Grok 2 Vision 1212 là phiên bản nhận đầu vào hình ảnh thuộc dòng Grok 2 của xAI, được định danh bằng tên grok-2-vision-1212. Nhà sản xuất giới thiệu Grok 2 như mô hình hiểu văn bản và hình ảnh, với nhiệm vụ gồm hỏi đáp tài liệu và suy luận toán học từ tư liệu hình ảnh. Thông báo phát hành 1212 sau đó mô tả cải thiện về tuân thủ chỉ dẫn và hành vi đa ngôn ngữ. Thẻ này đề cập phiên bản vision có tên và kết quả văn bản của nó.
Siêu dữ liệu mô hình của nhà sản xuất liệt kê văn bản và hình ảnh làm đầu vào, văn bản làm đầu ra. Vì vậy, nhiệm vụ thực tế bắt đầu bằng cả bằng chứng hình ảnh lẫn câu hỏi chính xác. Với trang tài liệu, nêu trường, phần hoặc mối quan hệ cần giải thích; với biểu đồ, chỉ rõ nhãn và đại lượng quan trọng; với ảnh màn hình, mô tả mục tiêu của người dùng và thành phần cần xem xét. Mục đích là liên hệ nội dung nhìn thấy với yêu cầu, thay vì đề nghị mô tả không định hướng mọi thứ trong ảnh.
Một yêu cầu tài liệu minh họa là: “Đọc các tiêu đề và trường có nhãn trên trang này. Trả về giá trị nhìn thấy, đánh dấu mục không thể đọc chắc chắn và giải thích đoạn nào hỗ trợ câu trả lời.” Yêu cầu biểu đồ có thể hỏi mối quan hệ giữa hai chuỗi và phân biệt giá trị nhìn thấy trực tiếp với diễn giải. Với ảnh sản phẩm, hãy hỏi đặc điểm nhìn thấy và so sánh với thông số viết được cung cấp. Đây là ví dụ chuẩn bị đầu vào và đầu ra dựa trên nhóm nhiệm vụ hình ảnh của nhà sản xuất, không phải cam kết mọi chi tiết đều có thể khôi phục từ mọi ảnh.
Ví dụ mô hình có tên cũng ghi nhận hỗ trợ đầu ra có cấu trúc và gọi hàm. Với trích xuất, xác định kết quả mong muốn: chẳng hạn danh sách trường, văn bản nhìn thấy trong trường và ghi chú về độ chắc chắn. Với nhiệm vụ có công cụ hỗ trợ, cung cấp mô tả công cụ được phép và thông tin cần cho thao tác. Ứng dụng thực hiện thao tác rồi trả kết quả; mô hình có thể dùng thông tin đó trong câu trả lời văn bản tiếp theo. Bản thân tính năng vision là khả năng diễn giải ảnh được cung cấp, còn thao tác bên ngoài thuộc ứng dụng bao quanh mô hình.
Trong ví dụ của nhà sản xuất, phiên bản này được liệt kê không có chế độ suy luận riêng. Mô hình vẫn có thể trả lời câu hỏi đòi hỏi mối quan hệ và giải thích, nhưng cần tách biệt các chế độ suy nghĩ mở rộng được mô tả rõ cho những bản Grok khác. Cùng ví dụ đó nêu độ dài lời nhắc tối đa 32,768 token. Đây là trường đầu vào được công bố cho mô hình có tên, không phải độ dài câu trả lời tối đa được ghi nhận riêng. Các nguồn sơ cấp đã đọc không xác lập trần toàn cục chính xác cho số ảnh, độ phân giải ảnh hoặc token đầu ra của Vision 1212, vì vậy những giá trị đó cần lấy từ thông số yêu cầu cụ thể thay vì mượn từ mô hình vision mới hơn.
Tên cố định 1212 cũng quan trọng khi chọn phiên bản. Bản Grok 2 chỉ nhận văn bản và các sản phẩm sinh ảnh phục vụ những loại đầu vào, đầu ra khác nhau. Kết quả được mô tả ở đây là câu trả lời viết về tư liệu hình ảnh. Các tính năng trong ứng dụng Grok, như trải nghiệm tìm kiếm hoặc sinh ảnh bổ sung, là những tích hợp riêng quanh dòng và cần phân biệt với khả năng của mục mô hình có tên này.
Chuẩn bị trang dễ đọc và đặt nhãn cho từng ảnh khi so sánh tư liệu. Nêu phần ảnh liên quan, thêm định nghĩa hoặc đơn vị cần thiết vào câu hỏi và yêu cầu giữ tên gốc trong câu trả lời. Để có sản phẩm cuối hữu ích, chọn bản giải thích, bảng trích xuất hoặc danh sách quan sát gắn với bằng chứng. Nếu ảnh không rõ, giữ sự chưa chắc chắn đó trong đầu ra và kiểm tra cách đọc có hệ quả quan trọng theo tư liệu gốc.
", "aboutText": "Grok 2 Vision 1212 là phiên bản nhận đầu vào hình ảnh thuộc dòng Grok 2 của xAI, được định danh bằng tên grok-2-vision-1212. Nhà sản xuất giới thiệu Grok 2 như mô hình hiểu văn bản và hình ảnh, với nhiệm vụ gồm hỏi đáp tài liệu và suy luận toán học từ tư liệu hình ảnh. Thông báo phát hành 1212 sau đó mô tả cải thiện về tuân thủ chỉ dẫn và hành vi đa ngôn ngữ. Thẻ này đề cập phiên bản vision có tên và kết quả văn bản của nó.\n\nSiêu dữ liệu mô hình của nhà sản xuất liệt kê văn bản và hình ảnh làm đầu vào, văn bản làm đầu ra. Vì vậy, nhiệm vụ thực tế bắt đầu bằng cả bằng chứng hình ảnh lẫn câu hỏi chính xác. Với trang tài liệu, nêu trường, phần hoặc mối quan hệ cần giải thích; với biểu đồ, chỉ rõ nhãn và đại lượng quan trọng; với ảnh màn hình, mô tả mục tiêu của người dùng và thành phần cần xem xét. Mục đích là liên hệ nội dung nhìn thấy với yêu cầu, thay vì đề nghị mô tả không định hướng mọi thứ trong ảnh.\n\nMột yêu cầu tài liệu minh họa là: “Đọc các tiêu đề và trường có nhãn trên trang này. Trả về giá trị nhìn thấy, đánh dấu mục không thể đọc chắc chắn và giải thích đoạn nào hỗ trợ câu trả lời.” Yêu cầu biểu đồ có thể hỏi mối quan hệ giữa hai chuỗi và phân biệt giá trị nhìn thấy trực tiếp với diễn giải. Với ảnh sản phẩm, hãy hỏi đặc điểm nhìn thấy và so sánh với thông số viết được cung cấp. Đây là ví dụ chuẩn bị đầu vào và đầu ra dựa trên nhóm nhiệm vụ hình ảnh của nhà sản xuất, không phải cam kết mọi chi tiết đều có thể khôi phục từ mọi ảnh.\n\nVí dụ mô hình có tên cũng ghi nhận hỗ trợ đầu ra có cấu trúc và gọi hàm. Với trích xuất, xác định kết quả mong muốn: chẳng hạn danh sách trường, văn bản nhìn thấy trong trường và ghi chú về độ chắc chắn. Với nhiệm vụ có công cụ hỗ trợ, cung cấp mô tả công cụ được phép và thông tin cần cho thao tác. Ứng dụng thực hiện thao tác rồi trả kết quả; mô hình có thể dùng thông tin đó trong câu trả lời văn bản tiếp theo. Bản thân tính năng vision là khả năng diễn giải ảnh được cung cấp, còn thao tác bên ngoài thuộc ứng dụng bao quanh mô hình.\n\nTrong ví dụ của nhà sản xuất, phiên bản này được liệt kê không có chế độ suy luận riêng. Mô hình vẫn có thể trả lời câu hỏi đòi hỏi mối quan hệ và giải thích, nhưng cần tách biệt các chế độ suy nghĩ mở rộng được mô tả rõ cho những bản Grok khác. Cùng ví dụ đó nêu độ dài lời nhắc tối đa 32,768 token. Đây là trường đầu vào được công bố cho mô hình có tên, không phải độ dài câu trả lời tối đa được ghi nhận riêng. Các nguồn sơ cấp đã đọc không xác lập trần toàn cục chính xác cho số ảnh, độ phân giải ảnh hoặc token đầu ra của Vision 1212, vì vậy những giá trị đó cần lấy từ thông số yêu cầu cụ thể thay vì mượn từ mô hình vision mới hơn.\n\nTên cố định 1212 cũng quan trọng khi chọn phiên bản. Bản Grok 2 chỉ nhận văn bản và các sản phẩm sinh ảnh phục vụ những loại đầu vào, đầu ra khác nhau. Kết quả được mô tả ở đây là câu trả lời viết về tư liệu hình ảnh. Các tính năng trong ứng dụng Grok, như trải nghiệm tìm kiếm hoặc sinh ảnh bổ sung, là những tích hợp riêng quanh dòng và cần phân biệt với khả năng của mục mô hình có tên này.\n\nChuẩn bị trang dễ đọc và đặt nhãn cho từng ảnh khi so sánh tư liệu. Nêu phần ảnh liên quan, thêm định nghĩa hoặc đơn vị cần thiết vào câu hỏi và yêu cầu giữ tên gốc trong câu trả lời. Để có sản phẩm cuối hữu ích, chọn bản giải thích, bảng trích xuất hoặc danh sách quan sát gắn với bằng chứng. Nếu ảnh không rõ, giữ sự chưa chắc chắn đó trong đầu ra và kiểm tra cách đọc có hệ quả quan trọng theo tư liệu gốc.", "editorialOverlay": { "copy_fields": { "practical_html": "Ví dụ kỹ thuật bằng tiếng Anh
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 là phiên bản hiểu hình ảnh của xAI dành cho câu hỏi về tài liệu, biểu đồ, ảnh chụp và ảnh màn hình. Mô hình kết hợp câu hỏi viết với đầu vào hình ảnh và trả lời bằng văn bản, với tính năng đầu ra có cấu trúc và gọi hàm được ghi nhận cho phiên bản có tên này.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Grok 2 Vision 1212 là phiên bản nhận đầu vào hình ảnh thuộc dòng Grok 2 của xAI, được định danh bằng tên grok-2-vision-1212. Nhà sản xuất giới thiệu Grok 2 như mô hình hiểu văn bản và hình ảnh, với nhiệm vụ gồm hỏi đáp tài liệu và suy luận toán học từ tư liệu hình ảnh. Thông báo phát hành 1212 sau đó mô tả cải thiện về tuân thủ chỉ dẫn và hành vi đa ngôn ngữ. Thẻ này đề cập phiên bản vision có tên và kết quả văn bản của nó.
Siêu dữ liệu mô hình của nhà sản xuất liệt kê văn bản và hình ảnh làm đầu vào, văn bản làm đầu ra. Vì vậy, nhiệm vụ thực tế bắt đầu bằng cả bằng chứng hình ảnh lẫn câu hỏi chính xác. Với trang tài liệu, nêu trường, phần hoặc mối quan hệ cần giải thích; với biểu đồ, chỉ rõ nhãn và đại lượng quan trọng; với ảnh màn hình, mô tả mục tiêu của người dùng và thành phần cần xem xét. Mục đích là liên hệ nội dung nhìn thấy với yêu cầu, thay vì đề nghị mô tả không định hướng mọi thứ trong ảnh.
Một yêu cầu tài liệu minh họa là: “Đọc các tiêu đề và trường có nhãn trên trang này. Trả về giá trị nhìn thấy, đánh dấu mục không thể đọc chắc chắn và giải thích đoạn nào hỗ trợ câu trả lời.” Yêu cầu biểu đồ có thể hỏi mối quan hệ giữa hai chuỗi và phân biệt giá trị nhìn thấy trực tiếp với diễn giải. Với ảnh sản phẩm, hãy hỏi đặc điểm nhìn thấy và so sánh với thông số viết được cung cấp. Đây là ví dụ chuẩn bị đầu vào và đầu ra dựa trên nhóm nhiệm vụ hình ảnh của nhà sản xuất, không phải cam kết mọi chi tiết đều có thể khôi phục từ mọi ảnh.
Ví dụ mô hình có tên cũng ghi nhận hỗ trợ đầu ra có cấu trúc và gọi hàm. Với trích xuất, xác định kết quả mong muốn: chẳng hạn danh sách trường, văn bản nhìn thấy trong trường và ghi chú về độ chắc chắn. Với nhiệm vụ có công cụ hỗ trợ, cung cấp mô tả công cụ được phép và thông tin cần cho thao tác. Ứng dụng thực hiện thao tác rồi trả kết quả; mô hình có thể dùng thông tin đó trong câu trả lời văn bản tiếp theo. Bản thân tính năng vision là khả năng diễn giải ảnh được cung cấp, còn thao tác bên ngoài thuộc ứng dụng bao quanh mô hình.
Trong ví dụ của nhà sản xuất, phiên bản này được liệt kê không có chế độ suy luận riêng. Mô hình vẫn có thể trả lời câu hỏi đòi hỏi mối quan hệ và giải thích, nhưng cần tách biệt các chế độ suy nghĩ mở rộng được mô tả rõ cho những bản Grok khác. Cùng ví dụ đó nêu độ dài lời nhắc tối đa 32,768 token. Đây là trường đầu vào được công bố cho mô hình có tên, không phải độ dài câu trả lời tối đa được ghi nhận riêng. Các nguồn sơ cấp đã đọc không xác lập trần toàn cục chính xác cho số ảnh, độ phân giải ảnh hoặc token đầu ra của Vision 1212, vì vậy những giá trị đó cần lấy từ thông số yêu cầu cụ thể thay vì mượn từ mô hình vision mới hơn.
Tên cố định 1212 cũng quan trọng khi chọn phiên bản. Bản Grok 2 chỉ nhận văn bản và các sản phẩm sinh ảnh phục vụ những loại đầu vào, đầu ra khác nhau. Kết quả được mô tả ở đây là câu trả lời viết về tư liệu hình ảnh. Các tính năng trong ứng dụng Grok, như trải nghiệm tìm kiếm hoặc sinh ảnh bổ sung, là những tích hợp riêng quanh dòng và cần phân biệt với khả năng của mục mô hình có tên này.
Chuẩn bị trang dễ đọc và đặt nhãn cho từng ảnh khi so sánh tư liệu. Nêu phần ảnh liên quan, thêm định nghĩa hoặc đơn vị cần thiết vào câu hỏi và yêu cầu giữ tên gốc trong câu trả lời. Để có sản phẩm cuối hữu ích, chọn bản giải thích, bảng trích xuất hoặc danh sách quan sát gắn với bằng chứng. Nếu ảnh không rõ, giữ sự chưa chắc chắn đó trong đầu ra và kiểm tra cách đọc có hệ quả quan trọng theo tư liệu gốc.
POST /v1/chat/completionstexttext| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn grok-2-vision-1212 | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Ví dụ: system, user, assistant, tool, function Điều kiện: Các vai trò này được biểu diễn rõ trong các kiểu tương thích của mã nguồn; tập vai trò chính xác vẫn tùy từng mô hình. Tùy thuộc vào mô hình | Mặc định— |
Trườngmessages[].content | Loạistring|content_part[]|null | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_calls | Loạitool_call[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].tool_call_id | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: role=tool; dùng ID thực tế được trả về | Mặc định— |
Trườngmessages[].name | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].reasoning_content | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Áp dụng khi: Gửi lại dữ liệu suy luận thực tế đã được trả về khi mô hình này sử dụng dữ liệu đó | Mặc định— |
Trườngmessages[].reasoning_details | Loạiobject|array | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngmax_completion_tokens | Loạiinteger | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tối thiểu: 1 Tùy thuộc vào mô hình | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Trườngstream_options.include_usage | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtemperature | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtop_p | Loạinumber | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngstop | Loạistring|string[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools | Loạifunction_tool[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].type | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn function Tùy thuộc vào mô hình | Mặc định— |
Trườngtools[].function.name | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn Áp dụng khi: Có cung cấp công cụ hàm | Mặc định— |
Trườngtools[].function.description | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtools[].function.parameters | LoạiJSON_schema | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngtool_choice | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngparallel_tool_calls | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngresponse_format | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning_effort | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngreasoning | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngservice_tier | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườnginstructions | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Trường tương thích | Mặc định— |
Trườngfunctions | Loạifunction[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngfunction_call | Loạistring|object | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngprompt_cache_options | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Tùy thuộc vào mô hình | Mặc định— |
Trườngmodalities | Loạistring[] | Yêu cầuKhông bắt buộc | Giá trị & giới hạn text | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối trên tuyến văn bản Ultra này | Mặc định— |
Trườngcache_control.ttl | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: 1h bị từ chối tại các vị trí lưu đệm prompt thực tế | Mặc định— |
Văn bản · Văn bản UTF8
messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốmessages | Hợp đồngMảng thông điệp có cấu trúc role/content |
Tham sốfile_material | Hợp đồngTài liệu UTF-8 thực tế được chèn nguyên dạng văn bản; không suy ra ID tệp |
Tham sốoptional_controls | Hợp đồngstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Tham sốcontrol_scope | Hợp đồngTùy từng mô hình; công cụ hàm của người dùng khác với công cụ do dịch vụ cung cấp |
Tham sốoutput_modalities | Hợp đồngtext |
Tham sốhosted_operations | Hợp đồngfalse |
Tham sốmultimodal_input_binding | Hợp đồngnull |
Vòng đời: synchronous_or_streamed
Gửi ID mô hình chính xác cùng messages.
Độ dài ngữ cảnh không phải giới hạn đầu ra.
Tệp văn bản có thể cung cấp nguyên văn nội dung; đầu vào hình ảnh, âm thanh hoặc đối tượng tệp cần có liên kết chính xác.
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.004 / 1K token Đầu ra · Token đầu ra $0.02 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
set -eu\n: "${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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi phương án trả lời cùng nội dung, lệnh gọi công cụ và dữ liệu suy luận của phương án đó. Với SSE, ghép các phần thay đổi theo chỉ số phương án và công cụ, giữ lý do kết thúc cuối cùng cùng dữ liệu sử dụng.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngchoices[].index | Loạiinteger |
Trườngchoices[].message.content | Loạistring|null |
Trườngchoices[].message.tool_calls | Loạitool_call[] |
Trườngchoices[].message.reasoning_content | Loạistring |
Trườngchoices[].message.reasoning_details | Loạiobject|array |
Trườngchoices[].finish_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra grok-2-vision-1212
Dùng các đường dẫn phương thức hiển thị ở trên.
grok-2-vision-1212Grok 2 Vision 1212 là phiên bản hiểu hình ảnh của xAI dành cho câu hỏi về tài liệu, biểu đồ, ảnh chụp và ảnh màn hình. Mô hình kết hợp câu hỏi viết với đầu vào hình ảnh và trả lời bằng văn bản, với tính năng đầu ra có cấu trúc và gọi hàm được ghi nhận cho phiên bản có tên này.
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Grok 2 Vision 1212 là phiên bản nhận đầu vào hình ảnh thuộc dòng Grok 2 của xAI, được định danh bằng tên grok-2-vision-1212. Nhà sản xuất giới thiệu Grok 2 như mô hình hiểu văn bản và hình ảnh, với nhiệm vụ gồm hỏi đáp tài liệu và suy luận toán học từ tư liệu hình ảnh. Thông báo phát hành 1212 sau đó mô tả cải thiện về tuân thủ chỉ dẫn và hành vi đa ngôn ngữ. Thẻ này đề cập phiên bản vision có tên và kết quả văn bản của nó.
Siêu dữ liệu mô hình của nhà sản xuất liệt kê văn bản và hình ảnh làm đầu vào, văn bản làm đầu ra. Vì vậy, nhiệm vụ thực tế bắt đầu bằng cả bằng chứng hình ảnh lẫn câu hỏi chính xác. Với trang tài liệu, nêu trường, phần hoặc mối quan hệ cần giải thích; với biểu đồ, chỉ rõ nhãn và đại lượng quan trọng; với ảnh màn hình, mô tả mục tiêu của người dùng và thành phần cần xem xét. Mục đích là liên hệ nội dung nhìn thấy với yêu cầu, thay vì đề nghị mô tả không định hướng mọi thứ trong ảnh.
Một yêu cầu tài liệu minh họa là: “Đọc các tiêu đề và trường có nhãn trên trang này. Trả về giá trị nhìn thấy, đánh dấu mục không thể đọc chắc chắn và giải thích đoạn nào hỗ trợ câu trả lời.” Yêu cầu biểu đồ có thể hỏi mối quan hệ giữa hai chuỗi và phân biệt giá trị nhìn thấy trực tiếp với diễn giải. Với ảnh sản phẩm, hãy hỏi đặc điểm nhìn thấy và so sánh với thông số viết được cung cấp. Đây là ví dụ chuẩn bị đầu vào và đầu ra dựa trên nhóm nhiệm vụ hình ảnh của nhà sản xuất, không phải cam kết mọi chi tiết đều có thể khôi phục từ mọi ảnh.
Ví dụ mô hình có tên cũng ghi nhận hỗ trợ đầu ra có cấu trúc và gọi hàm. Với trích xuất, xác định kết quả mong muốn: chẳng hạn danh sách trường, văn bản nhìn thấy trong trường và ghi chú về độ chắc chắn. Với nhiệm vụ có công cụ hỗ trợ, cung cấp mô tả công cụ được phép và thông tin cần cho thao tác. Ứng dụng thực hiện thao tác rồi trả kết quả; mô hình có thể dùng thông tin đó trong câu trả lời văn bản tiếp theo. Bản thân tính năng vision là khả năng diễn giải ảnh được cung cấp, còn thao tác bên ngoài thuộc ứng dụng bao quanh mô hình.
Trong ví dụ của nhà sản xuất, phiên bản này được liệt kê không có chế độ suy luận riêng. Mô hình vẫn có thể trả lời câu hỏi đòi hỏi mối quan hệ và giải thích, nhưng cần tách biệt các chế độ suy nghĩ mở rộng được mô tả rõ cho những bản Grok khác. Cùng ví dụ đó nêu độ dài lời nhắc tối đa 32,768 token. Đây là trường đầu vào được công bố cho mô hình có tên, không phải độ dài câu trả lời tối đa được ghi nhận riêng. Các nguồn sơ cấp đã đọc không xác lập trần toàn cục chính xác cho số ảnh, độ phân giải ảnh hoặc token đầu ra của Vision 1212, vì vậy những giá trị đó cần lấy từ thông số yêu cầu cụ thể thay vì mượn từ mô hình vision mới hơn.
Tên cố định 1212 cũng quan trọng khi chọn phiên bản. Bản Grok 2 chỉ nhận văn bản và các sản phẩm sinh ảnh phục vụ những loại đầu vào, đầu ra khác nhau. Kết quả được mô tả ở đây là câu trả lời viết về tư liệu hình ảnh. Các tính năng trong ứng dụng Grok, như trải nghiệm tìm kiếm hoặc sinh ảnh bổ sung, là những tích hợp riêng quanh dòng và cần phân biệt với khả năng của mục mô hình có tên này.
Chuẩn bị trang dễ đọc và đặt nhãn cho từng ảnh khi so sánh tư liệu. Nêu phần ảnh liên quan, thêm định nghĩa hoặc đơn vị cần thiết vào câu hỏi và yêu cầu giữ tên gốc trong câu trả lời. Để có sản phẩm cuối hữu ích, chọn bản giải thích, bảng trích xuất hoặc danh sách quan sát gắn với bằng chứng. Nếu ảnh không rõ, giữ sự chưa chắc chắn đó trong đầu ra và kiểm tra cách đọc có hệ quả quan trọng theo tư liệu gốc.
POST /v1/messagestextjson, sse| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn grok-2-vision-1212 | Mặc định— |
Trườngmessages | Loạimessage[] | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmessages[].role | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn user, assistant | Mặc định— |
Trườngmessages[].content | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngmax_tokens | Loạiinteger | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |
Trườngstream | Loạiboolean | Yêu cầuKhông bắt buộc | Giá trị & giới hạn | Mặc địnhfalse |
Văn bản · Văn bản UTF-8
Chuỗi messages[].content
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, messages, max_tokens |
Tham sốoptional_controls | Hợp đồngstream |
Tham sốmaterial_types | Hợp đồngtext |
Tham sốtext_file_material | Hợp đồngĐọc tài liệu UTF-8 thực tế và đặt nội dung văn bản vào chuỗi đầu vào hoặc nội dung thông điệp được chỉ định. |
Vòng đời: synchronous_or_streamed
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.004 / 1K token Đầu ra · Token đầu ra $0.02 / 1K token Đầu vào · Đọc bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm $0 / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
{\n "model": "grok-2-vision-1212",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 hoặc SSE
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ mọi khối nội dung, chữ ký suy nghĩ và ID sử dụng công cụ thực tế. Ghép tất cả các phần thay đổi của khối SSE; khối văn bản đầu tiên không phải toàn bộ đầu ra.
Giữ ID và header của yêu cầu, phản hồi. Không cung cấp URL chung để truy xuất tác vụ văn bản.
| Trường | Loại |
|---|---|
Trườngid | Loạistring |
Trườngmodel | Loạistring |
Trườngcontent[] | Loạitext|thinking|tool_use|other content block |
Trườngstop_reason | Loạistring|null |
Trườngusage | Loạiobject |
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Ailoot Ultra grok-2-vision-1212
Dùng các đường dẫn phương thức hiển thị ở trên.
Ví dụ kỹ thuật bằng tiếng Anh
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.