Prova gratuitamente l'API Grok 4.5 Text-to-Text basata su X-AI per ragionamento, scrittura, assistenza alla programmazione, analisi e flussi LLM di produzione scalabili tramite Flaq AI.
Modelli Grok 4.5 correlati
Esempi API
Esempio di invio
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);
}
}
}
Esempio di invio
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)
Esempio di invio
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
}'
Prezzi di Grok 4.5 Text to Text
| Parametri | Prezzo | Prezzo originale | Sconto |
|---|
Modelli correlati
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-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
API Grok 4.5 Text-to-Text per il Coding e il Lavoro Basato sulla Conoscenza
L'API Grok 4.5 Text-to-Text porta il modello linguistico Grok 4.5 di xAI nelle applicazioni basate su testo tramite Flaq AI. xAI presenta Grok 4.5 come modello per il coding, le attività agentiche e il lavoro basato sulla conoscenza; questo percorso del modello Flaq AI offre un'interfaccia chat mirata con input e output di testo per la generazione e le conversazioni multi-turno. Gli sviluppatori possono inviare una cronologia strutturata dei messaggi, ricevere le risposte in streaming e controllare la lunghezza dell'output richiesto senza abilitare input di immagini o file non supportati in questa variante.
Funzionalità Principali dell'API Grok 4.5 Text-to-Text
- Generazione Linguistica Basata su Testo: Invia prompt testuali e ricevi risposte di testo per flussi di lavoro di scrittura, spiegazione, analisi e domande e risposte.
- Base del Modello Orientata al Coding: Utilizza un modello che xAI presenta esplicitamente per attività di ingegneria del software e conoscenze tecniche, verificando il codice generato nel tuo ambiente.
- Contesto dei Messaggi Multi-Turno: Includi i messaggi recenti della conversazione affinché le applicazioni possano mantenere la continuità tra domande di approfondimento e attività iterative.
- Supporto delle Risposte in Streaming: Ricevi eventi di risposta incrementali per interfacce chat e altre esperienze che traggono vantaggio da un output progressivo.
- Controllo della Lunghezza dell'Output: Imposta una lunghezza massima della risposta adatta ai requisiti del prodotto, di latenza e di utilizzo.
- Contratto di Input Mirato: Mantieni questo percorso limitato al testo, senza allegati di immagini o file generici esposti dall'attuale configurazione di Flaq AI.
Come Utilizzare l'API Grok 4.5 Text-to-Text su Flaq AI
- Input: Contenuto testuale obbligatorio organizzato come messaggi di chat.
- Output: Testo generato restituito come risposta completa oppure trasmesso in streaming in modo incrementale.
- Contesto: È possibile includere i messaggi recenti per mantenere la continuità delle conversazioni multi-turno.
- Controlli: È possibile specificare una lunghezza massima opzionale dell'output per la risposta.
- Funzionalità: Generazione di testo, spiegazioni, assistenza al coding, stesura strutturata e risposte orientate alla conoscenza tramite l'interfaccia chat configurata.
Migliori Casi d'Uso per l'Integrazione dell'API Grok 4.5 Text-to-Text
- Assistenza agli Sviluppatori: Crea bozze, spiega, esamina o esegui il refactoring del codice, mantenendo la revisione umana e i test automatici nel flusso di lavoro.
- Risposte a Domande Tecniche: Crea assistenti basati su testo per scenari relativi a prodotti, ingegneria e conoscenze interne utilizzando il contesto della conversazione fornito.
- Scrittura e Revisione: Genera scalette, riscrivi bozze, riassumi il testo fornito e adatta i contenuti a destinatari diversi.
- Analisi Strutturata: Chiedi al modello di confrontare opzioni, organizzare requisiti o trasformare testo non strutturato in un formato di risposta più chiaro.
- Applicazioni Conversazionali: Alimenta esperienze di chat multi-turno che richiedono solo input e output testuali.
Nota Le risposte del modello possono essere incomplete o errate, soprattutto per decisioni di natura fattuale, legale, medica, finanziaria o relative al codice di produzione. Verifica le affermazioni importanti e testa il codice generato prima di affidarti all'output. Questa variante di Flaq AI non espone input di immagini, input di file o ricerca sul web.
Grok 4.5 Text-to-Text e Alternative: Analisi Comparativa
-
Grok 4.5 Text-to-Text e Grok 4.5 Image-to-Text Il percorso Text-to-Text richiede un input testuale ed è destinato alle conversazioni basate solo su testo. Scegli il percorso Image-to-Text quando una richiesta necessita di un'immagine supportata come contesto visivo.
-
Grok 4.5 e i Modelli Grok Precedenti xAI presenta Grok 4.5 come il suo modello più recente per il coding, le attività agentiche e il lavoro basato sulla conoscenza. I risultati effettivi dipendono comunque dal prompt, dai criteri di valutazione e dalle funzionalità esposte dall'integrazione.
-
Grok 4.5 e i Modelli OpenAI Entrambe le famiglie di modelli possono supportare la generazione di testo e i flussi di lavoro di coding tramite API. Confrontale utilizzando prompt rappresentativi, requisiti di output, aspettative sulla latenza e prezzi attuali, anziché presumere che un modello sia universalmente superiore.
-
Grok 4.5 e i Modelli Anthropic Claude I modelli Claude e Grok 4.5 offrono comportamenti del modello ed ecosistemi di piattaforma differenti. La scelta più adatta dipende dalla valutazione specifica dell'attività e dalle funzionalità di input o degli strumenti richieste dall'applicazione.
-
Grok 4.5 e i Modelli Linguistici Self-Hosted I modelli self-hosted offrono il controllo dell'infrastruttura, ma richiedono deployment e manutenzione. Flaq AI offre un percorso API chat gestito per i team che preferiscono un accesso in hosting a Grok 4.5.