Grok 4.3 to model ogólnego przeznaczenia producenta, kładący nacisk na wykonywanie instrukcji i użycie narzędzi. Jego karta modelu przewiduje tekst i obrazy na wejściu, generowanie tekstu oraz okno kontekstu 1 000 000 tokenów. Wymienione możliwości obejmują wywoływanie funkcji, ustrukturyzowane wyjście i konfigurowalne rozumowanie, a usługa producenta obsługuje przetwarzanie wsadowe.
Aktualna szczegółowa specyfikacja modelu wymienia poziomy wysiłku rozumowania none, low, medium, high i xhigh, z low jako wartością domyślną. None pomija etap rozumowania; pozostałe opcje przydzielają czas na namysł przed odpowiedzią. Są to ustawienia dokładnie tej karty modelu producenta, odrębne od list poziomów i wartości domyślnych późniejszych wydań Grok.
Przy analizie długich dokumentów dostarcz odpowiedni materiał i określ sekcje lub ustalenia, które ma zawierać odpowiedź. Kontekst może pomieścić duży zestaw roboczy, ale zadaniu nadal pomagają priorytety i jednoznacznie określony rezultat. Poproś o wniosek, potwierdzający go fragment i wszelkie nierozstrzygnięte kwestie, zamiast traktować długi kontekst jako zamiennik jasnego pytania.
W przypadku materiału wizualnego wskaż obiekt, element wykresu lub szczegół strony do sprawdzenia i wyjaśnij jego związek z zadaniem pisemnym. Użyteczny wynik wiąże obserwację z pytaniem. Jeśli wniosek zależy również od informacji zewnętrznych, dostarcz ten materiał osobno, aby model mógł odróżnić to, co pokazuje obraz, od tego, co ustala inne źródło.
W procesie opartym na funkcjach model generuje proponowane wywołanie na podstawie definicji narzędzi. Aplikacja wykonuje funkcję i zwraca wynik. Zachowaj powiązanie danych wejściowych funkcji, zwróconej obserwacji i kolejnego kroku modelu. Przy zadaniu dotyczącym kodu lub danych poproś o wynik określający, co zaproponowano i co aplikacja rzeczywiście zaobserwowała.
Ustrukturyzowane wyjście może zamienić ekstrakcję danych z dokumentu lub raport analityczny w zdefiniowane pola. Obsługa schematów u producenta obejmuje typowe typy danych i ograniczone warunki, natomiast niektóre zaawansowane ograniczenia zależą od zachowania modelu. Nadaj każdemu polu jasne znaczenie i zweryfikuj wynik względem potrzeb aplikacji. Wynik zgodny z kształtem schematu nadal wymaga uzasadnienia treści; proponowane działanie nadal musi zostać wykonane przez otaczający proces.
", "aboutText": "Grok 4.3 to model ogólnego przeznaczenia producenta, kładący nacisk na wykonywanie instrukcji i użycie narzędzi. Jego karta modelu przewiduje tekst i obrazy na wejściu, generowanie tekstu oraz okno kontekstu 1 000 000 tokenów. Wymienione możliwości obejmują wywoływanie funkcji, ustrukturyzowane wyjście i konfigurowalne rozumowanie, a usługa producenta obsługuje przetwarzanie wsadowe.\n\nAktualna szczegółowa specyfikacja modelu wymienia poziomy wysiłku rozumowania none, low, medium, high i xhigh, z low jako wartością domyślną. None pomija etap rozumowania; pozostałe opcje przydzielają czas na namysł przed odpowiedzią. Są to ustawienia dokładnie tej karty modelu producenta, odrębne od list poziomów i wartości domyślnych późniejszych wydań Grok.\n\nPrzy analizie długich dokumentów dostarcz odpowiedni materiał i określ sekcje lub ustalenia, które ma zawierać odpowiedź. Kontekst może pomieścić duży zestaw roboczy, ale zadaniu nadal pomagają priorytety i jednoznacznie określony rezultat. Poproś o wniosek, potwierdzający go fragment i wszelkie nierozstrzygnięte kwestie, zamiast traktować długi kontekst jako zamiennik jasnego pytania.\n\nW przypadku materiału wizualnego wskaż obiekt, element wykresu lub szczegół strony do sprawdzenia i wyjaśnij jego związek z zadaniem pisemnym. Użyteczny wynik wiąże obserwację z pytaniem. Jeśli wniosek zależy również od informacji zewnętrznych, dostarcz ten materiał osobno, aby model mógł odróżnić to, co pokazuje obraz, od tego, co ustala inne źródło.\n\nW procesie opartym na funkcjach model generuje proponowane wywołanie na podstawie definicji narzędzi. Aplikacja wykonuje funkcję i zwraca wynik. Zachowaj powiązanie danych wejściowych funkcji, zwróconej obserwacji i kolejnego kroku modelu. Przy zadaniu dotyczącym kodu lub danych poproś o wynik określający, co zaproponowano i co aplikacja rzeczywiście zaobserwowała.\n\nUstrukturyzowane wyjście może zamienić ekstrakcję danych z dokumentu lub raport analityczny w zdefiniowane pola. Obsługa schematów u producenta obejmuje typowe typy danych i ograniczone warunki, natomiast niektóre zaawansowane ograniczenia zależą od zachowania modelu. Nadaj każdemu polu jasne znaczenie i zweryfikuj wynik względem potrzeb aplikacji. Wynik zgodny z kształtem schematu nadal wymaga uzasadnienia treści; proponowane działanie nadal musi zostać wykonane przez otaczający proces.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "618de57eb1c7c304e7da0ab6606d9ee8da84b3c92456cdf910d0b8ad6ea3dcae", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "x-ai/grok-4.3:batchGrok 4.3 to model tekstowo-obrazowy do pracy zgodnej z instrukcjami, rozumowania i zadań połączonych z narzędziami, z kontekstem 1 000 000 tokenów. W udokumentowanej konfiguracji producenta udostępnia wywoływanie funkcji, ustrukturyzowane wyjście i wybór poziomu wysiłku rozumowania.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Grok 4.3 to model ogólnego przeznaczenia producenta, kładący nacisk na wykonywanie instrukcji i użycie narzędzi. Jego karta modelu przewiduje tekst i obrazy na wejściu, generowanie tekstu oraz okno kontekstu 1 000 000 tokenów. Wymienione możliwości obejmują wywoływanie funkcji, ustrukturyzowane wyjście i konfigurowalne rozumowanie, a usługa producenta obsługuje przetwarzanie wsadowe.
Aktualna szczegółowa specyfikacja modelu wymienia poziomy wysiłku rozumowania none, low, medium, high i xhigh, z low jako wartością domyślną. None pomija etap rozumowania; pozostałe opcje przydzielają czas na namysł przed odpowiedzią. Są to ustawienia dokładnie tej karty modelu producenta, odrębne od list poziomów i wartości domyślnych późniejszych wydań Grok.
Przy analizie długich dokumentów dostarcz odpowiedni materiał i określ sekcje lub ustalenia, które ma zawierać odpowiedź. Kontekst może pomieścić duży zestaw roboczy, ale zadaniu nadal pomagają priorytety i jednoznacznie określony rezultat. Poproś o wniosek, potwierdzający go fragment i wszelkie nierozstrzygnięte kwestie, zamiast traktować długi kontekst jako zamiennik jasnego pytania.
W przypadku materiału wizualnego wskaż obiekt, element wykresu lub szczegół strony do sprawdzenia i wyjaśnij jego związek z zadaniem pisemnym. Użyteczny wynik wiąże obserwację z pytaniem. Jeśli wniosek zależy również od informacji zewnętrznych, dostarcz ten materiał osobno, aby model mógł odróżnić to, co pokazuje obraz, od tego, co ustala inne źródło.
W procesie opartym na funkcjach model generuje proponowane wywołanie na podstawie definicji narzędzi. Aplikacja wykonuje funkcję i zwraca wynik. Zachowaj powiązanie danych wejściowych funkcji, zwróconej obserwacji i kolejnego kroku modelu. Przy zadaniu dotyczącym kodu lub danych poproś o wynik określający, co zaproponowano i co aplikacja rzeczywiście zaobserwowała.
Ustrukturyzowane wyjście może zamienić ekstrakcję danych z dokumentu lub raport analityczny w zdefiniowane pola. Obsługa schematów u producenta obejmuje typowe typy danych i ograniczone warunki, natomiast niektóre zaawansowane ograniczenia zależą od zachowania modelu. Nadaj każdemu polu jasne znaczenie i zweryfikuj wynik względem potrzeb aplikacji. Wynik zgodny z kształtem schematu nadal wymaga uzasadnienia treści; proponowane działanie nadal musi zostać wykonane przez otaczający proces.
POST /v1/batchestexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Poleendpoint | Typstring | WymaganieWymagane | Wartości i limity /v1/chat/completions | Domyślnie— |
Polemodel | Typstring | WymaganieWymagane | Wartości i limity x-ai/grok-4.3:batch | Domyślnie— |
Polerequests | Typbatch_item[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polerequests[].custom_id | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polerequests[].body.messages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polecompletion_window | Typstring | WymaganieOpcjonalne | Wartości i limity 24h | Domyślnie— |
Poleprovider | Typobject|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polerequests[].body.model | Typstring | WymaganieOpcjonalne | Wartości i limity x-ai/grok-4.3:batch, x-ai/grok-4.3 | Domyślnie— |
Poleprovider.only | Typstring[] | WymaganieOpcjonalne | Wartości i limity xai | Domyślnie— |
Poleprovider.allow_fallbacks | Typboolean|null | WymaganieOpcjonalne | Wartości i limity false, null | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktendpoint, model, requests |
Parametrmaterial_types | Kontrakttext |
Parametrrepresentation | Kontraktrequests[] bezpośrednio w żądaniu; każdy element zawiera custom_id i body |
Parametrrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parametrfile_material | KontraktWywołujący może lokalnie wczytać rzeczywisty plik JSONL w kodowaniu UTF-8 do requests[]. Nie używa się przeznaczenia przesyłanego pliku, input_file_id ani odwołania do pliku. Brak materiałów klienta lub ich pusta zawartość zatrzymują przygotowanie przed POST. |
Parametrserialization_order | Kontraktendpoint, model, provider (jeśli podano), completion_window (jeśli podano), requests na końcu |
Parametroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parametrschema_scope | KontraktTreści żądań tekstowych Chat Completions w udokumentowanej strukturze Batch z danymi bezpośrednio w żądaniu. |
Cykl życia: asynchronous
GET /v1/batches/{operation_id} · Rzeczywista wartość response.id zwrócona przy pierwotnym utworzeniu; ten sam użytkownik, klucz i grupa
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.004 / 1K tokenów Wejście · Odczyt cache $0.00032 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznie200 000 | Opłata Wejście · Tokeny wejściowe $0.002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.004 / 1K tokenów Wejście · Odczyt cache $0.00032 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż200 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.004 / 1K tokenów Wyjście · Tokeny wyjściowe $0.008 / 1K tokenów Wejście · Odczyt cache $0.00064 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"x-ai/grok-4.3:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['x-ai/grok-4.3:batch', 'x-ai/grok-4.3']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"x-ai/grok-4.3:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON bezpośrednio w results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nZachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj pełny pierwotny JSON stanu, każdy wynik i custom_id oraz pełną treść odpowiedzi lub błędu. Zapisz ukończone wyniki z results[] jako JSONL bez filtrowania.
Zachowaj pierwotny identyfikator operacji. Odpowiedź 503 result_pending_check zawiera X-Should-Retry:false; nigdy nie wysyłaj ponownie pierwotnego żądania Batch, którego wynik jest nieznany.
| Pole | Typ |
|---|---|
Poleresults[].custom_id | Typstring |
Poleresults[].response.body.choices[].message.content | Typstring|null |
Poleresults[].error | Typobject|null |
Poleusage | Typobject|null |
Poleid | Typstring |
Polemodel | Typstring |
Poleendpoint | Typstring |
Polestatus | Typstring |
Polerequest_counts | Typobject |
Poleresults[].id | Typstring |
Poleresults[].response.status_code | Typinteger |
Poleresults[].response.request_id | Typstring |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowa udokumentowana struktura z danymi bezpośrednio w żądaniu, zduplikowane klucze, problem z tożsamością elementu lub konflikt ze skonfigurowanymi możliwościami modelu. | Następny krokPopraw wskazane pola przed wysłaniem jakiegokolwiek nowego żądania. |
Odpowiedź401 · authentication_error | WarunekNieprawidłowy klucz API. | Następny krokUżyj autoryzowanego klucza Ailoot. |
Odpowiedź403 · permission_error | WarunekGrupa Batch jest niedostępna. | Następny krokSprawdź uprawnienia klucza i grupy. |
Odpowiedź422 · invalid_request_error | WarunekBatch korzysta z rozliczania z salda; utworzenie w ramach subskrypcji jest odrzucane. | Następny krokUżyj autoryzowanej grupy rozliczanej z salda. |
Odpowiedź422 · price_unavailable | WarunekNie można wycenić danych wejściowych Batch. | Następny krokZachowaj odpowiedź; użyj danych wejściowych udokumentowanych dla tej rodziny API. |
Odpowiedź402 · billing_error | WarunekRezerwa dla Batch jest niedostępna. | Następny krokRozwiąż problem dopuszczenia żądania przed wysłaniem nowego. |
Odpowiedź503 · price_unavailable | WarunekCena metody Batch lub stawki natywne są niedostępne. | Następny krokZachowaj odpowiedź; nie zastępuj cen innymi. |
Odpowiedź503 · api_error | WarunekDokładna trasa dostawcy jest niedostępna. | Następny krokZachowaj odpowiedź na potrzeby naprawy trasy. |
Odpowiedź503 · result_pending_check | WarunekPierwotny wynik wymaga sprawdzenia; X-Should-Retry:false. | Następny krokZachowaj pierwotny operation_id/id i odczytuj stan operacji; nigdy nie powtarzaj pierwotnego POST. |
Odpowiedź404 · not_found | WarunekOperacja sprawdzania stanu Batch nie istnieje lub należy do innej tożsamości. | Następny krokUżyj dokładnego pierwotnego id oraz tego samego użytkownika, klucza i grupy. |
Ailoot Ultra x-ai/grok-4.3:batch
Użyj ścieżek metod podanych powyżej.