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。

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

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

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。

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。

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。

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。

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。


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:

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。

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~

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


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:

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:

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!
相关文章:
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!&#x…...
学习Python的优势体现在哪些方面?
文章目录 前言易于学习和使用应用领域广泛丰富的开源库和社区支持跨平台兼容性职业发展前景好 前言 学习 Python 具有多方面的优势,这使得它成为当今最受欢迎的编程语言之一,以下为你详细介绍。 易于学习和使用 语法简洁易懂:Python 的语法…...
icoding题解排序
数组合并 假设有 n 个长度为 k 的已排好序(升序)的数组,请设计数据结构和算法,将这 n 个数组合并到一个数组,且各元素按升序排列。即实现函数: void merge_arrays(const int* arr, int n, int k, int* out…...
LangChain-检索系统 (Retrieval)
检索系统 (Retrieval) 检索系统是LangChain的核心组件之一,它提供了从各种数据源获取相关信息的能力,是构建知识增强型应用的基础。本文档详细介绍LangChain检索系统的组件、工作原理和最佳实践。 概述 检索系统解决了大型语言模型知识有限和过时的问…...
Fast网络速度测试工具
目录 网站简介 功能特点 测试过程 为什么使用Fast 如果网络速度不达标 网站简介 Fast是一个由Netflix提供的网络速度测试工具,主要用来测试用户的互联网下载速度。它以其简洁的界面和快速的测试过程而受到用户的欢迎。 功能特点 下载速度测试:这是…...
ubuntu20.04在mid360部署direct_lidar_odometry(DLO)
editor:1034Robotics-yy time:2025.4.10 1.下载DLO,mid360需要的一些...: 1.1 在工作空间/src下 下载DLO: git clone https://github.com/vectr-ucla/direct_lidar_odometry 1.2 在工作空间/src下 下载livox_ros_driver2&…...
制造企业数据治理体系搭建与业务赋能实践
当下制造企业正面临着前所未有的机遇与挑战,从多环节业务协同的复杂性,到海量数据资源的沉睡与孤岛化;从个性化定制需求的爆发,到供应链效率优化的迫切性——如何通过数据治理将“数据包袱”转化为“数据资产”,已成为…...
java基础多态------面试八股文
是什么是多态 类引用指向子类对象,并调用子类重写的方法,实现不同的行为 例子 class Animal {void sound() {System.out.println("动物发出声音");} }class Dog extends Animal {Overridevoid sound() {System.out.println("狗叫&…...
【LunarVim】解决which-key 自定义键位注册不成功问题
问题描述 LunarVim将which-key设置放在一个keymaps.lua中,然后config.lua调用reload “user.keymaps”,键位没用注册成功,而直接写在config.lua中,就注册成功 这暴露了LunarVim 插件和配置加载顺序的一些细节坑,下面解…...
开源推荐#5:CloudFlare-ImgBed — 基于 CloudFlare Pages 的开源免费文件托管解决方案
大家好,我是 jonssonyan。 寻找一个稳定、快速、还最好是免费或成本极低的图床服务,一直是许多开发者、博主和内容创作者的痛点。公共图床可能说关就关,付费服务又增加成本。现在,一个名为 CloudFlare-ImgBed 的开源项目…...
算法训练之动态规划(三)
♥♥♥~~~~~~欢迎光临知星小度博客空间~~~~~~♥♥♥ ♥♥♥零星地变得优秀~也能拼凑出星河~♥♥♥ ♥♥♥我们一起努力成为更好的自己~♥♥♥ ♥♥♥如果这一篇博客对你有帮助~别忘了点赞分享哦~♥♥♥ ♥♥♥如果有什么问题可以评论区留言或者私信我哦~♥♥♥ ✨✨✨✨✨✨ 个…...
xv6-labs-2024 lab2
lab-2 0. 前置 课程记录 操作系统的隔离性,举例说明就是,当我们的shell,或者qq挂掉了,我们不希望因为他,去影响其他的进程,所以在不同的应用程序之间,需要有隔离性,并且࿰…...
LangChain-模型输入输出 (Model I/O)
模型输入输出是LangChain的核心组件,负责处理与各种语言模型的交互。本文档详细介绍了这些组件的功能和使用方法。 概述 模型输入输出组件负责: 连接各种语言模型:统一不同提供商的模型接口格式化输入:将原始输入转换为模型可理…...
基于FPGA实现BPSK 调制
目录 一、 任务介绍二、基本原理三、基于FPGA实现BPSK 调制四、源码 一、 任务介绍 BPSK 调制在数字通信系统中是一种极重要的调制方式,它的抗干扰噪声性能及通频带的利用率均优先于 ASK 移幅键控和 FSK 移频键控。因此,PSK 技术在中、高速数据传输中得…...
深入理解 ResponseBodyAdvice 及其应用
ResponseBodyAdvice 是 Spring MVC 提供的一个强大接口,允许你在响应体被写入 HTTP 响应之前对其进行全局处理。 下面我将全面介绍它的工作原理、使用场景和最佳实践。 基本概念 接口定义 public interface ResponseBodyAdvice<T> {boolean supports(Metho…...
Java 基础 - 反射(1)
文章目录 引入类加载过程1. 通过 new 创建对象2. 通过反射创建对象2.1 触发加载但不初始化2.2 按需触发初始化2.3 选择性初始化控制 核心用法示例1. 通过无参构造函数创建实例对象2. 通过有参构造函数创建实例对象3. 反射通过私有构造函数创建对象, 破坏单例模式4. …...
Spring Boot中Spring MVC相关配置的详细描述及表格总结
以下是Spring Boot中Spring MVC相关配置的详细描述及表格总结: Spring MVC 配置项详解 1. 异步请求配置 spring.mvc.async.request-timeout 描述:设置异步请求的超时时间(单位:毫秒)。默认值:未设置&…...
flink Shuffle的总结
关于 ** 5 种 Shuffle 类型** 的区别、使用场景及 Flink 版本支持的总结: * 注意:下面是问AI具体细节与整理学习 1. 核心区别 Shuffle 类型核心特点使用场景Flink 版本支持Pipelined Shuffle流式调度,纯内存交换,低延迟(毫秒级…...
在排序数组中查找元素的第一个和最后一个位置 --- 二分查找
目录 一:题目 二:算法原理分析 三:代码实现 一:题目 题目链接: 34. 在排序数组中查找元素的第一个和最后一个位置 - 力扣(LeetCode) 二:算法原理分析 三:代码实现 c…...
631SJBH中小型企业的网络管理模式的方案设计
1.1、研究现状 我国很多企业信息化水平一直还处在非常初级的阶段,有关统计表明,真正实现了计算机较高应用的企业在全国1000多万中小企业中所占的比例还不足10%幢3。大多数企业还停留在利用互联网进行网上查询(72.9%)、…...
NO.85十六届蓝桥杯备战|动态规划-经典线性DP|最长上升子序列|合唱队形|最长公共子序列|编辑距离(C++)
经典线性dp问题有两个:最⻓上升⼦序列(简称:LIS)以及最⻓公共⼦序列(简称:LCS),这两道题⽬的很多⽅⾯都是可以作为经验,运⽤到别的题⽬中。⽐如:解题思路&…...
0410 | 软考高项笔记:项目管理概述
以下是不同组织结构中项目经理的角色、工作特点以及快速记忆的方法: 不同组织结构中项目经理的角色和工作特点 组织结构项目经理的角色工作特点职能型组织项目协调者、辅助管理者权力有限,主要负责协调部门间的工作,项目成员向部门经理汇报…...
Vue3的Composition API与React Hooks有什么异同?
Vue3的一个重大更新点就是支持Composition API,而且也被业界称为hooks,那么Vue3的“Hooks”与React的Hooks有这么区别呢? 一、核心相似点 1. 逻辑复用与代码组织 都解决了传统类组件或选项式 API 中逻辑分散的问题,允许将相关逻…...
LangChain4j(1):初步认识Java 集成 LLM 的技术架构
LangChain 作为构建具备 LLM 能力应用的框架,虽在 Python 领域大放异彩,但 Java 开发者却只能望洋兴叹。LangChain4j 正是为解决这一困境而诞生,它旨在借助 LLM 的强大效能,增强 Java 应用,简化 LLM 功能在Java应用中的…...
JDK 21 的新特性有哪些?带你全面解读 Java 的未来
引言:从 JDK 21 看 Java 的进化之路 Java 是一门历久弥新的语言,每一次版本更新都在强化它的生态体系。2023 年发布的 JDK 21,作为长期支持版本(LTS),带来了许多令人兴奋的新特性。不论你是开发者、架构师…...
【C++算法】53.链表_重排链表
文章目录 题目链接:题目描述:解法C 算法代码: 题目链接: 143. 重排链表 题目描述: 解法 模拟 找到链表的中间节点 快慢双指针 把后面的部分逆序 双指针,三指针,头插法 合并两个链表 合并两个有…...
多卡分布式训练:torchrun --nproc_per_node=5
多卡分布式训练:torchrun --nproc_per_node=5 1. torchrun 实现规则 torchrun 是 PyTorch 提供的用于启动分布式训练作业的实用工具,它基于 torch.distributed 包,核心目标是简化多进程分布式训练的启动和管理。以下是其主要实现规则: 进程启动 多进程创建:torchrun 会…...
系统架构设计师之系统设计模块笔记
一、系统设计概述 定义与目标 系统设计是根据系统分析结果,制定系统构建蓝图的过程,核心目标是合理分配功能需求、优化资源使用、确保系统高内聚低耦合,并满足性能、安全、可扩展等非功能需求。主要内容 概要设计:将功能需求分配…...
Elasticsearch:加快 HNSW 图的合并速度
作者:来自 Elastic Thomas Veasey 及 Mayya Sharipova 过去,我们曾讨论过搜索多个 HNSW 图时所面临的一些挑战,以及我们是如何缓解这些问题的。当时,我们也提到了一些计划中的改进措施。本文正是这项工作的成果汇总。 你可能会问…...
图片中文字无法正确显示的解决方案
图片中文字无法正确显示的解决方案 问题描述 在 Linux 系统中生成图片时,图片中的文字(如中文)未能正确显示,可能表现为乱码或空白。这通常是由于系统缺少对应的字体文件(如宋体/SimSun),或者…...
