xAI

O provedor integrado de pesquisa web grok prioriza o OAuth da xAI e, em seguida, usa como alternativa XAI_API_KEY ou uma chave de pesquisa web do Plugin:

openclaw models auth login --provider xai --method oauthopenclaw config set tools.web.search.provider grok

O Plugin integrado xai registra a geração de vídeos por meio da ferramenta compartilhada video_generate.

• Modelo padrão: xai/grok-imagine-video
• Modelo adicional: xai/grok-imagine-video-1.5
• Modos clássicos: texto para vídeo, imagem para vídeo, geração com imagem de referência, edição remota de vídeo e extensão remota de vídeo
• Modo Video 1.5: somente imagem para vídeo, com exatamente uma imagem de primeiro quadro
• Proporções: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3; a conversão de imagem para vídeo clássica e do Video 1.5 herda a proporção da imagem de origem quando omitida
• Resoluções: clássica 480P/720P; o Video 1.5 também aceita 1080P; todos os modos de geração usam 480P como padrão
• Duração: 1-15 segundos para geração/imagem para vídeo, 1-10 segundos ao usar funções clássicas reference_image, 2-10 segundos para extensão clássica
• Geração com imagem de referência: defina imageRoles como reference_image para cada imagem fornecida; a xAI aceita até 7 dessas imagens
• A edição/extensão de vídeo herda a proporção e a resolução do vídeo de entrada; essas operações não aceitam substituições de geometria
• Tempo limite padrão da operação: 600 segundos, a menos que video_generate.timeoutMs ou agents.defaults.videoGenerationModel.timeoutMs esteja definido

O Video 1.5 também reconhece os identificadores grok-imagine-video-1.5-preview e grok-imagine-video-1.5-2026-05-30 da xAI. O OpenClaw encaminha o identificador selecionado sem alterações, mas aplica a mesma validação exclusiva para imagens.

Para usar a xAI como provedor de vídeo padrão:

{  agents: {    defaults: {      videoGenerationModel: {        primary: "xai/grok-imagine-video",      },    },  },}

O Plugin integrado xai registra a geração de imagens por meio da ferramenta compartilhada image_generate.

• Modelo de imagem padrão: xai/grok-imagine-image
• Modelo adicional: xai/grok-imagine-image-quality
• Modos: texto para imagem e edição de imagem de referência
• Entradas de referência: uma image ou até três images
• Proporções: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 2:1, 1:2, 19.5:9, 9:19.5, 20:9, 9:20
• Resoluções: 1K, 2K
• Quantidade: até 4 imagens
• Tempo limite padrão da operação: 600 segundos, a menos que image_generate.timeoutMs ou agents.defaults.imageGenerationModel.timeoutMs esteja definido

O OpenClaw solicita à xAI respostas de imagem b64_json para que a mídia gerada possa ser armazenada e entregue pelo caminho normal de anexos do canal. Imagens de referência locais são convertidas em URLs de dados; referências remotas http(s) são encaminhadas sem alterações.

Para usar a xAI como provedor de imagens padrão:

{  agents: {    defaults: {      imageGenerationModel: {        primary: "xai/grok-imagine-image",      },    },  },}

O Plugin integrado xai registra a conversão de texto em fala por meio da superfície compartilhada do provedor tts.

• Vozes: catálogo autenticado em tempo real da xAI; liste-o com openclaw infer tts voices --provider xai
• Vozes alternativas offline: ara, eve, leo, rex, sal
• Voz padrão: eve
• IDs de vozes personalizadas da conta são encaminhados mesmo quando estão ausentes da resposta do catálogo integrado
• Formatos: mp3, wav, pcm, mulaw, alaw
• Idioma: código BCP-47 ou auto
• Velocidade: substituição de velocidade nativa do provedor
• O formato nativo Opus de mensagem de voz não é compatível

Para usar a xAI como provedor de TTS padrão:

{  messages: {    tts: {      provider: "xai",      providers: {        xai: {          voiceId: "eve",        },      },    },  },}

O Plugin integrado xai registra a conversão de fala em texto em lote por meio da superfície de transcrição para compreensão de mídia do OpenClaw.

• Endpoint: REST da xAI /v1/stt
• Caminho de entrada: upload de arquivo de áudio multipart
• Seleção de modelo: a xAI escolhe o modelo de transcrição internamente; o endpoint não tem seletor de modelo
• Usado sempre que a transcrição de áudio recebido lê tools.media.audio, incluindo segmentos de canais de voz do Discord e anexos de áudio dos canais

Para forçar o uso da xAI na transcrição de áudio recebido:

{  tools: {    media: {      audio: {        models: [          {            type: "provider",            provider: "xai",          },        ],      },    },  },}

O idioma pode ser fornecido pela configuração compartilhada de mídia de áudio ou pela solicitação de transcrição de cada chamada. Dicas de prompt são aceitas pela superfície compartilhada do OpenClaw, mas a integração REST de STT da xAI encaminha apenas o arquivo e o idioma porque eles correspondem ao endpoint público atual da xAI.

O Plugin integrado xai também registra um provedor de transcrição em tempo real para áudio de chamadas de voz ao vivo.

• Endpoint: WebSocket da xAI wss://api.x.ai/v1/stt
• Codificação padrão: mulaw
• Taxa de amostragem padrão: 8000
• Detecção de fim de fala padrão: 800ms
• Transcrições provisórias: ativadas por padrão

O stream de mídia do Twilio do Voice Call envia quadros de áudio G.711 mu-law, portanto o provedor xAI encaminha esses quadros diretamente, sem transcodificação:

{  plugins: {    entries: {      "voice-call": {        config: {          streaming: {            enabled: true,            provider: "xai",            providers: {              xai: {                apiKey: "${XAI_API_KEY}",                endpointingMs: 800,                language: "en",              },            },          },        },      },    },  },}

A configuração pertencente ao provedor fica em plugins.entries.voice-call.config.streaming.providers.xai. As chaves compatíveis são apiKey, baseUrl, sampleRate, encoding (pcm, mulaw ou alaw), interimResults, endpointingMs e language.

O Plugin integrado xai registra sessões em tempo real do Grok Voice Agent para o modo Talk por meio do contrato compartilhado registerRealtimeVoiceProvider.

• Endpoint: wss://api.x.ai/v1/realtime?model=<voice-model>
• Modelo padrão: grok-voice-latest
• Voz padrão: eve
• Transporte: gateway-relay (caminhos de retransmissão do iOS, Android e Control UI)
• Áudio: PCM16 24 kHz ou G.711 µ-law 8 kHz
• Interrupção: o VAD do servidor da xAI interrompe a resposta; o OpenClaw limpa a reprodução na fila e trunca o histórico não reproduzido do provedor

Configure o Talk no Gateway:

{  talk: {    realtime: {      provider: "xai",      mode: "realtime",      transport: "gateway-relay",      brain: "agent-consult",      providers: {        xai: {          model: "grok-voice-latest",          voice: "eve",          // Ative somente se a reprodução da sessão no lado do provedor for aceitável.          sessionResumption: false,        },      },    },  },  env: { XAI_API_KEY: "xai-..." },}

A configuração pertencente ao provedor também é resolvida de plugins.entries.voice-call.config.realtime.providers.xai quando o Voice Call ou seletores compartilhados em tempo real reutilizam o mesmo mapa de provedores. As chaves compatíveis são apiKey, baseUrl, model, voice, vadThreshold, silenceDurationMs, prefixPaddingMs, reasoningEffort e sessionResumption. reasoningEffort aceita apenas high ou none, de acordo com a API Voice Agent da xAI.

O VAD do servidor da xAI sempre cria respostas e processa interrupções de áudio. Use consultRouting: "provider-direct"; o roteamento forçado de transcrições e a desativação da interrupção do áudio de entrada não são compatíveis com o protocolo Voice Agent da xAI.

O Plugin integrado da xAI expõe x_search como uma ferramenta do OpenClaw para pesquisar conteúdo do X (antigo Twitter) por meio do Grok.

Caminho da configuração: plugins.entries.xai.config.xSearch

{  plugins: {    entries: {      xai: {        config: {          xSearch: {            enabled: true,            model: "grok-4.3",            baseUrl: "https://api.x.ai/v1",            inlineCitations: true,          },        },      },    },  },}

O Plugin integrado da xAI expõe code_execution como uma ferramenta do OpenClaw para execução remota de código no ambiente de sandbox da xAI.

Caminho da configuração: plugins.entries.xai.config.codeExecution

{  plugins: {    entries: {      xai: {        config: {          codeExecution: {            enabled: true,            model: "grok-4.3",          },        },      },    },  },}

• A autenticação da xAI pode usar uma chave de API, variável de ambiente, fallback de configuração de plugin ou OAuth com uma conta xAI elegível. O OAuth usa verificação por código de dispositivo sem um callback de localhost. A xAI decide quais contas podem receber tokens de API OAuth, e a página de consentimento pode exibir o Grok Build, embora o OpenClaw não exija o aplicativo Grok Build.
• Atualmente, o OpenClaw não disponibiliza a família de modelos multiagente da xAI. A xAI fornece esses modelos por meio da Responses API, mas eles não aceitam as ferramentas do lado do cliente ou personalizadas usadas pelo loop de agente compartilhado do OpenClaw. Consulte as limitações dos modelos multiagente da xAI.
• Atualmente, a voz em tempo real da xAI disponibiliza apenas o transporte de conversação por retransmissão do Gateway. As sessões WebSocket do provedor controladas pelo navegador ainda não estão integradas à interface de controle.
• A imagem quality, a imagem mask e as proporções adicionais exclusivas do modo nativo não são disponibilizadas até que a ferramenta compartilhada image_generate tenha controles correspondentes entre provedores.

• O OpenClaw aplica automaticamente correções de compatibilidade específicas da xAI para esquemas e chamadas de ferramentas no caminho compartilhado do executor.
• As solicitações nativas da xAI usam tool_stream: true por padrão. Defina agents.defaults.models["xai/<model>"].params.tool_stream como false para desativá-lo.
• O wrapper integrado da xAI remove limites de contagem de ocorrências não compatíveis nos esquemas e chaves de carga útil de esforço de raciocínio não compatíveis antes de enviar solicitações nativas da xAI. O Grok 4.5 oferece suporte a esforço baixo, médio e alto (padrão: alto). O Grok 4.3 oferece suporte a esforço nenhum, baixo, médio e alto (padrão: baixo). Outros modelos da xAI com capacidade de raciocínio não disponibilizam um controle de esforço configurável, mas ainda solicitam include: ["reasoning.encrypted_content"] para que o raciocínio criptografado anterior possa ser reproduzido em interações subsequentes.
• web_search, x_search e code_execution são disponibilizados como ferramentas do OpenClaw. O OpenClaw anexa à solicitação de cada ferramenta somente o recurso integrado específico da xAI necessário para ela, em vez de anexar todas as ferramentas nativas a cada interação do chat.
• O web_search do Grok lê plugins.entries.xai.config.webSearch.baseUrl. x_search lê plugins.entries.xai.config.xSearch.baseUrl e, em seguida, usa como alternativa a URL base de pesquisa na web do Grok.
• x_search e code_execution pertencem ao plugin integrado da xAI, em vez de serem codificados diretamente no runtime principal do modelo.
• code_execution é uma execução remota no sandbox da xAI, não uma execução local de exec.