xAI

El proveedor integrado de búsqueda web grok da prioridad a OAuth de xAI y, a continuación, recurre a XAI_API_KEY o a una clave de búsqueda web de Plugin:

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

El Plugin integrado xai registra la generación de vídeo mediante la herramienta compartida video_generate.

• Modelo predeterminado: xai/grok-imagine-video
• Modelo adicional: xai/grok-imagine-video-1.5
• Modos clásicos: texto a vídeo, imagen a vídeo, generación a partir de imágenes de referencia, edición remota de vídeo y extensión remota de vídeo
• Modo Video 1.5: solo imagen a vídeo, con exactamente una imagen de fotograma inicial
• Relaciones de aspecto: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3; los modos clásico y Video 1.5 de imagen a vídeo heredan la relación de la imagen de origen cuando se omite
• Resoluciones: clásico 480P/720P; Video 1.5 también admite 1080P; todos los modos de generación utilizan 480P de forma predeterminada
• Duración: 1-15 segundos para generación/imagen a vídeo, 1-10 segundos cuando se utilizan roles clásicos reference_image, 2-10 segundos para la extensión clásica
• Generación a partir de imágenes de referencia: establezca imageRoles en reference_image para cada imagen proporcionada; xAI acepta hasta 7 imágenes de este tipo
• La edición/extensión de vídeo hereda la relación de aspecto y la resolución del vídeo de entrada; estas operaciones no aceptan anulaciones de geometría
• Tiempo de espera predeterminado de la operación: 600 segundos, salvo que se establezca video_generate.timeoutMs o agents.defaults.mediaModels.video.timeoutMs

Video 1.5 también reconoce los identificadores grok-imagine-video-1.5-preview y grok-imagine-video-1.5-2026-05-30 de xAI. OpenClaw reenvía el identificador seleccionado sin modificar, pero aplica la misma validación exclusiva para imágenes.

Para utilizar xAI como proveedor de vídeo predeterminado:

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

El plugin xai incluido registra la generación de imágenes mediante la herramienta compartida image_generate.

• Modelo de imagen predeterminado: xai/grok-imagine-image
• Modelo adicional: xai/grok-imagine-image-quality
• Modos: texto a imagen y edición de imagen de referencia
• Entradas de referencia: una image o hasta tres images
• Relaciones de aspecto: 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
• Resoluciones: 1K, 2K
• Cantidad: hasta 4 imágenes
• Tiempo de espera predeterminado de la operación: 600 segundos, salvo que se establezca image_generate.timeoutMs o agents.defaults.mediaModels.image.timeoutMs

OpenClaw solicita a xAI respuestas de imagen b64_json para que los contenidos multimedia generados puedan almacenarse y entregarse mediante la ruta normal de archivos adjuntos del canal. Las imágenes de referencia locales se convierten en URL de datos; las referencias remotas http(s) se transfieren sin cambios.

Para usar xAI como proveedor de imágenes predeterminado:

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

El plugin xai incluido registra la conversión de texto a voz mediante la interfaz compartida del proveedor tts.

• Voces: catálogo activo autenticado de xAI; se puede enumerar con openclaw infer tts voices --provider xai
• Voces alternativas sin conexión: ara, eve, leo, rex, sal
• Voz predeterminada: eve
• Los identificadores de voces personalizadas de la cuenta se reenvían aunque no aparezcan en la respuesta del catálogo integrado
• Formatos: mp3, wav, pcm, mulaw, alaw
• Idioma: código BCP-47 o auto
• Velocidad: sustitución de velocidad nativa del proveedor
• El formato nativo de nota de voz Opus no es compatible

Para usar xAI como proveedor de TTS predeterminado:

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

El plugin xai incluido registra la conversión por lotes de voz a texto mediante la interfaz de transcripción de comprensión multimedia de OpenClaw.

• Endpoint: REST de xAI /v1/stt
• Ruta de entrada: carga de archivo de audio multipart
• Selección del modelo: xAI elige internamente el modelo de transcripción; el endpoint no dispone de un selector de modelo
• Se utiliza siempre que la transcripción de audio entrante lee tools.media.audio, incluidos los segmentos de canales de voz de Discord y los archivos de audio adjuntos de los canales

Para forzar el uso de xAI en la transcripción de audio entrante:

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

El idioma se puede proporcionar mediante la configuración multimedia de audio compartida o por cada solicitud de transcripción. La interfaz compartida de OpenClaw acepta indicaciones para el prompt, pero la integración STT mediante REST de xAI solo reenvía el archivo y el idioma porque son los únicos que se corresponden con el endpoint público actual de xAI.

El plugin xai incluido también registra un proveedor de transcripción en tiempo real para el audio de llamadas de voz en directo.

• Endpoint: WebSocket de xAI wss://api.x.ai/v1/stt
• Codificación predeterminada: mulaw
• Frecuencia de muestreo predeterminada: 8000
• Detección de fin de intervención predeterminada: 800ms
• Transcripciones provisionales: activadas de forma predeterminada

El flujo multimedia de Twilio de Voice Call envía tramas de audio G.711 mu-law, por lo que el proveedor de xAI reenvía esas tramas directamente sin transcodificarlas:

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

La configuración propiedad del proveedor se encuentra en plugins.entries.voice-call.config.streaming.providers.xai. Las claves compatibles son apiKey, baseUrl, sampleRate, encoding (pcm, mulaw o alaw), interimResults, endpointingMs y language.

El plugin xai incluido registra sesiones en tiempo real de Grok Voice Agent para el modo Talk mediante el contrato compartido registerRealtimeVoiceProvider.

• Endpoint: wss://api.x.ai/v1/realtime?model=<voice-model>
• Modelo predeterminado: grok-voice-latest
• Voz predeterminada: eve
• Transporte: gateway-relay (rutas de retransmisión de iOS, Android y Control UI)
• Audio: PCM16 de 24 kHz o G.711 µ-law de 8 kHz
• Interrupción: el VAD del servidor de xAI interrumpe la respuesta; OpenClaw borra la reproducción en cola y trunca el historial del proveedor que no se ha reproducido

Configura Talk en el Gateway:

{  talk: {    realtime: {      provider: "xai",      mode: "realtime",      transport: "gateway-relay",      brain: "agent-consult",      providers: {        xai: {          model: "grok-voice-latest",          voice: "eve",          // Actívelo solo si la reproducción de la sesión por parte del proveedor es aceptable.          sessionResumption: false,        },      },    },  },  env: { XAI_API_KEY: "xai-..." },}

La configuración propiedad del proveedor también se resuelve desde plugins.entries.voice-call.config.realtime.providers.xai cuando Voice Call o los selectores compartidos de tiempo real reutilizan el mismo mapa de proveedores. Las claves compatibles son apiKey, baseUrl, model, voice, vadThreshold, silenceDurationMs, prefixPaddingMs, reasoningEffort y sessionResumption. reasoningEffort solo acepta high o none, de acuerdo con la API de Voice Agent de xAI.

El VAD del servidor de xAI siempre crea respuestas y gestiona la interrupción del audio. Utiliza consultRouting: "provider-direct"; el enrutamiento forzado de transcripciones y la desactivación de la interrupción del audio de entrada no son compatibles con el protocolo de Voice Agent de xAI.

El plugin xAI incluido expone x_search como herramienta de OpenClaw para buscar contenido de X (anteriormente Twitter) mediante Grok.

Ruta de configuración: plugins.entries.xai.config.xSearch

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

El plugin xAI incluido expone code_execution como herramienta de OpenClaw para la ejecución remota de código en el entorno aislado de xAI.

Ruta de configuración: plugins.entries.xai.config.codeExecution

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

• La autenticación de xAI puede utilizar una clave de API, una variable de entorno, una configuración alternativa del plugin u OAuth con una cuenta de xAI apta. OAuth utiliza la verificación mediante código de dispositivo sin una devolución de llamada a localhost. xAI decide qué cuentas pueden recibir tokens de API de OAuth, y la página de consentimiento puede mostrar Grok Build aunque OpenClaw no requiere la aplicación Grok Build.
• OpenClaw no expone actualmente la familia de modelos multiagente de xAI. xAI ofrece estos modelos mediante la API Responses, pero no aceptan las herramientas del cliente ni las herramientas personalizadas que utiliza el bucle de agente compartido de OpenClaw. Consulte las limitaciones multiagente de xAI.
• Actualmente, la voz en tiempo real de xAI solo expone el transporte Talk mediante retransmisión del Gateway. Las sesiones WebSocket del proveedor controladas por el navegador todavía no están conectadas en la interfaz de control.
• La imagen quality, la imagen mask y las relaciones de aspecto adicionales exclusivas de la implementación nativa no se exponen hasta que la herramienta compartida image_generate disponga de los controles correspondientes entre proveedores.

• OpenClaw aplica automáticamente correcciones específicas de xAI para la compatibilidad de los esquemas y las llamadas de herramientas en la ruta del ejecutor compartido.
• Las solicitudes nativas de xAI utilizan de forma predeterminada tool_stream: true. Establezca agents.defaults.models["xai/<model>"].params.tool_stream en false para deshabilitarlo.
• El contenedor de xAI incluido elimina los límites no admitidos de recuento de elementos contenidos en los esquemas y las claves de carga útil de esfuerzo de razonamiento no admitidas antes de enviar solicitudes nativas de xAI. Grok 4.5 admite los niveles de esfuerzo bajo, medio y alto (alto de forma predeterminada). Grok 4.3 admite ninguno, bajo, medio y alto (bajo de forma predeterminada). Otros modelos de xAI con capacidad de razonamiento no exponen un control de esfuerzo configurable, pero siguen solicitando include: ["reasoning.encrypted_content"] para poder reproducir el razonamiento cifrado anterior en los turnos posteriores.
• web_search, x_search y code_execution se exponen como herramientas de OpenClaw. OpenClaw adjunta a la solicitud de cada herramienta únicamente la función integrada específica de xAI que necesita, en lugar de adjuntar todas las herramientas nativas a cada turno del chat.
• Grok web_search lee plugins.entries.xai.config.webSearch.baseUrl. x_search lee plugins.entries.xai.config.xSearch.baseUrl y, a continuación, recurre a la URL base de búsqueda web de Grok.
• x_search y code_execution pertenecen al plugin de xAI incluido, en lugar de estar codificados directamente en el entorno de ejecución central de modelos.
• code_execution es una ejecución remota en el entorno aislado de xAI, no una ejecución local mediante exec.