2026年5月25日,xAI 正式推出 Grok Build 的早期 Beta 版本,这是一套专为软件工程代理工作流设计的快速编码模型体系。它同时提供文本与图像输入通道,内置 256K 上下文窗口,且不限制单次文本输出长度。其模型 API 标识为 grok-build-0.1,面向 SuperGrok 与 X Premium Plus 订阅者开放,同时也可以通过 4sapi 这类大模型聚合平台以同样 ID 调用。
模型设计定位:面向编码任务的深层优化
grok-build-0.1 并非泛化的会话模型,其训练目标锁定在三大编码工作负载:交互式编码代理、工具调用(Function Calling)与多步骤开发流水线。主要规格见下表:
| 规格项 | 详情 |
|---|---|
| 模型 ID | grok-build-0.1 |
| 上下文窗口 | 256,000 tokens |
| 输入模态 | 文本 + 图像 |
| 输出模态 | 文本 |
| 输入单价 | 1.00 美元/百万 tokens |
| 输出单价 | 2.00 美元/百万 tokens |
| 缓存读取价格 | 0.20 美元/百万 tokens |
| Function Calling | 支持 |
| 结构化输出 | 支持(JSON Schema) |
| 推理过程 Token | 支持 |
| 提示词缓存 | 支持 |
| 当前阶段 | 早期访问(Early Access) |
其关键差异点在于:
- 无截断的长上下文:可一次性吸收整个大型仓库,避免拆分,十分适合跨文件重构。
- 视觉输入原生支持:能将 UI 截图或架构图直接作为上下文,免去人工转述。
- 极低的缓存读取费用:对于反复访问同一代码库的长时间任务,成本控制更为友好。
根据 CloudPrice.net 2026 年 5 月 25 日数据,目前已支持 grok-build-0.1 的供应商包括 xAI 官方 API、OpenRouter 以及 Vercel AI Gateway,三者均提供 OpenAI 兼容的调用格式。
终端侧快速就绪:数分钟内启动 CLI
Grok Build 提供纯终端原生命令行工具,安装过程与 Claude Code 或 Codex CLI 高度对称,降低了切换工具时的认知负担。
1. 安装 CLI
macOS / Linux / WSL:
bash
curl -fsSL https://x.ai/cli/install.sh | bash
Windows(PowerShell):
powershell
irm https://x.ai/cli/install.ps1 | iex
完成后可确认版本:
bash
grok --version
which grok
需要注意,社区项目 superagent-ai/grok-cli 同样生成 grok 命令,但这并非 xAI 官方构建工具。若曾安装过该社区版本,先用 which grok 核对路径。
2. 首次认证
bash
cd ~/code/your-project
grok
首次运行会拉起浏览器,通过 OAuth 验证具备 SuperGrok Heavy 订阅的账号。登录后 CLI 即自动加载项目上下文。
3. 无浏览器环境(服务器/CI)
在容器或远端主机中,可采用 API Key 认证:
bash
export GROK_CODE_XAI_API_KEY="xai-xxxxxxxxxxxxxxxx"
grok
API Key 在 console.x.ai 的“API Keys”页面创建,生成后仅显示一次,务必立即注入到 CI Secret Store(如 GitHub Actions Secrets)而非写入源码。
4. 校验配置加载
bash
grok inspect
该命令会列出当前目录下识别的所有配置来源、AGENTS.md 指令、技能、插件、Hook 以及 MCP Server。在允许代理执行实质变更前,先检查环境非常必要。
编程接口集成:将 grok-build-0.1 接入自定义工具链
驱动 CLI 的底层模型同样开放直接 API 调用,可嵌入自有代理循环、IDE 插件或 CI 脚本。xAI API 与 OpenAI 接口规范对齐,几乎无需改造已有代码。
获取 API Key:在 console.x.ai → API Keys 创建,并设置环境变量:
bash
export XAI_API_KEY="xai-xxxxxxxxxxxxxxxx"
方式一:xAI 原生 Python SDK
python
import os
from xai_sdk import Client
from xai_sdk.chat import user
client = Client(api_key=os.getenv("XAI_API_KEY"))
chat = client.chat.create(model="grok-build-0.1")
chat.append(user("Refactor this function to handle null inputs."))
response = chat.sample()
print(response.content)
安装:pip install xai-sdk
方式二:OpenAI 兼容 SDK
只需修改 base_url 与模型名:
python
from openai import OpenAI
client = OpenAI(
api_key=os.getenv("XAI_API_KEY"),
base_url="https://api.x.ai/v1"
)
response = client.responses.create(
model="grok-build-0.1",
input="Explain the architecture of this service."
)
print(response.output_text)
方式三:cURL 验证
bash
curl https://api.x.ai/v1/responses \
-H "Authorization: Bearer $XAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "grok-build-0.1",
"input": "Refactor this function to handle null inputs."
}'
方式四:JavaScript(Vercel AI SDK)
javascript
import { xai } from '@ai-sdk/xai';
import { generateText } from 'ai';
const { text } = await generateText({
model: xai.responses('grok-build-0.1'),
prompt: 'Walk through this codebase and identify potential bugs.',
});
console.log(text);
兼容性提示:xAI API 端点路径为 https://api.x.ai/v1,认证方式为 Bearer,与 OpenAI Responses API 结构相同。大部分基于 OpenAI 编写的代码仅需替换 base URL 即可运行。在多模型推理的场景下,星链4SAPI 同样提供与 OpenAI 和 Anthropic 规范对齐的统一接入层,便于集中管控各模型密钥与流量。
并行子代理:Grok Build 的核心异动能力
Grok Build 最受开发者关注的能力之一是至多 8 个并行子代理,每个子代理运行在隔离的 Git worktree 中,互不影响,最终由主 Planner 汇总。
运转流程:
- 主代理接收任务并生成执行规划。
- 将子任务分派给最多 8 个独立子代理(例如“为模块 X 编写测试”“重构 /api 路由层”)。
- 每个子代理在专属 Git worktree 环境中并行执行,杜绝文件争用。
- 子代理完成后回报,主代理整合结果并提示人工审查(Plan-Review 模式)。
自定义模型分配:可通过 ~/.grok/config.toml 为不同子任务指定不同模型:
toml
[model.fast-model]
model = "grok-build-0.1"
base_url = "https://api.x.ai/v1"
name = "Grok Build Fast"
env_key = "XAI_API_KEY"
[model.heavy-model]
model = "grok-4.3"
base_url = "https://api.x.ai/v1"
name = "Grok 4.3 Heavy"
env_key = "XAI_API_KEY"
[models]
default = "fast-model"
配置后可通过 grok -m heavy-model 或终端界面 /model 命令切换。
典型适用场景:
- 大型代码库多模块并发重构
- 实现代码与单元测试同步编写
- Monorepo 中多个服务的依赖并行升级
- CI 流程中无人值守的代码评审与自动补全
横向对比:Grok Build vs Claude Code vs Codex CLI
根据 digitalapplied.com 2026 年 5 月发布的编码代理对比报告,三款终端 CLI 的核心差异概括如下:
| 维度 | Grok Build | Claude Code 1.3 | Codex CLI 0.130+ |
|---|---|---|---|
| 并行上限 | 最多 8 个 | 无硬性限制 | 多个(正式发布) |
| 隔离机制 | Git worktree / 代理隔离 | 共享工作区 | 子进程沙箱 |
| 协调模式 | ACP + 计划审查 | Task 工具(MCP 原生) | 并行执行 + 汇报 |
| 底层模型 | grok-build-0.1 (256K) | Claude Opus 4.7 (200K+) | GPT-5.5 (128K+) |
| IDE 绑定 | 纯终端 | 纯终端 | 纯终端 |
| 订阅门槛 | SuperGrok Heavy(99 美元/月起) | Pro 20 美元/月 | Plus 20 美元/月 |
| API 输入单价 | 1.00 美元/M | 见 Anthropic 官方 | 见 OpenAI 官方 |
| 当前状态 | Early Beta | GA | GA |
选择建议:
- 需要真正的并行多代理、要求任务间 Git 级别隔离、已是 SuperGrok 用户时,可优先考虑 Grok Build。
- 追求成熟稳定正式版、深度绑定 MCP 生态、现有 Anthropic API 体系,更适合 Claude Code。
- 已具有 OpenAI 付费套餐、团队对 GPT 系列模型更熟悉,可沿用 Codex CLI。
计费结构与成本速算
依据 xAI 官方 2026 年 5 月文档,grok-build-0.1 API 费用为:
| 计费项 | 单价 |
|---|---|
| 输入 Token | 1.00 美元/百万 tokens |
| 输出 Token | 2.00 美元/百万 tokens |
| 缓存读取 | 0.20 美元/百万 tokens |
典型情形估算(kilo.ai 数据):分析一个约 10,000 行的代码库(约 4 万输入 tokens + 1 万输出 tokens),单次调用成本约 0.06 美元。
若团队每日执行 50 次代码审查,月成本大致控制在 90 美元以内,相较 SuperGrok Heavy 订阅(99 美元/月起)在调用量适中时 API 按量付费反而更经济。
常见问题摘要
Q:未订阅 SuperGrok,能否直接调用 grok-build-0.1 API?
可以。CLI 交互模式需要 SuperGrok 或 X Premium Plus 订阅,而 API 调用是独立的按量计费服务。在 console.x.ai 创建 API Key 并充值后即可使用,无需任何订阅。
Q:grok-build-0.1 与 grok-4.3 如何选择?
xAI 官方划分:通用对话与推理用 grok-4.3,编码任务用 grok-build-0.1。两者价格接近(grok-4.3 输入 1.25 美元/M,grok-build-0.1 输入 1.00 美元/M),但编码模型在代码生成上响应更迅捷,专项优化更显著。
Q:是否支持 MCP Server?
支持。Grok Build 会读取项目目录下的 MCP 配置,运行 grok inspect 可查看已发现的 MCP Server 列表。xAI 同样提供完整的 ACP(Agent Client Protocol)支持,用于构建自定义代理与编排应用。
Q:能否在 GitHub Actions 中无人值守运行?
可以。将 GROK_CODE_XAI_API_KEY 设为 Actions Secret,在 CI 步骤中 export 后执行 grok -p "..."。--output-format streaming-json 参数可以产生机器可读的流式输出,兼容 GitHub Actions、GitLab CI、CircleCI 等平台。
Q:Grok Build 与社区 grok-cli 项目的区别?
两者完全不同。superagent-ai/grok-cli 是社区维护的封装,安装后同样生成 grok 命令;xAI 官方 Grok Build 通过上述官方脚本安装。可用 which grok 核实路径区分。
延伸资源
- AI 编程工具模型集成配置参考:主流 IDE 接入指南
- 多模型 API Key 统一管控:星链4SAPI 访问密钥配置
- xAI 官方发布公告:Introducing Grok Build (x.ai)
- xAI 开发者文档:docs.x.ai/build/overview
以上内容基于 2026 年 5 月数据,Grok Build 当前处于早期 Beta 阶段,功能与定价以 xAI 官方文档最新版本为准。实际集成前建议查阅 docs.x.ai 确认最新规格。下一步可先通过 grok inspect 验证 API Key 与项目配置是否正确加载,然后在小型特性分支上测试并行代理流程,确认输出质量后再逐步应用于主干任务。