Grok 2 Vision 1212 är utgåvan med visuella indata i xAI:s Grok 2-familj, identifierad av namnet grok-2-vision-1212. Tillverkaren presenterar Grok 2 som en modell för text- och visuell förståelse, med uppgifter som omfattar dokumentfrågor och matematiskt resonemang utifrån visuellt material. Det senare tillkännagivandet av 1212-utgåvan beskriver förbättringar av instruktionsefterlevnad och flerspråkigt beteende. Detta kort gäller den namngivna vision-utgåvan och dess textresultat.
Producentens modellmetadata anger text och bilder som indata och text som utdata. En praktisk uppgift börjar därför med både de visuella beläggen och en precis fråga. För en dokumentsida anger du fältet, avsnittet eller sambandet som du behöver få förklarat; för ett diagram identifierar du etiketter och storheter som är viktiga; för en skärmbild beskriver du användarens mål och det element som du vill få granskat. Målet är att koppla synligt innehåll till begäran i stället för att be om en allmän beskrivning av allt i bilden.
Ett exempel på dokumentbegäran är: ”Läs rubrikerna och de märkta fälten på denna sida. Returnera de synliga värdena, markera poster som inte kan läsas med säkerhet och förklara vilket textavsnitt som stöder ditt svar.” En diagrambegäran kan fråga efter sambandet mellan två serier och en åtskillnad mellan direkt synliga värden och tolkning. För ett produktfotografi ber du om synliga egenskaper och en jämförelse med den tillhandahållna skriftliga specifikationen. Detta är förberedelse- och utdataexempel baserade på tillverkarens familjer av visuella uppgifter, inte löften om att varje detalj kan hämtas ur varje bild.
Exemplet för den namngivna modellen registrerar också stöd för strukturerade utdata och funktionsanrop. För extrahering definierar du önskat resultat: till exempel en lista med fält, deras synliga text och en notering om osäkerhet. För en verktygsassisterad uppgift tillhandahåller du de tillåtna verktygsbeskrivningarna och den information som en operation behöver. Applikationen utför operationen och returnerar resultatet; modellen kan sedan använda informationen i nästa textsvar. Själva vision-funktionen är förmågan att tolka den tillhandahållna bilden, medan den externa operationen hör till den omgivande applikationen.
Denna utgåva anges utan separat resonemangsläge i producentens exempel. Den kan fortfarande besvara frågor som kräver samband och förklaringar, men de uttryckliga lägen för utökat tänkande som beskrivs för andra Grok-utgåvor ska hållas åtskilda. Samma exempel anger en maximal promptlängd på 32 768 token. Det är det publicerade indatafältet för den namngivna modellen, inte en separat dokumenterad maximal svarslängd. De lästa primärkällorna fastställer inte något exakt övergripande tak för bildantal, bildupplösning eller utdatatoken för Vision 1212, så dessa värden ska komma från en specifik begäranspecifikation i stället för att lånas från en nyare vision-modell.
Det fasta 1212-namnet spelar också roll när en utgåva väljs. Grok 2:s rena textutgåva och dess bildgenereringsprodukter har olika indata och utdata. Resultatet som beskrivs här är ett skriftligt svar om visuellt material. Funktioner som visas i Grok-applikationen, till exempel ytterligare sök- eller bildgenereringsupplevelser, är separata integrationer kring familjen och ska skiljas från förmågorna i denna namngivna modellpost.
Förbered läsbara sidor och ge varje bild en etikett när du jämför material. Ange vilken del av bilden som är relevant, ta med nödvändiga definitioner eller enheter i frågan och be svaret bevara de ursprungliga namnen. För en användbar slutleverans väljer du en förklaring, en extraheringstabell eller en lista över observationer knutna till beläggen. Om bilden är tvetydig behåller du osäkerheten i utdata och kontrollerar betydelsefulla avläsningar mot originalmaterialet.
", "aboutText": "Grok 2 Vision 1212 är utgåvan med visuella indata i xAI:s Grok 2-familj, identifierad av namnet grok-2-vision-1212. Tillverkaren presenterar Grok 2 som en modell för text- och visuell förståelse, med uppgifter som omfattar dokumentfrågor och matematiskt resonemang utifrån visuellt material. Det senare tillkännagivandet av 1212-utgåvan beskriver förbättringar av instruktionsefterlevnad och flerspråkigt beteende. Detta kort gäller den namngivna vision-utgåvan och dess textresultat.\n\nProducentens modellmetadata anger text och bilder som indata och text som utdata. En praktisk uppgift börjar därför med både de visuella beläggen och en precis fråga. För en dokumentsida anger du fältet, avsnittet eller sambandet som du behöver få förklarat; för ett diagram identifierar du etiketter och storheter som är viktiga; för en skärmbild beskriver du användarens mål och det element som du vill få granskat. Målet är att koppla synligt innehåll till begäran i stället för att be om en allmän beskrivning av allt i bilden.\n\nEtt exempel på dokumentbegäran är: ”Läs rubrikerna och de märkta fälten på denna sida. Returnera de synliga värdena, markera poster som inte kan läsas med säkerhet och förklara vilket textavsnitt som stöder ditt svar.” En diagrambegäran kan fråga efter sambandet mellan två serier och en åtskillnad mellan direkt synliga värden och tolkning. För ett produktfotografi ber du om synliga egenskaper och en jämförelse med den tillhandahållna skriftliga specifikationen. Detta är förberedelse- och utdataexempel baserade på tillverkarens familjer av visuella uppgifter, inte löften om att varje detalj kan hämtas ur varje bild.\n\nExemplet för den namngivna modellen registrerar också stöd för strukturerade utdata och funktionsanrop. För extrahering definierar du önskat resultat: till exempel en lista med fält, deras synliga text och en notering om osäkerhet. För en verktygsassisterad uppgift tillhandahåller du de tillåtna verktygsbeskrivningarna och den information som en operation behöver. Applikationen utför operationen och returnerar resultatet; modellen kan sedan använda informationen i nästa textsvar. Själva vision-funktionen är förmågan att tolka den tillhandahållna bilden, medan den externa operationen hör till den omgivande applikationen.\n\nDenna utgåva anges utan separat resonemangsläge i producentens exempel. Den kan fortfarande besvara frågor som kräver samband och förklaringar, men de uttryckliga lägen för utökat tänkande som beskrivs för andra Grok-utgåvor ska hållas åtskilda. Samma exempel anger en maximal promptlängd på 32 768 token. Det är det publicerade indatafältet för den namngivna modellen, inte en separat dokumenterad maximal svarslängd. De lästa primärkällorna fastställer inte något exakt övergripande tak för bildantal, bildupplösning eller utdatatoken för Vision 1212, så dessa värden ska komma från en specifik begäranspecifikation i stället för att lånas från en nyare vision-modell.\n\nDet fasta 1212-namnet spelar också roll när en utgåva väljs. Grok 2:s rena textutgåva och dess bildgenereringsprodukter har olika indata och utdata. Resultatet som beskrivs här är ett skriftligt svar om visuellt material. Funktioner som visas i Grok-applikationen, till exempel ytterligare sök- eller bildgenereringsupplevelser, är separata integrationer kring familjen och ska skiljas från förmågorna i denna namngivna modellpost.\n\nFörbered läsbara sidor och ge varje bild en etikett när du jämför material. Ange vilken del av bilden som är relevant, ta med nödvändiga definitioner eller enheter i frågan och be svaret bevara de ursprungliga namnen. För en användbar slutleverans väljer du en förklaring, en extraheringstabell eller en lista över observationer knutna till beläggen. Om bilden är tvetydig behåller du osäkerheten i utdata och kontrollerar betydelsefulla avläsningar mot originalmaterialet.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
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 är xAI:s utgåva för bildförståelse och frågor om dokument, diagram, fotografier och skärmbilder. Den kombinerar en skriftlig fråga med visuella indata och returnerar ett textsvar, med dokumenterat stöd för strukturerade utdata och funktionsanrop för den namngivna utgåvan.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Grok 2 Vision 1212 är utgåvan med visuella indata i xAI:s Grok 2-familj, identifierad av namnet grok-2-vision-1212. Tillverkaren presenterar Grok 2 som en modell för text- och visuell förståelse, med uppgifter som omfattar dokumentfrågor och matematiskt resonemang utifrån visuellt material. Det senare tillkännagivandet av 1212-utgåvan beskriver förbättringar av instruktionsefterlevnad och flerspråkigt beteende. Detta kort gäller den namngivna vision-utgåvan och dess textresultat.
Producentens modellmetadata anger text och bilder som indata och text som utdata. En praktisk uppgift börjar därför med både de visuella beläggen och en precis fråga. För en dokumentsida anger du fältet, avsnittet eller sambandet som du behöver få förklarat; för ett diagram identifierar du etiketter och storheter som är viktiga; för en skärmbild beskriver du användarens mål och det element som du vill få granskat. Målet är att koppla synligt innehåll till begäran i stället för att be om en allmän beskrivning av allt i bilden.
Ett exempel på dokumentbegäran är: ”Läs rubrikerna och de märkta fälten på denna sida. Returnera de synliga värdena, markera poster som inte kan läsas med säkerhet och förklara vilket textavsnitt som stöder ditt svar.” En diagrambegäran kan fråga efter sambandet mellan två serier och en åtskillnad mellan direkt synliga värden och tolkning. För ett produktfotografi ber du om synliga egenskaper och en jämförelse med den tillhandahållna skriftliga specifikationen. Detta är förberedelse- och utdataexempel baserade på tillverkarens familjer av visuella uppgifter, inte löften om att varje detalj kan hämtas ur varje bild.
Exemplet för den namngivna modellen registrerar också stöd för strukturerade utdata och funktionsanrop. För extrahering definierar du önskat resultat: till exempel en lista med fält, deras synliga text och en notering om osäkerhet. För en verktygsassisterad uppgift tillhandahåller du de tillåtna verktygsbeskrivningarna och den information som en operation behöver. Applikationen utför operationen och returnerar resultatet; modellen kan sedan använda informationen i nästa textsvar. Själva vision-funktionen är förmågan att tolka den tillhandahållna bilden, medan den externa operationen hör till den omgivande applikationen.
Denna utgåva anges utan separat resonemangsläge i producentens exempel. Den kan fortfarande besvara frågor som kräver samband och förklaringar, men de uttryckliga lägen för utökat tänkande som beskrivs för andra Grok-utgåvor ska hållas åtskilda. Samma exempel anger en maximal promptlängd på 32 768 token. Det är det publicerade indatafältet för den namngivna modellen, inte en separat dokumenterad maximal svarslängd. De lästa primärkällorna fastställer inte något exakt övergripande tak för bildantal, bildupplösning eller utdatatoken för Vision 1212, så dessa värden ska komma från en specifik begäranspecifikation i stället för att lånas från en nyare vision-modell.
Det fasta 1212-namnet spelar också roll när en utgåva väljs. Grok 2:s rena textutgåva och dess bildgenereringsprodukter har olika indata och utdata. Resultatet som beskrivs här är ett skriftligt svar om visuellt material. Funktioner som visas i Grok-applikationen, till exempel ytterligare sök- eller bildgenereringsupplevelser, är separata integrationer kring familjen och ska skiljas från förmågorna i denna namngivna modellpost.
Förbered läsbara sidor och ge varje bild en etikett när du jämför material. Ange vilken del av bilden som är relevant, ta med nödvändiga definitioner eller enheter i frågan och be svaret bevara de ursprungliga namnen. För en användbar slutleverans väljer du en förklaring, en extraheringstabell eller en lista över observationer knutna till beläggen. Om bilden är tvetydig behåller du osäkerheten i utdata och kontrollerar betydelsefulla avläsningar mot originalmaterialet.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser grok-2-vision-1212 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra grok-2-vision-1212
Använd metodsökvägarna som visas ovan.
grok-2-vision-1212Grok 2 Vision 1212 är xAI:s utgåva för bildförståelse och frågor om dokument, diagram, fotografier och skärmbilder. Den kombinerar en skriftlig fråga med visuella indata och returnerar ett textsvar, med dokumenterat stöd för strukturerade utdata och funktionsanrop för den namngivna utgåvan.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Grok 2 Vision 1212 är utgåvan med visuella indata i xAI:s Grok 2-familj, identifierad av namnet grok-2-vision-1212. Tillverkaren presenterar Grok 2 som en modell för text- och visuell förståelse, med uppgifter som omfattar dokumentfrågor och matematiskt resonemang utifrån visuellt material. Det senare tillkännagivandet av 1212-utgåvan beskriver förbättringar av instruktionsefterlevnad och flerspråkigt beteende. Detta kort gäller den namngivna vision-utgåvan och dess textresultat.
Producentens modellmetadata anger text och bilder som indata och text som utdata. En praktisk uppgift börjar därför med både de visuella beläggen och en precis fråga. För en dokumentsida anger du fältet, avsnittet eller sambandet som du behöver få förklarat; för ett diagram identifierar du etiketter och storheter som är viktiga; för en skärmbild beskriver du användarens mål och det element som du vill få granskat. Målet är att koppla synligt innehåll till begäran i stället för att be om en allmän beskrivning av allt i bilden.
Ett exempel på dokumentbegäran är: ”Läs rubrikerna och de märkta fälten på denna sida. Returnera de synliga värdena, markera poster som inte kan läsas med säkerhet och förklara vilket textavsnitt som stöder ditt svar.” En diagrambegäran kan fråga efter sambandet mellan två serier och en åtskillnad mellan direkt synliga värden och tolkning. För ett produktfotografi ber du om synliga egenskaper och en jämförelse med den tillhandahållna skriftliga specifikationen. Detta är förberedelse- och utdataexempel baserade på tillverkarens familjer av visuella uppgifter, inte löften om att varje detalj kan hämtas ur varje bild.
Exemplet för den namngivna modellen registrerar också stöd för strukturerade utdata och funktionsanrop. För extrahering definierar du önskat resultat: till exempel en lista med fält, deras synliga text och en notering om osäkerhet. För en verktygsassisterad uppgift tillhandahåller du de tillåtna verktygsbeskrivningarna och den information som en operation behöver. Applikationen utför operationen och returnerar resultatet; modellen kan sedan använda informationen i nästa textsvar. Själva vision-funktionen är förmågan att tolka den tillhandahållna bilden, medan den externa operationen hör till den omgivande applikationen.
Denna utgåva anges utan separat resonemangsläge i producentens exempel. Den kan fortfarande besvara frågor som kräver samband och förklaringar, men de uttryckliga lägen för utökat tänkande som beskrivs för andra Grok-utgåvor ska hållas åtskilda. Samma exempel anger en maximal promptlängd på 32 768 token. Det är det publicerade indatafältet för den namngivna modellen, inte en separat dokumenterad maximal svarslängd. De lästa primärkällorna fastställer inte något exakt övergripande tak för bildantal, bildupplösning eller utdatatoken för Vision 1212, så dessa värden ska komma från en specifik begäranspecifikation i stället för att lånas från en nyare vision-modell.
Det fasta 1212-namnet spelar också roll när en utgåva väljs. Grok 2:s rena textutgåva och dess bildgenereringsprodukter har olika indata och utdata. Resultatet som beskrivs här är ett skriftligt svar om visuellt material. Funktioner som visas i Grok-applikationen, till exempel ytterligare sök- eller bildgenereringsupplevelser, är separata integrationer kring familjen och ska skiljas från förmågorna i denna namngivna modellpost.
Förbered läsbara sidor och ge varje bild en etikett när du jämför material. Ange vilken del av bilden som är relevant, ta med nödvändiga definitioner eller enheter i frågan och be svaret bevara de ursprungliga namnen. För en användbar slutleverans väljer du en förklaring, en extraheringstabell eller en lista över observationer knutna till beläggen. Om bilden är tvetydig behåller du osäkerheten i utdata och kontrollerar betydelsefulla avläsningar mot originalmaterialet.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser grok-2-vision-1212 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.004 / 1K token Utdata · Utdatatoken $0.02 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "grok-2-vision-1212",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra grok-2-vision-1212
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
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.