Como Usar a API Grok 4.6?

A xAI lançou o Grok 4.6 em 12 de agosto de 2026, e a proposta é direcionada diretamente aos desenvolvedores: um modelo de nível de fronteira para agentes de longa execução e trabalho de codificação em várias etapas, com preço de US$ 2 por milhão de tokens de entrada e US$ 6 por milhão de saída. A documentação oficial abrange o material de referência, mas nada nos principais resultados de pesquisa mostra como chamar a API de ponta a ponta. Este guia corrige isso.

Ao final, você terá uma chave de API, uma requisição funcional em curl, Python e JavaScript, saída de streaming e uma configuração repetível para testar os endpoints do Grok 4.6 antes que eles cheguem à produção. Se você quiser construir e depurar essas requisições visualmente em vez de alternar entre janelas de terminal, o Apidog gerencia todo o fluxo; baixe-o gratuitamente para acompanhar.

Resumo

• Obtenha uma chave de API em console.x.ai, defina-a como XAI_API_KEY e chame https://api.x.ai/v1/chat/completions com o modelo grok-4-6.
• A API é compatível com OpenAI, então os SDKs oficiais da OpenAI funcionam trocando a URL base, sem a necessidade de aprender uma nova biblioteca cliente.
• O Grok 4.6 oferece uma janela de contexto de 500.000 tokens e um limite de conhecimento até 1º de fevereiro de 2026.
• Preço: US$ 2 por milhão de tokens de entrada, US$ 6 por milhão de saída. A variante mais rápida custa o dobro.
• Além da API nativa, o Grok 4.6 está disponível através do OpenRouter, Vercel, Cloudflare, Cursor e Grok Build.
• Teste requisições, inspecione respostas de streaming e simule endpoints Grok para CI com Apidog.

Com o que você está trabalhando

Antes de escrever qualquer código, aqui estão as especificações importantes para decisões de integração:

As principais melhorias em relação ao Grok 4.5 são agênticas: a xAI relata que o modelo verifica seu próprio trabalho com mais frequência em trajetórias longas e produz primeiras passadas mais fortes em projetos interativos e visuais. Nos benchmarks, ele saltou de 54% para 65,9% no DeepSWE v1.1 e de 47,1% para 57,5% no APEX-Agents. Se você desenvolveu com a API do Grok 4.5, a superfície de integração permanece inalterada; consulte nosso guia da API do Grok 4.5 para a linha de base e, em seguida, troque o nome do modelo.

Passo 1: Obtenha sua chave de API

1. Vá para console.x.ai e faça login ou crie uma conta xAI.
2. Abra Chaves de API na barra lateral e clique em Criar chave de API.
3. Nomeie a chave para seu ambiente (grok-dev, grok-prod); você agradecerá a si mesmo ao rotacionar as chaves mais tarde.
4. Copie a chave imediatamente. A xAI a mostra apenas uma vez.

Armazene-a como uma variável de ambiente em vez de colá-la no código:

export XAI_API_KEY="sua-chave-aqui"

Um hábito que vale a pena adotar desde o primeiro dia: mantenha chaves separadas para desenvolvimento e produção, e nunca inclua uma chave no controle de versão. Se uma chave vazar, revogue-a no console e emita uma nova.

Passo 2: Sua primeira requisição com curl

A API da xAI segue o formato de conclusões de chat da OpenAI. Aqui está a requisição mínima:

curl https://api.x.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -d '{
    "model": "grok-4-6",
    "messages": [
      {"role": "system", "content": "You are a concise technical assistant."},
      {"role": "user", "content": "Explain idempotency in REST APIs in two sentences."}
    ]
  }'

Uma resposta bem-sucedida retorna um array choices com a mensagem do assistente, mais um objeto usage contando os tokens de entrada e saída. Esse bloco usage é seu medidor de cobrança, registre-o desde o início.

Dica: os IDs de modelo ocasionalmente diferem entre a API nativa e os revendedores (o OpenRouter o lista como x-ai/grok-4.6, por exemplo). Se você receber um erro de model not found, liste o que sua chave pode acessar:

curl https://api.x.ai/v1/models -H "Authorization: Bearer $XAI_API_KEY"

Passo 3: Python e JavaScript

Como a API é compatível com OpenAI, os SDKs oficiais da OpenAI funcionam com duas linhas alteradas: a URL base e a chave.

Python:

from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ["XAI_API_KEY"],
    base_url="https://api.x.ai/v1",
)

response = client.chat.completions.create(
    model="grok-4-6",
    messages=[
        {"role": "system", "content": "You are a concise technical assistant."},
        {"role": "user", "content": "Write a Python function that validates an email address."},
    ],
)

print(response.choices[0].message.content)
print(response.usage)

JavaScript / TypeScript:

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.XAI_API_KEY,
  baseURL: "https://api.x.ai/v1",
});

const response = await client.chat.completions.create({
  model: "grok-4-6",
  messages: [
    { role: "system", content: "You are a concise technical assistant." },
    { role: "user", content: "Write a TypeScript type guard for a User object." },
  ],
});

console.log(response.choices[0].message.content);

Essa compatibilidade também significa que a migração em qualquer direção é barata. Se você já está executando a API GPT-5.6, pode fazer um A/B do Grok 4.6 com ela por trás de uma única flag de configuração.

Passo 4: Respostas de streaming

Para qualquer coisa voltada para o usuário, use streaming. O Grok 4.6 é ajustado para saídas longas de várias etapas, e fazer os usuários olharem para um spinner por uma resposta de 2.000 tokens é uma troca ruim.

stream = client.chat.completions.create(
    model="grok-4-6",
    messages=[{"role": "user", "content": "Refactor this function and explain each change: ..."}],
    stream=True,
)

for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

As respostas de streaming chegam como eventos enviados pelo servidor (SSE). Elas são difíceis de inspecionar em um terminal quando você está depurando, cada pedaço é uma linha data: separada, e o manuseio malformado aparece como tokens perdidos ou UIs travadas. O Apidog renderiza streams SSE em tempo real em seu painel de resposta, o que torna óbvio se um travamento é o modelo pensando ou seu cliente armazenando em buffer.

Passo 5: Utilize o contexto de 500K com cuidado

Uma janela de 500.000 tokens comporta uma base de código de tamanho médio inteira ou várias centenas de páginas de documentos. Duas precauções antes de jogar tudo nela:

• O custo aumenta com a entrada. A US$ 2 por milhão de tokens de entrada, um prompt completo de 500K tokens custa cerca de US$ 1 por requisição antes que o modelo escreva uma palavra. Para consultas repetidas sobre o mesmo corpus, armazene em cache agressivamente ou recupere seletivamente em vez de reenviar tudo.
• A posição importa. Como todo modelo de longo contexto, a qualidade da recuperação é mais forte perto do início e do fim do prompt. Coloque as instruções no topo e a pergunta na parte inferior; descarte o material de referência no meio.

A variante rápida (2x preço) vale a pena para caminhos sensíveis à latência, como assistentes de codificação interativos. Para trabalho em lote, análise noturna, classificação em massa, a camada padrão é a escolha óbvia. A matemática completa de preços e comparações com GPT-5.6 e Claude estão em nossa análise de preços do Grok 4.5, que ainda se aplica estruturalmente ao 4.6.

Teste a integração corretamente com Apidog

Um comando curl funcional não é uma integração. Antes que o Grok 4.6 chegue à produção, você precisa de um lugar onde as requisições sejam versionadas, os ambientes separados e as falhas reproduzíveis. É aqui que o Apidog ganha seu lugar no fluxo de trabalho:

1. Crie um projeto e adicione um ambiente com base_url = https://api.x.ai/v1 e sua XAI_API_KEY como uma variável de ambiente. Chaves de desenvolvimento e produção permanecem separadas.
2. Construa a requisição de conclusões de chat uma vez, com autenticação herdada do ambiente. Cada colega de equipe agora acessa o mesmo endpoint da mesma forma.
3. Inspecione o streaming visualmente. O Apidog exibe os blocos SSE à medida que chegam, para que você possa observar a saída token por token e identificar imediatamente travamentos ou truncamentos.
4. Adicione asserções. Valide se choices[0].message.content não está vazio, se usage.total_tokens permanece dentro do orçamento e se o tempo de resposta atende ao seu SLA, então execute-os como cenários de teste automatizados na CI.
5. Simule o endpoint. O mock inteligente do Apidog retorna respostas realistas no formato Grok, para que o código de frontend e de agente possa se desenvolver contra um falso estável enquanto você itera em prompts, sem queimar tokens.

Esse último ponto importa mais do que parece. Loops de agentes que chamam o modelo dezenas de vezes por tarefa ficam caros para testar contra a API ao vivo. Simular o caminho feliz e testar a coisa real separadamente mantém a CI rápida e sua conta sã.

Erros comuns e correções rápidas

FAQ

A API do Grok 4.6 é compatível com OpenAI? Sim. O endpoint de conclusões de chat aceita o mesmo formato de requisição, e os SDKs oficiais da OpenAI funcionam apontando base_url para https://api.x.ai/v1.

Quanto custa a API do Grok 4.6? US$ 2 por milhão de tokens de entrada e US$ 6 por milhão de tokens de saída. A variante mais rápida custa o dobro. Não há cobrança separada para o contexto de 500K, você paga pelos tokens que realmente envia.

Preciso de uma nova integração se estou no Grok 4.5? Não. Troque o nome do modelo. O formato da requisição, a autenticação e os endpoints permanecem inalterados em relação ao Grok 4.5.

Posso usar o Grok 4.6 sem uma conta xAI? Sim, através do OpenRouter, Vercel AI Gateway ou Cloudflare, cada um com sua própria cobrança. A API nativa é tipicamente o caminho mais barato em volume.