xAI

Der gebündelte Websuch-Provider grok bevorzugt xAI OAuth und greift anschließend auf XAI_API_KEY oder einen Websuchschlüssel des Plugins zurück:

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

Das gebündelte xai-Plugin registriert die Videogenerierung über das gemeinsame Tool video_generate.

• Standardmodell: xai/grok-imagine-video
• Zusätzliches Modell: xai/grok-imagine-video-1.5
• Klassische Modi: Text-zu-Video, Bild-zu-Video, Generierung anhand von Referenzbildern, Bearbeitung entfernter Videos und Erweiterung entfernter Videos
• Video-1.5-Modus: nur Bild-zu-Video mit genau einem Bild als erstem Frame
• Seitenverhältnisse: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3; bei Auslassung übernehmen der klassische und der Video-1.5-Bild-zu-Video- Modus das Seitenverhältnis des Quellbilds
• Auflösungen: klassisch 480P/720P; Video 1.5 unterstützt außerdem 1080P; alle Generierungsmodi verwenden standardmäßig 480P
• Dauer: 1–15 Sekunden für Generierung/Bild-zu-Video, 1–10 Sekunden bei Verwendung klassischer reference_image-Rollen, 2–10 Sekunden für die klassische Erweiterung
• Generierung anhand von Referenzbildern: Setzen Sie imageRoles für jedes bereitgestellte Bild auf reference_image; xAI akzeptiert bis zu 7 solcher Bilder
• Videobearbeitung und -erweiterung übernehmen Seitenverhältnis und Auflösung des Eingabevideos; diese Vorgänge akzeptieren keine Geometrieüberschreibungen
• Standard-Zeitüberschreitung für Vorgänge: 600 Sekunden, sofern video_generate.timeoutMs oder agents.defaults.videoGenerationModel.timeoutMs nicht festgelegt ist

Video 1.5 erkennt außerdem die xAI-Bezeichner grok-imagine-video-1.5-preview und grok-imagine-video-1.5-2026-05-30. OpenClaw leitet den ausgewählten Bezeichner unverändert weiter, wendet jedoch dieselbe Validierung an, die ausschließlich Bilder zulässt.

So verwenden Sie xAI als Standard-Provider für Videos:

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

Das gebündelte xai-Plugin registriert die Bildgenerierung über das gemeinsame Tool image_generate.

• Standard-Bildmodell: xai/grok-imagine-image
• Zusätzliches Modell: xai/grok-imagine-image-quality
• Modi: Text-zu-Bild und Bearbeitung eines Referenzbilds
• Referenzeingaben: ein image oder bis zu drei images
• Seitenverhältnisse: 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
• Auflösungen: 1K, 2K
• Anzahl: bis zu 4 Bilder
• Standardmäßiges Zeitlimit für Vorgänge: 600 Sekunden, sofern image_generate.timeoutMs oder agents.defaults.imageGenerationModel.timeoutMs nicht festgelegt ist

OpenClaw fordert von xAI Bildantworten im Format b64_json an, damit generierte Medien über den normalen Pfad für Kanalanhänge gespeichert und zugestellt werden können. Lokale Referenzbilder werden in Daten-URLs konvertiert; entfernte http(s)-Referenzen werden unverändert weitergeleitet.

So verwenden Sie xAI als Standard-Provider für Bilder:

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

Das gebündelte xai-Plugin registriert Text-zu-Sprache über die gemeinsame tts-Provider-Schnittstelle.

• Stimmen: authentifizierter Live-Katalog von xAI; auflisten mit openclaw infer tts voices --provider xai
• Offline-Ausweichstimmen: ara, eve, leo, rex, sal
• Standardstimme: eve
• Benutzerdefinierte Stimmen-IDs des Kontos werden auch dann weitergeleitet, wenn sie in der Antwort des integrierten Katalogs fehlen
• Formate: mp3, wav, pcm, mulaw, alaw
• Sprache: BCP-47-Code oder auto
• Geschwindigkeit: Provider-native Überschreibung der Geschwindigkeit
• Das native Opus-Format für Sprachnachrichten wird nicht unterstützt

So verwenden Sie xAI als Standard-TTS-Provider:

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

Das gebündelte xai-Plugin registriert Batch-Sprache-zu-Text über die Transkriptionsschnittstelle der Medienerkennung von OpenClaw.

• Endpunkt: xAI-REST /v1/stt
• Eingabepfad: Hochladen einer Audiodatei als Multipart
• Modellauswahl: xAI wählt das Transkriptionsmodell intern aus; der Endpunkt verfügt über keine Modellauswahl
• Wird überall dort verwendet, wo die Transkription eingehender Audiodaten tools.media.audio liest, einschließlich Segmenten aus Discord-Sprachkanälen und Audioanhängen in Kanälen

So erzwingen Sie xAI für die Transkription eingehender Audiodaten:

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

Die Sprache kann über die gemeinsame Audiomedienkonfiguration oder pro Transkriptionsanfrage angegeben werden. Die gemeinsame OpenClaw-Schnittstelle akzeptiert Prompt-Hinweise, die xAI-REST-STT-Integration leitet jedoch nur Datei und Sprache weiter, da diese dem aktuellen öffentlichen xAI-Endpunkt entsprechen.

Das gebündelte xai-Plugin registriert außerdem einen Echtzeit-Transkriptions-Provider für Audiodaten aus laufenden Sprachanrufen.

• Endpunkt: xAI-WebSocket wss://api.x.ai/v1/stt
• Standardkodierung: mulaw
• Standard-Abtastrate: 8000
• Standardmäßige Endpunkterkennung: 800ms
• Vorläufige Transkripte: standardmäßig aktiviert

Der Twilio-Medienstream von Voice Call sendet G.711-mu-law-Audioframes, daher leitet der xAI-Provider diese Frames ohne Transkodierung direkt weiter:

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

Die Provider-eigene Konfiguration befindet sich unter plugins.entries.voice-call.config.streaming.providers.xai. Unterstützte Schlüssel sind apiKey, baseUrl, sampleRate, encoding (pcm, mulaw oder alaw), interimResults, endpointingMs und language.

Das gebündelte xAI-Plugin stellt x_search als OpenClaw-Werkzeug zur Suche nach Inhalten auf X (ehemals Twitter) über Grok bereit.

Konfigurationspfad: plugins.entries.xai.config.xSearch

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

Das gebündelte xAI-Plugin stellt code_execution als OpenClaw-Werkzeug für die entfernte Codeausführung in der Sandbox-Umgebung von xAI bereit.

Konfigurationspfad: plugins.entries.xai.config.codeExecution

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

• Die xAI-Authentifizierung kann einen API-Schlüssel, eine Umgebungsvariable, eine Ausweichkonfiguration des Plugins oder OAuth mit einem berechtigten xAI-Konto verwenden. OAuth verwendet die Gerätecode-Verifizierung ohne localhost-Callback. xAI entscheidet, welche Konten OAuth-API-Token erhalten können, und auf der Einwilligungsseite kann Grok Build angezeigt werden, obwohl OpenClaw die Grok-Build-App nicht benötigt.
• OpenClaw stellt die Multi-Agent-Modellfamilie von xAI derzeit nicht bereit. xAI stellt diese Modelle über die Responses API bereit, sie akzeptieren jedoch nicht die clientseitigen oder benutzerdefinierten Werkzeuge, die von der gemeinsamen Agentenschleife von OpenClaw verwendet werden. Weitere Informationen finden Sie unter Einschränkungen der xAI-Multi-Agenten.
• xAI Realtime Voice ist noch nicht als OpenClaw-Provider registriert. Dafür ist ein anderer Vertrag für bidirektionale Sprachsitzungen erforderlich als für Batch-STT oder Streaming-Transkription.
• quality und mask für xAI-Bilder sowie das native auto-Seitenverhältnis werden erst bereitgestellt, wenn das gemeinsame Werkzeug image_generate entsprechende Provider-übergreifende Steuerungen besitzt.

• OpenClaw wendet xAI-spezifische Kompatibilitätskorrekturen für Werkzeugschemata und Werkzeugaufrufe automatisch im gemeinsamen Runner-Pfad an.
• Native xAI-Anfragen verwenden standardmäßig tool_stream: true. Setzen Sie agents.defaults.models["xai/<model>"].params.tool_stream auf false, um dies zu deaktivieren.
• Der gebündelte xAI-Wrapper entfernt nicht unterstützte Anzahlbegrenzungen für contains aus Schemas und nicht unterstützte Nutzlastschlüssel für den Aufwand des Schlussfolgerns, bevor native xAI-Anfragen gesendet werden. Grok 4.5 unterstützt niedrigen, mittleren und hohen Aufwand (Standard: hoch). Grok 4.3 unterstützt keinen, niedrigen, mittleren und hohen Aufwand (Standard: niedrig). Andere schlussfolgerungsfähige xAI-Modelle stellen keine konfigurierbare Aufwandssteuerung bereit, fordern aber weiterhin include: ["reasoning.encrypted_content"] an, damit zuvor verschlüsselte Schlussfolgerungen in nachfolgenden Runden erneut verwendet werden können.
• web_search, x_search und code_execution werden als OpenClaw-Werkzeuge bereitgestellt. OpenClaw fügt der Anfrage jedes Werkzeugs nur die jeweils benötigte integrierte xAI-Funktion hinzu, anstatt jedem Chat-Durchlauf alle nativen Werkzeuge hinzuzufügen.
• Grok web_search liest plugins.entries.xai.config.webSearch.baseUrl. x_search liest plugins.entries.xai.config.xSearch.baseUrl und greift anschließend auf die Basis-URL der Grok-Websuche zurück.
• x_search und code_execution gehören zum gebündelten xAI-Plugin, anstatt fest in der Kernlaufzeit des Modells codiert zu sein.
• code_execution ist eine entfernte Ausführung in der xAI-Sandbox, nicht das lokale exec.