Proste żądanie POST /v1/responses
Na tej stronie
Zaktualizowano 3 listopada 2026 r. na podstawie najlepszych praktyk xAI i dokumentacji API: parametr
temperaturejest ograniczony do wartości 1, a xAI zaleca ustawienie 0.7 przytop_pwynoszącym 0.95. Źródło: Najlepsze praktyki.
Twoje pierwsze udane wywołanie
Masz już konto, klucz API i zainstalowane SDK. Czas wysłać pierwsze żądanie do API Grok i zrozumieć strukturę odpowiedzi. Lekcja ta skupia się na głównym punkcie końcowym, /v1/responses, który jest najbardziej nowoczesny i najbardziej rekomendowany.
Struktura żądania
Punkt końcowy POST /v1/responses wymaga co najmniej dwóch parametrów:
model: identyfikator modelu do użyciainput: tekst Twojego żądania (lub tablica treści w przypadkach zaawansowanych)
Minimalne żądanie w Pythonie
from openai import OpenAI
import os
client = OpenAI(
api_key=os.getenv("XAI_API_KEY"),
base_url="https://api.x.ai/v1"
)
response = client.responses.create(
model="grok-4.5",
input="What's the most widely used programming language in 2026?"
)
print(response.output[0].content[0].text)
Z instrukcjami systemowymi
Parametr instructions pozwala zdefiniować zachowanie modelu:
response = client.responses.create(
model="grok-4.5",
instructions="You are a web development expert. Answer concisely.",
input="What's the difference between SSR and SSG?"
)
Anatomia odpowiedzi
API zwraca strukturalny obiekt JSON. Oto główne pola:
{
"id": "resp-abc123",
"object": "response",
"status": "completed",
"model": "grok-4.5",
"output": [
{
"type": "message",
"content": [
{
"type": "output_text",
"text": "The model's answer appears here."
}
],
"status": "completed"
}
],
"usage": {
"input_tokens": 42,
"output_tokens": 156,
"total_tokens": 198
}
}
Ważne pola
id: unikalny identyfikator odpowiedzi, przydatny do jej późniejszego pobraniastatus:completed, gdy generowanie zostanie zakończoneoutput: tablica zawierająca wygenerowane wiadomościusage: liczniki tokenów służące do śledzenia zużycia
Typowe parametry opcjonalne
Kontrolowanie kreatywności
response = client.responses.create(
model="grok-4.5",
input="Suggest a name for an AI startup.",
temperature=0.7, # wartość zalecana przez xAI
top_p=0.95,
)
- API akceptuje wartość
temperatureod 0 do 2, ale dowolna wyższa wartość jest ograniczana do 1 - xAI zaleca
temperature=0.7itop_p=0.95, odradzając odchodzenie od tych ustawień: jakość zazwyczaj spada - Aby uzyskać większą kreatywność, poproś o nią w prompcie („zasugeruj nieoczywiste nazwy“)
Ograniczanie długości
response = client.responses.create(
model="grok-4.5",
input="Summarize the concept of machine learning.",
max_output_tokens=200 # Ogranicza długość odpowiedzi
)
Włączanie rozumowania
W przypadku modeli rozumujących dostosuj wysiłek myślowy:
response = client.responses.create(
model="grok-4.20-0309-reasoning",
input="Solve this problem: if 3x + 7 = 22, what is x?",
reasoning={"effort": "high"}
)
Dostępne poziomy to low, medium oraz high.
Kontynuowanie rozmowy
Punkt końcowy /v1/responses obsługuje rozmowy wieloturowe dzięki parametrowi previous_response_id:
# Pierwsza wiadomość
r1 = client.responses.create(
model="grok-4.5",
input="I'm building an API in Python."
)
# Druga wiadomość (model pamięta kontekst)
r2 = client.responses.create(
model="grok-4.5",
input="Which framework do you recommend?",
previous_response_id=r1.id
)
Podejście to jest prostsze niż ręczne zarządzanie historią wiadomości.
Śledzenie kosztów
Pole usage w odpowiedzi pozwala obliczyć koszt każdego wywołania. Pole output_tokens_details.reasoning_tokens pokazuje, ile tokenów zostało zużytych na wewnętrzne rozumowanie modelu (tokeny te są płatne, ale nie pojawiają się w odpowiedzi).
Kluczowe wnioski
- Punkt końcowy
POST /v1/responsesjest najbardziej nowoczesny i najbardziej rekomendowany - Dwa wymagane parametry:
modeliinput - Odpowiedź znajduje się w
output[0].content[0].text - Użyj
previous_response_iddo prowadzenia rozmów wieloturowych - Pole
usagepomaga śledzić zużycie tokenów