Claude Code-Guide
Flaq AI Claude-Modelle einrichten und Claude-Code-Skills entdecken
xAI/grok-4.5-text-to-text
grok-4.5-text-to-text
Testen Sie die von X-AI unterstützte Grok 4.5 Text-to-Text API kostenlos für Reasoning, Schreiben, Programmierhilfe, Analysen und skalierbare LLM-Workflows für den Produktionseinsatz über Flaq AI.
Text Chat
Verwandte Grok 4.5-Modelle
API-Beispiele
Anfragebeispiel
const response = await fetch('https://api.flaq.ai/api/v1/chat/completions', {
method: 'POST',
headers: {
Authorization: 'Bearer YOUR_API_KEY',
Accept: 'text/event-stream',
'Content-Type': 'application/json'
},
body: JSON.stringify({
model: 'grok-4.5-text-to-text',
messages: [
{
role: 'user',
content: 'Explain the key differences between REST and GraphQL APIs.'
}
],
stream: true,
max_tokens: 2048
})
});
const reader = response.body.getReader();
const decoder = new TextDecoder();
let buffer = '';
let assistantText = '';
while (true) {
const { done, value } = await reader.read();
if (done) break;
buffer += decoder.decode(value, { stream: true });
const frames = buffer.split('\n\n');
buffer = frames.pop() || '';
for (const frame of frames) {
const lines = frame.split('\n').filter(Boolean);
let eventName = 'message';
const dataLines = [];
for (const line of lines) {
if (line.startsWith('event:')) {
eventName = line.slice(6).trim();
} else if (line.startsWith('data:')) {
dataLines.push(line.replace(/^data:\s*/, ''));
}
}
const raw = dataLines.join('\n').trim();
if (raw === '[DONE]') {
console.log('\nFinal text:', assistantText);
continue;
}
let payload;
try {
payload = JSON.parse(raw);
} catch {
continue;
}
if (eventName === 'error' || payload.error) {
const msg = payload.error?.message ?? payload.message ?? 'Chat request failed';
throw new Error(msg);
}
const delta = payload.choices?.[0]?.delta;
if (delta?.content) {
assistantText += delta.content;
console.log(assistantText);
}
}
}
Anfragebeispiel
import json
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/chat/completions',
headers={
'Authorization': 'Bearer YOUR_API_KEY',
'Accept': 'text/event-stream',
'Content-Type': 'application/json',
},
json={
'model': 'grok-4.5-text-to-text',
'messages': [
{
'role': 'user',
'content': 'Explain the key differences between REST and GraphQL APIs.',
}
],
'stream': True,
'max_tokens': 2048,
},
stream=True,
)
response.raise_for_status()
event_name = 'message'
assistant_text = ''
for raw_line in response.iter_lines(decode_unicode=True):
if not raw_line:
event_name = 'message'
continue
if raw_line.startswith('event:'):
event_name = raw_line.replace('event:', '', 1).strip()
continue
if raw_line.startswith('data:'):
raw_data = raw_line.replace('data:', '', 1).strip()
if raw_data == '[DONE]':
print('\nFinal text:', assistant_text)
continue
payload = json.loads(raw_data)
if event_name == 'error' or payload.get('error'):
error = payload.get('error') or payload
raise RuntimeError(error.get('message', 'Chat request failed'))
choices = payload.get('choices') or []
if choices:
delta = choices[0].get('delta') or {}
content = delta.get('content')
if content:
assistant_text += content
print(content, end='', flush=True)
Anfragebeispiel
curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Accept: text/event-stream" \
-H "Content-Type: application/json" \
-d '{
"model": "grok-4.5-text-to-text",
"messages": [
{
"role": "user",
"content": "Explain the key differences between REST and GraphQL APIs."
}
],
"stream": true,
"max_tokens": 2048
}'
Preise für Grok 4.5 Text to Text
| Parameter | Preis | Ursprünglicher Preis | Rabatt |
|---|
Verwandte Modelle
grok-4-text-to-texttext-to-textgrok-4-image-to-textimage-to-textgrok-4.5-text-to-texttext-to-textgrok-4.5-image-to-textimage-to-textgrok-4.6-text-to-texttext-to-textgrok-4.6-image-to-textimage-to-textgrok-imaginetext-to-imagegrok-imagine-editimage-to-imagegrok-imagine-text-to-videotext-to-videogrok-imagine-image-to-videoimage-to-videogrok-imagine-v1.5-image-to-videoimage-to-videoREADME
Grok 4.5 Text-to-Text API für Programmierung und Wissensarbeit
Die Grok 4.5 Text-to-Text API bringt das Sprachmodell Grok 4.5 von xAI über Flaq AI in textbasierte Anwendungen. xAI positioniert Grok 4.5 für Programmierung, agentenbasierte Aufgaben und Wissensarbeit; diese Flaq-AI-Modellroute bietet eine fokussierte Chat-Schnittstelle mit Text als Ein- und Ausgabe für Generierung und Dialoge über mehrere Gesprächsrunden. Entwickler können einen strukturierten Nachrichtenverlauf senden, Antworten streamen und die gewünschte Ausgabelänge steuern, ohne bei dieser Variante nicht unterstützte Bild- oder Dateieingaben zu aktivieren.
Hauptfunktionen der Grok 4.5 Text-to-Text API
- Textbasierte Sprachgenerierung: Senden Sie Texteingaben und erhalten Sie Textantworten für Arbeitsabläufe zum Schreiben, Erklären, Analysieren und Beantworten von Fragen.
- Auf Programmierung ausgerichtete Modellgrundlage: Nutzen Sie ein Modell, das xAI ausdrücklich für Softwareentwicklung und technische Wissensaufgaben positioniert, und validieren Sie generierten Code in Ihrer eigenen Umgebung.
- Nachrichtenkontext über mehrere Gesprächsrunden: Beziehen Sie aktuelle Gesprächsnachrichten ein, damit Anwendungen bei Folgefragen und iterativen Aufgaben den Zusammenhang wahren können.
- Unterstützung für Streaming-Antworten: Verarbeiten Sie schrittweise Antwortereignisse für Chat-Oberflächen und andere Erlebnisse, die von einer fortlaufenden Ausgabe profitieren.
- Steuerung der Ausgabelänge: Legen Sie eine maximale Antwortlänge passend zu Produkt-, Latenz- und Nutzungsanforderungen fest.
- Fokussierter Eingabevertrag: Halten Sie diese Route auf Text beschränkt, ohne Bild- oder allgemeine Dateianhänge, die von der aktuellen Flaq-AI-Konfiguration nicht bereitgestellt werden.
Verwendung der Grok 4.5 Text-to-Text API auf Flaq AI
- Eingabe: Erforderliche Textinhalte, die als Chat-Nachrichten strukturiert sind.
- Ausgabe: Generierter Text, der als vollständige Antwort zurückgegeben oder schrittweise gestreamt wird.
- Kontext: Aktuelle Nachrichten können für die Kontinuität von Dialogen über mehrere Gesprächsrunden einbezogen werden.
- Steuerung: Für die Antwort kann optional eine maximale Ausgabelänge angegeben werden.
- Funktionen: Textgenerierung, Erklärungen, Programmierunterstützung, strukturierte Entwürfe und wissensorientierte Antworten über die konfigurierte Chat-Schnittstelle.
Beste Anwendungsfälle für die Integration der Grok 4.5 Text-to-Text API
- Entwicklerunterstützung: Entwerfen, erklären, überprüfen oder refaktorieren Sie Code, während menschliche Prüfung und automatisierte Tests Teil des Arbeitsablaufs bleiben.
- Beantwortung technischer Fragen: Erstellen Sie textbasierte Assistenten für Produkt-, Entwicklungs- und interne Wissensszenarien mithilfe des bereitgestellten Gesprächskontexts.
- Schreiben und Bearbeiten: Erstellen Sie Gliederungen, formulieren Sie Entwürfe neu, fassen Sie bereitgestellten Text zusammen und passen Sie Inhalte an verschiedene Zielgruppen an.
- Strukturierte Analyse: Bitten Sie das Modell, Optionen zu vergleichen, Anforderungen zu ordnen oder unstrukturierten Text in ein klareres Antwortformat zu überführen.
- Konversationsanwendungen: Unterstützen Sie Chat-Erlebnisse über mehrere Gesprächsrunden, die nur Texteingabe und Textausgabe benötigen.
Hinweis Modellantworten können unvollständig oder falsch sein, insbesondere bei faktischen, rechtlichen, medizinischen, finanziellen oder produktionsbezogenen Codeentscheidungen. Überprüfen Sie wichtige Aussagen und testen Sie generierten Code, bevor Sie sich auf die Ausgabe verlassen. Diese Flaq-AI-Variante stellt weder Bild- und Dateieingaben noch eine Websuche bereit.
Grok 4.5 Text-to-Text im Vergleich zu Alternativen: Vergleichsanalyse
-
Grok 4.5 Text-to-Text im Vergleich zu Grok 4.5 Image-to-Text Die Text-to-Text-Route erfordert eine Texteingabe und ist für reine Textdialoge vorgesehen. Wählen Sie die Image-to-Text-Route, wenn eine Anfrage ein unterstütztes Bild als visuellen Kontext benötigt.
-
Grok 4.5 vs. frühere Grok-Modelle xAI positioniert Grok 4.5 als neueres Modell für Programmierung, agentenbasierte Aufgaben und Wissensarbeit. Die tatsächlichen Ergebnisse hängen weiterhin von der Eingabeaufforderung, den Bewertungskriterien und den durch die Integration bereitgestellten Funktionen ab.
-
Grok 4.5 vs. OpenAI-Modelle Beide Modellfamilien können Textgenerierung und Programmierabläufe über APIs unterstützen. Vergleichen Sie sie anhand repräsentativer Eingabeaufforderungen, Ausgabeanforderungen, Latenzerwartungen und aktueller Preise, anstatt davon auszugehen, dass ein Modell universell überlegen ist.
-
Grok 4.5 vs. Anthropic-Claude-Modelle Claude-Modelle und Grok 4.5 bieten unterschiedliches Modellverhalten und verschiedene Plattformökosysteme. Welche Lösung besser geeignet ist, hängt von der aufgabenspezifischen Bewertung sowie den von der Anwendung benötigten Eingabe- oder Werkzeugfunktionen ab.
-
Grok 4.5 vs. selbst gehostete Sprachmodelle Selbst gehostete Modelle bieten Kontrolle über die Infrastruktur, erfordern jedoch Bereitstellung und Wartung. Flaq AI bietet eine verwaltete Chat-API-Route für Teams, die einen gehosteten Zugriff auf Grok 4.5 bevorzugen.
Nutzen Sie das Modell Grok 4.5 Text to Text direkt mit leistungsstarken KI-Agenten
OpenAI Codex-Guide
Flaq AI GPT-Modelle einrichten und Codex-Skills entdecken
Hermes Agent-Guide
Flaq AI LLM-Modelle in Hermes Agent verwenden
ZCode-Leitfaden
Verwenden Sie GLM 5.2, Kimi K3 und DeepSeek v4 in ZCode
DeepSeek Harness-Guide
DeepSeek Harness mit DeepSeek-Modellen von Flaq AI ausführen
Flaq MCP-Server
Verbinden Sie KI-Agenten mit den Bild- und Videogenerierungstools von Flaq