Einführung
OpenAI-kompatibler Chat für Grok 4.3: ein Nachrichten-Array mit Text- und Bildteilen, fünf Denkaufwandsstufen einschließlich none und Antworten bis 900.000 Token.
Grok 4.3 ist das schnelle, verlässliche Grok von xAI, veröffentlicht als ein einziger OpenAI-kompatibler Endpunkt unter /v1/chat/completions. Eine Anfrage fasst höchstens 256 geordnete Züge und bis zu 1.000.000 Token, wobei Bildinhalt in dieses Budget hineinzählt, und sie liefert entweder ein chat.completion-Objekt oder einen SSE-Strom aus Chunks. Seit dem 15. Mai 2026 leitet xAI grok-4-fast, grok-4-1-fast, grok-4-0709, grok-code-fast-1 und grok-3 hierher um, auf diesem Modell laufen diese Integrationen also heute.
Wichtige Funktionen und Highlights
none ist ein Ausschalter, keine niedrigere Stufe
Der Parameter reasoning_effort akzeptiert none, low, medium, high und xhigh, und die Vorgabe lautet bei diesem Modell low statt high. Auf none antwortet das Modell ganz ohne Denkdurchgang: Eine Ja-Nein-Klassifizierung kommt als einzelnes Token zurück und nicht als Absatz voller Überlegungen, an dessen Ende das gesuchte Wort steht. Der Denkaufwand wird als Ausgabe-Token abgerechnet, die gewählte Stufe wirkt sich also auf Wartezeit und Rechnung zugleich aus. Unter den hier veröffentlichten Grok-Modellen bietet nur dieses die Stufe none.
Das Fenster fasst 1.000.000 Token, die Langkontextgrenze liegt weiter bei 200.000
Das sind zwei verschiedene Zahlen, und im Abstand dazwischen wohnen die Überraschungen. Ab 200.000 kombinierten Eingabe- und gecachten Eingabe-Token wird zum Langkontexttarif abgerechnet, und das ist ein Fünftel dessen, was dieses Modell noch annimmt. Es gibt also ein breites Band, in dem der Prompt bequem hineinpasst und trotzdem schon zum Langkontexttarif abgerechnet wird. Die Schätzung vor dem Absenden nennt den Tarif, in den die Anfrage fällt.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
messages | Ja | Höchstens 256 Züge. Der Inhalt darf Text- und image_url-Teile in einer Nutzernachricht mischen. mindestens 1 Einträge · höchstens 256 Einträge |
reasoning_effort | Nein | none, low, medium, high oder xhigh. low ist die Vorgabe, none überspringt den Denkdurchgang vollständig; der Denkaufwand wird als Ausgabe-Token abgerechnet. |
max_tokens | Nein | Begrenzt die sichtbare Antwort auf 900.000 Token; die Vorgabe von 4.096 schneidet lange Antworten stillschweigend ab. |
temperature | Nein | 0 bis 2, Vorgabe 0,7. Nehmen Sie 0, wenn Sie zwei Entwürfe oder zwei Läufe vergleichen. |
top_p | Nein | 0,01 bis 1. Bewegen Sie dies oder temperature, nicht beides zusammen. |
tools | Nein | Bis zu 128 Funktionsdefinitionen pro Anfrage. höchstens 128 Einträge |
parallel_tool_calls | Nein | true oder false, Standard true: Das Modell darf in einem Zug mehrere Tool-Aufrufe anfordern. Standardwert: |
tool_choice | Nein | auto, none, required – oder ein Objekt, das die aufzurufende Funktion benennt. |
response_format | Nein | Verlangen Sie ein JSON-Objekt, wenn die Antwort von Code gelesen wird und nicht von einem Menschen. |
Preis
Eingabe $1.25 / Ausgabe $2.50 je 1 Mio. Token; Prompts ab 200K Token: Eingabe $2.50 / Ausgabe $5
Die gesamte Eingabe umfasst auch gecachte Token. Ab 200.000 Eingabe-Token gelten die Langkontexttarife für die gesamte Eingabe, gecachte Eingabe und Ausgabe der Anfrage; darunter gelten die Standardtarife. Die Ausgabe enthält Reasoning-Token, bei Stufe none gibt es mangels Denkdurchgang keine zu bezahlen. Prüfen Sie das Budget vor dem Absenden. Die anfängliche Reservierung rechnet ohne Cache-Ersparnis; bei der Abrechnung wird die Differenz zur gemessenen Nutzung freigegeben.
Anwendungsfälle
Klassifizieren, extrahieren und verteilen auf Stufe none
Ticket-Labels, Felder aus einer Rechnung oder die Entscheidung, welches nachgelagerte Modell eine Anfrage bekommt: none überspringt den Denkdurchgang, die Antwort kommt so schnell, wie das Modell schreiben kann, und auf der Rechnung landen keine Reasoning-Token. Kombinieren Sie das mit response_format, damit die Antwort als JSON-Objekt zurückkommt, das Ihr Code direkt liest, statt als Satz, den jemand auseinandernehmen muss.
Eine Integration von einer ausgemusterten Modell-ID umziehen
xAI hat grok-4-fast-reasoning, grok-4-fast-non-reasoning, grok-4-1-fast-reasoning, grok-4-1-fast-non-reasoning, grok-4-0709, grok-code-fast-1 und grok-3 am 15. Mai 2026 ausgemustert und leitet sie alle auf dieses Modell um. Richten Sie den Client auf xai/grok-4.3, setzen Sie reasoning_effort auf low, wo die alte ID eine Reasoning-Variante war, und sonst auf none. Das Kontextbudget wächst beim Umzug gleich mit.
Eine Million Token Quellmaterial in einem Zug
Ein vollständiges Repository, ein Jahr Support-Protokolle oder ein Stapel Verträge passt in eine einzige Anfrage, die Antwort wird also nicht aus Stücken zusammengesetzt, die einander nie gesehen haben. Lassen Sie den Wortlaut Klausel für Klausel zitieren und heben Sie max_tokens an, wenn die Antwort selbst lang werden soll: Die Vorgabe von 4.096 schneidet ab, ohne einen Fehler zu melden.
Screenshots und Stacktraces in derselben Nachricht
Hängen Sie ein ausgefallenes Dashboard als image_url-Teil mit detail high an, fügen Sie den Stacktrace als Text in denselben Nutzerzug ein und lassen Sie die Ursachen nach Wahrscheinlichkeit ordnen. Bild und Log treffen gemeinsam ein, das Modell arbeitet also bei keinem von beiden mit Ihrer Abschrift, und beides zählt zum selben Fenster wie der Prompt.
Prompt-Leitfaden und Praxistipps
Wählen Sie die Aufwandsstufe bewusst
Entscheiden Sie pro Aufgabe, statt sich auf die Vorgabe zu verlassen: none für Klassifizierung, Extraktion, Verteilung und Formatumwandlung; low für gewöhnliches Befolgen von Anweisungen und für Tool-Schleifen; medium, high oder xhigh, wenn die Antwort wirklich erarbeitet werden muss. Der Denkaufwand wird in Ausgabe-Token abgerechnet, geht also zulasten von max_tokens ebenso wie der Rechnung, und eine lange Antwort auf xhigh kann die Grenze erreichen, bevor sie fertig ist.
Eine Anfrage zum Kopieren
Der Inhalt einer Nutzernachricht darf eine einfache Zeichenkette oder ein Array aus Teilen sein, und dieses Modell deklariert zwei Teiltypen:
{"type": "text", "text": "..."}{"type": "image_url", "image_url": {"url": "...", "detail": "auto|low|high"}}
curl https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "xai/grok-4.3",
"messages": [{"role": "user", "content": [
{"type": "text", "text": "Which panel shows the regression, and what changed?"},
{"type": "image_url", "image_url": {"url": "https://cdn.spicyapi.ai/models/examples/inputs/c681580c3c6a0b63.jpeg", "detail": "high"}},
{"type": "image_url", "image_url": {"url": "https://cdn.spicyapi.ai/models/examples/inputs/59f0bc6291069978.jpeg", "detail": "high"}}
]}],
"max_tokens": 4000
}'
Lesen Sie die Antwort und den Zähler
Streaming ist der praktische Weg, eine lange Erzeugung entgegenzunehmen: stream: true liefert chat.completion.chunk-Ereignisse bis data: [DONE], und ein nicht gestreamter Aufruf auf xhigh über ein volles Fenster kann so lange laufen, dass ein Client-Timeout zuschlägt. Prüfen Sie vor dem nächsten Dokument, ob die Anfrage 200.000 Eingabe-Token überschritten hat, denn dort beginnt der Langkontexttarif. Datei- und PDF-Teile nimmt dieser Endpunkt nicht an, ein Anhang muss also vor dem Senden zu Text oder Bild werden.
API-Schnellstart
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "xai/grok-4.3/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
