В новом релизе OpenClaw xAI получил полный мультимедийный стек: генерация и редактирование изображений, шесть голосов, TTS и распознавание речи в реальном времени.
Если вы используете OpenClaw с моделями xAI — обновление v2026.4.22 стоит накатить прямо сейчас. Это не косметический патч: xAI-провайдер получил полноценный мультимедийный стек, которого раньше просто не было.
Релиз добавляет сразу несколько вещей:
grok-imagine-image — теперь можно просить агента создавать и править картинки прямо в чатеПо сути, xAI в OpenClaw превратился из «ещё одного LLM-провайдера» в полноценную мультимодальную платформу. Раньше для голоса приходилось подключать отдельные сервисы или ждать экспериментальный MLX на маке. Теперь всё работает из коробки — через API Grok.
OpenClaw последние месяцы наращивает мультимедийные возможности с бешеной скоростью: видеогенерация, система «сновидений» для памяти, локальный голос через MLX. Но xAI-интеграция — это другое. Grok-модели от xAI уже умели искать в вебе, а теперь к этому добавились картинки, голос и realtime-транскрипция. Для тех, кто строит агента на xAI-стеке, это означает: можно общаться голосом, получать визуальный контент и делать всё это без сторонних костылей.
Особенно интересно для сценариев, где агент работает через Telegram или WhatsApp: голосовые сообщения наконец становятся полноценным каналом ввода-вывода, а не просто текстом, который нужно перепечатывать.
Сетап стал проще — в релизноутах отдельно отмечают «way smoother setup». Для OpenClaw это важно: порог входа всегда был его слабым местом.
Если вы уже работаете с OpenClaw или думаете запустить своего агента на xAI-моделях — сейчас хороший момент попробовать, пока всё свежее и документация ещё горячая.