Grok 4.3 в xAI API: 1M контекста, лидер по tool calling и цена ниже флагманов

xAI выпустили Grok 4.3 в публичный API — и в этот раз новость не про «ещё одну новую модель», а про конкретные цифры, которые меняют расклад на рынке LLM.

Оригинальный пост в X (@xai)

Что заявили

По фактам из анонса:

• Grok 4.3 живёт в xAI API — самая быстрая и умная модель xAI на сегодня;
• №1 в лидерборде Artificial Analysis по двум ключевым для агентов метрикам: agentic tool calling и instruction following;
• №1 в Vals AI в корпоративных доменах — case law (юридическая практика) и corporate finance;
• 1 миллион токенов контекста;
• цена: $1.25 за миллион входных токенов, $2.50 за миллион выходных.

Почему это интересно для тех, кто строит агентов

Если упрощать, у современных LLM есть три разных «фронта»:

1. Чат и креатив. Кто пишет красивее, кто умнее в диалогах.
2. Кодинг. Кто лучше пишет и ревьюит код.
3. Агенты и инструменты. Кто аккуратно зовёт tool calls в нужный момент, держит план, не путается в шагах и слушается инструкций.

Третий фронт — самый важный для всего, что связано с реальными агентами: связки в OpenClaw и Codex, MCP-серверы, контентные пайплайны, работа с CRM и базами данных.

И именно тут Grok 4.3 заявляется лидером. На практике это значит, что у нас появляется ещё одна сильная модель для:

• роли исполнителя в многоагентной связке, когда нужно надёжно дёргать инструменты;
• работы со сложными промптами, где много правил и шагов;
• задач, где нужна юридическая или финансовая дисциплина в рассуждениях.

Что значат 1M контекста

1 миллион токенов — это не просто «можно скормить большую книгу». На практике это:

• весь репозиторий среднего проекта в одном запросе;
• многомесячный лог переписки или встреч за раз;
• большой набор документов клиента — без RAG-обвязки на старте.

То есть для прототипов и ресёрча можно сначала «закинуть всё», а уже потом думать про индексацию и embeddings. Это сильно ускоряет фазу, когда вы ещё не знаете, что искать.

Цена в контексте рынка

$1.25 за миллион входных и $2.50 за миллион выходных — заметно дешевле большинства флагманов этого уровня. Для сравнения, премиум-модели GPT- и Claude-класса обычно стоят заметно выше.

Это даёт два прикладных эффекта:

• массовые задачи (классификация, разбор данных, нормализация) становятся реально дешёвыми;
• в многоагентных системах можно поставить Grok 4.3 на роли, где нужен большой контекст и tool calls, не пугаясь счёта в конце месяца.

Что я бы сделал на этой неделе

1. Завести API-ключ и прогнать Grok 4.3 на своих типовых промптах — тех, где у вас уже есть бенчмарк по другим моделям.
2. Дать ему сценарий с tool calls и проверить, будет ли он слушаться правил или начнёт «свободно интерпретировать» инструкции, как иногда любят более старые модели.
3. Попробовать на одной большой задаче (репозиторий, корпус документов, длинный лог встреч), которую раньше не клали в LLM из-за контекста.

Важная оговорка

Цифры в анонсах и реальные цифры в ваших задачах — часто две разные истории. Я бы не торопился перестраивать свою агентную инфраструктуру под новую модель без прогона на «своих» сценариях. Лидерборды дают направление, финальное решение — всегда за вашими собственными прогонами.

По теме

• Статья: 12 приёмов, которые превращают ИИ-агента из игрушки в рабочий инструмент
• Блог: Лучший способ освоить агентный кодинг — заставить ИИ научить вас
• База знаний: Промпт-инжиниринг для GPT-5.5 — outcome-first подход, личность и валидация

Если хочется не просто переключиться на новую модель, а собрать рабочий контур из нескольких агентов, где у каждой модели своя роль, — у меня есть формат консультации, где мы это делаем вместе. Спокойно разбираем ваш стек, задачи и определяем, кому из агентов в вашей системе действительно стоит поручить что и почему.