Grok 3 mini är xAI:s kompakta resonemangsmodell i Grok 3-familjen. Tillverkaren introducerar den tillsammans med den större modellen Grok 3 Think och använder förstärkningsinlärning för att utveckla problemlösningsbeteende. Särskild tonvikt ligger på tekniskt arbete: matematik, programmering och andra STEM-uppgifter där en tydlig uppsättning villkor betyder mer än en stor mängd allmän omvärldskunskap. Den namngivna modellposten tar emot text och returnerar text.
Syftet med resonemangssteget är att arbeta igenom problemet innan ett svar skapas. Det gör utgåvan värd att överväga för en fråga med beroende steg: att härleda ett värde från flera villkor, undersöka om en algoritm uppfyller ett krav eller kontrollera ett föreslaget logiskt argument. xAI presenterar mini som ett eget modellval, snarare än enbart en inställning som gör den vanliga grok-3-textutgåvan mindre. Behåll den skillnaden när du väljer indata och det resultat du behöver.
För matematik tillhandahåller du det fullständiga villkoret, definitioner, tillåtna antaganden och den storhet eller det påstående som ska fastställas. Ett exempel på begäran är: ”Utvärdera denna lösning. Identifiera det första ogiltiga steget, förklara vilket villkor det bryter mot och ge ett korrigerat resultat med en kontroll mot originalproblemet.” För programmering inkluderar du relevant kod, indatavärden och förväntat beteende. Be om en förklaring av skillnaden och en föreslagen ändring som går att testa på dessa indata. För logik skiljer du premisser från slutsatsen och frågar vilka mellanliggande påståenden som behöver stöd.
Svaret kan struktureras kring en användbar slutleverans: den härledda formeln, ett kodfragment, en lista över förkastade antaganden eller en kortfattad förklaring av den valda metoden. En begäran som specificerar leveransen hjälper till att hålla resonemanget knutet till användarens uppgift. För en handledningsassistent anger du om den lärande behöver en ledtråd, en metodförklaring eller en fullständig lösning; för en teknisk granskare anger du kriterierna som det föreslagna svaret måste uppfylla. Detta är exempel på förberedelseval utifrån tillverkarens uppgiftsfokus, inte försäkringar om att ett returnerat argument är korrekt utan kontroll.
Producentens exempel på modellmetadata registrerar resonemang, strukturerade utdata och funktionsanrop för grok-3-mini. Det anger en maximal promptlängd på 131 072 token och text som både indata och utdata. De lästa källorna för den exakta utgåvan fastställer inte något separat allmänt maximum för genererade utdata. Behåll de nödvändiga villkoren och det relevanta materialet i prompten, ange önskad resultatstruktur och fastställ exekveringsspecifika gränser från den valda konfigurationen i stället för att låna dem från en större Grok-modell.
Strukturerade utdata kan göra ett resonemangsresultat lättare att använda i en applikation: till exempel genom att skilja det föreslagna resultatet, antaganden, kontroller och öppna frågor åt i definierade fält. Med funktionsanrop beskriver applikationen tillgängliga operationer, tar emot ett föreslaget anrop och tillhandahåller operationens resultat för nästa modellsvar. En extern beräkning eller uppslagning utförs av applikationsverktyget; ett skriftligt påstående om att en beräkning kontrollerades är inte i sig en registrering av att verktyget kördes.
Mini-utgåvans tekniska fokus är också en betydelsefull avgränsning. Tillhandahåll specialistfakta som lösningen beror på, särskilt när de är aktuella eller ligger utanför frågans angivna villkor. Skilj källfakta från instruktioner och be modellen behålla osäkerhet när en nödvändig premiss saknas. Lanseringsartikeln beskriver resonemangsmodeller och separata verktygsutrustade agenter, så deras webbläsar-, sök- eller exekveringsfunktioner ska förbli knutna till de faktiska integrationerna. Välj Grok 3 mini för den dokumenterade textbaserade resonemangsuppgiften och verifiera betydelsefulla beräkningar, argument och kod mot originalproblemet eller applikationens kontroller.
", "aboutText": "Grok 3 mini är xAI:s kompakta resonemangsmodell i Grok 3-familjen. Tillverkaren introducerar den tillsammans med den större modellen Grok 3 Think och använder förstärkningsinlärning för att utveckla problemlösningsbeteende. Särskild tonvikt ligger på tekniskt arbete: matematik, programmering och andra STEM-uppgifter där en tydlig uppsättning villkor betyder mer än en stor mängd allmän omvärldskunskap. Den namngivna modellposten tar emot text och returnerar text.\n\nSyftet med resonemangssteget är att arbeta igenom problemet innan ett svar skapas. Det gör utgåvan värd att överväga för en fråga med beroende steg: att härleda ett värde från flera villkor, undersöka om en algoritm uppfyller ett krav eller kontrollera ett föreslaget logiskt argument. xAI presenterar mini som ett eget modellval, snarare än enbart en inställning som gör den vanliga grok-3-textutgåvan mindre. Behåll den skillnaden när du väljer indata och det resultat du behöver.\n\nFör matematik tillhandahåller du det fullständiga villkoret, definitioner, tillåtna antaganden och den storhet eller det påstående som ska fastställas. Ett exempel på begäran är: ”Utvärdera denna lösning. Identifiera det första ogiltiga steget, förklara vilket villkor det bryter mot och ge ett korrigerat resultat med en kontroll mot originalproblemet.” För programmering inkluderar du relevant kod, indatavärden och förväntat beteende. Be om en förklaring av skillnaden och en föreslagen ändring som går att testa på dessa indata. För logik skiljer du premisser från slutsatsen och frågar vilka mellanliggande påståenden som behöver stöd.\n\nSvaret kan struktureras kring en användbar slutleverans: den härledda formeln, ett kodfragment, en lista över förkastade antaganden eller en kortfattad förklaring av den valda metoden. En begäran som specificerar leveransen hjälper till att hålla resonemanget knutet till användarens uppgift. För en handledningsassistent anger du om den lärande behöver en ledtråd, en metodförklaring eller en fullständig lösning; för en teknisk granskare anger du kriterierna som det föreslagna svaret måste uppfylla. Detta är exempel på förberedelseval utifrån tillverkarens uppgiftsfokus, inte försäkringar om att ett returnerat argument är korrekt utan kontroll.\n\nProducentens exempel på modellmetadata registrerar resonemang, strukturerade utdata och funktionsanrop för grok-3-mini. Det anger en maximal promptlängd på 131 072 token och text som både indata och utdata. De lästa källorna för den exakta utgåvan fastställer inte något separat allmänt maximum för genererade utdata. Behåll de nödvändiga villkoren och det relevanta materialet i prompten, ange önskad resultatstruktur och fastställ exekveringsspecifika gränser från den valda konfigurationen i stället för att låna dem från en större Grok-modell.\n\nStrukturerade utdata kan göra ett resonemangsresultat lättare att använda i en applikation: till exempel genom att skilja det föreslagna resultatet, antaganden, kontroller och öppna frågor åt i definierade fält. Med funktionsanrop beskriver applikationen tillgängliga operationer, tar emot ett föreslaget anrop och tillhandahåller operationens resultat för nästa modellsvar. En extern beräkning eller uppslagning utförs av applikationsverktyget; ett skriftligt påstående om att en beräkning kontrollerades är inte i sig en registrering av att verktyget kördes.\n\nMini-utgåvans tekniska fokus är också en betydelsefull avgränsning. Tillhandahåll specialistfakta som lösningen beror på, särskilt när de är aktuella eller ligger utanför frågans angivna villkor. Skilj källfakta från instruktioner och be modellen behålla osäkerhet när en nödvändig premiss saknas. Lanseringsartikeln beskriver resonemangsmodeller och separata verktygsutrustade agenter, så deras webbläsar-, sök- eller exekveringsfunktioner ska förbli knutna till de faktiska integrationerna. Välj Grok 3 mini för den dokumenterade textbaserade resonemangsuppgiften och verifiera betydelsefulla beräkningar, argument och kod mot originalproblemet eller applikationens kontroller.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Find the first invalid algebra step\n\nReview this proposed solution to x squared = 9: 'Take square roots, so x = 3. Therefore there is exactly one real solution.' Identify the earliest invalid inference, give the complete real solution set and verify it by substitution. Explain the issue to a learner without introducing unrelated algebra topics.A concise correction, the full real solution set and a substitution check for each value.Both 3 and -3 are checked, and the missing negative root is tied to the square-root inference.grok-3-miniGrok 3 mini är xAI:s kompakta modell för textbaserat resonemang inom matematik, kodning och logikfokuserade uppgifter. Den är utformad för att arbeta igenom ett problem innan den svarar, 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 3 mini är xAI:s kompakta resonemangsmodell i Grok 3-familjen. Tillverkaren introducerar den tillsammans med den större modellen Grok 3 Think och använder förstärkningsinlärning för att utveckla problemlösningsbeteende. Särskild tonvikt ligger på tekniskt arbete: matematik, programmering och andra STEM-uppgifter där en tydlig uppsättning villkor betyder mer än en stor mängd allmän omvärldskunskap. Den namngivna modellposten tar emot text och returnerar text.
Syftet med resonemangssteget är att arbeta igenom problemet innan ett svar skapas. Det gör utgåvan värd att överväga för en fråga med beroende steg: att härleda ett värde från flera villkor, undersöka om en algoritm uppfyller ett krav eller kontrollera ett föreslaget logiskt argument. xAI presenterar mini som ett eget modellval, snarare än enbart en inställning som gör den vanliga grok-3-textutgåvan mindre. Behåll den skillnaden när du väljer indata och det resultat du behöver.
För matematik tillhandahåller du det fullständiga villkoret, definitioner, tillåtna antaganden och den storhet eller det påstående som ska fastställas. Ett exempel på begäran är: ”Utvärdera denna lösning. Identifiera det första ogiltiga steget, förklara vilket villkor det bryter mot och ge ett korrigerat resultat med en kontroll mot originalproblemet.” För programmering inkluderar du relevant kod, indatavärden och förväntat beteende. Be om en förklaring av skillnaden och en föreslagen ändring som går att testa på dessa indata. För logik skiljer du premisser från slutsatsen och frågar vilka mellanliggande påståenden som behöver stöd.
Svaret kan struktureras kring en användbar slutleverans: den härledda formeln, ett kodfragment, en lista över förkastade antaganden eller en kortfattad förklaring av den valda metoden. En begäran som specificerar leveransen hjälper till att hålla resonemanget knutet till användarens uppgift. För en handledningsassistent anger du om den lärande behöver en ledtråd, en metodförklaring eller en fullständig lösning; för en teknisk granskare anger du kriterierna som det föreslagna svaret måste uppfylla. Detta är exempel på förberedelseval utifrån tillverkarens uppgiftsfokus, inte försäkringar om att ett returnerat argument är korrekt utan kontroll.
Producentens exempel på modellmetadata registrerar resonemang, strukturerade utdata och funktionsanrop för grok-3-mini. Det anger en maximal promptlängd på 131 072 token och text som både indata och utdata. De lästa källorna för den exakta utgåvan fastställer inte något separat allmänt maximum för genererade utdata. Behåll de nödvändiga villkoren och det relevanta materialet i prompten, ange önskad resultatstruktur och fastställ exekveringsspecifika gränser från den valda konfigurationen i stället för att låna dem från en större Grok-modell.
Strukturerade utdata kan göra ett resonemangsresultat lättare att använda i en applikation: till exempel genom att skilja det föreslagna resultatet, antaganden, kontroller och öppna frågor åt i definierade fält. Med funktionsanrop beskriver applikationen tillgängliga operationer, tar emot ett föreslaget anrop och tillhandahåller operationens resultat för nästa modellsvar. En extern beräkning eller uppslagning utförs av applikationsverktyget; ett skriftligt påstående om att en beräkning kontrollerades är inte i sig en registrering av att verktyget kördes.
Mini-utgåvans tekniska fokus är också en betydelsefull avgränsning. Tillhandahåll specialistfakta som lösningen beror på, särskilt när de är aktuella eller ligger utanför frågans angivna villkor. Skilj källfakta från instruktioner och be modellen behålla osäkerhet när en nödvändig premiss saknas. Lanseringsartikeln beskriver resonemangsmodeller och separata verktygsutrustade agenter, så deras webbläsar-, sök- eller exekveringsfunktioner ska förbli knutna till de faktiska integrationerna. Välj Grok 3 mini för den dokumenterade textbaserade resonemangsuppgiften och verifiera betydelsefulla beräkningar, argument och kod mot originalproblemet eller applikationens kontroller.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser grok-3-mini | 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 $0.0006 / 1K token Utdata · Utdatatoken $0.001 / 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-3-mini", "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-mini',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-mini',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-3-mini
Använd metodsökvägarna som visas ovan.
grok-3-miniGrok 3 mini är xAI:s kompakta modell för textbaserat resonemang inom matematik, kodning och logikfokuserade uppgifter. Den är utformad för att arbeta igenom ett problem innan den svarar, 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 3 mini är xAI:s kompakta resonemangsmodell i Grok 3-familjen. Tillverkaren introducerar den tillsammans med den större modellen Grok 3 Think och använder förstärkningsinlärning för att utveckla problemlösningsbeteende. Särskild tonvikt ligger på tekniskt arbete: matematik, programmering och andra STEM-uppgifter där en tydlig uppsättning villkor betyder mer än en stor mängd allmän omvärldskunskap. Den namngivna modellposten tar emot text och returnerar text.
Syftet med resonemangssteget är att arbeta igenom problemet innan ett svar skapas. Det gör utgåvan värd att överväga för en fråga med beroende steg: att härleda ett värde från flera villkor, undersöka om en algoritm uppfyller ett krav eller kontrollera ett föreslaget logiskt argument. xAI presenterar mini som ett eget modellval, snarare än enbart en inställning som gör den vanliga grok-3-textutgåvan mindre. Behåll den skillnaden när du väljer indata och det resultat du behöver.
För matematik tillhandahåller du det fullständiga villkoret, definitioner, tillåtna antaganden och den storhet eller det påstående som ska fastställas. Ett exempel på begäran är: ”Utvärdera denna lösning. Identifiera det första ogiltiga steget, förklara vilket villkor det bryter mot och ge ett korrigerat resultat med en kontroll mot originalproblemet.” För programmering inkluderar du relevant kod, indatavärden och förväntat beteende. Be om en förklaring av skillnaden och en föreslagen ändring som går att testa på dessa indata. För logik skiljer du premisser från slutsatsen och frågar vilka mellanliggande påståenden som behöver stöd.
Svaret kan struktureras kring en användbar slutleverans: den härledda formeln, ett kodfragment, en lista över förkastade antaganden eller en kortfattad förklaring av den valda metoden. En begäran som specificerar leveransen hjälper till att hålla resonemanget knutet till användarens uppgift. För en handledningsassistent anger du om den lärande behöver en ledtråd, en metodförklaring eller en fullständig lösning; för en teknisk granskare anger du kriterierna som det föreslagna svaret måste uppfylla. Detta är exempel på förberedelseval utifrån tillverkarens uppgiftsfokus, inte försäkringar om att ett returnerat argument är korrekt utan kontroll.
Producentens exempel på modellmetadata registrerar resonemang, strukturerade utdata och funktionsanrop för grok-3-mini. Det anger en maximal promptlängd på 131 072 token och text som både indata och utdata. De lästa källorna för den exakta utgåvan fastställer inte något separat allmänt maximum för genererade utdata. Behåll de nödvändiga villkoren och det relevanta materialet i prompten, ange önskad resultatstruktur och fastställ exekveringsspecifika gränser från den valda konfigurationen i stället för att låna dem från en större Grok-modell.
Strukturerade utdata kan göra ett resonemangsresultat lättare att använda i en applikation: till exempel genom att skilja det föreslagna resultatet, antaganden, kontroller och öppna frågor åt i definierade fält. Med funktionsanrop beskriver applikationen tillgängliga operationer, tar emot ett föreslaget anrop och tillhandahåller operationens resultat för nästa modellsvar. En extern beräkning eller uppslagning utförs av applikationsverktyget; ett skriftligt påstående om att en beräkning kontrollerades är inte i sig en registrering av att verktyget kördes.
Mini-utgåvans tekniska fokus är också en betydelsefull avgränsning. Tillhandahåll specialistfakta som lösningen beror på, särskilt när de är aktuella eller ligger utanför frågans angivna villkor. Skilj källfakta från instruktioner och be modellen behålla osäkerhet när en nödvändig premiss saknas. Lanseringsartikeln beskriver resonemangsmodeller och separata verktygsutrustade agenter, så deras webbläsar-, sök- eller exekveringsfunktioner ska förbli knutna till de faktiska integrationerna. Välj Grok 3 mini för den dokumenterade textbaserade resonemangsuppgiften och verifiera betydelsefulla beräkningar, argument och kod mot originalproblemet eller applikationens kontroller.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser grok-3-mini | 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 $0.0006 / 1K token Utdata · Utdatatoken $0.001 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "grok-3-mini",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-mini', '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-mini', '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-3-mini
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Find the first invalid algebra step\n\nReview this proposed solution to x squared = 9: 'Take square roots, so x = 3. Therefore there is exactly one real solution.' Identify the earliest invalid inference, give the complete real solution set and verify it by substitution. Explain the issue to a learner without introducing unrelated algebra topics.A concise correction, the full real solution set and a substitution check for each value.Both 3 and -3 are checked, and the missing negative root is tied to the square-root inference.