Wprowadzenie
Czat zgodny z OpenAI dla modelu Grok 4.3: jedna tablica wiadomości z częściami tekstowymi i obrazowymi, pięć poziomów wysiłku rozumowania łącznie z none oraz odpowiedzi do 900 000 tokenów.
Grok 4.3 to szybki i niezawodny Grok od xAI, udostępniony jako jeden zgodny z OpenAI endpoint pod /v1/chat/completions. Żądanie mieści najwyżej 256 uporządkowanych tur i do 1 000 000 tokenów, przy czym treść obrazów liczy się wewnątrz tego budżetu, a w odpowiedzi wraca albo jeden obiekt chat.completion, albo strumień fragmentów SSE. Od 15 maja 2026 xAI przekierowuje tutaj grok-4-fast, grok-4-1-fast, grok-4-0709, grok-code-fast-1 i grok-3, więc to na tym modelu działają dziś tamte integracje.
Najważniejsze funkcje
none to wyłącznik, a nie niższy stopień
Parametr reasoning_effort przyjmuje none, low, medium, high i xhigh, a domyślną wartością tego modelu jest low, nie high. Przy none model odpowiada zupełnie bez przebiegu rozumowania: klasyfikacja na tak albo nie wraca jako pojedynczy token, a nie jako akapit rozważań zakończony szukanym słowem. Wysiłek rozumowania jest rozliczany w tokenach wyjściowych, więc wybrany poziom wpływa jednocześnie na opóźnienie i na rachunek. Spośród opublikowanych tu modeli Grok poziom none ma tylko ten.
Okno ma 1 000 000 tokenów, a próg długiego kontekstu nadal wynosi 200 000
To dwie różne liczby i właśnie w odstępie między nimi kryją się niespodzianki. Żądanie wycenia się według stawki długiego kontekstu od 200 000 łącznych tokenów wejścia i wejścia z pamięci podręcznej wzwyż, czyli od jednej piątej tego, co model wciąż przyjmuje. Istnieje więc szeroki pas, w którym prompt mieści się z zapasem, a rozliczany jest już po stawce długiej. Szacunkowy koszt pokazany przed wysłaniem nazywa próg, w który trafia żądanie.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
messages | Tak | Najwyżej 256 tur. Treść może mieszać części text i |
reasoning_effort | Nie | none, low, medium, high albo xhigh. Domyślny jest low, a none pomija przebieg rozumowania w całości; wysiłek rozumowania zużywa się w tokenach wyjściowych. |
max_tokens | Nie | Ogranicza widoczną odpowiedź do 900 000; domyślne 4096 po cichu obcina długą odpowiedź. |
temperature | Nie | Od 0 do 2, domyślnie 0,7. Ustaw 0, gdy porównujesz dwie makiety albo dwa przebiegi. |
top_p | Nie | Od 0,01 do 1. Ruszaj tym albo temperature, nie obydwoma naraz. |
tools | Nie | Do 128 definicji funkcji na żądanie. do 128 elementów |
parallel_tool_calls | Nie | true lub false, domyślnie true: model może w jednej turze zażądać kilku wywołań narzędzi. Domyślnie: |
tool_choice | Nie | auto, none, required albo obiekt wskazujący funkcję do wywołania. |
response_format | Nie | Poproś o obiekt JSON, gdy odpowiedź czyta kod, a nie człowiek. |
Cennik
Wejście $1.25 / Wyjście $2.50 za 1 mln tokenów; Prompty od 200K tokenów wzwyż: Wejście $2.50 / Wyjście $5
Łączne wejście obejmuje tokeny z pamięci podręcznej. Od 200 000 tokenów wejściowych wzwyż stawki długiego kontekstu obowiązują dla całego wejścia, wejścia z pamięci podręcznej i wyjścia danego żądania; mniejsze wejścia idą po stawkach standardowych. Wyjście obejmuje tokeny rozumowania, a na poziomie none, gdzie rozumowania nie ma, nie ma też za co płacić. Sprawdź budżet żądania przed wysłaniem. Wstępna rezerwacja nie zakłada oszczędności z pamięci podręcznej, a rozliczenie zwraca różnicę względem zmierzonego zużycia.
Zastosowania
Klasyfikacja, ekstrakcja i kierowanie ruchu przy none
Etykiety zgłoszeń, pola wyciągnięte z faktury albo decyzja, który model niżej w łańcuchu dostanie żądanie: none pomija przebieg rozumowania, więc odpowiedź przychodzi tak szybko, jak model zdąży ją napisać, a tokeny rozumowania nie trafiają na rachunek. Połącz to z response_format, żeby dostać obiekt JSON czytany wprost przez kod, zamiast zdania, które ktoś musi rozłożyć na części.
Przenoszenie integracji ze zdjętego identyfikatora modelu
15 maja 2026 xAI wycofała 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 i grok-3, a wszystkie przekierowuje na ten model. Skieruj klienta na xai/grok-4.3, ustaw reasoning_effort na low tam, gdzie stary identyfikator był wariantem reasoning, i na none tam, gdzie nie był. Przy okazji rośnie budżet kontekstu.
Milion tokenów materiału w jednej turze
Całe repozytorium, rok rozmów ze wsparciem albo stos umów mieści się w jednym żądaniu, więc odpowiedź nie jest sklejana z kawałków, które nigdy się nie widziały. Poproś o cytowanie brzmienia klauzula po klauzuli i podnieś max_tokens, kiedy długa ma być sama odpowiedź: domyślne 4096 ucina ją, nie zgłaszając żadnego błędu.
Zrzuty ekranu i ślady stosu w jednej wiadomości
Dołącz zepsuty pulpit jako część image_url z detail high, wklej ślad stosu jako tekst w tej samej turze użytkownika, a potem poproś o uszeregowane przyczyny. Obraz i log docierają razem, więc model nie pracuje na twoim przepisaniu żadnego z nich, a oba liczą się do tego samego okna co prompt.
Wskazówki
Wybieraj poziom wysiłku świadomie
Decyduj pod zadanie, zamiast polegać na wartości domyślnej: none do klasyfikacji, ekstrakcji, kierowania ruchu i konwersji formatu; low do zwykłego trzymania się instrukcji i do pętli z narzędziami; medium, high albo xhigh, gdy odpowiedź naprawdę trzeba wypracować. Wysiłek rozumowania zużywa się w tokenach wyjściowych, więc obciąża zarówno max_tokens, jak i rachunek, a długa odpowiedź na xhigh potrafi dobić do limitu, zanim się skończy.
Żądanie gotowe do wklejenia
Treść wiadomości użytkownika może być zwykłym łańcuchem znaków albo tablicą części, a ten model deklaruje dwa typy części:
{"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
}'
Czytaj odpowiedź i licznik
Praktyczny sposób na odbiór długiego generowania to strumień: stream: true zwraca zdarzenia chat.completion.chunk aż do data: [DONE], a wywołanie bez strumienia na xhigh przy pełnym oknie potrafi trwać na tyle długo, że zadziała limit czasu po stronie klienta. Zanim dołożysz kolejny dokument, sprawdź, czy żądanie nie przekroczyło 200 000 tokenów wejściowych, bo właśnie tam zaczyna się stawka długiego kontekstu. Części file i PDF nie są przyjmowane na tym endpoincie, więc załącznik trzeba wcześniej zamienić na tekst albo obraz.
Szybki start z API
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'
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
