Grok API: Integrando o Modelo xAI em Suas Aplicações

A xAI disponibiliza o Grok via API para desenvolvedores — e o melhor: ela usa exatamente o mesmo formato da API da OpenAI. Se você já sabe usar o ChatGPT via API, você já sabe usar o Grok.

Configuração inicial

1. Obtenha sua API key

Acesse console.x.ai e crie uma conta de desenvolvedor. A xAI oferece créditos de teste iniciais para experimentar.

2. Instale o SDK

Usando Python:

pip install openai

Usando Node.js:

npm install openai

3. Configure o cliente

Python:

from openai import OpenAI

client = OpenAI(
    api_key="SEU_XAI_API_KEY",
    base_url="https://api.x.ai/v1",
)

TypeScript:

import OpenAI from "openai";

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

Modelos disponíveis

Primeira chamada

response = client.chat.completions.create(
    model="grok-3",
    messages=[
        {"role": "system", "content": "Você é um assistente especialista em análise de dados."},
        {"role": "user", "content": "Explique a diferença entre correlação e causalidade com exemplos."}
    ],
)

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

Streaming para UX em tempo real

Para interfaces de chat, use streaming para mostrar a resposta à medida que é gerada:

const stream = await client.chat.completions.create({
  model: "grok-3-fast",
  messages: [{ role: "user", content: prompt }],
  stream: true,
});

for await (const chunk of stream) {
  const delta = chunk.choices[0]?.delta?.content || "";
  process.stdout.write(delta); // ou enviar para o frontend via SSE
}

Caso de uso: analisador de sentimento de posts

Um app que analisa o sentimento de posts em lote:

import asyncio
from openai import AsyncOpenAI

client = AsyncOpenAI(
    api_key="SEU_XAI_API_KEY",
    base_url="https://api.x.ai/v1",
)

async def analisar_sentimento(post: str) -> dict:
    response = await client.chat.completions.create(
        model="grok-3-mini",  # mais barato para tarefas simples
        messages=[
            {
                "role": "system",
                "content": "Analise o sentimento do texto. Responda em JSON: {sentimento: positivo|negativo|neutro, score: 0-1, motivo: string}"
            },
            {"role": "user", "content": post}
        ],
        response_format={"type": "json_object"},
    )
    return response.choices[0].message.content

# Processar múltiplos posts em paralelo
async def processar_lote(posts: list[str]):
    resultados = await asyncio.gather(*[analisar_sentimento(p) for p in posts])
    return resultados

Preços (referência mai/2026)

Para produção com alto volume, o grok-3-mini oferece excelente custo-benefício.

Dicas para produção

• Rate limits: implemente retry com exponential backoff
• Temperatura: use temperature=0 para outputs consistentes/determinísticos
• System prompt: invista tempo no system prompt — ele afeta muito a qualidade
• Modelo certo para cada tarefa: não use grok-3 onde grok-3-mini resolve — economiza 10x no custo
• Monitoramento: log todas as chamadas com latência e custo estimado

A API da xAI é madura e estável — e como usa o padrão OpenAI, migrar código existente que usa ChatGPT para testar o Grok leva literalmente 2 linhas de mudança.