如何注册使用Grok 3 API?

如何注册使用Grok 3 API?

Grok 3 API 已经发布,它的“scary‑smart”推理、实时网络功能,以及在编码和 STEM 基准测试中的顶级性能,已经撼动了人工智能世界。无论您是开发人员、研究人员还是人工智能爱好者,现在都是访问 Grok 3 API 并探索其功能的最佳时机。在本教程中,您将学习如何注册使用 Grok 3 API、安全地验证您的凭据以及使用 Python 连接 Grok 3 API。我们还将介绍一些实际用例,从将 Grok 3 API 集成到工作流程,到使用 Grok 3 API 进行数据检索和高级推理任务。

Grok 3的主要功能

Grok 3 引入了几项突破性功能,这些功能增强了 Grok 3 在各个领域的性能和适用性:

  • 高级推理模式:Grok 3 提供了专门的推理模式,包括用于逐步解决问题的 “思考 ”模式和用于处理复杂任务的 “大大脑 ”模式。这些模式可使模型更深入地处理信息,并提供准确的响应。
  • 深度搜索功能:该模型集成了 DeepSearch,这是一种人工智能代理,可实时扫描互联网和 X(前 Twitter),生成有关特定主题的综合报告。该功能可确保 Grok 3 的回复与时俱进、信息灵通。
  • 增强的性能基准:Grok 3 在 2025 年美国数学邀请考试(AIME)中取得了 93.3% 的高分,并在聊天机器人竞技场中取得了 1402 的 Elo 分数,显示了其在 STEM 领域的优势。
  • 实时数据整合:与静态的人工智能模型不同,Grok 3 整合了来自网络和 X 帖子的实时数据,确保其回复是最新的、相关的。
  • 多模式功能:该模型可以处理和生成文本、图像和代码,从而将其适用范围扩展到各个领域。

这些功能使 Grok 3 成为人工智能语言模型的一大进步。它提供了增强的推理能力、实时数据处理能力和广泛的功能,可满足不同用户的需求。

价格和模型规格

xAI 推出了 Grok-3 模型系列的多个变体。每种模型都针对不同的性能和成本效益水平进行了微调。这些模型可满足开发人员、研究人员和组织机构的计算和推理需求。

价格和模型规格

Source: X.com

在调用API之前使用xAI的成本计算器

在您开始调用多个 API 之前,xAI 为其每种模型(包括 grok-3-beta、grok-3-fast-beta 和迷你变体)提供了一个超级方便的成本计算器。

您可以直接访问 https://x.ai/api(向下滚动即可)。

xAI的成本计算器

您可以自定义

  • 文本输入 token
  • 图像输入 token
  • 输出 token

该工具可为您提供实时成本估算,以便您有效规划使用量,避免意外计费。例如,在 grok-3-beta 上使用 50,000 个文本输入 token 和 500 个输出 token,只需花费 0.16 美元(如前面的截图所示)。

智能开发提示:经常使用此计算器来优化您的 API 策略,尤其是在扩展或处理大型有效载荷时。

如何访问API?

1. 访问 grok.com,使用您的账户凭据登录。

 

访问 grok.com

2. 点击右上角的个人资料头像,选择“Settings,然后选择“Manage”。您将被重定向到 xAI 账户页面。

xAI 账户页面

xAI API控制台入口

3. 在 xAI 账户页面,导航至 API Console

API Console

4. 在 API 控制台的左侧边栏,点击密钥图标,查看并复制您的 Grok API 密钥。

Grok API 密钥

瞧,这就是你的 API 密钥!请务必妥善保管。

Grok 3的实现

基本实现

让我们尝试使用 Grok xAI 文档中提供的代码片段来检查我们的 Grok 3 模型是否能够响应。

!pip install openai
import os
os.environ['GROK_API_KEY'] = "xai-..." # your own api key
from IPython.display import Markdown 
from openai import OpenAI
client = OpenAI(
  api_key=os.getenv("GROK_API_KEY"),
  base_url="https://api.x.ai/v1",
)
completion = client.chat.completions.create(
  model="grok-3-mini-beta",
  messages=[
    {"role": "user", "content": "What is the meaning of life?"}
  ]
)
Markdown(completion.choices[0].message.content)

输出:

检查我们的 Grok 3 模型是否能够响应

现在,让我们测试一下 Grok 3 模型: – 生成代码

  1. 代码生成
  2. 推理能力
  3. 复杂用例
  4. 科学研究理解

您可以随意更换其他 Grok 3 变体(例如,grok-3-beta、grok-3-fast-beta)或制作您的提示。然后,在笔记本或脚本中直接比较输出结果。

在下面的实现中,我们将利用

代码生成

1. 让我们使用 Grok 3 模型生成代码,将华氏度转换为摄氏度,反之亦然。

prompt = """
Write a Python function that converts a temperature from Fahrenheit to Celsius and vice versa.
The function should take an input, determine the type (Fahrenheit or Celsius), and return the converted temperature.
"""
client = OpenAI(
  api_key=os.getenv("GROK_API_KEY"),
  base_url="https://api.x.ai/v1",
)
response = client.chat.completions.create(
  model="grok-3-mini-beta",
  messages=[
      {
      "role": "user",
      "content": prompt
      }
  ]
)
# Output the generated Python code
print(response.choices[0].message.content)
Markdown(response.choices[0].message.content)

输出:

将华氏度转换为摄氏度

2. 让我们用 Grok 3 模型生成一个 HTML 页面,页面上有一个按钮,点击后页面上就会洒满纸屑。

prompt = """Create an HTML page with a button that explodes confetti when you click it.
            You can use CSS & JS as well."""
client = OpenAI(
  api_key=os.getenv("GROK_API_KEY"),
  base_url="https://api.x.ai/v1",
)
response = client.chat.completions.create(
  model="grok-3-mini-beta",
  messages=[
      {
      "role": "user",
      "content": prompt
      }
  ]
)
# Output the generated Python code
print(response.choices[0].message.content)
Markdown(response.choices[0].message.content)

输出:

Grok 3 模型生成一个 HTML 页面

为了测试这段代码的功能,我将使用 CodePen 来测试 HTML 代码。

这就是它的外观:

推理能力

1. 让我们用这道通用能力推理题来测试一下 Grok 3 模型

prompt = """Anu is a girl. She has three brothers. Each of her brothers has the same two sisters.
            How many sisters does Anu have?"""
client = OpenAI(
  api_key=os.getenv("GROK_API_KEY"),
  base_url="https://api.x.ai/v1",
)
response = client.chat.completions.create(
  model="grok-3-mini-beta",
  messages=[
      {
      "role": "user",
      "content": prompt
      }
  ]
)
# Output the generated Python code
print(response.choices[0].message.content)
Markdown(response.choices[0].message.content)

输出:

通用能力推理题

已验证答案正确。

2. 让我们来测试一下 Grok 3 的模式识别能力,提供这个基于日期的模式问题

prompt = """January = 1017, February = 628, March = 1335, April = 145, May = 1353, June = 1064,
July = 1074, August = 186, September = ? Think carefully before answering also show the steps"""
client = OpenAI(
  api_key=os.getenv("GROK_API_KEY"),
  base_url="https://api.x.ai/v1",
)
response = client.chat.completions.create(
  model="grok-3-beta",
  messages=[
      {
      "role": "user",
      "content": prompt
      }
  ]
)
# Output the generated Python code
print(response.choices[0].message.content)
Markdown(response.choices[0].message.content)

输出:

测试一下 Grok 3 的模式识别能力

GROK-BETA 和 GROK-BETA-MINI 都失败了

答案应为 1999。

3. 让我们用这个问题来测试一下 Grok 3 模型的简单数学推理能力吧

/cod
prompt = """I have two apples, then I buy two more. I bake a pie with two of the apples.
          After eating half of the pie, how many apples do I have left?"""
client = OpenAI(
  api_key=os.getenv("GROK_API_KEY"),
  base_url="https://api.x.ai/v1",
)
response = client.chat.completions.create(
  model="grok-3-mini-beta",
  messages=[
      {
      "role": "user",
      "content": prompt
      }
  ]
)
# Output the generated Python code
print(response.choices[0].message.content)
Markdown(response.choices[0].message.content)

输出:

简单数学推理能力

已验证答案正确。

复杂案例

让我们要求 Grok 3 模型为我们提供一个完整的项目结构计划和相应的代码片段,这些代码片段必须相应地添加到相应的文件中。

prompt = """
I want to develop an inventory management system that tracks products, quantities,
and locations. It should notify the user when stock is low. Create a plan for the
directory structure and provide code snippets for the key components.
"""
client = OpenAI(
  api_key=os.getenv("GROK_API_KEY"),
  base_url="https://api.x.ai/v1",
)
response = client.chat.completions.create(
  model="grok-3-mini-beta",
  messages=[
      {
      "role": "user",
      "content": prompt
      }
  ]
)
# Output the generated Python code
print(response.choices[0].message.content)
Markdown(response.choices[0].message.content)

输出:

Grok 3 模型完成复杂案例

科学研究理解

在此,我们将测试 Grok 3 模型基于领域的理解能力,以及它是如何理解问题和阐述某些科学研究主题的。

prompt = """
Explain how CRISPR technology can be used to treat genetic disorders. What are the
main challenges, and what future advancements might be necessary to make it widely
available?
"""
client = OpenAI(
  api_key=os.getenv("GROK_API_KEY"),
  base_url="https://api.x.ai/v1",
)
response = client.chat.completions.create(
  model="grok-3-mini-beta",
  messages=[
      {
      "role": "user",
      "content": prompt
      }
  ]
)
# Output the generated Python code
print(response.choices[0].message.content)
Markdown(response.choices[0].message.content)

输出:

Grok 3 模型科学研究理解

我的观点

编码能力

我发现 Grok 3 的代码生成准确度令人印象深刻。在典型的算法任务上,它的表现优于 gpt-4o、Deepseek-R1 等较轻的模型,不过我建议在下结论之前,先在更复杂的场景中对它进行压力测试。

编码能力

推理能力

Grok 3 具有很强的数学推理能力,能够可靠地解决多步骤问题。不过,我注意到在基于模式的推理方面出现了一些失误,如识别不明显的类比或隐藏序列。

复杂用例科学理解

当被要求概述项目结构时,Grok 3 提供了一份条理清晰的计划,并附有模板代码片段。它对 CRISPR 应用的了解给我留下了深刻印象,因为它提供了详细的概述,显示了对科学的深刻理解。

Grok 3 擅长阐述,并能清晰、深入地给出答案。它在 LLM 推理方面迈出了一大步,但我们还是应该一如既往地根据您的基准来验证它的输出结果。

小结

Grok 3 是大型语言模型发展史上的一个重要里程碑。从其“scary‑smart”推理模式和实时 DeepSearch 功能,到多模态支持和业界领先的基准测试,xAI 推出的工具包不仅功能强大,而且用途广泛。通过本指南,您将学会如何

  • 保护您的 Grok 3 API 密钥并确保其安全
  • 使用 xAI 的内置计算器预先估算成本
  • 在几分钟内完成基本聊天
  • 在代码生成、逻辑谜题、复杂工作流和科学查询中试用 Grok 3。
  • 评估其优势并确定需要进一步压力测试的领域

无论您是开发下一个伟大聊天机器人的开发人员,还是探索人工智能驱动分析的研究人员,抑或仅仅是对LLM 尖端技术充满好奇的爱好者,Grok 3 都能将深度、速度和现实世界的相关性完美结合。

当您将 Grok 3 集成到您的项目中时,请记得根据您的领域基准验证其输出结果,优化令牌的使用,并与社区分享您的发现。编码快乐 🙂

评论留言