Status legacy i zasada bezstanowości
Na tej stronie
Zaktualizowano 3 listopada 2026 r. w oparciu o najlepsze praktyki xAI: xAI obecnie klasyfikuje Chat Completions jako przestarzałe i zaleca korzystanie z Responses API dla modeli rozumujących Grok. Konkretny powód: Chat Completions nie posiada pola na zaszyfrowany tok rozumowania modelu, więc każda wielowątkowa rozmowa lub wywołanie narzędzia traci wnioskowanie z poprzednich tur. Nowe funkcje są również najpierw udostępniane w Responses API. Źródła: Najlepsze praktyki xAI · Chat Completions (legacy).
Punkt końcowy Chat Completions w ekosystemie xAI
API xAI oferuje dwa główne punkty końcowe do interakcji z modelami Grok: Responses API (główny punkt końcowy) oraz punkt końcowy Chat Completions. Ten drugi jest oznaczony jako legacy (przestarzały): nadal działa w pełni, ale nowe funkcje są teraz priorytetowo wdrażane w Responses API.
Dlaczego więc warto się nim zajmować? Ponieważ Chat Completions pozostaje najczęściej adoptowanym punktem końcowym w ekosystemie. Wszystkie istniejące SDK OpenAI, frameworki takie jak LangChain czy LlamaIndex oraz tysiące tutoriali używają tego formatu. Jeśli migrujesz od innego dostawcy lub pracujesz z narzędziami firm trzecich, to prawdopodobnie z tego punktu końcowego skorzystasz jako pierwszego.
Punkt końcowy bezstanowy: wysyłaj wszystko z każdym żądaniem
Fundamentalną zasadą Chat Completions jest to, że jest ono bezstanowe: serwer nie przechowuje żadnej historii rozmowy. Przy każdym wywołaniu musisz dołączyć całą historię poprzednich wiadomości do swojego żądania.
Konkretnie oznacza to, że w przypadku rozmowy składającej się z 10 wymian, Twoje 11. żądanie musi zawierać 10 poprzednich wiadomości (użytkownik + asystent) plus nową wiadomość. To Twoja aplikacja zarządza tą historią.
{
"model": "grok-4.20-0309-reasoning",
"messages": [
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Hello!"},
{"role": "assistant", "content": "Hello! How can I help you?"},
{"role": "user", "content": "Explain deep learning to me."}
]
}
W tym przykładzie pierwsze trzy wiadomości reprezentują historię rozmowy. Tylko ostatnia jest nową wiadomością od użytkownika. Model potrzebuje całego tego kontekstu, aby wygenerować spójną odpowiedź.
Praktyczne konsekwencje
To bezstanowe podejście niesie za sobą kilka konsekwencji:
- Pełna kontrola: decydujesz dokładnie, które wiadomości są wysyłane do modelu. Możesz filtrować, podsumowywać lub modyfikować historię przed każdym wywołaniem.
- Koszt proporcjonalny: każde żądanie jest rozliczane za wszystkie wysłane tokeny, wliczając w to historię. Im dłuższa rozmowa, tym droższa staje się każda kolejna wymiana.
- Brak trwałości po stronie serwera: żadne dane nie są przechowywane po stronie xAI między żądaniami. Jest to zaleta dla prywatności, ale wymaga od Ciebie samodzielnego zarządzania trwałością danych.
Porównanie z Responses API
Responses API jest natomiast stanowe: przechowuje historię po stronie serwera za pomocą parametru previous_response_id. Nie musisz ponownie wysyłać poprzednich wiadomości – wystarczy prosty identyfikator. Odpowiedzi mogą być przechowywane do 30 dni dzięki ustawieniu store: true.
Wybór między tymi dwoma rozwiązaniami zależy od Twojego przypadku użycia. Jeśli pracujesz z istniejącym SDK OpenAI lub migrujesz od innego dostawcy, Chat Completions jest logicznym punktem startowym. W przypadku nowego projektu zalecane jest Responses API.
Kluczowe wnioski
- Chat Completions jest oznaczone jako legacy, ale pozostaje w pełni funkcjonalne i kompatybilne z ekosystemem OpenAI
- Punkt końcowy jest bezstanowy: musisz ponownie wysyłać pełną historię z każdym żądaniem
- Koszt każdego żądania obejmuje wszystkie tokeny historii
- Responses API oferuje alternatywę stanową z trwałością danych po stronie serwera
- W przypadku modeli rozumujących zalecany jest limit czasu wynoszący 3600 sekund