Modelidentiteit en doel
Grok 4.20 Non-Reasoning is de configuratie met een eigen naam van xAI voor instructiegestuurde antwoorden en toolaanroepen door agents. De fabrikant vermeldt grok-4.20-beta-0309-non-reasoning als een alias van grok-4.20-0309-non-reasoning. Het behouden van die exacte naam is belangrijk om deze editie te onderscheiden van een wisselende latest-identificatiecode of een andere Grok 4.20-configuratie. Het vermelde doel benadrukt het volgen van de prompt en het opstellen van een nauwkeurig antwoord op de taak.
Invoer, uitvoer en context
Het model accepteert tekst en afbeeldingen en produceert tekst. Het vermelde contextvenster is 1,000,000 tokens en biedt ruimte voor omvangrijke instructies, referentietekst en gespreksgeschiedenis rond de visuele taak. Beeldbegrip is invoerverwerking; de uitvoer is hier een uitleg of gegevens uitgedrukt als tekst. Bereid leesbaar visueel materiaal voor en leg de rol ervan uit: de te inspecteren interfacetoestand, de te interpreteren grafiek of het te beschrijven documentfragment.
Functieaanroepen
De fabrikant documenteert functieaanroepen als modelmogelijkheid. Een aangesloten applicatie definieert de functies en de bijbehorende argumenten; het model kan een relevante handeling selecteren en de informatie teruggeven die nodig is om deze aan te roepen. Geef voor een visuele supporttaak de schermafbeelding, het doel van de gebruiker en beschrijvingen van de toegestane diagnostische tools. Een bruikbaar resultaat kan de waargenomen toestand benoemen, om een ontbrekend detail vragen of de volgende beschikbare bewerking voorstellen. De applicatie voert die bewerking uit en geeft de waarneming terug. De tekst van het model moet onderscheid maken tussen een voorgestelde handeling en een daadwerkelijk voltooide handeling.
Gestructureerde uitvoer
Het model ondersteunt ook gestructureerde resultaten voor verdere verwerking. De interface van de fabrikant ondersteunt eveneens batchverwerking. Definieer in plaats van een vrije toelichting velden voor de taak: het waargenomen item, het relevante detail, een beknopte interpretatie en onopgeloste vragen. Een voorbeeld van een documenttaak kan om namen en waarden vragen die in een afbeelding zichtbaar zijn, met een expliciete regel voor onleesbare vermeldingen. Een productanalysetaak kan om een vergelijkingstabel vragen op basis van aangeleverde tekst en afbeeldingen. Een schema organiseert het antwoord; het verandert een onzekere interpretatie van een afbeelding niet in een geverifieerd feit.
Een praktisch verzoek voorbereiden
Houd bewijs en instructies gescheiden. Identificeer elke afbeelding als een vraag meerdere afbeeldingen bevat en specificeer of de taak vergelijking, extractie of uitleg betreft. Voeg de criteria toe die het resultaat bepalen: de verwachte interfacetoestand, de te extraheren velden of de details die ongewijzigd moeten blijven. Lever bij een lange bespreking de relevante geschiedenis en eerdere toolresultaten aan, zodat het volgende antwoord op de huidige toestand ingaat. Vraag om een concreet eindresultaat, zoals een supportuitleg, een lijst waargenomen afwijkingen of een gestructureerd record voor de volgende applicatiestap.
Grenzen van editie en mogelijkheden
Non-Reasoning blijft de identiteit van de configuratie; deze moet bewust worden gekozen naast redeneerconfiguraties met afzonderlijke namen. Invoer van tekst en afbeeldingen specificeert geen audio- of videoverwerking en het contextvenster is geen maximale antwoordlengte. Functieaanroepen vereisen daadwerkelijk aangesloten tools, terwijl gestructureerde tekst een uitvoerformaat vereist dat door de integratie wordt ondersteund. Behoud de exacte 0309-alias wanneer je de taak vastlegt, zodat wijzigingen in editie of applicatiegedrag te onderscheiden blijven van de hier beschreven modelmogelijkheden.
", "aboutText": "Modelidentiteit en doel\n\nGrok 4.20 Non-Reasoning is de configuratie met een eigen naam van xAI voor instructiegestuurde antwoorden en toolaanroepen door agents. De fabrikant vermeldt grok-4.20-beta-0309-non-reasoning als een alias van grok-4.20-0309-non-reasoning. Het behouden van die exacte naam is belangrijk om deze editie te onderscheiden van een wisselende latest-identificatiecode of een andere Grok 4.20-configuratie. Het vermelde doel benadrukt het volgen van de prompt en het opstellen van een nauwkeurig antwoord op de taak.\n\nInvoer, uitvoer en context\n\nHet model accepteert tekst en afbeeldingen en produceert tekst. Het vermelde contextvenster is 1,000,000 tokens en biedt ruimte voor omvangrijke instructies, referentietekst en gespreksgeschiedenis rond de visuele taak. Beeldbegrip is invoerverwerking; de uitvoer is hier een uitleg of gegevens uitgedrukt als tekst. Bereid leesbaar visueel materiaal voor en leg de rol ervan uit: de te inspecteren interfacetoestand, de te interpreteren grafiek of het te beschrijven documentfragment.\n\nFunctieaanroepen\n\nDe fabrikant documenteert functieaanroepen als modelmogelijkheid. Een aangesloten applicatie definieert de functies en de bijbehorende argumenten; het model kan een relevante handeling selecteren en de informatie teruggeven die nodig is om deze aan te roepen. Geef voor een visuele supporttaak de schermafbeelding, het doel van de gebruiker en beschrijvingen van de toegestane diagnostische tools. Een bruikbaar resultaat kan de waargenomen toestand benoemen, om een ontbrekend detail vragen of de volgende beschikbare bewerking voorstellen. De applicatie voert die bewerking uit en geeft de waarneming terug. De tekst van het model moet onderscheid maken tussen een voorgestelde handeling en een daadwerkelijk voltooide handeling.\n\nGestructureerde uitvoer\n\nHet model ondersteunt ook gestructureerde resultaten voor verdere verwerking. De interface van de fabrikant ondersteunt eveneens batchverwerking. Definieer in plaats van een vrije toelichting velden voor de taak: het waargenomen item, het relevante detail, een beknopte interpretatie en onopgeloste vragen. Een voorbeeld van een documenttaak kan om namen en waarden vragen die in een afbeelding zichtbaar zijn, met een expliciete regel voor onleesbare vermeldingen. Een productanalysetaak kan om een vergelijkingstabel vragen op basis van aangeleverde tekst en afbeeldingen. Een schema organiseert het antwoord; het verandert een onzekere interpretatie van een afbeelding niet in een geverifieerd feit.\n\nEen praktisch verzoek voorbereiden\n\nHoud bewijs en instructies gescheiden. Identificeer elke afbeelding als een vraag meerdere afbeeldingen bevat en specificeer of de taak vergelijking, extractie of uitleg betreft. Voeg de criteria toe die het resultaat bepalen: de verwachte interfacetoestand, de te extraheren velden of de details die ongewijzigd moeten blijven. Lever bij een lange bespreking de relevante geschiedenis en eerdere toolresultaten aan, zodat het volgende antwoord op de huidige toestand ingaat. Vraag om een concreet eindresultaat, zoals een supportuitleg, een lijst waargenomen afwijkingen of een gestructureerd record voor de volgende applicatiestap.\n\nGrenzen van editie en mogelijkheden\n\nNon-Reasoning blijft de identiteit van de configuratie; deze moet bewust worden gekozen naast redeneerconfiguraties met afzonderlijke namen. Invoer van tekst en afbeeldingen specificeert geen audio- of videoverwerking en het contextvenster is geen maximale antwoordlengte. Functieaanroepen vereisen daadwerkelijk aangesloten tools, terwijl gestructureerde tekst een uitvoerformaat vereist dat door de integratie wordt ondersteund. Behoud de exacte 0309-alias wanneer je de taak vastlegt, zodat wijzigingen in editie of applicatiegedrag te onderscheiden blijven van de hier beschreven modelmogelijkheden.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Extract a source-grounded return record\n\nExtract a return record from this message: 'Order R-204 arrived on 8 May. One blue bowl was cracked; the other two are fine. I want a replacement, not a refund.' Return the order ID, affected item, affected quantity and requested resolution. Mark any absent field 'not stated' and do not infer a cause of damage.A four-field text record preserving the customer's requested resolution and affected quantity.The record distinguishes the one damaged bowl from the two undamaged bowls and does not invent a damage cause.grok-4.20-beta-0309-non-reasoningGrok 4.20 Non-Reasoning is het tekst- en beeldmodel van xAI voor instructiegestuurde antwoorden, functieaanroepen en gestructureerde resultaten. De 0309-identiteit ondersteunt taken die visueel bewijs en lange tekstcontext verbinden met een duidelijke uitleg of velden die klaar zijn voor verdere verwerking.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Modelidentiteit en doel
Grok 4.20 Non-Reasoning is de configuratie met een eigen naam van xAI voor instructiegestuurde antwoorden en toolaanroepen door agents. De fabrikant vermeldt grok-4.20-beta-0309-non-reasoning als een alias van grok-4.20-0309-non-reasoning. Het behouden van die exacte naam is belangrijk om deze editie te onderscheiden van een wisselende latest-identificatiecode of een andere Grok 4.20-configuratie. Het vermelde doel benadrukt het volgen van de prompt en het opstellen van een nauwkeurig antwoord op de taak.
Invoer, uitvoer en context
Het model accepteert tekst en afbeeldingen en produceert tekst. Het vermelde contextvenster is 1,000,000 tokens en biedt ruimte voor omvangrijke instructies, referentietekst en gespreksgeschiedenis rond de visuele taak. Beeldbegrip is invoerverwerking; de uitvoer is hier een uitleg of gegevens uitgedrukt als tekst. Bereid leesbaar visueel materiaal voor en leg de rol ervan uit: de te inspecteren interfacetoestand, de te interpreteren grafiek of het te beschrijven documentfragment.
Functieaanroepen
De fabrikant documenteert functieaanroepen als modelmogelijkheid. Een aangesloten applicatie definieert de functies en de bijbehorende argumenten; het model kan een relevante handeling selecteren en de informatie teruggeven die nodig is om deze aan te roepen. Geef voor een visuele supporttaak de schermafbeelding, het doel van de gebruiker en beschrijvingen van de toegestane diagnostische tools. Een bruikbaar resultaat kan de waargenomen toestand benoemen, om een ontbrekend detail vragen of de volgende beschikbare bewerking voorstellen. De applicatie voert die bewerking uit en geeft de waarneming terug. De tekst van het model moet onderscheid maken tussen een voorgestelde handeling en een daadwerkelijk voltooide handeling.
Gestructureerde uitvoer
Het model ondersteunt ook gestructureerde resultaten voor verdere verwerking. De interface van de fabrikant ondersteunt eveneens batchverwerking. Definieer in plaats van een vrije toelichting velden voor de taak: het waargenomen item, het relevante detail, een beknopte interpretatie en onopgeloste vragen. Een voorbeeld van een documenttaak kan om namen en waarden vragen die in een afbeelding zichtbaar zijn, met een expliciete regel voor onleesbare vermeldingen. Een productanalysetaak kan om een vergelijkingstabel vragen op basis van aangeleverde tekst en afbeeldingen. Een schema organiseert het antwoord; het verandert een onzekere interpretatie van een afbeelding niet in een geverifieerd feit.
Een praktisch verzoek voorbereiden
Houd bewijs en instructies gescheiden. Identificeer elke afbeelding als een vraag meerdere afbeeldingen bevat en specificeer of de taak vergelijking, extractie of uitleg betreft. Voeg de criteria toe die het resultaat bepalen: de verwachte interfacetoestand, de te extraheren velden of de details die ongewijzigd moeten blijven. Lever bij een lange bespreking de relevante geschiedenis en eerdere toolresultaten aan, zodat het volgende antwoord op de huidige toestand ingaat. Vraag om een concreet eindresultaat, zoals een supportuitleg, een lijst waargenomen afwijkingen of een gestructureerd record voor de volgende applicatiestap.
Grenzen van editie en mogelijkheden
Non-Reasoning blijft de identiteit van de configuratie; deze moet bewust worden gekozen naast redeneerconfiguraties met afzonderlijke namen. Invoer van tekst en afbeeldingen specificeert geen audio- of videoverwerking en het contextvenster is geen maximale antwoordlengte. Functieaanroepen vereisen daadwerkelijk aangesloten tools, terwijl gestructureerde tekst een uitvoerformaat vereist dat door de integratie wordt ondersteund. Behoud de exacte 0309-alias wanneer je de taak vastlegt, zodat wijzigingen in editie of applicatiegedrag te onderscheiden blijven van de hier beschreven modelmogelijkheden.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-4.20-beta-0309-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 $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.012 / 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-4.20-beta-0309-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-4.20-beta-0309-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-4.20-beta-0309-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-4.20-beta-0309-non-reasoning
Gebruik de hierboven getoonde methodepaden.
grok-4.20-beta-0309-non-reasoningGrok 4.20 Non-Reasoning is het tekst- en beeldmodel van xAI voor instructiegestuurde antwoorden, functieaanroepen en gestructureerde resultaten. De 0309-identiteit ondersteunt taken die visueel bewijs en lange tekstcontext verbinden met een duidelijke uitleg of velden die klaar zijn voor verdere verwerking.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Modelidentiteit en doel
Grok 4.20 Non-Reasoning is de configuratie met een eigen naam van xAI voor instructiegestuurde antwoorden en toolaanroepen door agents. De fabrikant vermeldt grok-4.20-beta-0309-non-reasoning als een alias van grok-4.20-0309-non-reasoning. Het behouden van die exacte naam is belangrijk om deze editie te onderscheiden van een wisselende latest-identificatiecode of een andere Grok 4.20-configuratie. Het vermelde doel benadrukt het volgen van de prompt en het opstellen van een nauwkeurig antwoord op de taak.
Invoer, uitvoer en context
Het model accepteert tekst en afbeeldingen en produceert tekst. Het vermelde contextvenster is 1,000,000 tokens en biedt ruimte voor omvangrijke instructies, referentietekst en gespreksgeschiedenis rond de visuele taak. Beeldbegrip is invoerverwerking; de uitvoer is hier een uitleg of gegevens uitgedrukt als tekst. Bereid leesbaar visueel materiaal voor en leg de rol ervan uit: de te inspecteren interfacetoestand, de te interpreteren grafiek of het te beschrijven documentfragment.
Functieaanroepen
De fabrikant documenteert functieaanroepen als modelmogelijkheid. Een aangesloten applicatie definieert de functies en de bijbehorende argumenten; het model kan een relevante handeling selecteren en de informatie teruggeven die nodig is om deze aan te roepen. Geef voor een visuele supporttaak de schermafbeelding, het doel van de gebruiker en beschrijvingen van de toegestane diagnostische tools. Een bruikbaar resultaat kan de waargenomen toestand benoemen, om een ontbrekend detail vragen of de volgende beschikbare bewerking voorstellen. De applicatie voert die bewerking uit en geeft de waarneming terug. De tekst van het model moet onderscheid maken tussen een voorgestelde handeling en een daadwerkelijk voltooide handeling.
Gestructureerde uitvoer
Het model ondersteunt ook gestructureerde resultaten voor verdere verwerking. De interface van de fabrikant ondersteunt eveneens batchverwerking. Definieer in plaats van een vrije toelichting velden voor de taak: het waargenomen item, het relevante detail, een beknopte interpretatie en onopgeloste vragen. Een voorbeeld van een documenttaak kan om namen en waarden vragen die in een afbeelding zichtbaar zijn, met een expliciete regel voor onleesbare vermeldingen. Een productanalysetaak kan om een vergelijkingstabel vragen op basis van aangeleverde tekst en afbeeldingen. Een schema organiseert het antwoord; het verandert een onzekere interpretatie van een afbeelding niet in een geverifieerd feit.
Een praktisch verzoek voorbereiden
Houd bewijs en instructies gescheiden. Identificeer elke afbeelding als een vraag meerdere afbeeldingen bevat en specificeer of de taak vergelijking, extractie of uitleg betreft. Voeg de criteria toe die het resultaat bepalen: de verwachte interfacetoestand, de te extraheren velden of de details die ongewijzigd moeten blijven. Lever bij een lange bespreking de relevante geschiedenis en eerdere toolresultaten aan, zodat het volgende antwoord op de huidige toestand ingaat. Vraag om een concreet eindresultaat, zoals een supportuitleg, een lijst waargenomen afwijkingen of een gestructureerd record voor de volgende applicatiestap.
Grenzen van editie en mogelijkheden
Non-Reasoning blijft de identiteit van de configuratie; deze moet bewust worden gekozen naast redeneerconfiguraties met afzonderlijke namen. Invoer van tekst en afbeeldingen specificeert geen audio- of videoverwerking en het contextvenster is geen maximale antwoordlengte. Functieaanroepen vereisen daadwerkelijk aangesloten tools, terwijl gestructureerde tekst een uitvoerformaat vereist dat door de integratie wordt ondersteund. Behoud de exacte 0309-alias wanneer je de taak vastlegt, zodat wijzigingen in editie of applicatiegedrag te onderscheiden blijven van de hier beschreven modelmogelijkheden.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten grok-4.20-beta-0309-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 $0.004 / 1K tokens Uitvoer · Uitvoertokens $0.012 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "grok-4.20-beta-0309-non-reasoning",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4.20-beta-0309-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-4.20-beta-0309-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-4.20-beta-0309-non-reasoning
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Extract a source-grounded return record\n\nExtract a return record from this message: 'Order R-204 arrived on 8 May. One blue bowl was cracked; the other two are fine. I want a replacement, not a refund.' Return the order ID, affected item, affected quantity and requested resolution. Mark any absent field 'not stated' and do not infer a cause of damage.A four-field text record preserving the customer's requested resolution and affected quantity.The record distinguishes the one damaged bowl from the two undamaged bowls and does not invent a damage cause.