Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Verfügbare Modelle

Lektion 12 von 14 Aktualisiert am 29. Juli 2026 Entwickler
Auf dieser Seite
  1. Verfügbare Modelle entdecken
  2. Modelle auflisten
  3. Verwendung im Schlüsselmanagement
  4. Auflistung von ACL-Endpunkten
  5. Das richtige Modell wählen
  6. Skript zum Modellvergleich
  7. Neue Modelle überwachen
  8. Modelle und Analysen kombinieren
  9. Kernaussagen

Verfügbare Modelle entdecken

Dieser Endpunkt beantwortet eine Frage, die Sie fälschlicherweise für lösbar aus dem Gedächtnis halten könnten: Welche Modelle Ihr Team tatsächlich aufrufen kann und zu welchem Preis heute. Die öffentlichen Dokumentationen beschreiben den allgemeinen Katalog; die API beschreibt Ihren Katalog, einschließlich der aktuellen Preise.

Der Unterschied zwischen beiden ist nicht theoretisch. Stufen entwickeln sich, Preise ändern sich, und eine ID, die aus einem Blogbeitrag vor sechs Monaten kopiert wurde, führt zu einem Zugriffsfehler, der schwer zu diagnostizieren ist. Machen Sie es zur Gewohnheit, diesen Endpunkt abzufragen, anstatt davon auszugehen – dies ist auch das, was Ihre Skripte für Kostenvergleiche im Laufe der Zeit zuverlässig hält. Diese Informationen sind unerlässlich, um das richtige Modell für Ihren Anwendungsfall und Ihr Budget zu wählen.

Modelle auflisten

curl "https://management-api.x.ai/auth/teams/$TEAM_ID/models" \
  -H "Authorization: Bearer $MANAGEMENT_API_KEY"

Die Antwort enthält für jedes Modell:

  • ID: der exakte Name, der in API-Aufrufen verwendet wird (z. B. grok-4.20-0309-reasoning)
  • Cluster: die Servergruppe, die das Modell hostet
  • Preise: Preis pro Million Tokens für Eingabe und Ausgabe
  • Fähigkeiten: Kontextgröße, multimodale Unterstützung usw.

Verwendung im Schlüsselmanagement

Hier wird der Endpunkt unverzichtbar, nicht nur praktisch. Eine ACL, die ein nicht existierendes Modell benennt – weil sich das ID-Format geändert hat oder das Modell zurückgezogen wurde – schlägt nicht laut fehl: sie autorisiert einfach nichts, und Sie suchen den Fehler in Ihrem Code. Überprüfen Sie die ID an der Quelle, bevor Sie sie in einen Schlüssel einbinden.

{
  "acls": [
    "api-key:model:grok-4.20-0309-reasoning",
    "api-key:model:grok-4.3"
  ]
}

Wenn Sie einen Schlüssel auf bestimmte Modelle beschränken, überprüfen Sie zunächst, ob diese Ihrem Team über diesen Endpunkt verfügbar sind.

Auflistung von ACL-Endpunkten

Die gleiche Logik gilt für Endpunkte: Die folgende Liste ist die autoritative Quelle für die Zusammensetzung Ihrer ACLs. Sie bietet auch einen nützlichen Überblick über den tatsächlichen Umfang eines Schlüssels – ein Schlüssel, der auf chat beschränkt ist, kann weder Embeddings generieren noch Bilder verarbeiten, unabhängig von den Modellen, auf die er sonst verweist.

curl "https://management-api.x.ai/auth/teams/$TEAM_ID/endpoints" \
  -H "Authorization: Bearer $MANAGEMENT_API_KEY"

Die verfügbaren Endpunkte sind:

  • chat: Textkonversationen (Chat-Vervollständigungen)
  • embed: Generierung von Embeddings
  • image: Bildgenerierung und -analyse
  • models: Modellliste
  • sample: Stichprobenziehung
  • tokenize: Text-Tokenisierung
  • documents: Dokumentenverarbeitung

Das richtige Modell wählen

Nach Anwendungsfall

AnwendungsfallEmpfohlenes ModellWarum
Komplexe Schlussfolgerungengrok-4.20-0309-reasoningFortgeschrittene Chain-of-Thought
Einfache Aufgaben, hohe Volumengrok-4.3Schnell, wirtschaftlich
BildanalyseMultimodales ModellVisuelle Unterstützung
Embeddings / RAGEmbed-ModellOptimiert für Suche

Nach Budget

Vergleichen Sie die von der API zurückgegebenen Raten mit denen, die Sie im Kopf haben. Die Arbitrage-Logik ist immer dieselbe: Eine Klassifizierungs- oder Extraktionsaufgabe profitiert nicht von einem Schlussfolgerungsmodell, doch Sie zahlen dessen Preis bei jedem Aufruf – und dies ist genau die Art von Aufgabe, die Sie tausendfach ausführen. Das Schlussfolgerungsmodell ist für komplexe Analysen notwendig.

Skript zum Modellvergleich

import requests
import json

MANAGEMENT_API = "https://management-api.x.ai"
MGMT_KEY = "xai-mgmt-..."
TEAM_ID = "team-..."

# Modelle abrufen
response = requests.get(
    f"{MANAGEMENT_API}/auth/teams/{TEAM_ID}/models",
    headers={"Authorization": f"Bearer {MGMT_KEY}"}
)

models = response.json().get("models", [])

print(f"{'Model':<35} {'Input ($/M)':<15} {'Output ($/M)':<15}")
print("-" * 65)

for model in models:
    name = model.get("id", "N/A")
    input_price = model.get("inputPrice", "N/A")
    output_price = model.get("outputPrice", "N/A")
    print(f"{name:<35} {input_price:<15} {output_price:<15}")

Neue Modelle überwachen

Der Katalog ändert sich mehrmals im Jahr, und die interessantesten Änderungen sind keine neuen Modelle, sondern Preissenkungen bei alten. Eine periodische Prüfung, die mit dem vorherigen Datensatz vergleicht, markiert beides und kostet nur wenige Zeilen Cron.

import requests
import json
import os

MANAGEMENT_API = "https://management-api.x.ai"
MGMT_KEY = "xai-mgmt-..."
TEAM_ID = "team-..."
CACHE_FILE = "/tmp/xai_models_cache.json"

# Aktuelle Modelle abrufen
response = requests.get(
    f"{MANAGEMENT_API}/auth/teams/{TEAM_ID}/models",
    headers={"Authorization": f"Bearer {MGMT_KEY}"}
)
current_models = {m["id"] for m in response.json().get("models", [])}

# Vergleich mit Cache
if os.path.exists(CACHE_FILE):
    with open(CACHE_FILE) as f:
        cached_models = set(json.load(f))

    new_models = current_models - cached_models
    removed_models = cached_models - current_models

    if new_models:
        print(f"Neue Modelle: {', '.join(new_models)}")
    if removed_models:
        print(f"Entfernte Modelle: {', '.join(removed_models)}")

# Cache aktualisieren
with open(CACHE_FILE, "w") as f:
    json.dump(list(current_models), f)

Modelle und Analysen kombinieren

Die endgültige Querverbindung ist das, was die Entscheidung antreibt: auf der einen Seite, wie viel jedes Modell kostet, auf der anderen, wie viel Sie es nutzen. Ein teures und randständiges Modell verdient keine Aufmerksamkeit; ein teures Modell, das den Großteil Ihrer Anfragen absorbiert, ist der erste Kandidat für eine Änderung, und dies ist, was dieses Skript in einer Zeile ans Licht bringt.

# 1. Verfügbare Modelle auflisten
curl -s "https://management-api.x.ai/auth/teams/$TEAM_ID/models" \
  -H "Authorization: Bearer $MANAGEMENT_API_KEY" > /tmp/models.json

# 2. Nutzung nach Modell analysieren
curl -s -X POST "https://management-api.x.ai/v1/billing/teams/$TEAM_ID/usage" \
  -H "Authorization: Bearer $MANAGEMENT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "analyticsRequest": {
      "timeRange": {
        "startTime": "2026-03-01 00:00:00",
        "endTime": "2026-04-01 00:00:00",
        "timezone": "UTC"
      },
      "timeUnit": "MONTH",
      "values": [{"name": "tokens", "aggregation": "SUM"}],
      "groupBy": ["model"]
    }
  }' > /tmp/usage.json

# 3. Vergleich
python3 -c "
import json
with open('/tmp/models.json') as f:
    available = {m['id'] for m in json.load(f).get('models', [])}
with open('/tmp/usage.json') as f:
    used = {p.get('model') for p in json.load(f).get('dataPoints', [])}
unused = available - used
if unused:
    print(f'Verfügbare Modelle, die nicht genutzt werden: {unused}')
"

Preise vom 5. August 2026 – Preise entwickeln sich regelmäßig: vor jeder Budgetberechnung überprüfen Sie das aktuelle Raster auf der offiziellen Seite für xAI-Modelle und Preise.

Kernaussagen

  • GET /auth/teams/{teamId}/models listet Modelle mit Preisen und Fähigkeiten auf
  • GET /auth/teams/{teamId}/endpoints listet Endpunkte für ACLs auf
  • Nutzen Sie diese Informationen, um API-Schlüssel mit präzisen ACLs zu erstellen
  • Vergleichen Sie Raten, um das wirtschaftlichste Modell zu wählen, das zu Ihrer Nutzung passt
  • Überwachen Sie regelmäßig neue verfügbare Modelle