Grok 4.20 is de gewone redeneervariant van de producent binnen de Grok 4.20-familie. De modelkaart beschrijft tekst- en afbeeldingsinvoer, tekstuitvoer en een contextvenster van 1.000.000 tokens. De mogelijkheden omvatten redeneren, instructievolging, function calling en gestructureerde uitvoer. Het blijft onderscheiden van de expliciet benoemde non-reasoning- en Multi-Agent-varianten.
De producent plaatst de alias Grok 4.20 bij zijn gewone redeneervariant. Batchverwerking wordt ondersteund in de gedocumenteerde dienst van de producent.
Lever voor een document- of codeopdracht het te onderzoeken materiaal en het specifieke vereiste gedrag of de conclusie aan. Een lange context kan omvangrijk bewijs bevatten, maar de prompt moet nog steeds de relevante onderdelen en het verwachte eindproduct identificeren. Een bruikbaar coderesultaat kan een voorgestelde wijziging bevatten, een uitleg van het gedrag dat die aanpakt en controles die de omringende toepassing moet uitvoeren.
Afbeeldingsinvoer kan een diagram, screenshot of ander zichtbaar bewijs leveren. Vermeld welk verband of kenmerk onderzocht moet worden en hoe het de schriftelijke vraag beïnvloedt. Vraag om een conclusie die verwijst naar de observatie in de afbeelding in plaats van een niet-onderbouwde uitleg toe te voegen over informatie daarbuiten. Schriftelijk bronmateriaal kan de afzonderlijke context leveren die nodig is voor een bredere gevolgtrekking.
Bij function calling stelt het model argumenten voor de door de toepassing gedefinieerde tools voor. De toepassing voert de gevraagde functie uit en geeft het resultaat terug voordat het model doorgaat. Bewaar die uitwisseling in vervolgbeurten. Dit geeft het model bewijs voor de volgende beslissing en onderscheidt een suggestie van een daadwerkelijk voltooide actie.
Gestructureerde uitvoer ondersteunt extractie en rapportage met gedefinieerde velden via het gedocumenteerde schemasysteem van de fabrikant. Gebruik velden met een duidelijke betekenis, specificeer hoe ontbrekende informatie moet worden weergegeven en controleer het resultaat aan de hand van de bron. Het schemasysteem heeft een praktisch ondersteunde subset en beperkingen die in complexere gevallen naar beste vermogen worden toegepast. Het eindproduct moet het antwoord, het bewijs en eventuele onopgeloste voorwaarden eenvoudig beoordeelbaar maken.
", "aboutText": "Grok 4.20 is de gewone redeneervariant van de producent binnen de Grok 4.20-familie. De modelkaart beschrijft tekst- en afbeeldingsinvoer, tekstuitvoer en een contextvenster van 1.000.000 tokens. De mogelijkheden omvatten redeneren, instructievolging, function calling en gestructureerde uitvoer. Het blijft onderscheiden van de expliciet benoemde non-reasoning- en Multi-Agent-varianten.\n\nDe producent plaatst de alias Grok 4.20 bij zijn gewone redeneervariant. Batchverwerking wordt ondersteund in de gedocumenteerde dienst van de producent.\n\nLever voor een document- of codeopdracht het te onderzoeken materiaal en het specifieke vereiste gedrag of de conclusie aan. Een lange context kan omvangrijk bewijs bevatten, maar de prompt moet nog steeds de relevante onderdelen en het verwachte eindproduct identificeren. Een bruikbaar coderesultaat kan een voorgestelde wijziging bevatten, een uitleg van het gedrag dat die aanpakt en controles die de omringende toepassing moet uitvoeren.\n\nAfbeeldingsinvoer kan een diagram, screenshot of ander zichtbaar bewijs leveren. Vermeld welk verband of kenmerk onderzocht moet worden en hoe het de schriftelijke vraag beïnvloedt. Vraag om een conclusie die verwijst naar de observatie in de afbeelding in plaats van een niet-onderbouwde uitleg toe te voegen over informatie daarbuiten. Schriftelijk bronmateriaal kan de afzonderlijke context leveren die nodig is voor een bredere gevolgtrekking.\n\nBij function calling stelt het model argumenten voor de door de toepassing gedefinieerde tools voor. De toepassing voert de gevraagde functie uit en geeft het resultaat terug voordat het model doorgaat. Bewaar die uitwisseling in vervolgbeurten. Dit geeft het model bewijs voor de volgende beslissing en onderscheidt een suggestie van een daadwerkelijk voltooide actie.\n\nGestructureerde uitvoer ondersteunt extractie en rapportage met gedefinieerde velden via het gedocumenteerde schemasysteem van de fabrikant. Gebruik velden met een duidelijke betekenis, specificeer hoe ontbrekende informatie moet worden weergegeven en controleer het resultaat aan de hand van de bron. Het schemasysteem heeft een praktisch ondersteunde subset en beperkingen die in complexere gevallen naar beste vermogen worden toegepast. Het eindproduct moet het antwoord, het bewijs en eventuele onopgeloste voorwaarden eenvoudig beoordeelbaar maken.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Extract a source-linked incident record\n\nCreate an incident record from these notes. [Log] Job J-66 failed at 11:42 with timeout. [Operator] Retry was requested at 11:45. [Status] No retry result is recorded. Return job ID, failure time, error, requested follow-up and confirmed outcome as labelled fields, retaining source labels. Treat the requested retry as pending evidence.A source-linked record with explicit fields and an unknown retry outcome.Check that retry requested is not rewritten as retry succeeded or job recovered.x-ai/grok-4.20Grok 4.20 is een tekst- en afbeeldingsmodel voor redeneren, instructievolging en toolgericht werk met een context van 1.000.000 tokens. De gewone redeneervariant van de producent ondersteunt function calling en gestructureerde antwoorden en onderscheidt zich van de Multi-Agent-variant.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Grok 4.20 is de gewone redeneervariant van de producent binnen de Grok 4.20-familie. De modelkaart beschrijft tekst- en afbeeldingsinvoer, tekstuitvoer en een contextvenster van 1.000.000 tokens. De mogelijkheden omvatten redeneren, instructievolging, function calling en gestructureerde uitvoer. Het blijft onderscheiden van de expliciet benoemde non-reasoning- en Multi-Agent-varianten.
De producent plaatst de alias Grok 4.20 bij zijn gewone redeneervariant. Batchverwerking wordt ondersteund in de gedocumenteerde dienst van de producent.
Lever voor een document- of codeopdracht het te onderzoeken materiaal en het specifieke vereiste gedrag of de conclusie aan. Een lange context kan omvangrijk bewijs bevatten, maar de prompt moet nog steeds de relevante onderdelen en het verwachte eindproduct identificeren. Een bruikbaar coderesultaat kan een voorgestelde wijziging bevatten, een uitleg van het gedrag dat die aanpakt en controles die de omringende toepassing moet uitvoeren.
Afbeeldingsinvoer kan een diagram, screenshot of ander zichtbaar bewijs leveren. Vermeld welk verband of kenmerk onderzocht moet worden en hoe het de schriftelijke vraag beïnvloedt. Vraag om een conclusie die verwijst naar de observatie in de afbeelding in plaats van een niet-onderbouwde uitleg toe te voegen over informatie daarbuiten. Schriftelijk bronmateriaal kan de afzonderlijke context leveren die nodig is voor een bredere gevolgtrekking.
Bij function calling stelt het model argumenten voor de door de toepassing gedefinieerde tools voor. De toepassing voert de gevraagde functie uit en geeft het resultaat terug voordat het model doorgaat. Bewaar die uitwisseling in vervolgbeurten. Dit geeft het model bewijs voor de volgende beslissing en onderscheidt een suggestie van een daadwerkelijk voltooide actie.
Gestructureerde uitvoer ondersteunt extractie en rapportage met gedefinieerde velden via het gedocumenteerde schemasysteem van de fabrikant. Gebruik velden met een duidelijke betekenis, specificeer hoe ontbrekende informatie moet worden weergegeven en controleer het resultaat aan de hand van de bron. Het schemasysteem heeft een praktisch ondersteunde subset en beperkingen die in complexere gevallen naar beste vermogen worden toegepast. Het eindproduct moet het antwoord, het bewijs en eventuele onopgeloste voorwaarden eenvoudig beoordeelbaar maken.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten x-ai/grok-4.20 | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.01 / 1K tokens Invoer · Cache lezen $0.0008 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "x-ai/grok-4.20", "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='x-ai/grok-4.20',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='x-ai/grok-4.20',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 x-ai/grok-4.20
Gebruik de hierboven getoonde methodepaden.
x-ai/grok-4.20Grok 4.20 is een tekst- en afbeeldingsmodel voor redeneren, instructievolging en toolgericht werk met een context van 1.000.000 tokens. De gewone redeneervariant van de producent ondersteunt function calling en gestructureerde antwoorden en onderscheidt zich van de Multi-Agent-variant.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Grok 4.20 is de gewone redeneervariant van de producent binnen de Grok 4.20-familie. De modelkaart beschrijft tekst- en afbeeldingsinvoer, tekstuitvoer en een contextvenster van 1.000.000 tokens. De mogelijkheden omvatten redeneren, instructievolging, function calling en gestructureerde uitvoer. Het blijft onderscheiden van de expliciet benoemde non-reasoning- en Multi-Agent-varianten.
De producent plaatst de alias Grok 4.20 bij zijn gewone redeneervariant. Batchverwerking wordt ondersteund in de gedocumenteerde dienst van de producent.
Lever voor een document- of codeopdracht het te onderzoeken materiaal en het specifieke vereiste gedrag of de conclusie aan. Een lange context kan omvangrijk bewijs bevatten, maar de prompt moet nog steeds de relevante onderdelen en het verwachte eindproduct identificeren. Een bruikbaar coderesultaat kan een voorgestelde wijziging bevatten, een uitleg van het gedrag dat die aanpakt en controles die de omringende toepassing moet uitvoeren.
Afbeeldingsinvoer kan een diagram, screenshot of ander zichtbaar bewijs leveren. Vermeld welk verband of kenmerk onderzocht moet worden en hoe het de schriftelijke vraag beïnvloedt. Vraag om een conclusie die verwijst naar de observatie in de afbeelding in plaats van een niet-onderbouwde uitleg toe te voegen over informatie daarbuiten. Schriftelijk bronmateriaal kan de afzonderlijke context leveren die nodig is voor een bredere gevolgtrekking.
Bij function calling stelt het model argumenten voor de door de toepassing gedefinieerde tools voor. De toepassing voert de gevraagde functie uit en geeft het resultaat terug voordat het model doorgaat. Bewaar die uitwisseling in vervolgbeurten. Dit geeft het model bewijs voor de volgende beslissing en onderscheidt een suggestie van een daadwerkelijk voltooide actie.
Gestructureerde uitvoer ondersteunt extractie en rapportage met gedefinieerde velden via het gedocumenteerde schemasysteem van de fabrikant. Gebruik velden met een duidelijke betekenis, specificeer hoe ontbrekende informatie moet worden weergegeven en controleer het resultaat aan de hand van de bron. Het schemasysteem heeft een praktisch ondersteunde subset en beperkingen die in complexere gevallen naar beste vermogen worden toegepast. Het eindproduct moet het antwoord, het bewijs en eventuele onopgeloste voorwaarden eenvoudig beoordeelbaar maken.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten x-ai/grok-4.20 | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.0004 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.01 / 1K tokens Invoer · Cache lezen $0.0008 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "x-ai/grok-4.20",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'x-ai/grok-4.20', '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': 'x-ai/grok-4.20', '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 x-ai/grok-4.20
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Extract a source-linked incident record\n\nCreate an incident record from these notes. [Log] Job J-66 failed at 11:42 with timeout. [Operator] Retry was requested at 11:45. [Status] No retry result is recorded. Return job ID, failure time, error, requested follow-up and confirmed outcome as labelled fields, retaining source labels. Treat the requested retry as pending evidence.A source-linked record with explicit fields and an unknown retry outcome.Check that retry requested is not rewritten as retry succeeded or job recovered.