Statutul moștenit și principiul fără stare
Pe această pagină
Actualizat la 3 noiembrie 2026 pe baza celor mai bune practici xAI: xAI clasifică acum Chat Completions ca fiind depreciat și recomandă API-ul Responses pentru modelele de raționament Grok. Motivul concret: Chat Completions nu dispune de un câmp pentru raționamentul criptat al modelului, astfel încât fiecare conversație pe mai multe tururi sau apel de instrument pierde raționamentul din tururile anterioare. Noile funcționalități sunt lansate, de asemenea, mai întâi pe API-ul Responses. Surse: Cele mai bune practici xAI · Chat Completions (moștenit).
Endpoint-ul Chat Completions în ecosistemul xAI
API-ul xAI oferă două endpoint-uri principale pentru interacțiunea cu modelele Grok: API-ul Responses (endpoint-ul principal) și endpoint-ul Chat Completions. Acesta din urmă este marcat ca moștenit (legacy): rămâne pe deplin funcțional, dar noile funcționalități sunt acum prioritizate pentru API-ul Responses.
De ce să vă intereseze totuși? Deoarece Chat Completions rămâne endpoint-ul cel mai adoptat în ecosistem. Toate SDK-urile OpenAI existente, framework-uri precum LangChain sau LlamaIndex și mii de tutoriale utilizează acest format. Dacă migrați de la un alt furnizor sau lucrați cu instrumente terțe, acesta este probabil endpoint-ul pe care îl veți utiliza primul.
Un endpoint fără stare: trimiteți totul la fiecare cerere
Principiul fundamental al Chat Completions este că acesta este fără stare (stateless): serverul nu păstrează niciun istoric al conversației. La fiecare apel, trebuie să includeți întregul istoric al mesajelor anterioare în cererea dumneavoastră.
Mai exact, acest lucru înseamnă că pentru o conversație cu 10 schimburi, a 11-a cerere a dumneavoastră trebuie să conțină cele 10 mesaje anterioare (utilizator + asistent) plus noul mesaj. Aplicația dumneavoastră gestionează acest istoric.
{
"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."}
]
}
În acest exemplu, primele trei mesaje reprezintă istoricul conversației. Doar ultimul este noul mesaj al utilizatorului. Modelul are nevoie de tot acest context pentru a produce un răspuns coerent.
Implicații practice
Această abordare fără stare are mai multe implicații:
- Control total: decideți exact ce mesaje sunt trimise modelului. Puteți filtra, rezuma sau modifica istoricul înainte de fiecare apel.
- Cost proporțional: fiecare cerere este facturată pentru toți tokenii trimiși, inclusiv istoricul. Cu cât conversația este mai lungă, cu atât fiecare schimb costă mai mult.
- Fără persistență pe server: niciun date nu este stocat din partea xAI între cereri. Acesta este un avantaj pentru confidențialitate, dar necesită ca dumneavoastră să gestionați persistența.
Comparație cu API-ul Responses
API-ul Responses, în schimb, este cu stare (stateful): păstrează istoricul lato parte a serverului prin intermediul previous_response_id. Nu este nevoie să retrimiteți mesajele anterioare; este suficient un simplu identificator. Răspunsurile pot fi stocate până la 30 de zile cu store: true.
Alegerea dintre cele două depinde de cazul dumneavoastră de utilizare. Dacă lucrați cu un SDK OpenAI existent sau migrați de la un alt furnizor, Chat Completions este punctul de plecare logic. Pentru un proiect nou, se recomandă API-ul Responses.
Puncte cheie
- Chat Completions este marcat ca moștenit, dar rămâne pe deplin funcțional și compatibil cu ecosistemul OpenAI
- Endpoint-ul este fără stare: trebuie să retrimiteți întregul istoric la fiecare cerere
- Costul fiecărei cereri include toți tokenii din istoric
- API-ul Responses oferă o alternativă cu stare, cu persistență lato parte a serverului
- Pentru modelele de raționament, se recomandă un timeout de 3600 de secunde