xAI/grok-4.6-text-to-text

grok-4.6-text-to-text

Experimente Grok 4.6 API da xAI para raciocínio textual, escrita, programação, análise e respostas em streaming pela API LLM unificada, estável e acessível da Flaq AI.

Text Chat

Modelos Grok 4.6 relacionados

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

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

Documentação

Exemplos de API

JavaScriptPythoncURL

Exemplo de envio

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);
    }
  }
}

Exemplo de envio

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)

Exemplo de envio

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
  }'

Inicie um novo chat

Envie uma mensagem para começar.

Preços de Grok 4.6 Text to Text

Parâmetros	Preço	Preço original	Desconto

Token: input	$2.0000 por 1 milhão de tokens de entrada	-	Padrão
Token: output	$6.0000 por 1 milhão de tokens de saída	-	Padrão

README

API Text-to-Text do Grok 4.6 (raciocínio avançado e programação)

A API Text-to-Text do Grok 4.6 disponibiliza no Flaq AI o modelo da xAI focado em raciocínio para fluxos de trabalho de texto exigentes. Criada para engenharia de software, resolução estruturada de problemas e trabalho profissional baseado em conhecimento, esta integração da API Grok ajuda as equipes a transformar instruções detalhadas em conteúdo escrito útil, explicações técnicas e respostas orientadas à implementação. A rota do Flaq é intencionalmente limitada a entrada e saída de texto, o que a torna uma escolha clara quando um fluxo de trabalho de produção precisa de um comportamento focado do modelo de linguagem sem anexar arquivos de mídia.

Principais recursos da API Text-to-Text do Grok 4.6

Fluxos de trabalho de texto orientados por raciocínio: processe prompts de várias etapas, requisitos detalhados e perguntas estruturadas com um modelo voltado para tarefas técnicas e de conhecimento.
Assistência avançada em programação: transforme requisitos de produto, relatórios de bugs e perguntas de implementação em explicações, planos, revisões e rascunhos orientados a código que se encaixam nos fluxos de trabalho dos desenvolvedores.
Suporte ao trabalho profissional baseado em conhecimento: crie resumos, briefings, análises e documentação operacional a partir de instruções em linguagem natural sem trocar de ferramenta entre tarefas rotineiras.
Integração focada somente em texto: mantenha a rota alinhada aos casos de uso text-to-text para que as equipes possam definir expectativas claras sobre os limites de entrada em fluxos de chat, automação e back-office.
Controle flexível de saída: use o controle disponível de tamanho da saída para equilibrar respostas concisas, respostas técnicas detalhadas e necessidades de processamento posterior.
Fluxo de trabalho de API adequado para produção: envie mensagens de conversa estruturadas pelo Flaq AI e integre o texto gerado a aplicativos, ferramentas internas ou pipelines de revisão.

Como usar a API Text-to-Text do Grok 4.6 no Flaq AI

Entrada: mensagens de conversa baseadas em texto e instruções em linguagem natural para análise, redação, programação ou resposta a perguntas.
Saída: respostas em texto adequadas para exibição, revisão interna, automação ou processamento posterior.
Contexto das mensagens: estruture as solicitações com as funções de conversa compatíveis para fornecer instruções da tarefa, requisitos do usuário e contexto anterior.
Recursos: geração de texto orientada por raciocínio, assistência em programação, redação profissional, explicação técnica e suporte à resolução estruturada de problemas.

Melhores casos de uso para a integração da API Text-to-Text do Grok 4.6

Fluxos de trabalho de engenharia de software: elabore planos de implementação, explique o comportamento do código, prepare notas de refatoração e acelere conversas de triagem de problemas.
Documentação técnica: transforme requisitos de origem e notas de produto em guias, rascunhos de lançamento, especificações e resumos de engenharia mais claros.
Automação do trabalho baseado em conhecimento: ajude as equipes a preparar esboços de pesquisa, briefings internos, memorandos de decisão e primeiros rascunhos estruturados a partir de prompts detalhados.
Assistentes de suporte e operações: crie recursos de apoio com foco em texto que classificam solicitações, produzem rascunhos de resposta e apresentam aos operadores orientações sobre os próximos passos.
Prototipagem analítica: explore perguntas complexas, compare opções e gere estruturas organizadas de raciocínio antes de uma etapa de revisão humana.

Observação Valide o conteúdo gerado antes de usá-lo em decisões de alto impacto, alterações em produção ou trabalhos jurídicos, médicos, financeiros ou críticos para a segurança. Mantenha os prompts e os usos posteriores alinhados às políticas aplicáveis da xAI e do Flaq AI.

API Text-to-Text do Grok 4.6 vs. concorrentes: análise comparativa

Grok 4.6 vs. Grok 4.5
O Grok 4.5 continua sendo uma opção prática para integrações Grok consolidadas. O Grok 4.6 é a geração mais recente focada em raciocínio e programação, sendo mais adequado quando a tarefa envolve planejamento técnico mais exigente ou trabalho profissional baseado em conhecimento.
Grok 4.6 vs. Gemini 3.7 Flash
O Gemini 3.7 Flash é voltado para fluxos de trabalho agênticos e multimodais eficientes. O Grok 4.6 Text-to-Text mantém a integração do Flaq focada no raciocínio em texto e na saída orientada à programação, portanto a melhor escolha depende dos limites de entrada do fluxo de trabalho e dos resultados da avaliação da tarefa.
Grok 4.6 vs. Claude Sonnet 5
O Claude Sonnet 5 é amplamente considerado para tarefas cuidadosas de texto longo e programação. O Grok 4.6 oferece outra opção orientada à fronteira tecnológica para equipes que desejam testar raciocínio, engenharia de software e desempenho em trabalho baseado em conhecimento dentro do mesmo padrão de API de texto.
Grok 4.6 vs. GPT 5.6 Terra
O GPT 5.6 Terra é compatível com uma ampla variedade de cargas de trabalho de IA de uso geral. O Grok 4.6 se diferencia por sua família de modelos xAI e uma rota de texto projetada para prompts focados em implementação, explicações técnicas e trabalho profissional estruturado.
Grok 4.6 vs. Kimi 2.7
O Kimi 2.7 é uma alternativa útil para cenários de texto e programação. O Grok 4.6 é uma opção atraente quando as equipes querem avaliar um modelo orientado por raciocínio em prompts complexos de engenharia e análise.