xAI

El proveedor integrado de búsqueda web grok da prioridad a OAuth de xAI y, como alternativa, utiliza XAI_API_KEY o una clave de búsqueda web del Plugin:

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

El Plugin xai integrado registra la generación de vídeos 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 con imágenes de referencia, edición remota de vídeo y extensión remota de vídeo
• Modo Video 1.5: solo imagen a vídeo, con exactamente una imagen para el primer fotograma
• Relaciones de aspecto: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3; al omitirla, tanto el modo clásico como el modo imagen a vídeo de Video 1.5 heredan la relación de la imagen de origen
• Resoluciones: 480P/720P en el modo clásico; Video 1.5 también admite 1080P; todos los modos de generación usan 480P de forma predeterminada
• Duración: de 1 a 15 segundos para generación/imagen a vídeo, de 1 a 10 segundos al utilizar roles clásicos reference_image y de 2 a 10 segundos para la extensión clásica
• Generación con imágenes de referencia: establece 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; esas operaciones no aceptan sustituciones de geometría
• Tiempo de espera predeterminado de la operación: 600 segundos, salvo que se defina video_generate.timeoutMs o agents.defaults.videoGenerationModel.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 modificarlo, 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 integrado 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 configure image_generate.timeoutMs o agents.defaults.imageGenerationModel.timeoutMs

OpenClaw solicita a xAI respuestas de imagen b64_json para que los archivos 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 transmiten 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; consúltelo 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 incluso cuando no aparecen en la respuesta del catálogo integrado
• Formatos: mp3, wav, pcm, mulaw, alaw
• Idioma: código BCP-47 o auto
• Velocidad: ajuste de velocidad nativo del proveedor
• No se admite el formato nativo de nota de voz Opus

Para usar xAI como proveedor TTS predeterminado:

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

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

• Punto de conexión: REST /v1/stt de xAI
• Ruta de entrada: carga de archivo de audio multiparte
• Selección de modelo: xAI elige internamente el modelo de transcripción; el punto de conexión no dispone de selector de modelo
• Se utiliza dondequiera que la transcripción de audio entrante lea tools.media.audio, incluidos los segmentos de canales de voz de Discord y los archivos adjuntos de audio 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 puede proporcionarse mediante la configuración compartida de medios de audio o en cada solicitud de transcripción. La interfaz compartida de OpenClaw acepta indicaciones para el prompt, pero la integración REST STT de xAI solo reenvía el archivo y el idioma, ya que son los únicos que se corresponden con el punto de conexión 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.

• Punto de conexión: WebSocket wss://api.x.ai/v1/stt de xAI
• Codificación predeterminada: mulaw
• Frecuencia de muestreo predeterminada: 8000
• Detección predeterminada del final de la intervención: 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 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 admitidas son apiKey, baseUrl, sampleRate, encoding (pcm, mulaw o alaw), interimResults, endpointingMs y language.

El Plugin xAI incluido expone x_search como una herramienta de OpenClaw para buscar contenido de X (antes 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 una herramienta de OpenClaw para ejecutar código de forma remota 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, la configuración alternativa del Plugin u OAuth con una cuenta de xAI apta. OAuth utiliza la verificación mediante código de dispositivo sin devolución de llamada a localhost. xAI decide qué cuentas pueden recibir tokens de API OAuth, y la página de consentimiento puede mostrar Grok Build aunque OpenClaw no requiera la aplicación Grok Build.
• Actualmente, OpenClaw no expone la familia de modelos multiagente de xAI. xAI sirve estos modelos mediante la API Responses, pero no aceptan las herramientas del lado del cliente ni las personalizadas que utiliza el bucle de agente compartido de OpenClaw. Consulte las limitaciones multiagente de xAI.
• La voz en tiempo real de xAI aún no está registrada como proveedor de OpenClaw. Requiere un contrato de sesión de voz bidireccional distinto al de STT por lotes o la transcripción en streaming.
• Las opciones de imagen quality, mask y la relación de aspecto nativa auto de xAI no estarán disponibles hasta que la herramienta compartida image_generate disponga de los controles correspondientes entre proveedores.

• OpenClaw aplica automáticamente correcciones de compatibilidad específicas de xAI para los esquemas y las llamadas de herramientas en la ruta del ejecutor compartido.
• Las solicitudes nativas de xAI usan tool_stream: true de forma predeterminada. Establezca agents.defaults.models["xai/<model>"].params.tool_stream en false para desactivarlo.
• El contenedor de xAI incluido elimina los límites no admitidos del recuento de elementos contenidos en los esquemas y las claves no admitidas de esfuerzo de razonamiento de las cargas antes de enviar solicitudes nativas de xAI. Grok 4.5 admite esfuerzo bajo, medio y alto (alto de forma predeterminada). Grok 4.3 admite ningún esfuerzo, bajo, medio y alto (bajo de forma predeterminada). Otros modelos de xAI con capacidad de razonamiento no exponen un control configurable del esfuerzo, pero aun así solicitan include: ["reasoning.encrypted_content"] para que el razonamiento cifrado anterior pueda reutilizarse en 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 esa herramienta necesita, en lugar de adjuntar todas las herramientas nativas a cada turno de chat.
• web_search de Grok lee plugins.entries.xai.config.webSearch.baseUrl. x_search lee plugins.entries.xai.config.xSearch.baseUrl y luego utiliza como alternativa la URL base de búsqueda web de Grok.
• x_search y code_execution pertenecen al Plugin xAI incluido, en lugar de estar codificados directamente en el entorno de ejecución de modelos del núcleo.
• code_execution es una ejecución remota en el entorno aislado de xAI, no el comando local exec.