xAI/grok-4.5-text-to-text

grok-4.5-text-to-text

Coba gratis API Teks-ke-Teks Grok 4.5 yang didukung oleh X-AI untuk penalaran, penulisan, bantuan pemrograman, analisis, dan alur kerja LLM produksi yang dapat diskalakan melalui Flaq AI.

Text Chat

Model Grok 4.5 Terkait

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

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

Dokumentasi

Contoh API

JavaScriptPythoncURL

Contoh Pengiriman

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);
    }
  }
}

Contoh Pengiriman

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)

Contoh Pengiriman

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
  }'

Mulai chat baru

Kirim pesan untuk memulai.

Harga Grok 4.5 Text to Text

Parameter	Harga	Harga asli	Diskon

Token: input	$1.8000 per 1 juta token input	$2.0000 per 1 juta token input	90%
Token: output	$5.4000 per 1 juta token output	$6.0000 per 1 juta token output	90%

README

API Grok 4.5 Text-to-Text untuk Coding dan Pekerjaan Berbasis Pengetahuan

API Grok 4.5 Text-to-Text menghadirkan model bahasa Grok 4.5 dari xAI ke aplikasi berbasis teks melalui Flaq AI. xAI memosisikan Grok 4.5 untuk coding, tugas agentik, dan pekerjaan berbasis pengetahuan; rute model Flaq AI ini menyediakan antarmuka chat terfokus dengan input teks dan output teks untuk pembuatan konten dan percakapan multi-giliran. Developer dapat mengirim riwayat pesan terstruktur, melakukan streaming respons, dan mengontrol panjang output yang diminta tanpa mengaktifkan input gambar atau file yang tidak didukung pada varian ini.

Fitur Utama API Grok 4.5 Text-to-Text

Pembuatan Bahasa Berbasis Teks: Kirim prompt teks dan terima respons teks untuk alur kerja penulisan, penjelasan, analisis, serta tanya jawab.
Fondasi Model Berorientasi Coding: Gunakan model yang secara eksplisit diposisikan xAI untuk tugas rekayasa perangkat lunak dan pengetahuan teknis, sambil tetap memvalidasi kode yang dihasilkan di lingkungan Anda sendiri.
Konteks Pesan Multi-Giliran: Sertakan pesan percakapan terbaru agar aplikasi dapat menjaga kesinambungan dalam pertanyaan lanjutan dan tugas berulang.
Dukungan Streaming Respons: Terima peristiwa respons secara bertahap untuk antarmuka chat dan pengalaman lain yang memperoleh manfaat dari output progresif.
Kontrol Panjang Output: Tetapkan panjang respons maksimum agar sesuai dengan kebutuhan produk, latensi, dan penggunaan.
Kontrak Input Terfokus: Pertahankan rute ini hanya untuk teks, tanpa lampiran gambar atau file umum yang tersedia dalam konfigurasi Flaq AI saat ini.

Cara Menggunakan API Grok 4.5 Text-to-Text di Flaq AI

Input: Konten teks wajib yang disusun sebagai pesan chat.
Output: Teks yang dihasilkan dan dikembalikan sebagai respons lengkap atau di-streaming secara bertahap.
Konteks: Pesan terbaru dapat disertakan untuk menjaga kesinambungan percakapan multi-giliran.
Kontrol: Panjang output maksimum opsional dapat ditentukan untuk respons.
Kemampuan: Pembuatan teks, penjelasan, bantuan coding, penyusunan konten terstruktur, dan respons berorientasi pengetahuan melalui antarmuka chat yang dikonfigurasi.

Kasus Penggunaan Terbaik untuk Integrasi API Grok 4.5 Text-to-Text

Bantuan Developer: Buat draf, jelaskan, tinjau, atau lakukan refactoring kode sambil tetap menyertakan tinjauan manusia dan pengujian otomatis dalam alur kerja.
Menjawab Pertanyaan Teknis: Bangun asisten berbasis teks untuk skenario produk, rekayasa, dan pengetahuan internal dengan menggunakan konteks percakapan yang diberikan.
Penulisan dan Penyuntingan: Buat kerangka, tulis ulang draf, rangkum teks yang diberikan, dan sesuaikan konten untuk audiens yang berbeda.
Analisis Terstruktur: Minta model membandingkan pilihan, mengatur persyaratan, atau mengubah teks tidak terstruktur menjadi format respons yang lebih jelas.
Aplikasi Percakapan: Dukung pengalaman chat multi-giliran yang hanya memerlukan input teks dan output teks.

Catatan Respons model dapat tidak lengkap atau keliru, terutama untuk keputusan terkait fakta, hukum, medis, keuangan, atau kode produksi. Verifikasi klaim penting dan uji kode yang dihasilkan sebelum mengandalkan output. Varian Flaq AI ini tidak menyediakan input gambar, input file, atau pencarian web.

Grok 4.5 Text-to-Text vs Alternatif: Analisis Perbandingan

Grok 4.5 Text-to-Text dibandingkan dengan Grok 4.5 Image-to-Text Rute Text-to-Text memerlukan input teks dan ditujukan untuk percakapan yang hanya menggunakan teks. Pilih rute Image-to-Text ketika permintaan memerlukan satu gambar yang didukung sebagai konteks visual.
Grok 4.5 vs. Model Grok Sebelumnya xAI memosisikan Grok 4.5 sebagai model terbarunya untuk coding, tugas agentik, dan pekerjaan berbasis pengetahuan. Hasil aktual tetap bergantung pada prompt, kriteria evaluasi, dan fitur yang disediakan oleh integrasi.
Grok 4.5 vs. Model OpenAI Kedua keluarga model dapat mendukung alur kerja pembuatan teks dan coding melalui API. Bandingkan dengan prompt yang representatif, persyaratan output, ekspektasi latensi, dan harga terkini, alih-alih berasumsi bahwa satu model selalu lebih unggul.
Grok 4.5 vs. Model Anthropic Claude Model Claude dan Grok 4.5 menawarkan perilaku model serta ekosistem platform yang berbeda. Pilihan yang lebih sesuai bergantung pada evaluasi khusus tugas dan fitur input atau alat yang diperlukan aplikasi.
Grok 4.5 vs. Model Bahasa yang Di-host Sendiri Model yang di-host sendiri memberikan kendali atas infrastruktur, tetapi memerlukan deployment dan pemeliharaan. Flaq AI menawarkan rute API chat terkelola bagi tim yang memilih akses ter-host ke Grok 4.5.