Grok Code Fast 1 é o modelo da xAI concebido em torno do desenvolvimento de software por agentes. O fabricante descreve um treino com material de programação, pull requests reais e tarefas de programação reais. O modelo destina-se a funcionar numa aplicação de desenvolvimento que possa pesquisar código, executar ferramentas de terminal e editar ficheiros.
Indique a área do repositório, o comportamento esperado e o artefacto final. Um pedido de correção de um erro pode incluir o erro observado e o caso que deve funcionar após a correção. Uma nova funcionalidade pode enumerar as ações do utilizador, o fluxo de dados e as condições que estabelecem a conclusão.
O fabricante destaca TypeScript, Python, Java, Rust, C++ e Go. Forneça a framework relevante e o código existente, em vez de esperar que apenas o nome da linguagem defina as convenções do projeto. Peça a alteração necessária para a tarefa e as observações que demonstram o seu comportamento.
O fabricante descreve a utilização de ferramentas de desenvolvimento comuns, como pesquisa de texto, um terminal e edição de ficheiros. O agente envolvente fornece essas ferramentas, executa a ação selecionada e devolve o resultado. Uma proposta do modelo torna-se uma alteração de código ou uma execução observada através desse fluxo de trabalho configurado.
Numa tarefa com vários ficheiros, mantenha visíveis as relações entre os ficheiros antes de os alterar. Após uma execução, forneça a saída de diagnóstico ou de teste e peça uma correção ligada a essa observação. Isto mantém cada iteração focada no problema real.
O perfil publicado indica um contexto de 256,000 tokens. Utilize código, instruções e observações relevantes e escolha uma extensão de resposta adequada ao artefacto solicitado. Conserve a identidade selecionada Grok Code Fast 1 com o prompt, a alteração e os elementos de prova da execução.
A descrição original do fabricante trata a entrada multimodal, as chamadas de ferramentas em paralelo e um contexto maior como características de uma variante futura. São distintas desta versão com designação própria. O seu fluxo de trabalho útil é o raciocínio focado em código e as ações de desenvolvimento controladas pela aplicação, avaliados através do artefacto que efetivamente funciona.
", "aboutText": "Grok Code Fast 1 é o modelo da xAI concebido em torno do desenvolvimento de software por agentes. O fabricante descreve um treino com material de programação, pull requests reais e tarefas de programação reais. O modelo destina-se a funcionar numa aplicação de desenvolvimento que possa pesquisar código, executar ferramentas de terminal e editar ficheiros.\n\n### Dê à tarefa de programação um âmbito concreto\n\nIndique a área do repositório, o comportamento esperado e o artefacto final. Um pedido de correção de um erro pode incluir o erro observado e o caso que deve funcionar após a correção. Uma nova funcionalidade pode enumerar as ações do utilizador, o fluxo de dados e as condições que estabelecem a conclusão.\n\nO fabricante destaca TypeScript, Python, Java, Rust, C++ e Go. Forneça a framework relevante e o código existente, em vez de esperar que apenas o nome da linguagem defina as convenções do projeto. Peça a alteração necessária para a tarefa e as observações que demonstram o seu comportamento.\n\n### Examine, edite e execute através de uma aplicação\n\nO fabricante descreve a utilização de ferramentas de desenvolvimento comuns, como pesquisa de texto, um terminal e edição de ficheiros. O agente envolvente fornece essas ferramentas, executa a ação selecionada e devolve o resultado. Uma proposta do modelo torna-se uma alteração de código ou uma execução observada através desse fluxo de trabalho configurado.\n\nNuma tarefa com vários ficheiros, mantenha visíveis as relações entre os ficheiros antes de os alterar. Após uma execução, forneça a saída de diagnóstico ou de teste e peça uma correção ligada a essa observação. Isto mantém cada iteração focada no problema real.\n\n### Guarde o resultado e o perfil exato\n\nO perfil publicado indica um contexto de 256,000 tokens. Utilize código, instruções e observações relevantes e escolha uma extensão de resposta adequada ao artefacto solicitado. Conserve a identidade selecionada Grok Code Fast 1 com o prompt, a alteração e os elementos de prova da execução.\n\nA descrição original do fabricante trata a entrada multimodal, as chamadas de ferramentas em paralelo e um contexto maior como características de uma variante futura. São distintas desta versão com designação própria. O seu fluxo de trabalho útil é o raciocínio focado em código e as ações de desenvolvimento controladas pela aplicação, avaliados através do artefacto que efetivamente funciona.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Fix duplicate IDs in a Python list\n\nReview this Python function: def unique_ids(rows): return list(set(row["id"] for row in rows)). The contract requires first-seen order, so IDs ["b", "a", "b"] must become ["b", "a"]. Propose a focused replacement and tests for duplicates, an empty list and all-distinct IDs. Keep the function name and return type.A Python patch preserving order, a cause explanation and three behavioral test cases.Check that first occurrence order is stable and the function still returns a list.grok-code-fast-1Grok Code Fast 1 é o modelo de raciocínio da xAI para agentes de software que examinam código, utilizam ferramentas de terminal e editam ficheiros. O fabricante destaca TypeScript, Python, Java, Rust, C++ e Go, com tarefas que vão de perguntas sobre a base de código a correções de erros focadas.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Grok Code Fast 1 é o modelo da xAI concebido em torno do desenvolvimento de software por agentes. O fabricante descreve um treino com material de programação, pull requests reais e tarefas de programação reais. O modelo destina-se a funcionar numa aplicação de desenvolvimento que possa pesquisar código, executar ferramentas de terminal e editar ficheiros.
Indique a área do repositório, o comportamento esperado e o artefacto final. Um pedido de correção de um erro pode incluir o erro observado e o caso que deve funcionar após a correção. Uma nova funcionalidade pode enumerar as ações do utilizador, o fluxo de dados e as condições que estabelecem a conclusão.
O fabricante destaca TypeScript, Python, Java, Rust, C++ e Go. Forneça a framework relevante e o código existente, em vez de esperar que apenas o nome da linguagem defina as convenções do projeto. Peça a alteração necessária para a tarefa e as observações que demonstram o seu comportamento.
O fabricante descreve a utilização de ferramentas de desenvolvimento comuns, como pesquisa de texto, um terminal e edição de ficheiros. O agente envolvente fornece essas ferramentas, executa a ação selecionada e devolve o resultado. Uma proposta do modelo torna-se uma alteração de código ou uma execução observada através desse fluxo de trabalho configurado.
Numa tarefa com vários ficheiros, mantenha visíveis as relações entre os ficheiros antes de os alterar. Após uma execução, forneça a saída de diagnóstico ou de teste e peça uma correção ligada a essa observação. Isto mantém cada iteração focada no problema real.
O perfil publicado indica um contexto de 256,000 tokens. Utilize código, instruções e observações relevantes e escolha uma extensão de resposta adequada ao artefacto solicitado. Conserve a identidade selecionada Grok Code Fast 1 com o prompt, a alteração e os elementos de prova da execução.
A descrição original do fabricante trata a entrada multimodal, as chamadas de ferramentas em paralelo e um contexto maior como características de uma variante futura. São distintas desta versão com designação própria. O seu fluxo de trabalho útil é o raciocínio focado em código e as ações de desenvolvimento controladas pela aplicação, avaliados através do artefacto que efetivamente funciona.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites grok-code-fast-1 | 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 $0.0004 / 1K tokens Saída · Tokens de saída $0.003 / 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-code-fast-1", "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-code-fast-1',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-code-fast-1',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-code-fast-1
Use os caminhos dos métodos indicados acima.
grok-code-fast-1Grok Code Fast 1 é o modelo de raciocínio da xAI para agentes de software que examinam código, utilizam ferramentas de terminal e editam ficheiros. O fabricante destaca TypeScript, Python, Java, Rust, C++ e Go, com tarefas que vão de perguntas sobre a base de código a correções de erros focadas.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Grok Code Fast 1 é o modelo da xAI concebido em torno do desenvolvimento de software por agentes. O fabricante descreve um treino com material de programação, pull requests reais e tarefas de programação reais. O modelo destina-se a funcionar numa aplicação de desenvolvimento que possa pesquisar código, executar ferramentas de terminal e editar ficheiros.
Indique a área do repositório, o comportamento esperado e o artefacto final. Um pedido de correção de um erro pode incluir o erro observado e o caso que deve funcionar após a correção. Uma nova funcionalidade pode enumerar as ações do utilizador, o fluxo de dados e as condições que estabelecem a conclusão.
O fabricante destaca TypeScript, Python, Java, Rust, C++ e Go. Forneça a framework relevante e o código existente, em vez de esperar que apenas o nome da linguagem defina as convenções do projeto. Peça a alteração necessária para a tarefa e as observações que demonstram o seu comportamento.
O fabricante descreve a utilização de ferramentas de desenvolvimento comuns, como pesquisa de texto, um terminal e edição de ficheiros. O agente envolvente fornece essas ferramentas, executa a ação selecionada e devolve o resultado. Uma proposta do modelo torna-se uma alteração de código ou uma execução observada através desse fluxo de trabalho configurado.
Numa tarefa com vários ficheiros, mantenha visíveis as relações entre os ficheiros antes de os alterar. Após uma execução, forneça a saída de diagnóstico ou de teste e peça uma correção ligada a essa observação. Isto mantém cada iteração focada no problema real.
O perfil publicado indica um contexto de 256,000 tokens. Utilize código, instruções e observações relevantes e escolha uma extensão de resposta adequada ao artefacto solicitado. Conserve a identidade selecionada Grok Code Fast 1 com o prompt, a alteração e os elementos de prova da execução.
A descrição original do fabricante trata a entrada multimodal, as chamadas de ferramentas em paralelo e um contexto maior como características de uma variante futura. São distintas desta versão com designação própria. O seu fluxo de trabalho útil é o raciocínio focado em código e as ações de desenvolvimento controladas pela aplicação, avaliados através do artefacto que efetivamente funciona.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites grok-code-fast-1 | 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 $0.0004 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "grok-code-fast-1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-code-fast-1', '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-code-fast-1', '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-code-fast-1
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Fix duplicate IDs in a Python list\n\nReview this Python function: def unique_ids(rows): return list(set(row["id"] for row in rows)). The contract requires first-seen order, so IDs ["b", "a", "b"] must become ["b", "a"]. Propose a focused replacement and tests for duplicates, an empty list and all-distinct IDs. Keep the function name and return type.A Python patch preserving order, a cause explanation and three behavioral test cases.Check that first occurrence order is stable and the function still returns a list.