Skip to main content
Core.Today
|
과금 안내 서브에이전트 토큰이 내 프롬프트·답변 위에 합산 청구되어, 입력이 아무리 짧아도 회당 수천 토큰의 하한이 있습니다 (실측: 한 마디 질문에 4,266 토큰 ≈ 9크레딧 정산). 짧은 대화가 아니라 리서치급 질문에 쓰세요. Chat Completions는 업스트림이 400으로 거부하므로 POST /llm/grok/v1/responses 를 호출해야 합니다.
xAI느림울트라

Grok 4.20 Multi-Agent

Grok 4.20 Multi-Agent 베타(0309 스냅샷)입니다. 1M 토큰 컨텍스트에서 딥 리서치형 멀티에이전트 오케스트레이션을 수행합니다. Responses API 전용입니다.

2,323/4,645크레딧
입력 / 출력 · 100만 토큰당
멀티에이전트 딥 리서치 (베타) - 서브에이전트 토큰도 청구
1M 컨텍스트 윈도우
Responses API 전용 (/v1/responses) - Chat Completions는 400 거부
캐시 읽기 할인 (프롬프트 캐싱)
롱컨텍스트 티어: 프롬프트 200K 토큰 도달 시 요청 전체 2배 단가

지금 바로 실행해보세요

콘솔의 Playground에서 별도 코드 없이 이 모델을 즉시 테스트할 수 있어요

로그인 후 사용해보기

AI 어시스턴트에서 사용하기

이 모델의 사용법을 Claude, ChatGPT 등에 복사

모델 상세 사양

컨텍스트 윈도우
1M
토큰
최대 출력
33K
토큰
학습 데이터
2025-11
호환 SDK
OpenAI

기능 지원

비전
함수 호출
스트리밍
JSON 모드
시스템 프롬프트

토큰별 가격 (1M 토큰당)

토큰 종류크레딧달러 환산
입력 토큰2,323$1.55
출력 토큰4,645$3.10
캐시된 토큰371.6$0.25

* 1,500 크레딧 ≈ $1 (실제 요금은 사용량에 따라 달라질 수 있습니다)

빠른 시작

curl -X POST "https://api.core.today/llm/grok/v1/responses" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer cdt_your_api_key" \
  -d '{
  "model": "grok-4.20-multi-agent-0309",
  "instructions": "You are a research analyst. Cite the evidence you rely on.",
  "input": "Compare the three leading approaches to long-context retrieval in 2026 and recommend one for a legal-document pipeline.",
  "max_output_tokens": 4096
}'

파라미터

파라미터타입필수기본값설명
modelstringYes-모델 ID입니다. 예: "grok-4.20-multi-agent-0309".
inputstring | arrayYes-Responses API 입력입니다. 문자열 또는 role/content 메시지 배열 (`messages` 대체).
instructionsstringNo-시스템 지시문입니다 (`system` 메시지 대체).
max_output_tokensintegerNo4096표시되는 답변 길이의 상한입니다. 서브에이전트·추론 토큰은 별도 청구되며 이 값으로 제한되지 않습니다.
streambooleanNofalseSSE 스트리밍 응답 여부입니다.

예제

딥 리서치 (Responses API)

이 모델이 받는 유일한 엔드포인트인 Responses API 요청입니다. 리서치급 질문이어야 회당 토큰 하한이 아깝지 않습니다.

curl -X POST "https://api.core.today/llm/grok/v1/responses" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer cdt_your_api_key" \
  -d '{
  "model": "grok-4.20-multi-agent-0309",
  "instructions": "You are a research analyst. Cite the evidence you rely on.",
  "input": "Compare the three leading approaches to long-context retrieval in 2026 and recommend one for a legal-document pipeline.",
  "max_output_tokens": 4096
}'

팁 & 모범 사례

1POST /llm/grok/v1/responses 를 호출하세요 - 이 모델은 Chat Completions에 400을 냅니다. OpenAI SDK는 base_url을 https://api.core.today/llm/grok/v1 로 두고 client.responses.create(...) 를 쓰면 됩니다
2회당 약 4K 토큰(≈9크레딧)의 하한을 예산에 넣으세요 - 프롬프트가 한 줄이어도 오케스트레이터의 캐시된 시스템 컨텍스트와 서브에이전트 추론이 청구됩니다. 짧은 Q&A는 단일 에이전트 Grok을 고르세요
3max_output_tokens 는 표시되는 답변만 제한합니다 - 서브에이전트·추론 토큰은 제한하지 않습니다
4프롬프트를 200K 토큰 미만으로 유지하면 표준 단가가 적용됩니다 (도달 시 2배)

사용 사례

긴 문서를 다단계로 종합하는 딥 리서치
병렬 하위 작업이 유리한 복합 분석
1M 공유 컨텍스트가 필요한 에이전트 워크플로