor duidelijke instructies en een direct eindantwoord. Definieer voltooiing aan de hand van het gevraagde resultaat en een eventueel bevestigd bewerkingsresultaat, niet alleen 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 toolondersteuning. De context van twee miljoen tokens en de training op meerdere gespreksbeurten van de familie helpen omvangrijke taakgeschiedenis, instructies en teruggegeven toolinformatie bij elkaar 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 variant van xAI met een eigen naam voor directe antwoorden binnen de Grok 4.1 Fast-familie. De fabrikant brengt deze afzonderlijk van de redeneervariant uit en duidt deze aan als de keuze voor onmiddellijke antwoorden. Het is bruikbaar voor een tekstgesprek of een stap met toolondersteuning met een duidelijke instructie, bekende invoer en een afgebakend resultaat. Non-Reasoning selecteert de antwoordmodus; Grok 4.1 Fast blijft een andere familie dan het gewone Grok 4.1-model en Grok 4 Fast.
xAI ontwikkelt Grok 4.1 Fast rond toolgebruik in de praktijk. De reinforcement-learningtraining gebruikt gesimuleerde omgevingen met uiteenlopende tools in vele domeinen, met klantenservice als uitgelichte praktische toepassing. Geef het model voor een dergelijke taak het verzoek van de gebruiker, de relevante regels en de functies die de applicatie toestaat. Geef aan welke informatie nodig is om de volgende handeling te kiezen. Een voorbeeldworkflow is het huidige probleem van de gebruiker identificeren, om een ontbrekend detail vragen, een zoekactie selecteren en vervolgens een kort antwoord voorbereiden op basis van de teruggegeven informatie.
De producent benadrukt ook reinforcement learning over lange trajecten en scenario's met meerdere gespreksbeurten. Dit is van belang wanneer een verzoek via meerdere handelingen of verduidelijkingen wordt voortgezet. Behoud het oorspronkelijke doel, belangrijke beperkingen, eerdere antwoorden en daadwerkelijke functieresultaten, zodat het volgende antwoord de huidige taaktoestand kan weerspiegelen. Neem het resultaat op als een tool meldt dat informatie ontbreekt of een handeling is mislukt, in plaats van succes aan te nemen. Vraag het model de volgende vereiste stap uit te leggen op basis van de waargenomen toestand en houd een voorgestelde handeling gescheiden van een handeling die de applicatie heeft voltooid.
De familie heeft volgens de beschrijving van de fabrikant een context van twee miljoen tokens. Een groot venster kan omvangrijke gespreksgeschiedenis, instructies en ondersteunende documenten bevatten, maar de prompt moet de huidige vraag nog steeds gemakkelijk vindbaar maken. Geef documenten stabiele titels, behoud relevante identificatiecodes en benoem de bron van een feitelijke bewering. Vraag voor een lang supportdossier om het probleem zoals het nu is, de al vastgestelde feiten en de volgende onbeantwoorde vraag. Specificeer bij documentverwerking de te extraheren velden en hoe een ontbrekende of tegenstrijdige waarde moet worden weergegeven.
De aankondiging van Grok 4.1 Fast introduceert ook een afzonderlijke toolservice voor zoeken, code-uitvoering en het ophalen van documenten. De mogelijkheid 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 applicatie daadwerkelijk levert en geef hun resultaten terug aan het gesprek. Definieer bij een onderzoekstaak de vraag, de reikwijdte en het benodigde bewijs en vraag vervolgens om een synthese die aan het opgehaalde materiaal is gekoppeld. Gebruik bij een gegevenstaak echte rekenresultaten als invoer voor de uitleg in plaats van een gegenereerd getal als een voltooide berekening te behandelen.
Maak de uitvoeropdracht voor een directe tekstbewerking compact en nauwkeurig. Je kunt vragen om een herschreven alinea die bepaalde feiten behoudt, een korte samenvatting van aangeleverd materiaal, een categorie gekozen volgens expliciete regels of een tabel met geëxtraheerde details. Voeg voorbeelden toe wanneer het verwachte formaat belangrijke randgevallen heeft. Dit zijn voorbeeldtoepassingen van de tekst- en agentworkflow, geen beweringen dat elke invoer een juist resultaat oplevert. De modus voor directe antwoorden kan het resultaat gericht houden wanneer de taak al goed is gespecificeerd.
Vraag bij feitelijk werk onderscheid te maken tussen door bronnen onderbouwde informatie en aannames en ontbrekend bewijs te signaleren. Toets belangrijke namen, identificatiecodes, waarden en beweerde handelingsresultaten aan het oorspronkelijke materiaal of de daadwerkelijke toolreactie. Een grote context en een snel antwoordproces vervangen die controle niet. Kies de redeneervariant met een afzonderlijke naam wanneer je een ander probleemoplossingsproces wilt en behoud Non-Reasoning voor duidelijke instructies en een direct eindantwoord. Definieer voltooiing aan de hand van het gevraagde resultaat en een eventueel bevestigd bewerkingsresultaat, niet alleen 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 toolondersteuning. De context van twee miljoen tokens en de training op meerdere gespreksbeurten van de familie helpen omvangrijke taakgeschiedenis, instructies en teruggegeven toolinformatie bij elkaar 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 variant van xAI met een eigen naam voor directe antwoorden binnen de Grok 4.1 Fast-familie. De fabrikant brengt deze afzonderlijk van de redeneervariant uit en duidt deze aan als de keuze voor onmiddellijke antwoorden. Het is bruikbaar voor een tekstgesprek of een stap met toolondersteuning met een duidelijke instructie, bekende invoer en een afgebakend resultaat. Non-Reasoning selecteert de antwoordmodus; Grok 4.1 Fast blijft een andere familie dan het gewone Grok 4.1-model en Grok 4 Fast.
xAI ontwikkelt Grok 4.1 Fast rond toolgebruik in de praktijk. De reinforcement-learningtraining gebruikt gesimuleerde omgevingen met uiteenlopende tools in vele domeinen, met klantenservice als uitgelichte praktische toepassing. Geef het model voor een dergelijke taak het verzoek van de gebruiker, de relevante regels en de functies die de applicatie toestaat. Geef aan welke informatie nodig is om de volgende handeling te kiezen. Een voorbeeldworkflow is het huidige probleem van de gebruiker identificeren, om een ontbrekend detail vragen, een zoekactie selecteren en vervolgens een kort antwoord voorbereiden op basis van de teruggegeven informatie.
De producent benadrukt ook reinforcement learning over lange trajecten en scenario's met meerdere gespreksbeurten. Dit is van belang wanneer een verzoek via meerdere handelingen of verduidelijkingen wordt voortgezet. Behoud het oorspronkelijke doel, belangrijke beperkingen, eerdere antwoorden en daadwerkelijke functieresultaten, zodat het volgende antwoord de huidige taaktoestand kan weerspiegelen. Neem het resultaat op als een tool meldt dat informatie ontbreekt of een handeling is mislukt, in plaats van succes aan te nemen. Vraag het model de volgende vereiste stap uit te leggen op basis van de waargenomen toestand en houd een voorgestelde handeling gescheiden van een handeling die de applicatie heeft voltooid.
De familie heeft volgens de beschrijving van de fabrikant een context van twee miljoen tokens. Een groot venster kan omvangrijke gespreksgeschiedenis, instructies en ondersteunende documenten bevatten, maar de prompt moet de huidige vraag nog steeds gemakkelijk vindbaar maken. Geef documenten stabiele titels, behoud relevante identificatiecodes en benoem de bron van een feitelijke bewering. Vraag voor een lang supportdossier om het probleem zoals het nu is, de al vastgestelde feiten en de volgende onbeantwoorde vraag. Specificeer bij documentverwerking de te extraheren velden en hoe een ontbrekende of tegenstrijdige waarde moet worden weergegeven.
De aankondiging van Grok 4.1 Fast introduceert ook een afzonderlijke toolservice voor zoeken, code-uitvoering en het ophalen van documenten. De mogelijkheid 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 applicatie daadwerkelijk levert en geef hun resultaten terug aan het gesprek. Definieer bij een onderzoekstaak de vraag, de reikwijdte en het benodigde bewijs en vraag vervolgens om een synthese die aan het opgehaalde materiaal is gekoppeld. Gebruik bij een gegevenstaak echte rekenresultaten als invoer voor de uitleg in plaats van een gegenereerd getal als een voltooide berekening te behandelen.
Maak de uitvoeropdracht voor een directe tekstbewerking compact en nauwkeurig. Je kunt vragen om een herschreven alinea die bepaalde feiten behoudt, een korte samenvatting van aangeleverd materiaal, een categorie gekozen volgens expliciete regels of een tabel met geëxtraheerde details. Voeg voorbeelden toe wanneer het verwachte formaat belangrijke randgevallen heeft. Dit zijn voorbeeldtoepassingen van de tekst- en agentworkflow, geen beweringen dat elke invoer een juist resultaat oplevert. De modus voor directe antwoorden kan het resultaat gericht houden wanneer de taak al goed is gespecificeerd.
Vraag bij feitelijk werk onderscheid te maken tussen door bronnen onderbouwde informatie en aannames en ontbrekend bewijs te signaleren. Toets belangrijke namen, identificatiecodes, waarden en beweerde handelingsresultaten aan het oorspronkelijke materiaal of de daadwerkelijke toolreactie. Een grote context en een snel antwoordproces vervangen die controle niet. Kies de redeneervariant met een afzonderlijke naam wanneer je een ander probleemoplossingsproces wilt en behoud Non-Reasoning voor duidelijke instructies en een direct eindantwoord. Definieer voltooiing aan de hand van het gevraagde resultaat en een eventueel bevestigd bewerkingsresultaat, niet alleen 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.