Text Models (LLM)xai

معرفی و مستندات مدل هوش مصنوعی grok-3-mini-beta

مستندات مدل grok-3-mini-beta ارائه شده توسط ای آی کار (AI-KAR).

معرفی و بررسی فنی

⚡ وضعیت پشتیبانی از زبان فارسی

این مدل از زبان فارسی به صورت متوسط پشتیبانی می‌کند.

مدل grok-3-mini-beta یک نسخه سبک‌تر از مدل Grok 3 Beta است که توسط xAI توسعه داده شده است. این مدل به منظور ارائه پاسخ‌های سریع‌تر با حفظ قابلیت‌های استدلال قوی طراحی شده است. این مدل به ویژه برای برنامه‌هایی مناسب است که سرعت در آنها نسبت به بررسی دقیق و کامل ارجحیت دارد. به عبارت دیگر، این مدل تلاش می‌کند تا با کمترین تاخیر، پاسخ‌های معقول و کاربردی ارائه دهد، حتی اگر این پاسخ‌ها به اندازه پاسخ‌های تولید شده توسط مدل‌های بزرگتر و کندتر، دقیق نباشند.

grok-3-mini-beta برای کاربردهایی مانند چت‌بات‌ها، پاسخگویی به سوالات متداول، و تولید محتوای سریع مناسب است. این مدل می‌تواند به سرعت اطلاعات را پردازش کرده و پاسخ‌های مرتبط را تولید کند. با این حال، باید توجه داشت که این مدل ممکن است در برخی موارد، دقت کمتری نسبت به مدل‌های بزرگتر داشته باشد. بنابراین، استفاده از آن در کاربردهایی که دقت بسیار حیاتی است، توصیه نمی‌شود.

یکی از ویژگی‌های مهم grok-3-mini-beta، توانایی آن در استدلال و درک زبان طبیعی است. این مدل می‌تواند سوالات پیچیده را درک کرده و پاسخ‌های منطقی ارائه دهد. همچنین، این مدل می‌تواند محتوای متنی را تحلیل کرده و اطلاعات مهم را استخراج کند. این ویژگی‌ها آن را به یک ابزار قدرتمند برای پردازش زبان طبیعی تبدیل کرده است.

برای استفاده از grok-3-mini-beta، می‌توانید از API ارائه شده توسط AI-KAR استفاده کنید. این API به شما امکان می‌دهد تا به راحتی با مدل تعامل داشته باشید و از قابلیت‌های آن در برنامه‌های خود بهره ببرید. برای شروع، باید یک حساب کاربری در AI-KAR ایجاد کرده و یک کلید API دریافت کنید. سپس، می‌توانید از طریق درخواست‌های HTTP به API، با مدل ارتباط برقرار کنید.

در نهایت، grok-3-mini-beta یک مدل هوش مصنوعی قدرتمند و کارآمد است که می‌تواند در بسیاری از کاربردها مفید باشد. با این حال، باید توجه داشت که این مدل دارای محدودیت‌هایی است و ممکن است در برخی موارد، دقت کمتری نسبت به مدل‌های بزرگتر داشته باشد. بنابراین، استفاده از آن باید با در نظر گرفتن این محدودیت‌ها صورت گیرد. این مدل برای توسعه دهندگان و محققانی که به دنبال یک راه حل سریع و کارآمد برای پردازش زبان طبیعی هستند، یک گزینه عالی است.

مشخصات فنی (API References)

پارامتر	نوع	توضیحات و مقادیر
model	stringRequired	نام مدلی که باید استفاده شود. مقدار این پارامتر باید `x-ai/grok-3-mini-beta` باشد. مقادیر مجاز (کلیک برای کپی):
messages	one of[]Required	لیستی از پیام‌ها که مکالمه را تا این لحظه تشکیل می‌دهند. بسته به مدلی که استفاده می‌کنید، انواع مختلفی از پیام‌ها (modalities) مانند متن، اسناد (txt, pdf)، تصاویر و صدا پشتیبانی می‌شوند.
max_completion_tokens	integer	حد بالایی برای تعداد توکن‌هایی که می‌توان برای تکمیل تولید کرد، از جمله توکن‌های خروجی قابل مشاهده و توکن‌های استدلال. حداقل مقدار: 1
max_tokens	number	حداکثر تعداد توکن‌هایی که می‌توان در تکمیل چت تولید کرد. این مقدار می‌تواند برای کنترل هزینه‌های متن تولید شده از طریق API استفاده شود. حداقل مقدار: 1
stream	boolean	اگر روی True تنظیم شود، داده‌های پاسخ مدل به صورت جریانی (stream) با استفاده از رویدادهای ارسال شده توسط سرور (server-sent events) به کلاینت ارسال می‌شود. مقدار پیش‌فرض: false
stream_options	object	تنظیمات مربوط به جریان داده.
temperature	number	از چه دمای نمونه‌برداری استفاده شود. مقادیر بالاتر مانند 0.8 خروجی را تصادفی‌تر می‌کنند، در حالی که مقادیر پایین‌تر مانند 0.2 آن را متمرکزتر و قطعی‌تر می‌کنند. به طور کلی توصیه می‌کنیم این مقدار یا top_p را تغییر دهید، اما نه هر دو را.
top_p	number	جایگزینی برای نمونه‌برداری با دما، به نام نمونه‌برداری هسته‌ای (nucleus sampling)، که در آن مدل نتایج توکن‌ها را با جرم احتمال top_p در نظر می‌گیرد. بنابراین 0.1 به این معنی است که فقط توکن‌هایی که شامل 10٪ جرم احتمال برتر هستند در نظر گرفته می‌شوند. به طور کلی توصیه می‌کنیم این مقدار یا temperature را تغییر دهید، اما نه هر دو را. حداقل مقدار: 0.01، حداکثر مقدار: 1
seed	integer	این ویژگی در حالت بتا است. اگر مشخص شود، سیستم ما تمام تلاش خود را می‌کند تا به صورت قطعی نمونه‌برداری کند، به طوری که درخواست‌های مکرر با همان seed و پارامترها باید نتیجه یکسانی را برگردانند. حداقل مقدار: 1
top_k	number	فقط از K گزینه برتر برای هر توکن بعدی نمونه‌برداری کنید. برای حذف پاسخ‌های با احتمال پایین "long tail" استفاده می‌شود. فقط برای موارد استفاده پیشرفته توصیه می‌شود. معمولاً فقط باید از temperature استفاده کنید.
repetition_penalty	number	عددی که تنوع متن تولید شده را با کاهش احتمال تکرار توالی‌ها کنترل می‌کند. مقادیر بالاتر تکرار را کاهش می‌دهند.
top_a	number	پارامتر نمونه‌برداری برتر جایگزین. حداکثر مقدار: 1
prediction	object	پیکربندی برای خروجی پیش‌بینی‌شده، که می‌تواند زمان پاسخ را در زمانی که بخش‌های بزرگی از پاسخ مدل از قبل مشخص هستند، بسیار بهبود بخشد.
tools	object[]	لیستی از ابزارهایی که مدل ممکن است فراخوانی کند. در حال حاضر، فقط توابع به عنوان ابزار پشتیبانی می‌شوند. از این برای ارائه لیستی از توابعی استفاده کنید که مدل ممکن است ورودی‌های JSON را برای آنها تولید کند. حداکثر 128 تابع پشتیبانی می‌شود.
tool_choice	any of	کنترل می‌کند که کدام ابزار (در صورت وجود) توسط مدل فراخوانی شود. none به این معنی است که مدل هیچ ابزاری را فراخوانی نمی‌کند و در عوض یک پیام تولید می‌کند. auto به این معنی است که مدل می‌تواند بین تولید یک پیام یا فراخوانی یک یا چند ابزار انتخاب کند. required به این معنی است که مدل باید یک یا چند ابزار را فراخوانی کند. تعیین یک ابزار خاص از طریق {"type": "function", "function": {"name": "my_function"}} مدل را مجبور می‌کند تا آن ابزار را فراخوانی کند. none مقدار پیش‌فرض زمانی است که هیچ ابزاری وجود نداشته باشد. auto مقدار پیش‌فرض در صورت وجود ابزار است. مقادیر مجاز (کلیک برای کپی):
parallel_tool_calls	boolean	اینکه آیا فراخوانی تابع موازی را در طول استفاده از ابزار فعال کنیم یا خیر.
logprobs	boolean	اینکه آیا احتمالات لگاریتمی توکن‌های خروجی را برگردانیم یا خیر. اگر True باشد، احتمالات لگاریتمی هر توکن خروجی برگشتی در محتوای پیام را برمی‌گرداند.
top_logprobs	number	یک عدد صحیح بین 0 و 20 که تعداد محتمل‌ترین توکن‌ها را برای بازگشت در هر موقعیت توکن مشخص می‌کند، هر کدام با یک احتمال لگاریتمی مرتبط. اگر این پارامتر استفاده شود، logprobs باید روی True تنظیم شود.
reasoning	object	پیکربندی برای توکن‌های استدلال/تفکر مدل
response_format	one of	شیئی که فرمتی را مشخص می‌کند که مدل باید خروجی دهد.

نمونه کدهای درخواست

نکته مهم برای توسعه‌دهندگان:

برای احراز هویت، حتما کلید API خود را جایگزین YOUR_API_KEY کنید. هدر Authorization الزامی است.

import requests
import json  # for getting a structured output with indentation
response = requests.post(
    "https://api.ai-kar.com/v1/chat/completions",
    headers={
        # Insert your AI-KAR API Key instead of <YOUR_AI-KARAPI_KEY>:
        "Authorization":"Bearer <YOUR_AI-KARAPI_KEY>",
        "Content-Type":"application/json"
    },
    json={
        "model":"x-ai/grok-3-mini-beta",
        "messages":[
            {
                "role":"user",
                "content":"Hello"  # insert your prompt here, instead of Hello
            }
        ]
    }
)
data = response.json()
print(json.dumps(data, indent=2, ensure_ascii=False))

نمونه پاسخ موفق (JSON)

RESPONSE (200 OK)

{
  "id": "text",
  "object": "text",
  "created": 1,
  "choices": [
    {
      "index": 1,
      "message": {
        "role": "text",
        "content": "text",
        "refusal": null,
        "annotations": [
          {
            "type": "text",
            "url_citation": {
              "end_index": 1,
              "start_index": 1,
              "title": "text",
              "url": "text"
            }
          }
        ],
        "audio": {
          "id": "text",
          "data": "text",
          "transcript": "text",
          "expires_at": 1
        },
        "tool_calls": [
          {
            "id": "text",
            "type": "text",
            "function": {
              "arguments": "text",
              "name": "text"
            }
          }
        ]
      },
      "finish_reason": "stop",
      "logprobs": {
        "content": [
          {
            "bytes": [
              1
            ],
            "logprob": 1,
            "token": "text",
            "top_logprobs": [
              {
                "bytes": [
                  1
                ],
                "logprob": 1,
                "token": "text"
              }
            ]
          }
        ],
        "refusal": []
      }
    }
  ],
  "model": "text",
  "usage": {
    "prompt_tokens": 1,
    "completion_tokens": 1,
    "total_tokens": 1,
    "completion_tokens_details": {
      "accepted_prediction_tokens": 1,
      "audio_tokens": 1,
      "reasoning_tokens": 1,
      "rejected_prediction_tokens": 1
    },
    "prompt_tokens_details": {
      "audio_tokens": 1,
      "cached_tokens": 1
    }
  }
}