通过 EvoLink 统一对话 API 接入 xAI 的 Grok 4.6(也常被搜索为 grok-4-6)。集成前可先测试推理、工具调用、服务端工具。
用于评估复杂推理、长上下文分析、研究，以及文本生成与 xAI 服务端工具的组合工作流。
Grok 4.6
xAI 推理与工具调用模型
grok-4.6联网与 X 搜索研究、代码辅助分析、文档与集合检索、复杂推理，以及需要跨提供方回退的生产流量。
所有费率按每百万 Token 计,同时显示美元与 Credits,以你账户当前的价格为准。 提示 Token 超过 200K 后进入长上下文档位,所有 Token 角色按 ×2 计费。
集成前先估算一次 Grok 4.6 请求的费用。计算器按你账户的当前费率计算,官方价格仅作对照。
官方价预估 $0.0039 · 省 $0.0006(15%)
最低计费:每次请求 0.01 Credits。 提示 Token 达到 200K 时,所有 Token 角色按 ×2 计费;工具调用不乘倍率。
快速测试
日常开发
生产评估
Grok 4.6 是 xAI 面向编程 Agent、联网研究、长文档分析和工具工作流的推理模型。页面 URL 使用 grok-4-6，实际请求模型 ID 为 grok-4.6。Grok 4.6 已在 EvoLink 生产路由正式可用；可在下方 Pricing 与 API 区查看价格边界、支持方式和模型配置。
Grok 4.6 在 EvoLink 上以模型 ID grok-4.6 提供,支持 Chat Completions · Responses,和其他模型共用同一把 API 密钥与余额。它提供 500K 上下文窗口,最大输出 450K Token,并支持推理、工具调用、服务端工具。
数字取自 EvoLink 路由配置;能力以 API 当前实际提供为准。
grok-4-6 是页面 URL 写法；Chat Completions 与 Responses 请求必须使用这里展示的真实模型 ID。
Grok 4.6 的 50 万 Token 上下文、可配置推理、图片输入和工具能力，主要服务于需要持续保留证据、调用外部工具并交付可验证结果的任务。下面按工作负载说明它可能带来的价值，以及接入前应确认的边界。
把相关源码、Issue、测试结果和历史修改放进同一任务，适合跨文件定位问题、生成修改计划和审查变更。上线前应使用固定仓库任务检查测试通过率、未完成步骤、结构化结果和人工修正量，不能只凭一次演示判断编程能力。
50 万 Token 上下文可以同时容纳长报告、合同、知识库片段、历史消息和检索结果。更大的上下文不一定带来更好的答案；应检查关键证据是否被保留，并结合 Pricing 区的长上下文档位与缓存输入价格评估每个可接受结果的成本。
Grok 4.6 可用于组合 Web 搜索、X 搜索、代码执行、附件搜索和集合搜索，形成带来源的研究结果。通过 EvoLink 使用时，可以结合页面的 API 与 Pricing 信息了解工具支持、Token 用量和按次费用，再按实际研究流程测试引用与结果质量。
文本与图片输入可以进入 JSON Schema、函数调用和多步骤 Agent 流程，用于抽取、审查和下游自动化。生产接入前应测试 Schema 有效率、函数参数、流式结束事件，以及工具失败后是否能够安全恢复。
即使使用同一个模型，不同接入平台提供的上下文配置、工具支持、用量展示和计费方式也可能不同。通过 EvoLink 接入时，可以在统一 API 下查看模型配置与用量，并让后续模型切换保持简单。
grok-4-6 是页面 URL 与常见搜索写法，API 请求使用的模型 ID 是 grok-4.6。现有 Chat Completions 或 Responses 应用只需在模型配置中使用正确 ID，具体字段可继续查看页面 API 区。
xAI 记录的模型窗口为 50 万 Token，但不同平台可能提供不同的上下文配置、工具集合和限流方式。通过 EvoLink 使用时，以当前页面展示的模型配置、可用功能和实际 usage 为准。
普通聊天、流式输出和客户端函数可以从 Chat Completions 开始；需要研究 Agent、服务端搜索或代码执行时，再选择 Responses。这样可以沿用熟悉的 OpenAI 风格接入，同时避免加入暂时不需要的复杂度。
通过 EvoLink 使用同一套账号、余额和 API 方式接入 Grok、GPT、Claude 与 Kimi。模型选择保持在配置层后，可以根据任务质量、成本和可用性调整路由，而不必为每个供应商重复改造业务代码。
现有 Pricing 区负责展示实时 Token 与工具价格。实际使用时，还可以通过缓存、上下文管理、推理设置和模型路由减少不必要的消耗，让成本与完成的业务任务对应起来。
稳定的系统提示、工具 Schema 和共享上下文更适合复用缓存。按所选协议配置支持的缓存或会话标识，并从 usage 中查看 cached tokens，可以更准确地判断重复请求是否获得了缓存收益。
50 万 Token 窗口适合大型代码库和长文档，但并不意味着每次请求都要填满。优先选择与当前任务相关的文件、对话和检索结果，可以减少输入成本，也更容易让模型聚焦关键证据。
简单任务可以从较低 reasoning effort 和较短输出开始，复杂分析再逐步增加推理预算。研究与 Agent 工作流还应关注工具调用次数，避免重复搜索、重复执行或无效循环带来额外消耗。
将 Token、缓存输入、服务端工具和必要重试放到同一个任务中评估。EvoLink 集中展示模型与用量，便于团队比较 Grok 4.6 与其他路由完成相同工作所需的总费用。
产品后端与批量任务走 EvoLink API;编码与分析类工作可直接在 Codex、Claude、Gemini 里调用 Grok 4.6。两条路径共用同一把 EvoLink API 密钥、余额、模型 ID 与请求记录。
适合:产品后端、批量任务、自动化流水线
向 EvoLink 发送 OpenAI 兼容的 Chat Completions(或 Anthropic Messages)请求,自行控制模型 ID、系统提示、输出预算、工具与结构化输出。
适合:在 Codex、Claude、Gemini 里做编码、评审与分析
把任务、要带入的材料和验收标准交给 Agent,由它组装请求、通过 EvoLink 调用 Grok 4.6,并把回答连同 token 用量一起返回。
这个示例是最短可运行的请求:一条 OpenAI 兼容的 Chat Completions 调用,带系统提示、用户消息和输出预算。完整参数与响应说明见 API 标签页。
curl -X POST https://api.evolink.ai/v1/chat/completions \
-H "Authorization: Bearer $EVOLINK_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "grok-4.6",
"messages": [
{ "role": "system", "content": "You are a research assistant. Cite sources." },
{ "role": "user", "content": "Summarize the three most important changes in <topic> this month." }
],
"max_tokens": 2048,
"temperature": 0.2
}'
# Server-side tools (web search, X search, code execution, attachment /
# collections search)
# run on /v1/responses with the same model ID and are billed per successful
# call.
# The response includes choices[0].message and a usage object (prompt,
# cached, and completion tokens).对照 API 文档检查模型 ID、messages 数组和参数范围,去掉该路由不支持的字段。
检查 Authorization bearer token,并在控制台确认可用余额。
提示词 token 超过了 Grok 4.6 的上下文窗口。裁剪或只检索相关材料,并复用缓存前缀。
退避并带抖动重试;用批处理或队列代替并发突发。
重试前检查敏感内容、格式错误的 tool-call 参数和 JSON schema 不匹配。
两种协议服务于不同工作流。这里给出选型摘要；具体请求字段继续以页面 API 区和 EvoLink 文档为准，价格与工具调用费用继续以现有 Pricing 区为准。
已有 OpenAI 兼容聊天、流式响应或客户端 function calling 流程时，优先从 Chat Completions 开始。重点确认消息格式、流式结束、函数参数和 usage 是否与现有客户端预期一致。
需要 Web/X 搜索、代码执行、附件或集合搜索，以及更长的多步骤 Agent 流程时，再评估 Responses。接入前应确认工具可用性、调用费用、引用结果、失败状态和重试边界。
长文档、代码库和长会话不应默认把全部内容塞进一次请求。比较代表性上下文长度、缓存命中与未命中、输出长度和重试次数，再用最终账单核算成功任务成本。
先让一小部分可观察的任务使用 Grok 4.6，并保留已经稳定运行的 GPT、Claude 或 Kimi 路由。EvoLink 统一 API 可以集中管理模型选择、用量和余额，并在限流、超时、Schema 或工具失败时切换路由。
系统提示、工具定义、共享上下文这类稳定前缀会在重复请求时自动命中缓存，按缓存读取而不是新输入计费。保持各轮前缀完全一致，并在 usage 里核对缓存 Token 数，确认确实省到了。
只在任务确实需要时才填满窗口。提示 Token 一旦达到 200K，所有 Token 角色都按长上下文档位计费，所以扩量前先裁剪检索段落和历史消息，做预算时留意估算卡上的档位标记。
对照输入输出费率、上下文、缓存和适用任务。先用同一批请求实测再选路由；下表采用你账户当前的费率。
| 模型 | Grok 4.6 | GPT-5.6 | Claude Opus 5 |
|---|---|---|---|
| 输入 / 输出 | $1.7 / $5.1 | $0.181 / $1.081 | $4.75 / $23.75 |
| 上下文 | 500K | 1.05M | 1M |
| 缓存 | 自动缓存读取 | 缓存读取 / 写入 | 缓存读取 / 写入 |
| 最适合 | 联网与 X 搜索研究、代码辅助分析、文档与集合检索、复杂推理，以及需要跨提供方回退的生产流量。 | 编程、生产级 Agent、复杂推理 | 仓库级编程、长周期 Agent、高风险代码审查 |
从小规模真实工作负载开始，可以更快确认模型是否符合团队对质量、延迟、成本和稳定性的要求，再决定哪些流量适合逐步迁移。
确认应用使用正确的 grok-4.6 模型 ID 和目标协议，并能正常获得所需的响应、usage 与缓存信息。清晰的用量数据便于后续分析成本，也能让 Chat 与 Responses 工作流保持一致的观测方式。
使用代码修改、长文档分析、研究或结构化抽取等真实任务检查结果。除了回答质量，还应关注测试是否通过、引用是否可靠、函数参数是否正确，以及 JSON Schema 能否被下游系统直接使用。
在常见请求量下观察响应时间，并为限流、超时、无效结构化输出和工具失败准备重试方式。通过 EvoLink 保持模型选择可配置，可以在某条路由暂时不可用时切换到已经验证的替代模型。
结合 Pricing、usage 和最终费用评估同一类任务的总成本，再决定 Grok 4.6 适合默认路由、特定高难度任务还是备用模型。统一网关让团队可以按质量与预算调整模型，而不必重新建设接入层。
建议先将 Grok 4.6 用于一小部分可观察、可回退的任务，确认质量、延迟和成本符合预期后再逐步扩大。通过 EvoLink 统一 API 保留多模型选择，可以让后续扩量、切换和成本优化更加简单。
同一把 API 密钥、同一份余额,换档位不用改接入。
Grok 4.6
当前模型xAI 推理与工具调用模型
可以。Grok 4.6 已在 EvoLink 生产路由上线，使用模型 ID grok-4.6 通过 Chat Completions 或 Responses 直接调用；扩量前建议先在本页确认模型 ID、价格、上下文和支持方式。
不是。grok-4-6 是页面 URL 与搜索写法，实际请求模型 ID 是 grok-4.6。
xAI 记录的上下文窗口是 500,000 Token。达到页面 Pricing 区所示 Prompt Token 阈值后，请求进入长上下文价格档；应同时测试上下文长度和缓存输入，而不是默认使用完整窗口。
上游文档列出文本和图片输入、文本输出。图片输入用于视觉理解，不代表 Grok 4.6 可以生成图片；通过 EvoLink 使用时，以页面 API 区展示的当前支持方式为准。
普通聊天、流式响应和客户端函数优先评估 Chat Completions；长时间 Agent 与 xAI 服务端工具优先评估 Responses。精确字段以页面 API 区和 EvoLink 文档为准。
可以从满足当前任务质量要求的最低档开始，再在相同任务上比较 medium 和 high 的质量、延迟、推理用量和总费用。复杂任务适合增加推理预算，简单任务则可以优先控制响应时间与成本。
缓存输入可以降低重复上下文成本，但缓存未命中、长输出、重试和反复工具步骤仍会增加总费用。应以 Pricing 区和最终请求账单计算成功任务成本。
客户端函数由你的应用执行；Web/X 搜索、代码执行、附件搜索和集合搜索属于 xAI 服务端工具。两者的执行位置、失败处理和计费方式不同，当前支持范围与费用可在页面 API 和 Pricing 区查看。
可以让不同模型完成相同的真实任务，并使用一致的上下文、工具和推理设置。结合结果质量、响应时间、Token 构成、工具表现和总费用，更容易判断每类流量适合哪条 EvoLink 路由。
建议保留一个已经稳定运行、能够完成同类任务的模型，并让路由选择保持可配置。发生限流、超时或无效输出时，可以通过 EvoLink 切换到 GPT、Claude、Kimi 或其他合适的替代路由。
