Grok 3 — семейство моделей xAI для работы с языком, общими знаниями, программированием и решением задач. Описание при запуске отличает модель с обычным ответом от явно обозначенных вариантов Think этого семейства, которые используют дополнительное рассуждение перед итоговым ответом. Описанная здесь именованная модель grok-3 — текстовая диалоговая версия: производитель указывает для неё текстовый ввод, текстовый вывод и отсутствие отдельной возможности рассуждения.
Предварительное обучение семейства предназначено для поддержки широкого круга вопросов и инструкций. В описании выпуска xAI выделяет математику, программирование, знания и управление стилем. Для задачи написания текста это даёт полезную основу, чтобы попросить модель переработать объяснение для конкретного читателя, сохранить заданные факты или подготовить связный черновой текст из набора пунктов. Для технического помощника предоставьте соответствующие материалы и сформулируйте вопрос, который должен разрешить ответ, вместо опоры лишь на общий запрос обсудить тему.
Пример задания по документам: «Сравни эти два описания рабочего процесса. Перечисли совпадения, противоречия и недостающую информацию, а затем напиши короткое объяснение для нового участника команды». Сохраняйте обозначения исходных разделов, чтобы ответ мог связать каждое наблюдение с правильным фрагментом. Задача с кодом может включать функцию, ожидаемое поведение и конкретные входные данные, на которых текущий результат неверен. Запросите предлагаемое исправление и объясните, какие примеры нужно использовать для его проверки. Эти примеры относятся к документированным группам языковых задач и задач программирования и не подразумевают, что сгенерированный код уже выполнен.
Отличие от Think существенно. Анонс семейства Grok 3 также описывает Grok 3 Think и Grok 3 mini Think, обученные выполнять дополнительную работу на этапе рассуждения. Их поведение с расширенным обдумыванием следует описывать как собственный режим или отдельный выбор модели. Обычная текстовая модель может давать объяснения и решать вопросы, но это не следует путать с выбором явно документированной конфигурации расширенного рассуждения.
В примере метаданных именованной модели от производителя для grok-3 указана максимальная длина запроса 131,072 токенов и поддержка структурированного вывода и вызова функций. Поле длины запроса описывает опубликованный бюджет входных данных в этом примере; это не отдельный предел выходных токенов. Анонс семейства обсуждает более крупную конфигурацию с длинным контекстом, поэтому при подготовке запроса различайте точную спецификацию именованной модели и более общее описание семейства. Включайте контекст, необходимый для вопроса, и явно определяйте формат и объём ответа.
Структурированный вывод полезен, когда диалог должен завершаться полями, которые приложение может обработать, например сводкой, извлечёнными фактами и вопросами, ещё требующими уточнения. Вызов функций позволяет приложению предлагать разрешённые операции и получать предлагаемые аргументы. Приложение выполняет операцию и возвращает результат для последующего ответа. Это отличается от самостоятельного доступа модели к произвольной базе данных, браузеру или интерпретатору кода.
Статья о запуске рассматривает DeepSearch и агентов с инструментами как системы, построенные вокруг семейства Grok. Их процессы поиска, выполнения и подготовки отчётов — контекст интеграции, а не основание переносить каждую функцию приложения на саму текстовую модель grok-3. Для полезной задачи укажите, какие предоставленные материалы или возвращённые данные инструментов модель должна использовать, отделяйте факты от запрашиваемых интерпретаций и просите отмечать недостающую информацию. Завершайте конкретным материалом: переработанным документом, предложением кода, записью извлечённых данных или объяснением, которое можно сверить с исходными входными данными.
", "aboutText": "Grok 3 — семейство моделей xAI для работы с языком, общими знаниями, программированием и решением задач. Описание при запуске отличает модель с обычным ответом от явно обозначенных вариантов Think этого семейства, которые используют дополнительное рассуждение перед итоговым ответом. Описанная здесь именованная модель grok-3 — текстовая диалоговая версия: производитель указывает для неё текстовый ввод, текстовый вывод и отсутствие отдельной возможности рассуждения.\n\nПредварительное обучение семейства предназначено для поддержки широкого круга вопросов и инструкций. В описании выпуска xAI выделяет математику, программирование, знания и управление стилем. Для задачи написания текста это даёт полезную основу, чтобы попросить модель переработать объяснение для конкретного читателя, сохранить заданные факты или подготовить связный черновой текст из набора пунктов. Для технического помощника предоставьте соответствующие материалы и сформулируйте вопрос, который должен разрешить ответ, вместо опоры лишь на общий запрос обсудить тему.\n\nПример задания по документам: «Сравни эти два описания рабочего процесса. Перечисли совпадения, противоречия и недостающую информацию, а затем напиши короткое объяснение для нового участника команды». Сохраняйте обозначения исходных разделов, чтобы ответ мог связать каждое наблюдение с правильным фрагментом. Задача с кодом может включать функцию, ожидаемое поведение и конкретные входные данные, на которых текущий результат неверен. Запросите предлагаемое исправление и объясните, какие примеры нужно использовать для его проверки. Эти примеры относятся к документированным группам языковых задач и задач программирования и не подразумевают, что сгенерированный код уже выполнен.\n\nОтличие от Think существенно. Анонс семейства Grok 3 также описывает Grok 3 Think и Grok 3 mini Think, обученные выполнять дополнительную работу на этапе рассуждения. Их поведение с расширенным обдумыванием следует описывать как собственный режим или отдельный выбор модели. Обычная текстовая модель может давать объяснения и решать вопросы, но это не следует путать с выбором явно документированной конфигурации расширенного рассуждения.\n\nВ примере метаданных именованной модели от производителя для grok-3 указана максимальная длина запроса 131,072 токенов и поддержка структурированного вывода и вызова функций. Поле длины запроса описывает опубликованный бюджет входных данных в этом примере; это не отдельный предел выходных токенов. Анонс семейства обсуждает более крупную конфигурацию с длинным контекстом, поэтому при подготовке запроса различайте точную спецификацию именованной модели и более общее описание семейства. Включайте контекст, необходимый для вопроса, и явно определяйте формат и объём ответа.\n\nСтруктурированный вывод полезен, когда диалог должен завершаться полями, которые приложение может обработать, например сводкой, извлечёнными фактами и вопросами, ещё требующими уточнения. Вызов функций позволяет приложению предлагать разрешённые операции и получать предлагаемые аргументы. Приложение выполняет операцию и возвращает результат для последующего ответа. Это отличается от самостоятельного доступа модели к произвольной базе данных, браузеру или интерпретатору кода.\n\nСтатья о запуске рассматривает DeepSearch и агентов с инструментами как системы, построенные вокруг семейства Grok. Их процессы поиска, выполнения и подготовки отчётов — контекст интеграции, а не основание переносить каждую функцию приложения на саму текстовую модель grok-3. Для полезной задачи укажите, какие предоставленные материалы или возвращённые данные инструментов модель должна использовать, отделяйте факты от запрашиваемых интерпретаций и просите отмечать недостающую информацию. Завершайте конкретным материалом: переработанным документом, предложением кода, записью извлечённых данных или объяснением, которое можно сверить с исходными входными данными.", "editorialOverlay": { "copy_fields": { "practical_html": "Технический пример на английском
Revise a technical explanation\n\nRewrite this for a nontechnical office manager in at most 75 words: 'The synchronisation job retries transient transport failures using exponential backoff; repeated requests carry the same operation key to prevent duplicate entries.' Preserve the difference between retrying a failed connection and creating a second record. Use one everyday comparison and no unsupported guarantees.A concise plain-language explanation with one comparison and both retry and duplicate-prevention concepts intact.The rewrite does not imply that every failure is recoverable or that retries always succeed.grok-3Grok 3 — текстовая диалоговая версия xAI для объяснений, написания текстов, программирования и вопросов на основе предоставленных материалов. Именованная модель поддерживает структурированный вывод и вызов функций и отличается от явно обозначенных моделей Think этого семейства.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Grok 3 — семейство моделей xAI для работы с языком, общими знаниями, программированием и решением задач. Описание при запуске отличает модель с обычным ответом от явно обозначенных вариантов Think этого семейства, которые используют дополнительное рассуждение перед итоговым ответом. Описанная здесь именованная модель grok-3 — текстовая диалоговая версия: производитель указывает для неё текстовый ввод, текстовый вывод и отсутствие отдельной возможности рассуждения.
Предварительное обучение семейства предназначено для поддержки широкого круга вопросов и инструкций. В описании выпуска xAI выделяет математику, программирование, знания и управление стилем. Для задачи написания текста это даёт полезную основу, чтобы попросить модель переработать объяснение для конкретного читателя, сохранить заданные факты или подготовить связный черновой текст из набора пунктов. Для технического помощника предоставьте соответствующие материалы и сформулируйте вопрос, который должен разрешить ответ, вместо опоры лишь на общий запрос обсудить тему.
Пример задания по документам: «Сравни эти два описания рабочего процесса. Перечисли совпадения, противоречия и недостающую информацию, а затем напиши короткое объяснение для нового участника команды». Сохраняйте обозначения исходных разделов, чтобы ответ мог связать каждое наблюдение с правильным фрагментом. Задача с кодом может включать функцию, ожидаемое поведение и конкретные входные данные, на которых текущий результат неверен. Запросите предлагаемое исправление и объясните, какие примеры нужно использовать для его проверки. Эти примеры относятся к документированным группам языковых задач и задач программирования и не подразумевают, что сгенерированный код уже выполнен.
Отличие от Think существенно. Анонс семейства Grok 3 также описывает Grok 3 Think и Grok 3 mini Think, обученные выполнять дополнительную работу на этапе рассуждения. Их поведение с расширенным обдумыванием следует описывать как собственный режим или отдельный выбор модели. Обычная текстовая модель может давать объяснения и решать вопросы, но это не следует путать с выбором явно документированной конфигурации расширенного рассуждения.
В примере метаданных именованной модели от производителя для grok-3 указана максимальная длина запроса 131,072 токенов и поддержка структурированного вывода и вызова функций. Поле длины запроса описывает опубликованный бюджет входных данных в этом примере; это не отдельный предел выходных токенов. Анонс семейства обсуждает более крупную конфигурацию с длинным контекстом, поэтому при подготовке запроса различайте точную спецификацию именованной модели и более общее описание семейства. Включайте контекст, необходимый для вопроса, и явно определяйте формат и объём ответа.
Структурированный вывод полезен, когда диалог должен завершаться полями, которые приложение может обработать, например сводкой, извлечёнными фактами и вопросами, ещё требующими уточнения. Вызов функций позволяет приложению предлагать разрешённые операции и получать предлагаемые аргументы. Приложение выполняет операцию и возвращает результат для последующего ответа. Это отличается от самостоятельного доступа модели к произвольной базе данных, браузеру или интерпретатору кода.
Статья о запуске рассматривает DeepSearch и агентов с инструментами как системы, построенные вокруг семейства Grok. Их процессы поиска, выполнения и подготовки отчётов — контекст интеграции, а не основание переносить каждую функцию приложения на саму текстовую модель grok-3. Для полезной задачи укажите, какие предоставленные материалы или возвращённые данные инструментов модель должна использовать, отделяйте факты от запрашиваемых интерпретаций и просите отмечать недостающую информацию. Завершайте конкретным материалом: переработанным документом, предложением кода, записью извлечённых данных или объяснением, которое можно сверить с исходными входными данными.
POST /v1/chat/completionstexttext| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения grok-3 | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения Примеры: system, user, assistant, tool, function Условия: Эти роли явно представлены типами совместимости исходного кода; точный набор ролей зависит от модели. Зависит от модели | По умолчанию— |
Полеmessages[].content | Типstring|content_part[]|null | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_calls | Типtool_call[] | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].tool_call_id | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: role=tool; используйте фактически возвращённый ID | По умолчанию— |
Полеmessages[].name | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].reasoning_content | Типstring | ТребованиеНеобязательно | Значения и ограничения Применяется, когда: Передавайте обратно фактически возвращённые рассуждения, если эта модель их использует | По умолчанию— |
Полеmessages[].reasoning_details | Типobject|array | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеmax_completion_tokens | Типinteger | ТребованиеНеобязательно | Значения и ограничения Минимум: 1 Зависит от модели | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Полеstream_options.include_usage | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtemperature | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtop_p | Типnumber | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеstop | Типstring|string[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools | Типfunction_tool[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеtools[].type | Типstring | ТребованиеНеобязательно | Значения и ограничения function Зависит от модели | По умолчанию— |
Полеtools[].function.name | Типstring | ТребованиеОбязательно | Значения и ограничения Применяется, когда: передан инструмент-функция | По умолчанию— |
Полеtools[].function.description | Типstring | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtools[].function.parameters | ТипJSON_schema | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
Полеtool_choice | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеparallel_tool_calls | Типboolean | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеresponse_format | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning_effort | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеreasoning | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеservice_tier | Типstring | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеinstructions | Типstring | ТребованиеНеобязательно | Значения и ограничения Поле совместимости | По умолчанию— |
Полеfunctions | Типfunction[] | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеfunction_call | Типstring|object | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеprompt_cache_options | Типobject | ТребованиеНеобязательно | Значения и ограничения Зависит от модели | По умолчанию— |
Полеmodalities | Типstring[] | ТребованиеНеобязательно | Значения и ограничения text | По умолчанию— |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется на этом текстовом маршруте Ultra | По умолчанию— |
Полеcache_control.ttl | Типstring | ТребованиеНеобязательно | Значения и ограничения Условия: 1h отклоняется в фактических местах настройки кэша запросов | По умолчанию— |
Текст · Текст UTF8
messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages |
Параметрmaterial_types | Контрактtext |
Параметрmessages | Контрактмассив сообщений со структурой role/content |
Параметрfile_material | Контрактфактический документ UTF-8 вставляется как буквальный текст; ID файла не выводится из него |
Параметрoptional_controls | Контрактstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Параметрcontrol_scope | Контрактзависит от модели; пользовательские инструменты-функции отличаются от инструментов, выполняемых на стороне сервиса |
Параметрoutput_modalities | Контрактtext |
Параметрhosted_operations | Контрактfalse |
Параметрmultimodal_input_binding | Контрактnull |
Жизненный цикл: synchronous_or_streamed
Отправляйте точный ID модели вместе с messages.
Длина контекста не является пределом выхода.
Текстовый файл может передавать буквальный текст; входные изображения, аудио и файловые объекты требуют точной привязки.
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0.006 / 1K токенов Выход · Выходные токены $0.03 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "grok-3", "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-3',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-3',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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте каждый вариант ответа с его содержимым, вызовами инструментов и рассуждениями. В SSE собирайте изменения по индексам варианта и инструмента, сохраняйте итоговую причину завершения и данные использования.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеchoices[].index | Типinteger |
Полеchoices[].message.content | Типstring|null |
Полеchoices[].message.tool_calls | Типtool_call[] |
Полеchoices[].message.reasoning_content | Типstring |
Полеchoices[].message.reasoning_details | Типobject|array |
Полеchoices[].finish_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra grok-3
Используйте пути методов, указанные выше.
grok-3Grok 3 — текстовая диалоговая версия xAI для объяснений, написания текстов, программирования и вопросов на основе предоставленных материалов. Именованная модель поддерживает структурированный вывод и вызов функций и отличается от явно обозначенных моделей Think этого семейства.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Grok 3 — семейство моделей xAI для работы с языком, общими знаниями, программированием и решением задач. Описание при запуске отличает модель с обычным ответом от явно обозначенных вариантов Think этого семейства, которые используют дополнительное рассуждение перед итоговым ответом. Описанная здесь именованная модель grok-3 — текстовая диалоговая версия: производитель указывает для неё текстовый ввод, текстовый вывод и отсутствие отдельной возможности рассуждения.
Предварительное обучение семейства предназначено для поддержки широкого круга вопросов и инструкций. В описании выпуска xAI выделяет математику, программирование, знания и управление стилем. Для задачи написания текста это даёт полезную основу, чтобы попросить модель переработать объяснение для конкретного читателя, сохранить заданные факты или подготовить связный черновой текст из набора пунктов. Для технического помощника предоставьте соответствующие материалы и сформулируйте вопрос, который должен разрешить ответ, вместо опоры лишь на общий запрос обсудить тему.
Пример задания по документам: «Сравни эти два описания рабочего процесса. Перечисли совпадения, противоречия и недостающую информацию, а затем напиши короткое объяснение для нового участника команды». Сохраняйте обозначения исходных разделов, чтобы ответ мог связать каждое наблюдение с правильным фрагментом. Задача с кодом может включать функцию, ожидаемое поведение и конкретные входные данные, на которых текущий результат неверен. Запросите предлагаемое исправление и объясните, какие примеры нужно использовать для его проверки. Эти примеры относятся к документированным группам языковых задач и задач программирования и не подразумевают, что сгенерированный код уже выполнен.
Отличие от Think существенно. Анонс семейства Grok 3 также описывает Grok 3 Think и Grok 3 mini Think, обученные выполнять дополнительную работу на этапе рассуждения. Их поведение с расширенным обдумыванием следует описывать как собственный режим или отдельный выбор модели. Обычная текстовая модель может давать объяснения и решать вопросы, но это не следует путать с выбором явно документированной конфигурации расширенного рассуждения.
В примере метаданных именованной модели от производителя для grok-3 указана максимальная длина запроса 131,072 токенов и поддержка структурированного вывода и вызова функций. Поле длины запроса описывает опубликованный бюджет входных данных в этом примере; это не отдельный предел выходных токенов. Анонс семейства обсуждает более крупную конфигурацию с длинным контекстом, поэтому при подготовке запроса различайте точную спецификацию именованной модели и более общее описание семейства. Включайте контекст, необходимый для вопроса, и явно определяйте формат и объём ответа.
Структурированный вывод полезен, когда диалог должен завершаться полями, которые приложение может обработать, например сводкой, извлечёнными фактами и вопросами, ещё требующими уточнения. Вызов функций позволяет приложению предлагать разрешённые операции и получать предлагаемые аргументы. Приложение выполняет операцию и возвращает результат для последующего ответа. Это отличается от самостоятельного доступа модели к произвольной базе данных, браузеру или интерпретатору кода.
Статья о запуске рассматривает DeepSearch и агентов с инструментами как системы, построенные вокруг семейства Grok. Их процессы поиска, выполнения и подготовки отчётов — контекст интеграции, а не основание переносить каждую функцию приложения на саму текстовую модель grok-3. Для полезной задачи укажите, какие предоставленные материалы или возвращённые данные инструментов модель должна использовать, отделяйте факты от запрашиваемых интерпретаций и просите отмечать недостающую информацию. Завершайте конкретным материалом: переработанным документом, предложением кода, записью извлечённых данных или объяснением, которое можно сверить с исходными входными данными.
POST /v1/messagestextjson, sse| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения grok-3 | По умолчанию— |
Полеmessages | Типmessage[] | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmessages[].role | Типstring | ТребованиеОбязательно | Значения и ограничения user, assistant | По умолчанию— |
Полеmessages[].content | Типstring | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеmax_tokens | Типinteger | ТребованиеОбязательно | Значения и ограничения | По умолчанию— |
Полеstream | Типboolean | ТребованиеНеобязательно | Значения и ограничения | По умолчаниюfalse |
Текст · Текст UTF-8
строка messages[].content
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, messages, max_tokens |
Параметрoptional_controls | Контрактstream |
Параметрmaterial_types | Контрактtext |
Параметрtext_file_material | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. |
Жизненный цикл: synchronous_or_streamed
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
| Конфигурация | Шкала ставок | Плата |
|---|---|---|
| КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены $0.006 / 1K токенов Выход · Выходные токены $0.03 / 1K токенов Вход · Чтение кэша $0 / 1K токенов Вход · Запись в кэш $0 / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
{\n "model": "grok-3",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3', '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-3', '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 или SSE
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте все блоки содержимого, подписи рассуждений и фактические ID обращений к инструментам. Собирайте все изменения блоков SSE; первый текстовый блок не является полным выходом.
Сохраняйте ID запросов и ответов, а также заголовки. Общий URL получения текстового задания не предоставлен.
| Поле | Тип |
|---|---|
Полеid | Типstring |
Полеmodel | Типstring |
Полеcontent[] | Типtext|thinking|tool_use|other content block |
Полеstop_reason | Типstring|null |
Полеusage | Типobject |
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ailoot Ultra grok-3
Используйте пути методов, указанные выше.
Технический пример на английском
Revise a technical explanation\n\nRewrite this for a nontechnical office manager in at most 75 words: 'The synchronisation job retries transient transport failures using exponential backoff; repeated requests carry the same operation key to prevent duplicate entries.' Preserve the difference between retrying a failed connection and creating a second record. Use one everyday comparison and no unsupported guarantees.A concise plain-language explanation with one comparison and both retry and duplicate-prevention concepts intact.The rewrite does not imply that every failure is recoverable or that retries always succeed.