Documentação do Oracle Cloud Infrastructure

xAI Grok Code Fast 1

Lançado no final de agosto de 2025, o modelo xAI Grok Code Fast 1 é um modelo de IA focado em codificação que se destaca em tarefas comuns de codificação de alto volume e é projetado especialmente para fluxos de trabalho de codificação agênticos. Com sua velocidade, eficiência e baixo custo, este modelo é construído para lidar com o ciclo de desenvolvimento de software moderno (planejamento, escrita, teste e depuração), oferece rastreamento resumido em tempo real de seu raciocínio e é proficiente em TypeScript, Python, Java, Rust, C++ e Go. Use esse modelo para criar projetos de zero a um, responder a perguntas da base de código, executar correções de bugs e codificação ágil.

Regiões para este Modelo

Importante

Para regiões suportadas, tipos de ponto final (clusters de IA sob demanda ou dedicados) e hospedagem (OCI Generative AI ou chamadas externas) para esse modelo, consulte a página Modelos por Região. Para obter detalhes sobre as regiões, consulte a página Regiões de IA Generativa.

Principais Recursos

  • Nome do modelo na OCI Generative AI: xai.grok-code-fast-1
  • Disponível sob Demanda: Acesse esse modelo sob demanda, por meio do playground da Console ou da API.
  • Somente Modo de Texto: Informe a entrada de texto e obtenha a saída de texto. Imagens e entradas de arquivos, como arquivos de áudio, vídeo e documento, não são suportadas.
  • Conhecimento: Tem um profundo conhecimento em finanças, assistência médica, direito e ciência.
  • Tamanho do Contexto: 256.000 tokens (o tamanho máximo do prompt + da resposta é de 256.000 tokens para manter o contexto). No playground, a duração da resposta é limitada a 16.000 tokens para cada execução, mas o contexto permanece em 256.000 tokens.
  • Excels em Estes Casos de Uso: Codificação ágil - Ao contrário dos modelos gerais treinados para gravar somente código, esse modelo é otimizado para uso de ferramenta. Ele é treinado para usar o terminal de forma autônoma, por exemplo, executar um comando grep para localizar arquivos e executar edições em várias etapas em um repositório.
  • Throughput Massivo: No momento de seu lançamento, esse modelo era um dos modelos mais rápidos de sua classe, entregando cerca de 90 a 100 tokens por segundo. Em muitas integrações do IDE, como Cursor ou GitHub Copilot, esse modelo pode executar dezenas de chamadas e edições de ferramentas antes de terminar de ler seu plano inicial.
  • Rastreamentos de Pensamento Resumidos: Um de seus recursos de destaque é a visibilidade de sua mente. À medida que funciona, fornece um traço resumido em tempo real de seu raciocínio. Você pode vê-lo pensar em um bug antes de começar a escrever a correção, o que ajuda a detectar erros lógicos antecipadamente.
  • Chamada de Função: Sim, por meio da API.
  • Saídas Estruturadas: Sim.
  • Tem Argumento: Sim.

  • Tokens de Entrada em Cache: Sim

    Observação importante: O recurso de entrada em cache está disponível no playground e na API. No entanto, essas informações só podem ser recuperadas por meio da API.

  • Limite de Conhecimento: Nenhuma data limite conhecida
  • Baixo Custo: Na época de seu lançamento, era mais barato do que outros modelos emblemáticos.

Modo sob Demanda

Você pode alcançar os modelos básicos pré-treinados no serviço Generative AI por meio de dois modos: sob demanda e dedicado.

Observação

Os modelos Grok só estão disponíveis no modo sob demanda.

Veja a seguir os principais recursos do modo sob demanda:

  • Você paga conforme usa para cada chamada de inferência quando usa os modelos no playground ou quando chama os modelos por meio da API.

  • Baixa barreira para começar a usar IA generativa.
  • Ótimo para experimentação, prova de conceito e avaliação de modelo.
  • Disponível para os modelos pré-treinados em regiões não listadas como (somente cluster de IA dedicado).
Nome do Modelo Nome do Modelo do OCI Nome do Produto da Página de Precificação
xAI Grok Code Fast 1 xai.grok-code-fast-1 xAI – Grok-Code-Fast-1
Os preços são listados para:
  • Tokens de entrada
  • Tokens de Saída
  • Tokens de entrada armazenados em cache

Parâmetros de Modelo

Para alterar as respostas do modelo, você pode alterar os valores dos parâmetros a seguir no playground ou na API.

Máximo de tokens de saída

O número máximo de tokens que você deseja que o modelo gere para cada resposta. Estime quatro caracteres por token. Como você está solicitando um modelo de chat, a resposta depende do prompt e cada resposta não necessariamente usa o máximo de tokens alocados. O comprimento máximo de prompt + saída é de 256.000 tokens para cada execução.

Dica

Para entradas grandes com problemas difíceis, defina um valor alto para o parâmetro de tokens de saída máxima.
Temperatura

O nível de aleatoriedade usado para gerar o texto de saída. Mín.: 0, Máx.: 2

Dica

Comece com a temperatura definida como 0 ou menos de um e aumente a temperatura conforme você gera novamente os prompts para uma saída mais criativa. As altas temperaturas podem introduzir alucinações e informações factualmente incorretas.
Top p

Um método de amostragem que controla a probabilidade cumulativa dos principais tokens a serem considerados para o próximo token. Atribua a p um número decimal entre 0 e 1 para a probabilidade. Por exemplo, insira 0,75 para os 75% principais a serem considerados. Defina p como 1 para considerar todos os tokens.

Parâmetro de API para Rastreamentos de Pensamento Resumidos

reasoning_content

Para usar Rastreamentos de Pensamento Resumidos na API xAI, você interage principalmente com o campo reasoning_content. Ao contrário da resposta final, este campo contém a lógica interna do modelo e é transmitido de volta para você em tempo real. Você pode obter seu rastreamento de pensamento através do chunk.choices[0].delta.reasoning_content no modo de streaming. Consulte Para desenvolvedores que criam agentes de codificação por meio da API xAI.

Observação

Os rastreamentos de pensamento resumidos só estão disponíveis quando você usa o modo de streaming.