Modelos xAI Grok

Os modelos xAI Grok estão disponíveis para uso como APIs gerenciadas na Gemini Enterprise Agent Platform. É possível transmitir as respostas para reduzir a percepção de latência do usuário final. Uma resposta transmitida usa eventos enviados pelo servidor (SSE) para transmitir a resposta de forma incremental.

Modelos xAI gerenciados

Os modelos a seguir estão disponíveis na xAI para uso na Gemini Enterprise Agent Platform. Para acessar um modelo xAI, acesse o card de modelo do Model Garden.

Grok 4.7 Grok 4.7: um modelo de alta capacidade da xAI, criado para programação e trabalho de conhecimento. Ele trabalha mais tempo em tarefas difíceis e verifica o próprio trabalho.
Grok 4.6 Grok 4.6: um modelo de alta capacidade da xAI, criado para programação, tarefas de agente e trabalho de conhecimento.
Grok 4.3 Um modelo de alta performance da xAI.
Grok 4.20 (raciocínio) um modelo de alta performance da xAI, com uma baixa taxa de alucinação. Excelente em tarefas de compreensão de documentos e chamadas de ferramentas de agente de longo alcance.
Grok 4.20 (sem raciocínio) um modelo de alta performance sem raciocínio da xAI, com uma baixa taxa de alucinação. Excelente em casos de uso sensíveis à latência, como suporte ao cliente e categorização.

Usar modelos xAI

Para saber como fazer chamadas de streaming e não streaming para modelos xAI, consulte Chamar APIs de modelo aberto.

Para modelos gerenciados, é possível usar comandos curl para enviar solicitações ao endpoint da Gemini Enterprise Agent Platform usando os seguintes nomes de modelos:

  • Para o Grok 4.7, use grok-4.7
  • Para o Grok 4.6, use grok-4.6
  • Para o Grok 4.3, use grok-4.3
  • Para o Grok 4.20 (raciocínio), use grok-4.20-reasoning
  • Para o Grok 4.20 (sem raciocínio), use grok-4.20-non-reasoning

Cotas do Grok

Os modelos do Grok têm uma única cota global que se aplica por modelo de base, e não por endpoint: as solicitações para o endpoint global e o endpoint multirregional dos EUA usam o mesmo limite subjacente. A cota é especificada em consultas por minuto (QPM) e tokens por minuto (TPM), em que o TPM inclui tokens de entrada e saída.

Para manter a performance geral do serviço e o uso aceitável, as cotas máximas podem variar de acordo com a conta e, em alguns casos, o acesso pode ser restrito. Consulte as cotas do seu projeto na página Cotas e limites do sistema no Cloud de Confiance console. Você também precisa ter as seguintes cotas disponíveis:

  • global_generate_content_requests_per_minute_per_project_per_base_model define sua cota de QPM.

  • Para TPM, há dois valores de cota que se aplicam a modelos específicos: global_generate_content_input_tokens_per_minute_per_base_model define a cota de TPM de entrada e global_generate_content_output_tokens_per_minute_per_base_model define a cota de TPM de saída.

Para saber quais modelos contam tokens de entrada e saída separadamente, consulte as páginas de modelos específicos.

A seguir