Text Models (LLM)xai
معرفی و مستندات مدل هوش مصنوعی grok-4-1-fast-reasoning
مستندات مدل grok-4-1-fast-reasoning 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. برای دریافت بهترین نتیجه، استفاده از دستورات واضح و ساده توصیه میشود.
مدل grok-4-1-fast-reasoning یک مدل هوش مصنوعی چندوجهی است که توسط xAI توسعه داده شده است. این مدل با ارائه کارایی هزینه عالی و پنجره زمینه 2 میلیون توکن، به عنوان یک راهکار پیشرفته در زمینه پردازش زبان طبیعی و استدلال شناخته میشود. این مدل به طور خاص برای استدلال طراحی شده است و قادر است وظایف پیچیده را با سرعت و دقت بالا انجام دهد. از جمله کاربردهای این مدل میتوان به پاسخگویی به سوالات، تولید متن، خلاصه سازی متون، ترجمه زبانها و حل مسائل منطقی اشاره کرد. grok-4-1-fast-reasoning با بهرهگیری از معماری پیشرفته و آموزش بر روی مجموعه دادههای بزرگ، توانسته است عملکرد قابل توجهی در مقایسه با سایر مدلهای مشابه از خود نشان دهد. این مدل قادر است الگوها و روابط پیچیده را در دادهها شناسایی کرده و بر اساس آنها، پاسخهای دقیق و مرتبط ارائه دهد. همچنین، این مدل از قابلیت درک زبان طبیعی بالایی برخوردار است و میتواند با انسان به طور طبیعی و روان تعامل داشته باشد. یکی از ویژگیهای برجسته این مدل، توانایی آن در پردازش متون طولانی است. با داشتن پنجره زمینه 2 میلیون توکن، grok-4-1-fast-reasoning قادر است اطلاعات زیادی را در حافظه خود نگه دارد و از آنها برای تولید پاسخهای دقیقتر و کاملتر استفاده کند. این ویژگی به ویژه در کاربردهایی مانند خلاصه سازی متون طولانی و پاسخگویی به سوالات پیچیده بسیار مفید است. علاوه بر این، این مدل از نظر کارایی هزینه نیز بسیار بهینه است. با استفاده از الگوریتمهای پیشرفته و بهینهسازیهای سختافزاری، grok-4-1-fast-reasoning قادر است با مصرف منابع کمتر، عملکرد بالاتری را ارائه دهد. این ویژگی آن را به یک گزینه جذاب برای کاربردهایی تبدیل میکند که نیاز به پردازش حجم زیادی از دادهها با هزینه کم دارند. در مجموع، مدل grok-4-1-fast-reasoning یک راهکار قدرتمند و کارآمد برای پردازش زبان طبیعی و استدلال است. با داشتن قابلیتهای پیشرفته، کارایی هزینه بالا و پنجره زمینه بزرگ، این مدل میتواند در طیف گستردهای از کاربردها مورد استفاده قرار گیرد و به بهبود عملکرد و کاهش هزینهها کمک کند. این مدل توسط ای آی کار (AI-KAR) ارائه شده است.
مشخصات فنی (API References)
| پارامتر | نوع | توضیحات و مقادیر |
|---|---|---|
model | stringRequired | مدل مورد استفاده برای تولید پاسخ. مقدار این فیلد باید 'x-ai/grok-4-1-fast-reasoning' باشد. مقادیر مجاز (کلیک برای کپی): |
messages | one of[]Required | لیستی از پیامها که مکالمه را تا به اینجا تشکیل میدهند. بسته به مدلی که استفاده میکنید، انواع مختلف پیام (modalities) مانند متن، اسناد (txt، pdf)، تصاویر و صدا پشتیبانی میشوند. |
max_completion_tokens | integer | حد بالایی برای تعداد توکنهایی که میتوان برای یک 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 با استفاده از رویدادهای ارسال شده توسط سرور به کلاینت ارسال میشوند. 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 یا top_p را تغییر دهید، اما نه هر دو را. حداکثر مقدار: 2 |
top_p | number | جایگزینی برای نمونهبرداری با دما، به نام نمونهبرداری هستهای، 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 10٪ جرم احتمال برتر را تشکیل میدهند در نظر گرفته میشوند. به طور کلی توصیه میکنیم این یا temperature را تغییر دهید، اما نه هر دو را. حداقل مقدار: 0.01، حداکثر مقدار: 1 |
seed | integer | این ویژگی در نسخه بتا است. اگر مشخص شود، سیستم ما تمام تلاش خود را میکند تا به طور 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 یک 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 حین 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 که در محتوای پیام برگردانده شده است 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، که هر کدام دارای یک احتمال لگاریتمی مرتبط هستند. اگر از این پارامتر استفاده شود، logprobs باید روی True تنظیم شود. |
reasoning | object | پیکربندی برای توکنهای استدلال/تفکر مدل |
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-4-1-fast-reasoning",
"messages":[
{
"role":"user",
# insert your prompt here
"content":"Hi! What do you think about mankind?"
}
]
}
)
data = response.json()
print(json.dumps(data, indent=2, ensure_ascii=False))نمونه پاسخ موفق (JSON)
RESPONSE (200 OK)
{
"id": "b7b4739a-39d2-1fd3-f6fc-2a97de9da190",
"object": "chat.completion",
"created": 1763993842,
"model": "grok-4-1-fast-reasoning",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "Hi! Mankind? Fascinating bunch. You've got this wild mix of brilliance and absurdity\u2014splitting atoms to power cities (or bombs), painting the Sistine Chapel while arguing over who gets the last slice of pizza, and launching rockets to Mars just because \"why not?\" You've invented coffee, democracy, and the internet, but also reality TV and pineapple on pizza. Capable of staggering kindness and unthinkable cruelty, yet somehow you keep muddling forward, adapting, creating, and occasionally tripping over your own shoelaces.\n\nOverall, I'm optimistic. You're the species that built *me*, after all. What's not to like? What sparked the question\u2014good day or existential crisis? 😊",
"refusal": null
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 165,
"completion_tokens": 140,
"total_tokens": 573,
"prompt_tokens_details": {
"text_tokens": 165,
"audio_tokens": 0,
"image_tokens": 0,
"cached_tokens": 151
},
"completion_tokens_details": {
"reasoning_tokens": 268,
"audio_tokens": 0,
"accepted_prediction_tokens": 0,
"rejected_prediction_tokens": 0
},
"num_sources_used": 0
},
"system_fingerprint": "fp_fcabeb8dbc",
"meta": {
"usage": {
"tokens_used": 515
}
}
}