Modèles Grok xAI

Les modèles xAI Grok sont disponibles en tant qu'API gérées sur Gemini Enterprise Agent Platform. Vous pouvez diffuser vos réponses en flux continu pour réduire la perception de la latence côté utilisateur. Une réponse en streaming utilise des événements envoyés par le serveur (SSE) pour diffuser la réponse de manière incrémentielle.

Modèles xAI gérés

Les modèles suivants sont disponibles auprès de xAI pour être utilisés dans Gemini Enterprise Agent Platform. Pour accéder à un modèle xAI, accédez à sa fiche de modèle dans Model Garden.

Grok 4.7 Grok 4.7 : modèle à haute capacité de xAI, conçu pour le codage et le travail intellectuel. Il fonctionne plus longtemps sur les tâches difficiles et vérifie son propre travail.
Grok 4.6 : modèle à haute capacité de xAI, conçu pour le codage, les tâches agentiques et le travail intellectuel.
Grok 4.3 : modèle hautes performances de xAI.
Grok 4.20 (raisonnement) modèle hautes performances de xAI, avec un faible taux d'hallucination. Il excelle dans les tâches de compréhension de documents et les appels d'outils agentiques à long terme.
Grok 4.20 (sans raisonnement) modèle hautes performances sans raisonnement de xAI, avec un faible taux d'hallucination. Il excelle dans les cas d'utilisation sensibles à la latence, comme l'assistance client et la catégorisation.

Utiliser des modèles xAI

Pour savoir comment effectuer des appels en streaming et sans streaming vers des modèles xAI, consultez Appeler des API de modèle ouvert.

Pour les modèles gérés, vous pouvez utiliser des commandes curl pour envoyer des requêtes au point de terminaison Gemini Enterprise Agent Platform à l'aide des noms de modèles suivants :

  • Pour Grok 4.7, utilisez grok-4.7
  • Pour Grok 4.6, utilisez grok-4.6
  • Pour Grok 4.3, utilisez grok-4.3
  • Pour Grok 4.20 (raisonnement), utilisez grok-4.20-reasoning
  • Pour Grok 4.20 (sans raisonnement), utilisez grok-4.20-non-reasoning

Quotas Grok

Les modèles Grok disposent d'un quota mondial unique qui s'applique par modèle de base plutôt que par point de terminaison : les requêtes adressées au point de terminaison mondial et au point de terminaison multirégional des États-Unis sont soumises à la même limite sous-jacente. Le quota est spécifié en requêtes par minute (RPM) et en jetons par minute (TPM), où le nombre de jetons par minute inclut à la fois les jetons d'entrée et de sortie.

Dans l'optique de maintenir les performances globales du service et une utilisation acceptable, les quotas maximaux peuvent varier en fonction du compte et, dans certains cas, l'accès peut être limité. Consultez les quotas de votre projet sur la page Quotas et limites du système de la Cloud de Confiance console. Vous devez également disposer des quotas suivants :

  • global_generate_content_requests_per_minute_per_project_per_base_model définit votre quota de RPM.

  • Pour le nombre de jetons par minute, deux valeurs de quota s'appliquent à des modèles spécifiques : global_generate_content_input_tokens_per_minute_per_base_model définit le quota de jetons d'entrée par minute et global_generate_content_output_tokens_per_minute_per_base_model définit le quota de jetons de sortie par minute.

Pour savoir quels modèles comptabilisent les jetons d'entrée et de sortie séparément, consultez les pages de modèles spécifiques.

Étape suivante