Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Aktivér kodekørsel i API'en

Lektion 12 af 16 Opdateret 30. juli 2026 Udvikler
På denne side
  1. Kør Python-kode via Grok API
  2. Værktøjsidentifikatorer efter SDK
  3. Grundlæggende aktivering
  4. Hvordan modellen bruger kodekørsel
  5. Anbefaling for temperatur
  6. Vigtige pointer

Kør Python-kode via Grok API

Kodekørsel lader modellen skrive og køre Python-kode i realtid inden for et sikkert, isoleret miljø (sandbox). I stedet for blot at generere kode, som du selv skal køre, udfører modellen koden direkte og returnerer resultaterne. Det er et kraftfuldt værktøj til beregninger, dataanalyse og kodevalidering.

🐍
Isoleret Python
NumPy
Pandas, SciPy...
🔒
Isoleret og sikkert
$5
/ 1.000 kald

Værktøjsidentifikatorer efter SDK

Identifikatoren for værktøjet varierer afhængigt af den SDK, du bruger:

SDKIdentifikator
xAI SDKcode_execution
OpenAI Responses APIcode_interpreter
Vercel AI SDKxai.tools.codeExecution()

Denne navngivningsforskel er vigtig. Brug den identifikator, der matcher din SDK, for at undgå fejl.

Grundlæggende aktivering

cURL / Direkte JSON

{
  "model": "grok-4.20-0309-reasoning",
  "input": "Calculate the sum of the first 1,000 prime numbers",
  "tools": [
    {"type": "code_interpreter"}
  ]
}

xAI SDK (Python)

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Calculate the sum of the first 1,000 prime numbers",
    tools=[client.tools.code_execution()]
)

print(response.output_text)

OpenAI SDK (Python)

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Calculate the sum of the first 1,000 prime numbers",
    tools=[{"type": "code_interpreter"}]
)

Vercel AI SDK (JavaScript)

const response = await generateText({
  model: xai("grok-4.20-0309-reasoning"),
  prompt: "Calculate the sum of the first 1,000 prime numbers",
  tools: [xai.tools.codeExecution()]
});

Hvordan modellen bruger kodekørsel

Når kodekørsel er aktiveret, fungerer processen således:

  1. Modellen analyserer anmodningen og fastslår, at der er behov for en beregning eller dataanalyse.
  2. Den skriver Python-kode, der er skræddersyet til problemet.
  3. Koden køres i xAI’s Python-sandbox.
  4. Modellen modtager kørselsresultaterne (standard output, eventuelle fejl).
  5. Den formulerer sit svar med indarbejdelse af resultaterne.

Hvis koden producerer en fejl, kan modellen automatisk korrigere og genudføre den – hvilket kan generere flere kald for en enkelt anmodning.

Anbefaling for temperatur

Til matematiske beregninger og dataanalyse anbefaler xAI at bruge lave temperaturværdier (0,0 til 0,3). En lav temperatur reducerer variabiliteten i kodegenereringen og giver mere reproducerbare resultater.

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Calculate the Sharpe ratio for this portfolio...",
    tools=[client.tools.code_execution()],
    temperature=0.1
)

Vigtige pointer

  • Kodekørsel muliggør Python-kørsel i realtid i en sikker sandbox.
  • Identifikatoren varierer efter SDK: code_execution (xAI), code_interpreter (OpenAI).
  • Modellen skriver, udfører og fortolker koden automatisk.
  • Brug grok-4.20-0309-reasoning og en lav temperatur til beregninger.
  • Omkostningen er $0,005 pr. kørsel, og flere kald er mulige.