跳转到主要内容
本文说明在 API易 上使用 Grok 模型联网搜索（Web Search）与 X 平台搜索（X Search）的方法，基于 2026年7月13日 (UTC+8) 实测验证。

​
一句话结论

API易 完整支持 Grok 官方 server-side 联网工具：使用 Responses API（/v1/responses）+ web_search / x_search 工具，grok-4.5 实测真实联网、返回带来源引用的最新信息。默认分组的 KEY 直接可用。 
端点：   POST https://api.apiyi.com/v1/responses
工具：   tools: [{"type": "web_search"}] 或 [{"type": "x_search"}]
模型：   grok-4.5（实测验证）
旧入口已下线：Chat Completions 端点的 search_parameters 参数（旧版 Live Search）已被 xAI 移除，实测返回 410。存量代码请迁移到 Responses API 工具写法。

​
真实可用性（实测数据，2026-07-13）

工具联网结果单次问答搜索次数延迟
web_search✅ 准确返回当周新闻（正确检索到 7月8日 Grok 4.5 发布公告），带来源引用5 次~12s
x_search✅ 准确返回 X 平台指定账号最新帖子及线程内容24 次~45s
X 搜索是 Grok 的差异化能力：可直接检索 X（推特）平台的实时帖子、账号动态与话题讨论，这是其他厂商联网工具覆盖不到的信息源。适合舆情监控、热点追踪、KOL 动态分析等场景。注意 x_search 搜索轮次多、延迟明显更长（实测约 45 秒），客户端超时建议设 120 秒以上。

​
快速上手

​
cURL

curl -X POST "https://api.apiyi.com/v1/responses" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.5",
    "tools": [{"type": "web_search"}],
    "input": "xAI 最近一周发布了什么新闻？请搜索并附来源链接"
  }'

​
Python（OpenAI SDK）

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api.apiyi.com/v1",
)

resp = client.responses.create(
    model="grok-4.5",
    tools=[{"type": "web_search"}],      # X 搜索改为 {"type": "x_search"}
    input="xAI 最近一周发布了什么新闻？请搜索并附来源链接",
)

# 1) 最终回答
print(resp.output_text)

# 2) 实际搜索次数
searches = [i for i in resp.output if i.type == "web_search_call"]
print(f"本次搜索 {len(searches)} 次")

# 3) 工具用量明细（计量自查）
print(resp.usage.server_side_tool_usage_details)

​
X 搜索示例

resp = client.responses.create(
    model="grok-4.5",
    tools=[{"type": "x_search"}],
    input="在X上搜索 xAI 官方账号最近的帖子，总结主题",
)
print(resp.output_text)

​
响应结构说明

output 数组按执行顺序包含：
item type含义
reasoning模型推理过程（规划搜索策略）
web_search_call一次实际执行的 Web 搜索（x_search 对应条目类似）
message最终回答，正文内嵌来源引用链接
usage 中的 server_side_tool_usage_details 逐项给出各工具的实际调用次数（web_search_calls / x_search_calls / code_interpreter_calls / mcp_calls 等），建议在业务侧记录用于成本核对。

​
计费说明

联网问答的开销由两部分组成：
项目说明
检索内容 token 费搜索结果注入模型上下文，按模型标准 input 价计费。这部分是大头：实测 web_search 单次问答约 27K input tokens（其中约 11K 命中缓存享折扣价）
工具调用费server-side 工具可能按次收取工具调用费，以 API易 工具定价与账单实际扣费为准
x_search 搜索轮次多（实测单次问答 24 次搜索），token 注入量与延迟均高于 web_search，请按业务问答量预估成本。响应 usage 中的搜索次数与 cached_tokens 均可自查。

​
注意事项

  1. 只走 Responses API：Chat Completions 的 search_parameters 已下线（410），不要再用。
  2. 延迟预期：web_search 约 12 秒、x_search 约 45 秒（实测值，随任务复杂度浮动），客户端超时建议 ≥ 120 秒。
  3. 控制成本：可在提示词中约束搜索行为（如「最多搜索 2 次」），或在业务侧监控 server_side_tool_usage_details。
  4. 验证真实联网：检查 output 中是否存在 web_search_call / 对应搜索条目——只有正文、没有搜索条目的回答是模型凭训练数据作答。

​
相关文档

Grok 概览

模型阵容、定价与能力矩阵

代码执行与 MCP

同为 Responses API 的另外两大 server-side 工具

缓存计费说明

联网注入的大量 input tokens 可配合自动缓存降本

OpenAI 联网搜索

GPT 系列的联网搜索用法对照