xAI/grok-4.5-text-to-text

grok-4.5-text-to-text

Essayez gratuitement l'API texte-vers-texte Grok 4.5 propulsée par X-AI pour le raisonnement, la rédaction, l'aide au codage, l'analyse et les workflows LLM de production évolutifs via Flaq AI.

Text Chat

Modèles Grok 4.5 associés

grok-4.5-text-to-texttext-to-text

grok-4.5-image-to-textimage-to-text

Documentation

Exemples d'API

JavaScriptPythoncURL

Exemple d'envoi

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);
    }
  }
}

Exemple d'envoi

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)

Exemple d'envoi

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
  }'

Démarrer un nouveau chat

Envoyez un message pour commencer.

Tarifs de Grok 4.5 Text to Text

Paramètres	Prix	Prix d’origine	Remise

Jeton: input	$1.8000 par 1 M de jetons d’entrée	$2.0000 par 1 M de jetons d’entrée	90%
Jeton: output	$5.4000 par 1 M de jetons de sortie	$6.0000 par 1 M de jetons de sortie	90%

README

API Grok 4.5 Text-to-Text pour le codage et le travail intellectuel

L'API Grok 4.5 Text-to-Text permet aux applications textuelles d'accéder au modèle de langage Grok 4.5 de xAI via Flaq AI. xAI positionne Grok 4.5 pour le codage, les tâches agentiques et le travail intellectuel ; cette route de modèle Flaq AI fournit une interface de chat ciblée avec du texte en entrée et en sortie pour la génération et les conversations à plusieurs tours. Les développeurs peuvent envoyer un historique de messages structuré, diffuser les réponses en continu et contrôler la longueur de sortie demandée sans activer les entrées d'images ou de fichiers non prises en charge par cette variante.

Principales fonctionnalités de l'API Grok 4.5 Text-to-Text

Génération de langage textuelle : Envoyez des invites textuelles et recevez des réponses textuelles pour les processus de rédaction, d'explication, d'analyse et de questions-réponses.
Base de modèle orientée codage : Utilisez un modèle que xAI positionne explicitement pour l'ingénierie logicielle et les tâches de connaissances techniques, tout en validant le code généré dans votre propre environnement.
Contexte de messages à plusieurs tours : Incluez les messages récents de la conversation afin que les applications puissent maintenir la continuité entre les questions de suivi et les tâches itératives.
Prise en charge des réponses en streaming : Traitez des événements de réponse progressifs pour les interfaces de chat et les autres expériences qui bénéficient d'une sortie graduelle.
Contrôle de la longueur de sortie : Définissez une longueur de réponse maximale adaptée aux exigences du produit, de latence et d'utilisation.
Contrat d'entrée ciblé : Limitez cette route au texte, sans entrée d'image ni pièce jointe de fichier générale exposée par la configuration Flaq AI actuelle.

Comment utiliser l'API Grok 4.5 Text-to-Text sur Flaq AI

Entrée : Contenu textuel requis organisé sous forme de messages de chat.
Sortie : Texte généré renvoyé sous forme de réponse complète ou diffusé progressivement.
Contexte : Les messages récents peuvent être inclus afin d'assurer la continuité d'une conversation à plusieurs tours.
Contrôles : Une longueur de sortie maximale facultative peut être spécifiée pour la réponse.
Capacités : Génération de texte, explication, assistance au codage, rédaction structurée et réponses axées sur les connaissances via l'interface de chat configurée.

Meilleurs cas d'usage pour l'intégration de l'API Grok 4.5 Text-to-Text

Assistance aux développeurs : Rédigez, expliquez, révisez ou refactorisez du code tout en conservant la révision humaine et les tests automatisés dans le processus.
Réponse aux questions techniques : Créez des assistants textuels pour les scénarios liés aux produits, à l'ingénierie et aux connaissances internes à l'aide du contexte de conversation fourni.
Rédaction et édition : Générez des plans, réécrivez des brouillons, résumez le texte fourni et adaptez le contenu à différents publics.
Analyse structurée : Demandez au modèle de comparer des options, d'organiser des exigences ou de convertir un texte non structuré en un format de réponse plus clair.
Applications conversationnelles : Alimentez des expériences de chat à plusieurs tours qui nécessitent uniquement du texte en entrée et en sortie.

Remarque Les réponses du modèle peuvent être incomplètes ou incorrectes, notamment pour les décisions factuelles, juridiques, médicales, financières ou concernant du code de production. Vérifiez les affirmations importantes et testez le code généré avant de vous fier à la sortie. Cette variante Flaq AI ne prend pas en charge l'entrée d'images, l'entrée de fichiers ni la recherche sur le Web.

Grok 4.5 Text-to-Text face aux alternatives : analyse comparative

Grok 4.5 Text-to-Text face à Grok 4.5 Image-to-Text La route Text-to-Text nécessite une entrée textuelle et est destinée aux conversations exclusivement textuelles. Choisissez la route Image-to-Text lorsqu'une requête nécessite une image prise en charge comme contexte visuel.
Grok 4.5 face aux anciens modèles Grok xAI positionne Grok 4.5 comme son modèle le plus récent pour le codage, les tâches agentiques et le travail intellectuel. Les résultats réels dépendent toujours de l'invite, des critères d'évaluation et des fonctionnalités exposées par l'intégration.
Grok 4.5 face aux modèles OpenAI Les deux familles de modèles peuvent prendre en charge la génération de texte et les processus de codage via des API. Comparez-les à l'aide d'invites représentatives, des exigences de sortie, des attentes en matière de latence et des tarifs actuels plutôt que de supposer qu'un modèle est universellement plus performant.
Grok 4.5 face aux modèles Claude d'Anthropic Les modèles Claude et Grok 4.5 présentent des comportements et des écosystèmes de plateforme différents. Le meilleur choix dépend d'une évaluation propre à la tâche et des fonctionnalités d'entrée ou d'outils requises par l'application.
Grok 4.5 face aux modèles de langage auto-hébergés Les modèles auto-hébergés permettent de contrôler l'infrastructure, mais nécessitent un déploiement et une maintenance. Flaq AI propose une route d'API de chat gérée aux équipes qui préfèrent un accès hébergé à Grok 4.5.