简介

xAI Grok 是一个强大的 AI 对话系统，能够通过输入提示在几秒钟内生成流畅自然的回复。Grok 以其独特的幽默风格和实时的网络信息检索能力在行业中脱颖而出。如今，Grok 已在多个创新领域崭露头角，其影响力正在迅速扩大。无论是日常对话、创意写作，还是技术分析与代码调试，Grok 都能提供深入的智能辅助，为用户的决策和创作带来新的维度。

本文主要介绍 Grok Chat Completion API 的使用流程，使我们能够轻松利用官方 Grok 对话功能。

环境准备/前置条件

在使用 Grok Chat Completion API 之前，请确保您已注册并登录到 Ace Data Cloud。

详细步骤

1. 申请 API 凭证

首先，您可以访问 Grok Chat Completion API 页面并点击“获取”按钮以获取请求所需的凭证：

如果您尚未登录或注册，系统会自动重定向到登录页面邀请您注册并登录。登录或注册后，您将自动返回当前页面。

首次申请时，系统将提供免费额度，您可以免费使用 API。

2. 基本用法

接下来，您可以在界面上填写相应的内容，如下图所示：

使用此界面时，您需要至少填写三个内容：一个是authorization，可以直接从下拉列表中选择；另一个是model，即我们选择使用的 Grok 官方模型类别。这里主要有 8 种模型，具体可查阅我们提供的模型。最后一个参数是messages，它是我们输入问题的数组。该数组允许同时上传多个问题，每个问题包含role和content。role表示提问者的角色，我们提供三种身份：user、assistant和system。content是我们问题的具体内容。

您还会注意到右侧有相应的代码生成，您可以直接复制代码运行，或点击“尝试”按钮进行测试。

常见可选参数：

• max_tokens：限制单个回复的最大 token 数量。
• temperature：生成的随机性，范围在 0-2 之间，数值越大越发散。
• n：一次生成多少个候选回复。

调用后，返回的结果如下：

{
  "id": "foaicmpl-13936918-cb99-49e1-b94c-bde98b482ed4",
  "model": "grok-3",
  "object": "chat.completion",
  "created": 1755839683,
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Yo! What's up? 😎 Ready to dive into whatever you're pondering about today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 8,
    "completion_tokens": 20,
    "total_tokens": 28,
    "prompt_tokens_details": {
      "cached_tokens": 0,
      "text_tokens": 0,
      "audio_tokens": 0,
      "image_tokens": 0
    },
    "completion_tokens_details": {
      "text_tokens": 0,
      "audio_tokens": 0,
      "reasoning_tokens": 0
    },
    "input_tokens": 0,
    "output_tokens": 0,
    "input_tokens_details": null
  }
}

返回的结果包含多个字段，具体描述如下：

• id：该对话任务生成的 ID，用于唯一标识该对话任务。
• model：所选择的 Grok 官方模型。
• choices：Grok 对问题提供的回复信息。
• usage：关于该问答的 token 统计信息。

其中，choices 包含 Grok 的回复信息，choices 内的内容显示了 Grok 的具体回复信息，如下图所示。

可以看到，choices 内的 content 字段包含了 Grok 的回复具体内容。

3. 流式响应

该接口还支持流式响应，这对于网页集成非常有用，允许网页实现逐字显示的效果。

如果您希望以流式方式返回响应，可以将请求头中的 stream 参数改为 true。

修改如下图所示，但调用代码需要相应的更改以支持流式响应。

将 stream 修改为 true 后，API 将逐行返回相应的 JSON 数据，我们需要在代码层面进行相应的修改以获取逐行结果。

Python 示例调用代码：

import requests

url = "https://api.acedata.cloud/grok/chat/completions"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "model": "grok-3",
    "messages": [{"role":"user","content":"Hello"}],
    "stream": True
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

输出效果如下：

data: {"id": "foaicmpl-503ab14f-3f22-46ab-9f91-3fb44773be38", "object": "chat.completion.chunk", "created": 1755839790, "model": "grok-3", "system_fingerprint": null, "choices": [{"delta": {"role": "assistant"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} 

data: {"id": "foaicmpl-503ab14f-3f22-46ab-9f91-3fb44773be38", "object": "chat.completion.chunk", "created": 1755839790, "model": "grok-3", "system_fingerprint": null, "choices": [{"delta": {"content": "Yo, "}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} 

...（中间省略部分）...

data: {"id": "foaicmpl-503ab14f-3f22-46ab-9f91-3fb44773be38", "object": "chat.completion.chunk", "created": 1755839790, "model": "grok-3", "system_fingerprint": null, "choices": [{"delta": {"content": "toda"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} 

data: {"id": "foaicmpl-503ab14f-3f22-46ab-9f91-3fb44773be38", "object": "chat.completion.chunk", "created": 1755839790, "model": "grok-3", "system_fingerprint": null, "choices": [{"delta": {"content": "y?"}, "logprobs": null, "finish_reason": null, "index": 0}], "usage": null} 

data: {"id": "foaicmpl-503ab14f-3f22-46ab-9f91-3fb44773be38", "object": "chat.completion.chunk", "created": 1755839790, "model": "grok-3", "system_fingerprint": null, "choices": [{"delta": {}, "logprobs": null, "finish_reason": "stop", "index": 0}], "usage": {"prompt_tokens": 0, "completion_tokens": 0, "total_tokens": 0, "prompt_tokens_details": {"cached_tokens": 0, "text_tokens": 0, "audio_tokens": 0, "image_tokens": 0}, "completion_tokens_details": {"text_tokens": 0, "audio_tokens": 0, "reasoning_tokens": 0}, "input_tokens": 0, "output_tokens": 0, "input_tokens_details": null}} 

data: [DONE]

可以看到，响应中有多个 `data