如何白嫖Grok3 API？ 如何使用Grok3 API调用实例？怎么使用Grok3模型？

前段时间，Grok3（想要体验Grok3的童鞋可以参考本文：Grok 上线角色扮演功能，教你课后作业手到擒来，Grok3使用次数限制？如何使用Grok3? Grok3国内支付手段如何订阅升级Premium - AI is all your need!）一经发布就排到了竞技场第一，当时Grok3 API并没有开放，今天Grok3 API 现在已经官宣全网上线使用，只要需要绑定卡并且充值不低于5美金并开启数据共享就可以免费使用Grok3 API了。

img

grok-3-beta和grok-3-mini-beta 现在可用，支持文本模式，上下文窗口为131072 tokens

定价（每百万tokens）：

  • grok-3-beta，输入：3.00美元，输出：15.00美元

  • grok-3-mini-beta，输入：0.30美元，输出：0.50美元

img

另外两个模型还支持了对应的fast版本，也就是请求速度和响应更快，但是价格也更高。

虽然API目前处于beta阶段，但xAI计划频繁更新Grok 3模型，并可能在未来添加更多功能，例如本次的推理和图像生成已经上线支持了。

怎么免费使用Grok3 API

教程开始之前，肯定得先知道Grok API平台，并且注册一个账号，建议使用“谷歌邮箱”登录， 下面就是Grok API 开发者平台："console.x.ai"

那么如何才可以薅到Grok API 的 150美元体验金呢？有个前置条件：

  • 绑定支付卡片，并充值最低 5 美元

  • 加入数据共享计划

img

国内如何绑卡并充值 Grok API 5 美元呢？

第一步：申请卡片

如果你有国内的visa、master国际信用卡，也可以尝试。如果不行，或者没有国际信用卡的话，就使用Master虚拟卡。

Master虚拟卡：Go Wildcard虚拟卡

申请之后，会有一个美区的Master国际信用卡信息，可以把这些信息进行绑定 X AI 平台，也就是 Grok API 平台。

img

第二步：充值卡片

先给虚拟卡充值5美刀，可以使用支付宝进行充值，不使用的话，可以直接提现。

img

绑卡时，注意使用的魔法建议纯净度良好的，自测方式：ping0.cc。 绑定时，被拒的原因，大部分是网络环境问题。

第三步：填写账单地址、绑卡

打开 Grok API 平台：“console.x.ai” 按下面，找到 “Payment settings” 进行 填写账单地址，然后再添加卡。

这两个信息都直接用虚拟卡上的信息即可。虚拟卡上没有的信息，可以不用填，比如 最下方的电话号码。

img

填完账单地址之后，就可以进行绑卡了，绑定之后，充值 5 美元即可。

img

这里，我使用的魔法节点是美区｜原生｜IP，纯净度还可以。就直接一次性过了，不通过的情况下，可以重试哈。

img

img

第四步：绑定成功提示

绑定成功之后，有一条预扣款 0 元的信息：

img

第五步：使用绑定的卡片支付5美元

确保自己的虚拟卡账户有 5 美元，最后一步：现在你可以进行一个充值5美元的操作了。

找到 “Credits”，然后往下滑动， 找到 “Purchase credits” 进行支付即可。

img

成功之后，开启数据共享协议，就可以有下面这个150美元的免费额度啦～

img

第六步：签署数据共享协议

如果，你充值了 5 美元之后，还没有到账 150 美元的话，可以来这里查https://console.x.ai/team/default/billing/credits，因为需要签署一个数据共享协议:

关于数据共享协议详细信息可以参考：https://docs.x.ai/docs/data-sharing#how-it-works

img

img

你充值5美元之后，在下方测试是否有资格的，可以点击 “check for eligibility“ 就行，之后再到 ”credit“ 里面选择共享数据就可以获得150美元的额度：

img

而虚拟卡的话，使用这个 Go Wildcard虚拟卡 的就行，比较稳定，用了一年多。

第七步：这个卡片还能来干什么，支持支付哪些服务？

还可以用来升级订阅SuperGrok 或者 Claude 和 ChatGPT 这些服务～

**支持的服务(最常问的)： ChatGPT/OpenAI API Claude/Anthropic API Apple Store(美区) Google Play(美区)

Youtube Cursor（需美国网络全局模式） Windsurf/Github Microsoft Azure/Store Poe Suno（需美国网络全局模式） Patreon/pixivFanbox CloudFlare

OpenRouter Facebook

Perplexity MidJourney Telegram（对网络有要求） X/Twitter/Grok Netflix/Hulu/Spotify

AWS(需自己解决地址证明)

推理模型API使用实例

Grok 3 Mini 是一款轻量级、体积更小的思维模型。与传统的即时生成答案的模型不同，Grok 3 Mini 会先思考后响应。它非常适合处理推理能力强、不需要广泛领域知识的任务，并且在数学特定和定量用例（例如解决具有挑战性的谜题或数学问题）中表现出色。

PS:推理仅由grok-3-mini-beta和grok-3-mini-fast-beta.Grok 3 型号grok-3-beta和grok-3-fast-beta不支持推理。

主要特点

  • 三思而后行：在给出答案之前，逐步思考问题。

  • 数学和定量优势：擅长数字挑战和逻辑谜题。

  • 推理轨迹：模型的想法可以通过reasoning_content响应完成对象中的字段（见下面的示例）。

您可以通过以下方式访问模型的原始思维轨迹message.reasoning_content聊天完成响应。

控制模型的思考程度

这reasoning_effort参数控制模型在响应之前花费的思考时间。必须将其设置为以下值之一：

  • low：最短的思考时间，使用更少的令牌进行快速响应。

  • high：最大化思考时间，利用更多令牌解决复杂问题。

选择正确的级别取决于你的任务：使用low对于应该快速完成的简单查询，以及high对于响应延迟不太重要的较难问题。

使用实例

这是一个使用 Grok 3 Mini 将 101 乘以 3 的简单示例。请注意，我们可以访问推理内容和最终响应。

import os
from openai import OpenAI
​
messages = [{"role": "system","content": "You are a highly intelligent AI assistant.",},{"role": "user","content": "What is 101*3?",},
]
​
client = OpenAI(base_url="https://api.x.ai/v1",api_key=os.getenv("XAI_API_KEY"),
)
​
completion = client.chat.completions.create(model="grok-3-mini-beta", # or "grok-3-mini-fast-beta"reasoning_effort="high",messages=messages,temperature=0.7,
)
​
print("Reasoning Content:")
print(completion.choices[0].message.reasoning_content)
​
print("\nFinal Response:")
print(completion.choices[0].message.content)
​
print("\nNumber of completion tokens (input):")
print(completion.usage.completion_tokens)
​
print("\nNumber of reasoning tokens (input):")
print(completion.usage.completion_tokens_details.reasoning_tokens)

示例输出

输出​

Reasoning Content:
Let me calculate 101 multiplied by 3:
101 * 3 = 303.
I can double-check that: 100 * 3 is 300, and 1 * 3 is 3, so 300 + 3 = 303. Yes, that's correct.
​
Final Response:
The result of 101 multiplied by 3 is 303.
​
Number of completion tokens (input):
14
​
Number of reasoning tokens (input):
310

何时使用推理

  • 使用**grok-3-mini-beta或者grok-3-mini-fast-beta**：适用于需要逻辑推理的任务（例如会议安排或数学问题）。也适用于不需要特定领域深度知识的任务（例如基本的客户支持机器人）。

  • 使用**grok-3-beta或者grok-3-fast-beta**：适用于需要深厚领域专业知识或世界知识（例如医疗保健、法律、金融）的查询。

当前API还推出了图像创建等，一次性可以最多创建10张图片，使用"

response = client.images.generate( model="grok-2-image", prompt="A cat in a tree" ) "只需要一个简单的一只猫在树上即可得到下面图片：

img

更多实例可以参考：https://docs.x.ai/docs/overview

END:大家快去把Grok3 API使用起来吧！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/bicheng/76332.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

《超短心法》速读笔记

《超短心法》速读笔记

文章目录 书籍信息概览主线行业篇战法一 人气涨停战法战法二 四维主线战法 主线龙头篇战法三 龙头起爆战法战法四 六合强庄控盘战法战法五 筹码战法之七星连珠 趋势牛股篇战法六 趋势擒龙之暴涨形态战法七 趋势破位起爆战法战法八 强中选强多头战法 涨停晋级篇战法九 强势涨停狙…
阅读更多...
git仓库迁移包括提交记录日志

git仓库迁移包括提交记录日志

网上找了很多资料都不好用，直到看到一个亲测有效后，整理如下： 1、进入仓库目录下，并且切换到要迁移的分支上 前提是你本地已有旧仓库的代码；如果没有的话，先拉取。 2、更改仓库地址 git remote set-url …
阅读更多...
powerDesign 逆向 mysql 生成 物理模型，并用VBS脚本整理comment

powerDesign 逆向 mysql 生成 物理模型，并用VBS脚本整理comment

学习自：https://www.cnblogs.com/xmyjcs/p/8536233.html 文章目录 Reverse Engineer格式化模型执行 VBS 脚本 Reverse Engineer 下面 DBMS 可以通过 ODBC（Open Database Connectivity，开放数据库连接）连接， 需要自己先…
阅读更多...
Qt文件读写

Qt文件读写

Qt文件读写（Stream流形式） 文件读写相关类 1. QFile类 QFile主要用于文件的打开、关闭等功能； [override virtual] bool QFile::open(QIODevice::OpenMode mode);Reimplements: QIODevice::open(QIODevice::OpenMode mode). Opens the fi…
阅读更多...
[特殊字符]【高并发实战】Java Socket + 线程池实现高性能文件上传服务器（附完整源码）[特殊字符]

[特殊字符]【高并发实战】Java Socket + 线程池实现高性能文件上传服务器（附完整源码）[特殊字符]

大家好！今天给大家分享一个 Java Socket 线程池 实现的高性能文件上传服务器，支持 多客户端并发上传，代码可直接运行，适合 面试、项目实战、性能优化 学习！ 📌 本文亮点： ✅ 完整可运行代码&a…
阅读更多...
Python proteinflow 库介绍

Python proteinflow 库介绍

ProteinFlow是一个开源的Python库，旨在简化蛋白质结构数据在深度学习应用中的预处理过程。以下是其详细介绍： 功能 数据处理：支持处理单链和多链蛋白质结构，包括二级结构特征、扭转角等特征化选项。 数据获取：能够从Protein Data Bank (PDB)和Structural Antibody Databa…
阅读更多...
WebPages 对象

WebPages 对象

WebPages 对象 引言 在Web开发领域，WebPages 对象是前端工程师和开发者常用的工具之一。它提供了丰富的API，使我们能够轻松地与网页元素进行交互。本文将深入探讨WebPages对象的概念、特性以及在实际开发中的应用。 概念 WebPages对象是现代浏览器提…
阅读更多...
Mysql表的操作（2）

Mysql表的操作（2）

1.去重 select distinct 列名 from 表名 2.查询时排序 select 列名 from 表名 order by 列名 asc/desc; 不影响数据库里面的数据 错误样例 ： 但结果却有点出乎意料了~为什么会失败呢？ 其实这是因为书写的形式不对，如果带了引号，…
阅读更多...
先占个日常，等会写。

先占个日常，等会写。

引入一个重要的概念 “struct” （译为中文：结构体） 可用作设出比较复杂的一些变量类型 语法 ：struct point name { int x; int y; int z;} point 和 name是任意命名的名字，含义是，声明一个变量类型为st…
阅读更多...
SmolDocling：一种超紧凑的视觉语言模型，用于端到端多模态文档转换

SmolDocling：一种超紧凑的视觉语言模型，用于端到端多模态文档转换

paper地址：SmolDocling: An ultra-compact vision-language model for end-to-end multi-modal document conversion Huggingface地址：SmolDocling-256M-preview 代码对应的权重文件：SmolDocling-256M-preview权重文件 一、摘要 以下是文章摘要的总结： SmolDocling 是一…
阅读更多...
MySQL SQL Mode

MySQL SQL Mode

SQL Mode 是 MySQL 中一个重要的系统变量，它决定了 MySQL 应遵循的 SQL 语法规则和数据验证规则。 什么是 SQL Mode SQL Mode 定义了 MySQL 应该支持的 SQL 语法以及执行数据验证的方式。通过设置不同的 SQL Mode，可以让 MySQL 在不同程度上兼容其他数据…
阅读更多...
Java bs架构/反射

Java bs架构/反射

bs架构 规定的格式是要换行，而打印流天然换行 线程池可以直接处理thread，thread继承自runnable 在Java中，线程池的pool.execute()方法用于提交一个任务给线程池执行。这个方法接受一个Runnable对象作为参数。Runnable是一个函数式接口&…
阅读更多...
C++手撕单链表及逆序打印

C++手撕单链表及逆序打印

在学习数据结构的过程中，链表是一个非常重要的基础数据结构。今天，我们将通过C手动实现一个单链表，并添加一个逆序打印的功能，帮助大家更好地理解链表的实现和操作。 一、链表简介 链表是一种线性数据结构，其中每个元…
阅读更多...
netty中的ChannelPipeline详解

netty中的ChannelPipeline详解

Netty中的ChannelPipeline是事件处理链的核心组件，负责将多个ChannelHandler组织成有序的责任链，实现网络事件（如数据读写、连接状态变化）的动态编排和传播。以下从核心机制、执行逻辑到应用场景进行详细解析： 1. 核心结构与组成 双向链表结构 组成单元：ChannelPipeline…
阅读更多...
智能物联网网关策略部署

智能物联网网关策略部署

实训背景 某智慧工厂需部署物联网网关，实现以下工业级安全管控需求： 设备准入控制：仅允许注册MAC地址的传感器接入（白名单：AA:BB:CC:DD:EE:FF）。协议合规性：禁止非Modbus TCP（端口…
阅读更多...
前端-vue2核心

前端-vue2核心

官网网址Vue2 安装 — Vue.js 搭建环境 第一种方式（刚开是接触Vue） 我们看官网，可以直接在script引入vue版本。这里有两个版本，开发版和生产版本。我们两个都下载。 然后创建一个项目，将下载的生产版本和开发版本粘…
阅读更多...
【BUG】远程连接阿里云服务器上的redis报错

【BUG】远程连接阿里云服务器上的redis报错

出现 Redis Client On Error: Error: connect ECONNREFUSED 47.100.XXX.XX:6379 错误，表明 Redis 客户端无法连接到指定的 Redis 服务器，可按以下步骤排查解决： 1. 检查 Redis 服务器是否运行 操作：在 Redis 服务器所在终端执行…
阅读更多...
mongodb--用户管理

mongodb--用户管理

文章目录 MongoDB 用户管理1. 连接到 MongoDB2. 用户创建2.1 创建管理员用户2.2 创建特定数据库用户2.3 常用内置角色 3. 用户管理操作3.1 查看所有用户3.2 查看特定用户信息3.3 更新用户密码3.4 添加用户角色3.5 移除用户角色3.6 删除用户 4. 权限修改4.1 创建自定义角色4.2 将…
阅读更多...
DeepSeek与搜索引擎：AI生成内容如何突破“语义天花板”

DeepSeek与搜索引擎：AI生成内容如何突破“语义天花板”

一、搜索引擎的“内容饥饿症”与AI的“产能悖论” 2024年，全球每天新增470万篇网络文章，但搜索引擎的索引拒绝率高达68%。这一矛盾的根源在于：算法对“高质量原创”的定义已从“形式独特性”转向“认知增值性”。传统AI生成内容（…
阅读更多...
YOLO目标检测应用——基于 YOLOv8目标检测和 SAM 零样本分割实现指定目标分割

YOLO目标检测应用——基于 YOLOv8目标检测和 SAM 零样本分割实现指定目标分割

概述 在当前的计算机视觉领域，目标分割技术正变得越来越重要。市面上有许多分割模型，它们的工作原理大致相似，通常包括收集数据、配置模型以及训练分割模型等步骤。最终目标是实现精确的目标分割。而随着 SAM（Segment Anything M…
阅读更多...
最新文章

Copyright @ 2022~2023