Grok 2 Vision 1212 é a edição de entrada visual da família Grok 2 da xAI, identificada pelo nome grok-2-vision-1212. O fabricante apresenta Grok 2 como um modelo para compreensão textual e visual, com tarefas que incluem perguntas sobre documentos e raciocínio matemático a partir de material visual. O anúncio posterior da versão 1212 descreve melhorias no cumprimento de instruções e no comportamento multilingue. Esta ficha diz respeito à edição visual com designação própria e ao seu resultado textual.
Os metadados de modelo do produtor indicam texto e imagens como entrada e texto como saída. Uma tarefa prática começa, por isso, tanto com os elementos de prova visuais como com uma pergunta precisa. Para uma página de documento, especifique o campo, a secção ou a relação que precisa de ver explicados; para um gráfico, identifique os rótulos e as quantidades relevantes; para uma captura de ecrã, descreva o objetivo do utilizador e o elemento que pretende examinar. O objetivo é relacionar o conteúdo visível com o pedido, em vez de pedir uma descrição sem orientação de tudo o que está na imagem.
Um exemplo de pedido documental é: «Leia os títulos e os campos identificados nesta página. Devolva os valores visíveis, assinale as entradas que não consegue ler com confiança e explique que passagem sustenta a sua resposta.» Um pedido sobre um gráfico pode perguntar pela relação entre duas séries e pela distinção entre valores diretamente visíveis e interpretação. Para uma fotografia de produto, peça características visíveis e uma comparação com a especificação escrita fornecida. São exemplos de preparação e saída baseados nas famílias de tarefas visuais do fabricante, e não promessas de que todos os pormenores possam ser recuperados de todas as imagens.
O exemplo do modelo com designação própria regista também suporte de saídas estruturadas e chamadas de funções. Para extração, defina o resultado pretendido: por exemplo, uma lista de campos, o respetivo texto visível e uma nota de incerteza. Para uma tarefa assistida por ferramentas, forneça as descrições das ferramentas permitidas e a informação necessária a uma operação. A aplicação realiza a operação e devolve o resultado; o modelo pode então utilizar essa informação na resposta textual seguinte. A funcionalidade visual em si é a capacidade de interpretar a imagem fornecida, enquanto a operação externa pertence à aplicação envolvente.
Esta edição é indicada sem um modo de raciocínio separado nesse exemplo do produtor. Pode ainda responder a perguntas que exijam relações e explicações, mas os modos explícitos de raciocínio alargado descritos para outras versões Grok devem manter-se separados. O mesmo exemplo indica um comprimento máximo de prompt de 32,768 tokens. Esse é o campo de entrada publicado para o modelo com designação própria, e não uma extensão máxima de resposta documentada separadamente. As fontes primárias consultadas não estabelecem um teto global exato para o número de imagens, a resolução das imagens ou os tokens de saída para Vision 1212, pelo que esses valores devem provir de uma especificação de pedido concreta, em vez de serem importados de um modelo visual mais recente.
O nome fixo 1212 também importa ao escolher uma edição. A versão apenas textual do Grok 2 e os seus produtos de geração de imagens destinam-se a entradas e saídas diferentes. O resultado aqui descrito é uma resposta escrita sobre material visual. As funcionalidades apresentadas na aplicação Grok, como experiências adicionais de pesquisa ou geração de imagens, são integrações separadas em torno da família e devem distinguir-se das capacidades desta entrada de modelo com designação própria.
Prepare páginas legíveis e atribua uma identificação a cada imagem ao comparar material. Indique que parte da imagem é relevante, inclua na pergunta quaisquer definições ou unidades necessárias e peça que a resposta preserve os nomes originais. Para um artefacto final útil, escolha uma explicação, uma tabela de extração ou uma lista de observações ligadas aos elementos de prova. Se a imagem for ambígua, conserve essa incerteza na saída e confira as leituras com consequências relevantes com o material original.
", "aboutText": "Grok 2 Vision 1212 é a edição de entrada visual da família Grok 2 da xAI, identificada pelo nome grok-2-vision-1212. O fabricante apresenta Grok 2 como um modelo para compreensão textual e visual, com tarefas que incluem perguntas sobre documentos e raciocínio matemático a partir de material visual. O anúncio posterior da versão 1212 descreve melhorias no cumprimento de instruções e no comportamento multilingue. Esta ficha diz respeito à edição visual com designação própria e ao seu resultado textual.\n\nOs metadados de modelo do produtor indicam texto e imagens como entrada e texto como saída. Uma tarefa prática começa, por isso, tanto com os elementos de prova visuais como com uma pergunta precisa. Para uma página de documento, especifique o campo, a secção ou a relação que precisa de ver explicados; para um gráfico, identifique os rótulos e as quantidades relevantes; para uma captura de ecrã, descreva o objetivo do utilizador e o elemento que pretende examinar. O objetivo é relacionar o conteúdo visível com o pedido, em vez de pedir uma descrição sem orientação de tudo o que está na imagem.\n\nUm exemplo de pedido documental é: «Leia os títulos e os campos identificados nesta página. Devolva os valores visíveis, assinale as entradas que não consegue ler com confiança e explique que passagem sustenta a sua resposta.» Um pedido sobre um gráfico pode perguntar pela relação entre duas séries e pela distinção entre valores diretamente visíveis e interpretação. Para uma fotografia de produto, peça características visíveis e uma comparação com a especificação escrita fornecida. São exemplos de preparação e saída baseados nas famílias de tarefas visuais do fabricante, e não promessas de que todos os pormenores possam ser recuperados de todas as imagens.\n\nO exemplo do modelo com designação própria regista também suporte de saídas estruturadas e chamadas de funções. Para extração, defina o resultado pretendido: por exemplo, uma lista de campos, o respetivo texto visível e uma nota de incerteza. Para uma tarefa assistida por ferramentas, forneça as descrições das ferramentas permitidas e a informação necessária a uma operação. A aplicação realiza a operação e devolve o resultado; o modelo pode então utilizar essa informação na resposta textual seguinte. A funcionalidade visual em si é a capacidade de interpretar a imagem fornecida, enquanto a operação externa pertence à aplicação envolvente.\n\nEsta edição é indicada sem um modo de raciocínio separado nesse exemplo do produtor. Pode ainda responder a perguntas que exijam relações e explicações, mas os modos explícitos de raciocínio alargado descritos para outras versões Grok devem manter-se separados. O mesmo exemplo indica um comprimento máximo de prompt de 32,768 tokens. Esse é o campo de entrada publicado para o modelo com designação própria, e não uma extensão máxima de resposta documentada separadamente. As fontes primárias consultadas não estabelecem um teto global exato para o número de imagens, a resolução das imagens ou os tokens de saída para Vision 1212, pelo que esses valores devem provir de uma especificação de pedido concreta, em vez de serem importados de um modelo visual mais recente.\n\nO nome fixo 1212 também importa ao escolher uma edição. A versão apenas textual do Grok 2 e os seus produtos de geração de imagens destinam-se a entradas e saídas diferentes. O resultado aqui descrito é uma resposta escrita sobre material visual. As funcionalidades apresentadas na aplicação Grok, como experiências adicionais de pesquisa ou geração de imagens, são integrações separadas em torno da família e devem distinguir-se das capacidades desta entrada de modelo com designação própria.\n\nPrepare páginas legíveis e atribua uma identificação a cada imagem ao comparar material. Indique que parte da imagem é relevante, inclua na pergunta quaisquer definições ou unidades necessárias e peça que a resposta preserve os nomes originais. Para um artefacto final útil, escolha uma explicação, uma tabela de extração ou uma lista de observações ligadas aos elementos de prova. Se a imagem for ambígua, conserve essa incerteza na saída e confira as leituras com consequências relevantes com o material original.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Interpret a transcribed sales chart\n\nUse this chart transcription: January sales 80 units, February 100, March 90. The vertical axis is units, not currency. Write a three-sentence chart caption covering the peak, the change from January to March and one conclusion about revenue that cannot be drawn from these values.A three-sentence caption separating stated sales values, a calculated change and the revenue-information limit.Check that the caption retains units and does not infer revenue or prices from unit counts.grok-2-vision-1212Grok 2 Vision 1212 é a edição de compreensão de imagens da xAI para perguntas sobre documentos, gráficos, fotografias e capturas de ecrã. Combina uma pergunta escrita com entrada visual e devolve uma resposta em texto, com funcionalidades de saídas estruturadas e chamadas de funções documentadas para a edição com designação própria.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Grok 2 Vision 1212 é a edição de entrada visual da família Grok 2 da xAI, identificada pelo nome grok-2-vision-1212. O fabricante apresenta Grok 2 como um modelo para compreensão textual e visual, com tarefas que incluem perguntas sobre documentos e raciocínio matemático a partir de material visual. O anúncio posterior da versão 1212 descreve melhorias no cumprimento de instruções e no comportamento multilingue. Esta ficha diz respeito à edição visual com designação própria e ao seu resultado textual.
Os metadados de modelo do produtor indicam texto e imagens como entrada e texto como saída. Uma tarefa prática começa, por isso, tanto com os elementos de prova visuais como com uma pergunta precisa. Para uma página de documento, especifique o campo, a secção ou a relação que precisa de ver explicados; para um gráfico, identifique os rótulos e as quantidades relevantes; para uma captura de ecrã, descreva o objetivo do utilizador e o elemento que pretende examinar. O objetivo é relacionar o conteúdo visível com o pedido, em vez de pedir uma descrição sem orientação de tudo o que está na imagem.
Um exemplo de pedido documental é: «Leia os títulos e os campos identificados nesta página. Devolva os valores visíveis, assinale as entradas que não consegue ler com confiança e explique que passagem sustenta a sua resposta.» Um pedido sobre um gráfico pode perguntar pela relação entre duas séries e pela distinção entre valores diretamente visíveis e interpretação. Para uma fotografia de produto, peça características visíveis e uma comparação com a especificação escrita fornecida. São exemplos de preparação e saída baseados nas famílias de tarefas visuais do fabricante, e não promessas de que todos os pormenores possam ser recuperados de todas as imagens.
O exemplo do modelo com designação própria regista também suporte de saídas estruturadas e chamadas de funções. Para extração, defina o resultado pretendido: por exemplo, uma lista de campos, o respetivo texto visível e uma nota de incerteza. Para uma tarefa assistida por ferramentas, forneça as descrições das ferramentas permitidas e a informação necessária a uma operação. A aplicação realiza a operação e devolve o resultado; o modelo pode então utilizar essa informação na resposta textual seguinte. A funcionalidade visual em si é a capacidade de interpretar a imagem fornecida, enquanto a operação externa pertence à aplicação envolvente.
Esta edição é indicada sem um modo de raciocínio separado nesse exemplo do produtor. Pode ainda responder a perguntas que exijam relações e explicações, mas os modos explícitos de raciocínio alargado descritos para outras versões Grok devem manter-se separados. O mesmo exemplo indica um comprimento máximo de prompt de 32,768 tokens. Esse é o campo de entrada publicado para o modelo com designação própria, e não uma extensão máxima de resposta documentada separadamente. As fontes primárias consultadas não estabelecem um teto global exato para o número de imagens, a resolução das imagens ou os tokens de saída para Vision 1212, pelo que esses valores devem provir de uma especificação de pedido concreta, em vez de serem importados de um modelo visual mais recente.
O nome fixo 1212 também importa ao escolher uma edição. A versão apenas textual do Grok 2 e os seus produtos de geração de imagens destinam-se a entradas e saídas diferentes. O resultado aqui descrito é uma resposta escrita sobre material visual. As funcionalidades apresentadas na aplicação Grok, como experiências adicionais de pesquisa ou geração de imagens, são integrações separadas em torno da família e devem distinguir-se das capacidades desta entrada de modelo com designação própria.
Prepare páginas legíveis e atribua uma identificação a cada imagem ao comparar material. Indique que parte da imagem é relevante, inclua na pergunta quaisquer definições ou unidades necessárias e peça que a resposta preserve os nomes originais. Para um artefacto final útil, escolha uma explicação, uma tabela de extração ou uma lista de observações ligadas aos elementos de prova. Se a imagem for ambígua, conserve essa incerteza na saída e confira as leituras com consequências relevantes com o material original.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites grok-2-vision-1212 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-2-vision-1212", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='grok-2-vision-1212',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='grok-2-vision-1212',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra grok-2-vision-1212
Use os caminhos dos métodos indicados acima.
grok-2-vision-1212Grok 2 Vision 1212 é a edição de compreensão de imagens da xAI para perguntas sobre documentos, gráficos, fotografias e capturas de ecrã. Combina uma pergunta escrita com entrada visual e devolve uma resposta em texto, com funcionalidades de saídas estruturadas e chamadas de funções documentadas para a edição com designação própria.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Grok 2 Vision 1212 é a edição de entrada visual da família Grok 2 da xAI, identificada pelo nome grok-2-vision-1212. O fabricante apresenta Grok 2 como um modelo para compreensão textual e visual, com tarefas que incluem perguntas sobre documentos e raciocínio matemático a partir de material visual. O anúncio posterior da versão 1212 descreve melhorias no cumprimento de instruções e no comportamento multilingue. Esta ficha diz respeito à edição visual com designação própria e ao seu resultado textual.
Os metadados de modelo do produtor indicam texto e imagens como entrada e texto como saída. Uma tarefa prática começa, por isso, tanto com os elementos de prova visuais como com uma pergunta precisa. Para uma página de documento, especifique o campo, a secção ou a relação que precisa de ver explicados; para um gráfico, identifique os rótulos e as quantidades relevantes; para uma captura de ecrã, descreva o objetivo do utilizador e o elemento que pretende examinar. O objetivo é relacionar o conteúdo visível com o pedido, em vez de pedir uma descrição sem orientação de tudo o que está na imagem.
Um exemplo de pedido documental é: «Leia os títulos e os campos identificados nesta página. Devolva os valores visíveis, assinale as entradas que não consegue ler com confiança e explique que passagem sustenta a sua resposta.» Um pedido sobre um gráfico pode perguntar pela relação entre duas séries e pela distinção entre valores diretamente visíveis e interpretação. Para uma fotografia de produto, peça características visíveis e uma comparação com a especificação escrita fornecida. São exemplos de preparação e saída baseados nas famílias de tarefas visuais do fabricante, e não promessas de que todos os pormenores possam ser recuperados de todas as imagens.
O exemplo do modelo com designação própria regista também suporte de saídas estruturadas e chamadas de funções. Para extração, defina o resultado pretendido: por exemplo, uma lista de campos, o respetivo texto visível e uma nota de incerteza. Para uma tarefa assistida por ferramentas, forneça as descrições das ferramentas permitidas e a informação necessária a uma operação. A aplicação realiza a operação e devolve o resultado; o modelo pode então utilizar essa informação na resposta textual seguinte. A funcionalidade visual em si é a capacidade de interpretar a imagem fornecida, enquanto a operação externa pertence à aplicação envolvente.
Esta edição é indicada sem um modo de raciocínio separado nesse exemplo do produtor. Pode ainda responder a perguntas que exijam relações e explicações, mas os modos explícitos de raciocínio alargado descritos para outras versões Grok devem manter-se separados. O mesmo exemplo indica um comprimento máximo de prompt de 32,768 tokens. Esse é o campo de entrada publicado para o modelo com designação própria, e não uma extensão máxima de resposta documentada separadamente. As fontes primárias consultadas não estabelecem um teto global exato para o número de imagens, a resolução das imagens ou os tokens de saída para Vision 1212, pelo que esses valores devem provir de uma especificação de pedido concreta, em vez de serem importados de um modelo visual mais recente.
O nome fixo 1212 também importa ao escolher uma edição. A versão apenas textual do Grok 2 e os seus produtos de geração de imagens destinam-se a entradas e saídas diferentes. O resultado aqui descrito é uma resposta escrita sobre material visual. As funcionalidades apresentadas na aplicação Grok, como experiências adicionais de pesquisa ou geração de imagens, são integrações separadas em torno da família e devem distinguir-se das capacidades desta entrada de modelo com designação própria.
Prepare páginas legíveis e atribua uma identificação a cada imagem ao comparar material. Indique que parte da imagem é relevante, inclua na pergunta quaisquer definições ou unidades necessárias e peça que a resposta preserve os nomes originais. Para um artefacto final útil, escolha uma explicação, uma tabela de extração ou uma lista de observações ligadas aos elementos de prova. Se a imagem for ambígua, conserve essa incerteza na saída e confira as leituras com consequências relevantes com o material original.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites grok-2-vision-1212 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.004 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "grok-2-vision-1212",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-2-vision-1212', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'grok-2-vision-1212', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra grok-2-vision-1212
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Interpret a transcribed sales chart\n\nUse this chart transcription: January sales 80 units, February 100, March 90. The vertical axis is units, not currency. Write a three-sentence chart caption covering the peak, the change from January to March and one conclusion about revenue that cannot be drawn from these values.A three-sentence caption separating stated sales values, a calculated change and the revenue-information limit.Check that the caption retains units and does not infer revenue or prices from unit counts.