xAI/grok-4.6-text-to-text

grok-4.6-text-to-text

Prova Grok 4.6 API di xAI per ragionamento testuale, scrittura, programmazione, analisi e risposte in streaming tramite l’API LLM unificata, stabile e conveniente di Flaq AI.

Text Chat

Modelli Grok 4.6 correlati

grok-4.6-text-to-texttext-to-text

grok-4.6-image-to-textimage-to-text

Documentazione

Esempi API

JavaScriptPythoncURL

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-4.6-text-to-text',
    messages: [
      {
        role: 'user',
        content: 'Explain the key differences between REST and GraphQL APIs.'
      }
    ],
    stream: true,
    max_tokens: 2048
  })
});

if (!response.ok) {
  const errorBody = await response.json().catch(() => null);
  throw new Error(errorBody?.error?.message ?? errorBody?.message ?? `HTTP ${response.status}`);
}

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(/\r?\n\r?\n/);
  buffer = frames.pop() || '';

  for (const frame of frames) {
    const lines = frame.split(/\r?\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-4.6-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-4.6-text-to-text",
    "messages": [
      {
        "role": "user",
        "content": "Explain the key differences between REST and GraphQL APIs."
      }
    ],
    "stream": true,
    "max_tokens": 2048
  }'

Avvia una nuova chat

Invia un messaggio per iniziare.

Prezzi di Grok 4.6 Text to Text

Parametri	Prezzo	Prezzo originale	Sconto

Token: input	$2.0000 per 1 M token di input	-	Standard
Token: output	$6.0000 per 1 M token di output	-	Standard

README

API Text-to-Text Grok 4.6 (ragionamento avanzato e programmazione)

L'API Text-to-Text Grok 4.6 porta su Flaq AI il modello di xAI incentrato sul ragionamento per flussi di lavoro testuali complessi. Progettata per l'ingegneria del software, la risoluzione strutturata dei problemi e le attività professionali basate sulla conoscenza, questa integrazione dell'API Grok aiuta i team a trasformare istruzioni dettagliate in contenuti scritti utili, spiegazioni tecniche e risposte orientate all'implementazione. La route di Flaq è volutamente limitata all'input e all'output di testo, risultando una scelta chiara quando un flusso di lavoro di produzione richiede un comportamento mirato del modello linguistico senza allegare file multimediali.

Funzionalità principali dell'API Text-to-Text Grok 4.6

Flussi di lavoro testuali guidati dal ragionamento: gestisci prompt in più fasi, requisiti dettagliati e domande strutturate con un modello pensato per attività tecniche e basate sulla conoscenza.
Solida assistenza alla programmazione: trasforma requisiti di prodotto, segnalazioni di bug e domande sull'implementazione in spiegazioni, piani, revisioni e bozze orientati al codice e adatti ai flussi di lavoro degli sviluppatori.
Supporto al lavoro professionale basato sulla conoscenza: crea riepiloghi, briefing, analisi e documentazione operativa da istruzioni in linguaggio naturale senza cambiare strumento tra le attività di routine.
Integrazione mirata e solo testuale: mantieni la route allineata ai casi d'uso text-to-text, così che i team possano definire aspettative chiare sui limiti dell'input nei flussi di chat, automazione e back office.
Controllo flessibile dell'output: usa il controllo disponibile sulla lunghezza dell'output per bilanciare risposte concise, risposte tecniche dettagliate ed esigenze di elaborazione a valle.
Flusso di lavoro API adatto alla produzione: invia messaggi di conversazione strutturati tramite Flaq AI e integra il testo generato in applicazioni, strumenti interni o pipeline di revisione.

Come utilizzare l'API Text-to-Text Grok 4.6 su Flaq AI

Dati di ingresso: messaggi di conversazione testuali e istruzioni in linguaggio naturale per analisi, stesura, programmazione o risposta a domande.
Risultato: risposte testuali adatte alla visualizzazione, alla revisione interna, all'automazione o all'elaborazione successiva.
Contesto dei messaggi: struttura le richieste con i ruoli conversazionali supportati per fornire istruzioni sull'attività, requisiti dell'utente e contesto precedente.
Capacità: generazione di testo orientata al ragionamento, assistenza alla programmazione, scrittura professionale, spiegazioni tecniche e supporto alla risoluzione strutturata dei problemi.

Migliori casi d'uso per l'integrazione dell'API Text-to-Text Grok 4.6

Flussi di lavoro di ingegneria del software: prepara piani di implementazione, spiega il comportamento del codice, crea note di refactoring e accelera le discussioni sulla classificazione dei problemi.
Documentazione tecnica: trasforma requisiti di origine e note di prodotto in guide, bozze di rilascio, specifiche e riepiloghi tecnici più chiari.
Automazione del lavoro basato sulla conoscenza: aiuta i team a preparare schemi di ricerca, briefing interni, promemoria decisionali e prime bozze strutturate a partire da prompt dettagliati.
Assistenti per supporto e operazioni: crea strumenti di assistenza incentrati sul testo che classificano le richieste, producono bozze di risposta e presentano agli operatori indicazioni sui passaggi successivi.
Prototipazione analitica: esplora domande complesse, confronta opzioni e genera strutture di ragionamento organizzate prima di una fase di revisione umana.

Nota Verifica i contenuti generati prima di utilizzarli per decisioni ad alto impatto, modifiche in produzione o attività legali, mediche, finanziarie o critiche per la sicurezza. Mantieni i prompt e gli usi successivi in linea con le politiche applicabili di xAI e Flaq AI.

API Text-to-Text Grok 4.6 e concorrenti: analisi comparativa

Grok 4.6 e Grok 4.5
Grok 4.5 rimane un'opzione pratica per le integrazioni Grok consolidate. Grok 4.6 è la generazione più recente incentrata su ragionamento e programmazione, e risulta quindi più adatta quando l'attività comporta una pianificazione tecnica più impegnativa o un lavoro professionale basato sulla conoscenza.
Grok 4.6 e Gemini 3.7 Flash
Gemini 3.7 Flash è pensato per flussi di lavoro agentici e multimodali efficienti. Grok 4.6 Text-to-Text mantiene l'integrazione Flaq focalizzata sul ragionamento testuale e sull'output orientato alla programmazione, quindi la scelta migliore dipende dai limiti di input del flusso di lavoro e dai risultati di valutazione dell'attività.
Grok 4.6 e Claude Sonnet 5
Claude Sonnet 5 è ampiamente considerato per attività accurate di scrittura estesa e programmazione. Grok 4.6 offre un'altra opzione orientata alla frontiera per i team che desiderano testare il ragionamento, l'ingegneria del software e le prestazioni nelle attività basate sulla conoscenza all'interno dello stesso schema API testuale.
Grok 4.6 e GPT 5.6 Terra
GPT 5.6 Terra supporta un'ampia gamma di carichi di lavoro AI generici. Grok 4.6 si distingue per la famiglia di modelli xAI e una route testuale progettata per prompt orientati all'implementazione, spiegazioni tecniche e attività professionali strutturate.
Grok 4.6 e Kimi 2.7
Kimi 2.7 è un'alternativa utile per scenari testuali e di programmazione. Grok 4.6 rappresenta un'opzione interessante per i team che vogliono valutare un modello guidato dal ragionamento con prompt analitici e di ingegneria complessi.